SPSS量表信度分析及信度不良调整方法

愿：“内心宁静，处事不惊”

“不乱于心，不困于情”

---

量表的多维度信度分析

步骤一：点击“分析”→“标度”→“可靠性分析”，弹出“可靠性分析”对话框；

步骤二：在对话框中，将左边框中的第一个维度对应的量表题（例子中为薪酬福利1--薪酬福利5）选中转到“项”的框中，点击“确定”完成。

这里要注意一点，可靠性分析里面的“模型”通常默认为Alpha，默认采用α信度系数法检验信度。如果论文研究需要采用其他信度分析法，如折半信度分析法等，需要手动进行选择。

步骤三：按同样的方法对剩下的维度进行信度分析。余下工作自主、组织认知、自主行为和离职倾向的三个维度，还需要重复操作三次，才能得出四个维度的信度结果。各维度的信度分析结果如下：

结果表示：

①薪酬福利、组织认同和离职倾向的Cronbach's Alpha系数为0.838、0.897和0.916，α系数均大于0.8，且离职倾向的α系数达到0.9以上，说明这三个维度的信度较好，维度内一致性较好，不需要修改。

②工作自主这个维度的α系数为0.765，系数在0.7-0.8之间，在一般社会科学类的量表研究上，要求不是太过严格，这样的信度是可以接受。

而在医学行业的研究上，对量表数据要求比较严谨，尽量使维度α系数大于0.8。

那么，在数据分析过程中，若信度分析的结果不理想，α系数太低（0.6<α系数<0.7），该如何提高量表信度呢？

一般可以根据CITC值和项删除后的α系数这两个指标判断量表题目是否需要修改或删除。

CITC值即修正后的项与总计相关性，有些版本的SPSS也会显示为校正项总计相关性，是指题目（项）之间的相关系数，一般以0.4为分界点，若CITC值小于0.4，说明题目之间的一致性不太好，需要进行修改或删除，若CITC值大于0.4，则无需改动。

项删除后的α系数是指删除该道题目后，该维度中剩下的题目所得出的α信度系数，若项删除后的α系数比维度原有题目的α系数的大，说明去掉该题后维度的信度提高了，这也说明了这道题在该维度内的一致性较差，需要删除，提高量表的信度。

所以，在信度分析中若出现某个维度的信度较低的现象，就需要计算该维度的每道题项的CITC值和删除项后的α系数，根据指标对量表题目进行针对性的修改。

具体分析步骤为：

点击“分析”→“标度”→“可靠性分析”，在“可靠性分析”对话框中点击“选项”，打开“选项”对话框，勾选“删除项后的标度”，点击“继续”，返回到“可靠性分析”对话框，点击“确定”完成。

软件输出结果图如下：

在工作自主维度的输出结果中，可以看到工作自主3这道题对应的CITC值为0.354，小于0.4，说明这道题与维度中其他题目一致性不好。同时该题对应的删除项后的α系数为0.815，大于该维度原有题目的α信度系数0.765，这表示若删掉工作自主3这道题，维度的α信度系数会增大到0.815，维度的信度提高了。所以在这一步分析中，需要删掉工作自主3这道题。

以同样的方法对薪酬福利、组织认同和离职倾向进行分析，来验证一下这三个维度的信度良好，其对应的每一道题项的CITC值和删除项后α系数是否全在合理的范围内。

在上图中可以看到，薪酬福利维度的α信度系数为0.838，系数在0.8-0.9之间，说明薪酬福利这个维度的信度较好。再看图中的CITC值均大于0.4，说明该维度下的题目之间相关性好，同时删除项后的α信度系数均小于没改动前维度的α信度系数0.838，说明不管删除哪一道题都不可能使维度的信度提高，所以该维度的原有题目均无需改动。

同理，离职倾向维度下对应的4道题目的CITC值和删除项后的α系数均在合理范围内，不需要进行修该。

但是，在对组织认同维度分析中，发现组织认同8这道题对应的CITC值为0.356的组织认同8这道题，小于0.4，并且删除项后的α系数显示，如果删除该题目，组织认同维度的信度系数可以达到0.905，高于先前的信度系数0.897。

