SPSS信度和效度检验全套资料

A 、对测验题目进行分析: 主要是分析测验的内容, 被试对题目所作的反应, 测验题目的同质性以及分测验之间的关系来判断测验的构想效度。

B 、计算与同类权威测验的相关: 某一个新测验如果与同类的大家公认有效的已有测验之间, 在测验结果上相关很高, 说明这两个测验测的是相同特质, 即新测验也有较高的结构效度, 如后编的智力测验常与斯坦福─比纳智力量表进行比较。

C 、因素分析: 通过因素分析找到影响测验分数的共同因素, 在测验分数的总变异中来自有关因素的比例, 可以作为构想效度的指标。

(3) 预测效度(Predictive Validity): 又称实证效度, 是指一个测验对个体将来的行为或获得的成就进行预测时的准确性。

一个测验预测得越准确, 预测效度越高。

被预测的行为或成绩是检验预测效度的标准, 简称效标(Criterion), 即衡量测验有效性的参照标准。

效标是估计预测效度的主要依据, 应具备如下一些条件1) 有效性: 即效标测量本身必须有效。

(2) 可靠性: 效标测量要具有较高的信度。

(3) 客观性: 在效标测量时要防止受评定者主观印象和成见的影响, 要防止效标污染, 即由于主试知道某个人原来的测验成绩, 因而影响了在效标测量中对这个人的评定分数。

(4) 效标测量应该简单省时, 花费少, 经济实用。

一般常用学业成就, 等级评定, 临床诊断, 实际的工作表现作为效标。

例如, 一个智力测验其预测效度既可用被试的学业成就作效标, 也可用熟悉的班主任对其进行等级评定作效标。

估计预测效度的主要方法是:
A 、相关法: 即求某测验分数与效标测量间的相关, 所得结果即效标系数。

当测验分数与效标测量分数都是连续变量时, 用积差相关公式求相关系数( 具体公式见统计教材) 。

当测验分数是连续变量, 而效标测量分数是二分变量时, 可用二列相关公式计算效度系数( 具体公式见统计教材) 。

B 、区分法: 即看原先测验的分数是否可以区分由效标测量所化分的团体。

例如, 某工厂通过测验录用了一批工人, 过一段时间后, 根据工作成绩将其分为称职和不称职两种, 然后回过头来检查他们的测验分数, 运用t 检验看看两组在测验上的平均分数是否有显著差异。

若有显著差异, 说明测验是有效的; 若差异不显著, 说明测验是无效的。

C 、功利率: 为了测定测验的功效, 人们还可对使用测验所化掉的费用与得到的利益进行比较, 看其利弊大小, 这种效度指标叫功利率。

U=B(Ns)-C(Nu)-S
U 代表功利率,B 表示录用一个合格的工人所产生的平均利润,C 表示录用一个不合格的工人所造成的损失,Ns 和Nu 分别代表所录用的人中成功和不成功的人数,S 代表整个选人程序的费用。

计算功利率说明, 如果一个测验简单易做, 适合于团体施测, 即使效度低些, 也会有人采用; 反之, 如果测验复杂, 只能个别施测, 费时费力, 那么只有效度极高, 给人带来极大好处时, 人们才会使用它。

提高测验效度对教育测验非常关键, 效度系数多大合适? 要根据测验的具体情况而定:
(1) 智力测验分数与熟悉教师对学生智力等级评定之间的效度系数一般在0.30 ─ 0.50 之间。

教师评定常受许多其他因素的影响。

(2) 某一科目的标准测验成绩与任课教师对学生名次排列之间的相关系数应达到0.60 ─ 0.70 。

(3) 两种不同的智力测验或两种标准测验之间的相关系数应达到
0.60 ─ 0.80
效度系数可解释为效标分数中的变异有百分之几来源于测验的变异。

例如效度系数为0.50, 则说明效标分数中有0.502=25% 的变异来自原测验分数的变异; 若效度系数为0.71, 则效标分数中有50% 的变异来自原测验分数。

