问卷调查是商科与文科学生基本上都会用到的一手数据收集方式，很多学生凭着感觉进行问卷设置，然后盲目地去收集，最终发现收集的数据乱七八糟！实际上在问卷调查之前一定要 事先进行信度与效度分析，其中一个指标不达标，问卷都无法开展！因此，这里就信度与效度检验两大重要板块来说明！包括详细的操作与分析步骤、注意事项。

一定要注意的是！能够通过spss或者其他软件处理的、无论是信度分析还是效度分析都只针对定量数据。

量表是指类似于“非常不满意，不满意，非常满意”这样的题项，第1个选项用1分表示，第2个选项用2分表示，依次下去，分值越大代表越满意，或者越不满意。只有量表题才能进行信度分析。

在spss或者excel里面输入相应的数据以及变量项，

点击上方菜单栏进行效度分析，可以得出如下结果。

信度研究方法通常有四种，分别是Cronbach α信度系数，折半信度系数，McDonald's ω信度系数和theta信度系数。

校正的项总计相关性这项指标用于判断题项是否应该作删除处理,如果值小于0.3,通常应该考虑将对应项进行删除处理;克隆巴赫信度系数(Cronbach α系数值,下同)如果在0.8以上,则该测验或量表的信度非常好；信度系数在0.7以上都是可以接受；如果在0.6以上,则该量表应进行修订,但仍不失其价值；如果低于0.6,量表就需要重新设计题项。

类似的系数还有McDonald's omega信度系数，McDonald's ω系数的解读与常用的Cronbach系数解读基本一致，原理上McDonald's ω系数是利用因子分析降维浓缩信息的思想进行。另如果分析项大于20，此时不输出‘项已删除的McDonald's ω系数’。

关于信度的测量上，有时也可考虑使用比如相关系数，SPSS的kappa一致性系数，也或者kendall协调系数等方法进行，各个测量方法有其对应的适用场景，比如kappa系数或者kendall协调系数，更加适用于专家打分类数据。

如果是非量表题，则没有办法使用研究方法进行分析，只能使用文字形式进行描述，以证明数据质量可信可靠，建议按以下几点分别说明。

第一：用文字详细描述数据收集的过程，比如实地收集，线上收集等；

第二：用文字描述样本有效性，样本是否满足研究需要；人群是否为目标群体等，若研究中老年人网购行为，收集样本人群一定需要为中老年人等；

第三：剔除无效样本，将选择同一个答案超过70%、或者不足30%的样本设置为无效样本等；

第四：其它可用于论证数据质量有保障的说明等

例如重测法：为了确保问卷的可靠性论文在信度检验的时候使用了重测法，选取的被试对象xxx，使用相同的问卷开展两次测试，并且这两次测试的时间间隔是xx天，随后基于这两次测试结果计算得到相关系数是xxx，由此可以得知，两次测验不存在显著性差异，也就意味着问卷的可信度水平较高，符合研究要求。

效度分析的操作方式相对来说比较复杂，效度用于测量题项设计是否合理，

共有三种情况; 第一类:如果分析项的共同度(公因子方差)值小于0.4,则对应分析项应该作删除处理;第二类:某分析项对应的”因子载荷系数”的绝对值,全部均小于0.4,也需要删除此分析项;第三类:如果某分析项与因子对应关系出现严重偏差,也需要对该分析项进行删除处理。

特征根，一般是通常使用旋转后,以大于1作为标准；方差解释率，与权重值类似，累积方差解释率(通常使用旋转后,以大于50%作为标准),KMO值(大于0.6作为标准),巴特球形值对应的sig值(小于0.01作为标准)。

进行效度分析时， 最关键的地方在于：维度和题项对应关系，是否与专业预期符合；其余指标相应比较容易达标，最核心的是让维度和题项对应关系保持基本一致性。

对于非量表来说，如果一定想分析效度，建议可使用‘内容效度’，即用文字详细描述问卷设计的过程，用文字的形式描述清楚问卷是做什么，有什么用处，为什么合理，而且有专家认证，这样就说明问卷设计合理有效。

例如：在编制调查问卷之前，笔者搜集和阅读了诸多与(研究主题）相关的书籍和文献资料，这就为问卷编制提供了参考借鉴价值。基于(研究领域）设计问卷设计要求，根据论文研究目的，在参考借鉴学者研究成果的基础上编制调查问卷，随后搜集和征求专家意见修改和完善问卷，邀请xx名专家评定问卷效度。问卷效度调查结果如下：

对于量表与非量表的问卷分析如上，需要论文辅导与发表可私信。