信度分析计算说明

提示：本指南只针对信度分析特有的内容进行描述,关于软件的通用操作流程（如文件上传、参数设置、结果下载等），请查看：通用计算说明

1. 方法概述

信度分析（Reliability Analysis）用于评估问卷或量表的可靠性和一致性，是问卷设计和数据分析中的重要环节。本工具提供了四种常用的信度系数计算方法：

  • Cronbach’s α系数：最常用的信度系数，适用于大多数量表
  • 折半信度系数：将题项分为前后两半计算，适用于题项较多的量表
  • McDonald’s Omega系数：基于因子分析，通常比Cronbach’s α更准确
  • Theta系数：基于主成分分析，适用于单维度量表

特别提醒：信度分析主要用于评估问卷的内部一致性，适用于李克特量表等态度测量工具。

2. 计算步骤

2.1 问卷设计

在进行信度分析之前，你应该已经完成了问卷设计和数据收集：

  1. 设计量表：确定测量维度和题项
  2. 收集数据：通过问卷调查收集样本数据
  3. 数据整理：将问卷数据整理成Excel格式

2.2 数据文件格式

信度分析需要上传包含问卷数据的Excel文件。

文件格式要求：

  • Excel文件必须包含一个名为"原始数据"的Sheet
  • 每一列代表一个题项（如：题项1、题项2、题项3…）
  • 每一行代表一个样本（被调查者）
  • 数据区域为样本对各题项的评分（数值型数据）
  • 不允许有缺失值，所有单元格都必须填写评分
  • 至少需要2个题项和2个样本

数据示例：

题项1 题项2 题项3 题项4 题项5
5 4 5 4 5
4 5 4 5 4
5 5 5 4 5
4 4 4 5 4
5 5 5 5 5

2.3 参数设置

信度分析提供以下参数设置：

2.3.1 信度系数类型

  • Cronbach’s α系数（推荐）

    • 最常用的信度系数
    • 适用于大多数量表
    • 计算简单，结果稳定

  • 折半信度系数

    • 将题项分为前后两半计算
    • 适用于题项较多的量表
    • 包含等长和不等长两种计算方式

  • McDonald’s Omega系数

    • 基于因子分析的信度系数
    • 通常比Cronbach’s α更准确
    • 考虑了题项的因子负荷

  • Theta系数

    • 基于主成分分析
    • 适用于单维度量表
    • 通过第一主成分评估一致性

2.3.2 结果保留小数位

  • 默认值：5
  • 取值范围：1-10
  • 控制所有统计量的小数精度

2.4 计算结果

2.4.1 Cronbach’s α系数结果

<div style=“text-align: center;”> <img src=“/guide/figures/信度分析/Cronbach结果.png” width=“1200” alt=“Cronbach结果”> </div>

结果包含：

  1. 基本信息

    • Cronbach’s α系数：整体信度系数值
    • 标准化Cronbach’s α系数：基于题项相关系数的标准化值

  2. 题项分析

    • 校正项总计相关性(CITC)：每个题项与总分的相关性
    • 项已删除的α系数：删除该题项后的α系数值

评价标准：

  • Cronbach’s α ≥ 0.8：信度高
  • 0.7 ≤ Cronbach’s α < 0.8：信度较好
  • 0.6 ≤ Cronbach’s α < 0.7：信度可接受
  • Cronbach’s α < 0.6：信度不佳

分析建议：

  1. 首先分析α系数，判断整体信度水平
  2. 如果CITC值低于0.3，可考虑删除该题项
  3. 如果"项已删除的α系数"明显高于α系数，可考虑删除该题项后重新分析

2.4.2 折半信度系数结果

<div style=“text-align: center;”> <img src=“/guide/figures/信度分析/折半系数结果.png” width=“800” alt=“折半系数结果”> </div>

结果包含：

  1. Cronbach’s α系数

    • 前半部分的α系数和题项数
    • 后半部分的α系数和题项数
    • 总题项数

  2. 相关系数

    • 前后两部分间的相关系数值

  3. 折半系数

    • 等长Spearman-Brown系数：前后题项数相等时使用
    • 不等长Spearman-Brown系数：前后题项数不等时使用
    • Guttman Split-Half系数：另一种折半信度估计

评价标准：

  • 折半系数 ≥ 0.8：信度高
  • 0.7 ≤ 折半系数 < 0.8：信度较好
  • 0.6 ≤ 折半系数 < 0.7：信度可接受
  • 折半系数 < 0.6：信度不佳

分析说明：

  • 如果题项数为偶数n，前后各n/2项，为"等长"
  • 如果题项数为奇数n，前(n+1)/2项，后(n-1)/2项，为"不等长"
  • 应根据等长或不等长选择相应的Spearman-Brown系数

2.4.3 McDonald’s Omega系数结果

<div style=“text-align: center;”> <img src=“/guide/figures/信度分析/McDonald结果.png” width=“900” alt=“McDonald结果”> </div>

结果包含：

  • 每个题项的名称
  • 项已删除的McDonald’s ω系数
  • McDonald’s ω系数（整体值）

评价标准：

  • McDonald’s ω ≥ 0.8：信度高
  • 0.7 ≤ McDonald’s ω < 0.8：信度较好
  • 0.6 ≤ McDonald’s ω < 0.7：信度可接受
  • McDonald’s ω < 0.6：信度不佳

2.4.4 Theta系数结果

<div style=“text-align: center;”> <img src=“/guide/figures/信度分析/Theta结果.png” width=“900” alt=“Theta结果”> </div>

结果包含：

  • 每个题项的名称
  • 项已删除的Theta系数
  • Theta系数（整体值）

评价标准：

  • Theta ≥ 0.8：信度高
  • 0.7 ≤ Theta < 0.8：信度较好
  • 0.6 ≤ Theta < 0.7：信度可接受
  • Theta < 0.6：信度不佳

3. 常见问题

3.1 样本量要求

问：信度分析需要多少样本？

答：一般建议至少30个样本，更理想的是50-100个样本。样本量太少会影响结果的稳定性。对于正式研究，建议样本量至少是题项数的5-10倍。

3.2 信度系数选择

问：应该选择哪种信度系数？

答：

  • Cronbach’s α：最常用，适合大多数情况，推荐首选
  • 折半信度：题项较多（10个以上）时可以使用
  • McDonald’s Omega：追求更准确的估计时使用
  • Theta系数：单维度量表且对主成分分析熟悉时使用

3.3 信度不达标怎么办

问：如果Cronbach’s α < 0.6怎么办？

答：可以考虑以下措施：

  1. 检查是否有反向题未进行反向计分
  2. 删除CITC值低于0.3的题项
  3. 删除"项已删除的α系数"明显高于总α系数的题项
  4. 增加样本量重新收集数据
  5. 重新设计题项，提高题项质量

3.4 CITC值的含义

问：CITC值是什么意思？

答：CITC（Corrected Item-Total Correlation）是校正的项总相关性，表示某个题项与总分（去除该题项后）的相关程度。CITC值越高，说明该题项与其他题项的一致性越好。一般要求CITC ≥ 0.3。

3.5 多维度量表的信度分析

问：如果问卷包含多个维度，如何进行信度分析？

答：应该分别对每个维度进行信度分析，而不是对整个问卷进行分析。每个维度的题项应该单独提取出来，分别计算信度系数。

3.6 反向题的处理

问：问卷中有反向题，如何处理？

答：在进行信度分析之前，必须先对反向题进行反向计分。例如，如果使用5分制，原始分数为1的应转换为5，2转换为4，以此类推。反向计分后再进行信度分析。