3 、提高测验效度的方法:
（ 2 ）控制系统误差: 系统误差是影响测验效度的主要因素。

它主要包括仪器不准, 题目和指导语有暗示性, 答案按排不当( 被试可以猜测) 等, 控制这些因素可以降低系统误差, 提高效度。

(2) 精心编制测题和测验量表: 首先测题内容要适合测验目的, 如知识性测题就不能全面反映被试的智力水平, 它主要测量其知识水平。

其次, 测题要清楚明了, 用语要让被试理解, 排列由易到难。

第三,
2.3.3 信度和效度检验
（1）信度检验
采用Cronbach α系数、个别项目信度、潜在变量的组合信度（Composite Reliability, CR）进行信度检验，其中运用SPSS15.0中的“Analyze-Scale-Reliability Analysis”命令，并选择“Statistics”中的“Scale if item deleted”，来计算Cronbach α系数，利用LISREL8.70进行验证性因子分析来计算个别项目信度和组合信度，验证性因子分析的运算结果（详见附录3）经整理如表2.6所示：
从表2.6中关于Cronbach α系数的三栏中可以看出：C1、B4对应的“校正得项总计相关性”（Corrected Item-Total Correlation）偏低（相对于该部分量表中的其他指标对应值而言），且删除C1、B4有利于分别提升该部分量表的总体信度，故应将C1、B4两个指标删除。

同时“个别项目信度”一栏中C1、C2、B3、B4、P1这5个指标的因子负荷均小于0.50，根据社会科学研究特点，这5个指标也应删除，且删除后有利于提高整个因素的一致性；而另外35个指标的因子负荷均大于0.5，满足信度要求。

除此之外，诚信环境、企业素质、投标诚信、履约诚信、社会诚信各个量表以及整体的Cronbach α系数分别为0.750、0.845、0.817、0.862、0.830、0.939，属于很可信的区间范围；且对应的组合信度分别为0.75、0.85、0.83、0.86、0.83、0.96，均大于0.5，满足信度要求。

（2）效度检验
在信度检验删除5个指标基础上，首先，对有效样本数据进行KMO抽样适当性检验和Bartlett球形检验，检验结果显示KMO值为0.5，Bartlett球形检验的x2值为250.278（自由度为105），达到显著
水平（p=0.000<0.001）。

一般认为，当KMO值大于0.5时，即可进行因子分析，而本次KMO的检验值为0.5，说明本调查问卷的样本数据基本适合进行因子分析。

其次，采用主成分分析法，进行Varimax方差正交旋转，最终提取特征值大于1的因子4个，7个共同因子累计解释的变异量为60.74%，且正交旋转后得到的因子负荷矩阵如表2.7所示：。

检验信度步骤：Analyze--scale--reliability--data reduction--fator然后看Cronbach's α系数。

一般来说Cronbach’alpha系数在0.65以上是可接受的最小信度值。

检验效度步骤：
因子分析前，首先进行KMO检验和巴特利球体检验，KMO检验系数>0.5，(巴特利特球体检验的x2统计值的显著性概率)P值<0.05 时，问卷才有结构效度，才能进行因子分析,因子分析主要是你自己做了一份调查问卷，你要考量这份问卷调查来的数据信度和效度如何，能不能对你想要调查的东西起代表性作用啊，说得很通俗呵呵不知道能不能理解呢，在SPSS里面，Analyze—Factor就是因子分子，在左下角第一个框框description里面勾选最下面的那个KMO and Bartlett’s test of sphericity，就会出来结果哈，看表格的第一行为KMO值，最后一行Sig为球星检验的P值，小于0.05即可
1.在做因子分析时，是否输出KMO结果，是与原始数据没有关系的，它只是作为判定原始数据是否适合做因子分析的依据。

2.做因子分析时,要想输出KMO结果,要在复选框做相应的选择（在默认状态是没有这个结果输出的）.具体的操作过程:Analyze--Date Reduction--Factor--Descriptives---选中：KMO and Bartlettis test of sphericity--continue
首先必须要做KMO和Bartlett球形检验,这个你应该会了吧,如果这两个检验合格的话说明数据是适合做因子分析的。

然后提取因子后，看主因子解释总变异的百分比和个因子的因子载荷，主因子解释总变异一般若大于60%的和因子载荷大于0.6的话说明结构效度很好。

pS: ,如果题目没有规定就是选特征值大于1的,如果题目事先要提取几个因子,那么在操作的时候,用SPSS那个因子分析的选项里面有一个地方可以著名，因子载荷在输出的结果直接可以看到（rotated compoment matrpx),一定要是旋转后的因子载荷
除此之外，你可以用因子分析里面Descriotives里面KMO和巴特利检验（battele，不知道是不是这样写的），KMO的值如果>0.5，则说明因子分析的效度还行，可以进行因子分析；另外，如果巴特利检验的P<0.001，说明因子的相关系数矩阵非单位矩阵，能够提取最少的因子同时又能解释大部分的方差，即效度可以。