信度分析spss

可靠度分析也提供 Fleiss' Multiple Rater Kappa 統計量，用來評量評分者間的一致性以判定各個評分者之間的可靠度。 較高的一致性提供更高的評級信賴度來反映真實情況。 Fleiss ' Multiple Rater Kappa 選項在 可靠性分析: 統計量 對話框中可用。

此模型假設模型是單維度的，其中包含的單一因素不含任何錯誤共變數形式的本端項目依賴項。 該模型表示兩個不同項目的共變異是其負荷量的乘積。

在社會科學研究法中，常使用問卷調查法蒐集受試者的資料，為了確保受試者填答問卷內容的一致性，須採用信度分析進行檢驗。

本篇目的在使用SPSS統計分析軟體，分析一個問卷或構念的內部一致性。

【例題】檢視外向性的內部一致性

開啟SPSS軟體後，在「分析」→「尺度」→「可靠度分析」

將同一構念的題目放置右邊的項目中，點選「統計資料」。

請勾選的項目已勾選的項目，按下繼續。

【分析結果】

外向性的內部一致性為0.884。

下圖可見外向性構念的8個題項平均得分和標準差。

在「Cronbach Alpha(如果項目已刪除)」部分，查看是否刪除該題項後，可大幅提升內部一致性係數，此處發現刪除任何題項均無法提升原外向性的內部一致性係數，因此不需要刪除題項。

以上，SPSS的信度分析，你學會了嗎?

Dai Paul2020-07-22T21:42:13+08:0022 7 月, 2020|Categories: SPSS, 信效度分析, 最新消息|Tags: alpha, Cronbach, SPSS, yongxistat, 信度, 內部一致性, 統計分析|

内在信度指调查表中的一组问题是否测量的是同一个概念，也就是这些问题之间的内在一致性如何。最常用的内在信度指标为克朗巴哈系数和折半信度。最常用的外在信度指标是重测信度，即用同一问卷在不同时间对同一对象进行重复测量，然后计算一致程度。[1]

今天这篇文章，我们就来讲一讲克朗巴哈系数的SPSS分析过程。

1、问题与数据

某研究者为测量员工的工作动力、自主性、热情和忠诚度设计了一个问卷，共包含25个题目。其中，第20-25题测量的是员工的工作热情。在调查了315位员工之后，该研究者拟分析测量工作热情的这6个题目的一致性，部分研究数据如下：

本研究中，每一个题目都是根据Likert 7级量表进性测量的，Variable View窗口展示如下：

每个题目的赋值情况如下：

2、对问题的分析

在实际研究中，很多事物/态度是不能直接被测量的，研究者们常设计一组题目间接反映它们的真实情况。但这些题目是否可以实现研究目的，就需要我们通过统计手段进一步分析了。如在本研究中，研究者设计了间接测量员工工作热情的6个题目，并希望判断它们的一致性。针对这种情况，我们可以使用Cronbach's α分析。

解释：Cronbach's α分析主要用于评价连续变量和有序分类变量的一致性，适用于本研究的研究数据。

3、SPSS操作

(1) 在主菜单点击Analyze→Scale→Reliability Analysis

出现下图：

(2) 将变量Qu20- Qu25放入Items框内

(3) 设置Model为Alpha。一般SPSS的默认设置为Alpha，若不是，应人为设置

注释：Scale label是在结果输出的时候，给这一组一致性检验添加的标签。如果我们需要同时进行多组检验，我们一般需要添加标签以示区分。但在本研究中我们只检验工作热情一组变量的一致性，并不需要添加标签。

(4) 点击Statistics

(5) 在Deives for中点选Item，Scale和Scale if item deleted；在Inter Item中点选Correlations

(6) 点击Continue→OK

4、结果解释

4.1 总体结果

SPSS输出的Cronbach's α检验结果包括很多。其中，第一个表格为Case Processing Summary，如下：

从表中可以看出，本研究共有315例有效数据（“Valid”行），没有缺失（“Excluded”行），总样本量为315例（“Total”行）。

Cronbach's α系数的结果如下：

本研究中测量员工工作满意度的Qu20-Qu25（共6条，“N of Items”）条目的Cronbach's α系数值为0.823，提示这6个题目具有较高的内在一致性。

一般来说，条目的一致程度与测量内容有关，Cronbach's α系数值越大提示内在一致性越强。既往研究认为，Cronbach's α系数大于0.7，可认为条目之间的一致性较好。

注释：标准化Cronbach's α系数（“Cronbach's Alpha Based on Standardized Items”栏）是指用方差为1标化所有条目后计算的Cronbach's α系数，也称为Spearman-Brown stepped-up reliability coefficient。

4.2 分条目结果

SPSS输出结果如下：

在本研究中，我们将每个条目分成Likert 7级，并分别给每个级别赋值。比如我们给“非常同意”赋值为1，“非常不同意”赋值为7。以Qu20为例，该条目的平均值为3.9238，标准差为1.29695，例数为315。由此可见，Qu20的平均回答接近4，即“不确定(Undecided)”。

汇总各条目后，结果如下：

汇总Qu20-Qu25共6个条目后，均值为20.8000，方差为28.065，标准差为5.29764。当各条目例数一样时，汇总后的平均值就等于各条目均值的直接加和。本研究就属于这种情况。

各条目的取舍情况如下：

前两栏（“Scale Mean if Item Deleted”和“Scale Variance if Item Deleted”）分别是每当剔除一个条目后总条目的均值和方差。仍以Qu20举例，如果剔除该条目，总条目的均值为16.8762，刚好等于20.8000-3.9238，即未剔除该条目前的总均值与该条目均值的差。

每当剔除某一条目后，Cronbach's α系数的变化如下：

从Cronbach's Alpha if Item Deleted栏可以看出，当剔除Qu20条目，Cronbach's α系数从原来的0.823增加至0.838。再如，剔除Qu22条目后，Cronbach's α系数从原来的0.823降至0.789。

注释：“Cronbach's Alpha if Item Deleted”栏只标注每次剔除一个条目的情况。如果我们需要考虑同时剔除多个条目的情况，只能重复SPSS操作，逐步进行。

那么，如何判断是否应该剔除某个条目呢？

“Corrected Item-Total Correlation”栏中的数据是指每一个特定条目与其他条目汇总的Pearson相关系数。以Qu20为例，条目Qu20与条目Qu21-25汇总结果的Pearson相关系数为0.394。一般来说，如果该指标小于0.3，我们就认为该条目与其他条目的相关性不强，可以剔除。在本研究中，“Corrected Item-Total Correlation”栏的所有数值都大于0.3，即不需要剔除条目。

注释：如果Pearson相关系数出现负值，可能是由于变量赋值的顺序不同导致的。大家需要根据专业要求对变量重新赋值。

“Squared Multiple Correlation”栏显示的是以某一个特定条目为因变量，其他条目为自变量进行回归的拟合程度，即R2值。该指标认为，如果这些条目可以共同反映某一个潜在因素，他们之间一定可以互相解释。仍以Qu20为例，如果我们以Qu20为因变量，Qu21-25为自变量进行多重线性回归拟合，该回归的R2值为0.188。经验证，结果确实如此：

实际上，我们检验条目之间的一致性，就是希望条目的变异可以互相解释。在本研究中，“Squared Multiple Correlation”栏中Qu20的值为0.188，提示Qu20的变异能被Qu21-25条目解释的比例仅为18.8%。单看这一个指标，我们认为可以考虑剔除Qu20。但综合其他指标的情况，本研究认为应暂时保留Qu20。