可见，即便维度的整体信度较好，只能说明该维度下对应的大部分题目的CITC值和删除项后的α系数指标合理，但不能保证每一道题都是合理的。

无论是否删除这道题，维度的信度都处于一个较好的范围内，这时候可以根据后面的分析，如因子分析、相关分析的结果数据来决定是否要删除这道题。如果对后面相关分析的结果数据没有影响或影响不大，可以保留这道题；如果后面相关分析的结果数据较差，可以选择删掉这道题。

一份量表的设计、分析除了考虑数据分析结果的合理，还要结合论文研究课题的实际情况进行有的放矢，CITC值和删除项后的α系数等指标只是在一定程度上起到参考和衡量的作用。

在论文撰写中，量表题目和数据的修改调整过程不需要过多赘述，分析CITC值和删除项的α系数只是帮助我们修改量表，提高量表信度的有效手段，通常不要求在论文数据中展示，只需要将维度信度的最后数据结果制作成表即可。

步骤四：将信度分析的输出结果整理成三线表，应用在论文中。

信度分析结果在论文中的表述：

量表整体的信度分析

维度信度分析和量表整体信度分析的区别只是在于将所有量表题是一次性选入分析完成还是分开多次进行分析。由于多维度量表和单维度量表，对量表整体的信度分析步骤是一样的。

点击“分析”→“标度”→“可靠性分析”，在弹出的“可靠性分析”对话框中将左边所有量表题都选入到右边“项”的框中，点击“确定”就可以看到输出结果。

仍然是根据Cronbach's Alpha系数评价量表的信度。若结果显示量表整体信度不好，同样需要根据CITC值和删除项后的α系数来对量表题目进行修改。具体分析步骤不再重复。

如果已经严格按照量表设计原则编制的量表：各维度对应题目在3道题以上，量表题中不含反向题目，引用或参考成熟量表编制等。在信度分析时仍出现分析结果不理想的现象，可以考虑从以下方面着手。

①量表信度非常差，α信度系数在0.6以下。

首先考虑是否在分析前已正确筛选无效量表，无效量表是否已完全剔除；然后考虑是否由于样本量太少导致的，尝试增加样本量分析，观察信度系数是否有提高。如果样本量足够多，且已完全剔除无效量表，信度仍然较差，这时就需要考虑重新设计量表，回收数据。

②量表信度相对较差，但处于可接受范围内，α信度系数在0.6-0.8之间。

这时可以计算CITC值和删除项后的α系数，根据这两个指标，找出指标不合理的题目，进行修改或删除。量表修改完成后，再次分析信度，直至α信度系数在较合理的范围。

③量表信度过高，α信度系数在0.95以上。

在实际量表调研分析中，由于一些主客观因素，如调查对象对量表理解不同、填写状态不同等原因，使得回收的量表数据信度很难达到0.95以上的标准。所以如果分析的信度系数过高，也需要警惕量表数据是否存在问题。一般来说，如果调查对象在对量表题评分时，对大部分或全部题目都选同一个选项，有可能会导致信度虚高，而这样的量表也是无效的。因此，信度过高，优先要考虑在数据分析前是否已完全剔除无效量表。

PS:gongzhong号私信超过48小时就不能回复了，没有收到回复的小伙伴请见谅~~

最近事情比较多，短时间内暂时不更新了（大概一个月左右），实在抱歉~

也知道很多小伙伴论文要定稿答辩了，给大家挑了两本个人觉得比较系统且易懂的SPSS相关书籍，有需要的可以网上搜索查看或gongzhong号回复“SPSS电子书”领取：

①《社会调查设计与数据分析——从立题到发表》作者：徐云杰

②《问卷数据分析—破解SPSS的六类分析思路》 作者：周俊

各位小伙伴毕业季顺利哟~