关于论文中的信度分析

      信度（Reliability）即可靠性，是指使用相同指标或测量工具重复测量相同事物时，得到相同结果的一致性程度。一个好的测量工具，对同一事物反复多次测量，其结果应该始终保持不变才可信。例如，我们用一把尺子测量一张桌子的高度，今天测量得高度与明天测量的高度不同，那么我们就会对这把尺子产生怀疑。因此，一张设计合理的调查问卷应该具有它的可靠性和稳定性。

      目前最常用的是Alpha信度系数，一般情况下我们主要考虑量表的内在信度——项目之间是否具有较高的内在一致性。通常认为，信度系数应该在0～1之间，如果量表的信度系数在0.9以上，表示量表的信度很好；如果量表的信度系数在0.8～0.9之间，表示量表的信度可以接受；如果量表的信度系数在0.7～0.8之间，表示量表有些项目需要修订；如果量表的信度系数在 0.7以下，表示量表有些项目需要抛弃。

注意点：

1.一般用SPSS计算克朗巴哈系数即可，每个潜在变量单独计算，总量表再计算一次。

2.个别潜在变量信度低于0.7怎么办？

如果你有个别潜在变量信度低于0.7，可以引用"Hatcher & Stepanski (1994), (a step-by-step approach to using the SAS system for univariate and multivariate statistics.)"的观点，对于社会科学研究而言，0.55可作为临界值。

3.大样本的信度分析也能用α信度检验么？

α信度检验有其局限性，可能会随着样本数的增多而偏大，详见Hair et al.(2006)，严谨一点的做法是计算建构信度。

关于论文中的效度分析

     效度（Validity）即有效性，是衡量综合评价体系是否能够准确反映评价目的和要求。是指测量工具能够测出其所要测量的特征的正确性程度。效度越高，即表示测量结果越能显示其所要测量的特征，反之，则效度越低。

1.内容效度：通过文献调研法，一般来说采用现有成熟的量表则说明内容效度较好。

2.结构效度：结构效度是指测量结果体现出来的某种结构与测值之间的对应程度。结构效度分析所采用的方法是因子分析。有的学者认为，效度分析最理想的方法是利用因子分析测量量表或整个问卷的结构效度。使用SPSS进行分析：分析——降维——因子分析，把所有主观题选到：“项目”中，点击描述，选择KMO和Bartlett’s检验。点击旋转，选择最大方差法。点击选项，按大小排序。其中，KMO值大于0.7，说明问卷的结构效度良好。

3.区分效度（区别效度）：

方法一：即看AVE的平方根是否大于这个变量与其他变量的correlation，大于为好。

方法二：每个因子与其他因子的相关系数低于克朗巴哈系数。

4.收敛效度：通过计算AVE值即可，工具见附件。

5.聚合效度：如果每个题项的系数估计值与其标准误差之比（T值）大于2，则表明有较高的聚合效度。

（https://bbs.pinggu.org/thread-8054492-1-1.html）