案例说明

调查不同人群对于创业方面的想法，其中认为也许影响“创业可能性”分为“科技发展”，“社会资源”和“教育水平”共3个维度，其三个维度下的11个分析项都是量表题，以及创业可能性也是由2个量表题构成，案例数据中还包括基本个体特征比如性别、年龄等，数据样本为200个。此案例主要分析目的是研究测量样本回答结果是否可靠,即样本有没有真实作答量表类题项，使用SPSSAU信度分析进行。首先对信度类型进行说明。

信度类型

信度分析是用于测量数据真实可靠性程度的研究方法。其可分为以下几种测量形式，分别为文字描述和信度研究方法共两处，如下所述。

1.文字描述

使用文字详细描述数据的收集和处理过程，比如如何收集数据（比如数据中设置作弊题进行甄别），以及在收集数据过程中如何防范不真实数据，在数据收集完成后对数据进行何种清理，比如将回答同一答案的数据设置为无效样本等。通过科学客观地描述数据收集过程，即使用文字描述数据收集和处理过程等，用于证明数据的真实可靠，即说明数据具有信度。

2.信度方法

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。

（1）Cronbach α系数

从公式可以看出，测量项个数会对Cronbach α信度系数产生影响关系，分析项个数越多时，Cronbach α信度系数可能会越高。测量项个数最少为2个，此时信度系数相对可能会最低。

（2）折半系数

折半系数涉及到Spearman-Brown系数和Guttman Split-Half系数。其中Spearman-Brown系数又分为等长和不等长两种计算。分别说明如下：

如果是等长，此时等长Spearman-Brown系数计算公式如上，其中R代表拆分成两部分数据（先将数据拆分成两部分，然后分别求和，分别得到两列数据）的相关系数值。如果不等长，即拆分成两部分分析项的数量不一致（即奇数项时），此时不等长Spearman-Brown系数计算公式如下：

上公式中R为两部分数据的相关系数，k1和k2分别代表两部分数据分别的分析项个数，k=k1+k2。

与此同时，SPSSAU还有提供Guttman Split-Half 系数，其也可用于测量信度。

（3）McDonald Omega

McDonald's ω信度系数的计算原理是利用因子分析浓缩信息，然后得到loading载荷系数值，进而计算。计算公式如下：

上式中loading为载荷系数值，uniqueness为1-loading^2。从上式可知，loading值整体绝对值越大时，McDonald's ω信度系数值也会越高。

（4）theta系数

上式中N为分析项个数。从上式可以看到，当分析项个数越多时，theta信度系数很可能会越大，而且最大特征根越大，theta信度系数值也会越大。

一般使用信度分析方法进行信度分析时，是针对问卷量表类数据进行分析，其它类型的数据不能进行信度研究方法使用。一般情况下，使用最多的为Cronbach α信度系数，此案例也使用Cronbach α信度系数来观测信度结果。

信度分析结果

Cronbach α系数

从上表可知：信度系数值为0.811，大于0.8，因而说明研究数据信度质量高。针对“项已删除的α系数”，任意题项被删除后，信度系数并不会有明显的上升，因此说明题项不应该被删除处理。
针对“CITC值”，将来我可能会以科技行业作为创业起点对应的CITC值小于0.4，如果是预测试分析，可针对此项进行修正后再收集正式数据（如果是正式数据分析可删除此项或者保留此项均可）。我比较想通过创业证明自己的实力对应的CITC值介于0.2~0.3之间，说明其与其余分析项之间的相关关系较弱，如果是预测试分析，可针对此项进行修正后再收集正式数据(如果是正式数据分析可考虑对此项进行删除处理)。我有想过创业带来的乐趣对应的CITC值介于0.2~0.3之间，说明其与其余分析项之间的相关关系较弱，如果是预测试分析，可针对此项进行修正后再收集正式数据(如果是正式数据分析可考虑对此项进行删除处理)。综上所述，研究数据信度系数值高于0.8，综合说明数据信度质量高，可用于进一步分析。

除此之外SPSSAU还提供了简化格式：

一般使用信度分析方法进行信度分析时，是针对问卷量表类数据进行分析，其它类型的数据不能进行信度研究方法使用。一般情况下，使用最多的为Cronbach α信度系数，如果是经典量表题，并且某个维度的测量项较多（比如大于5项）时，也可使用折半信度系数进行研究；Cronbach α信度系数和折半信度系数，此两种方法的原理是基于‘相关或变异’进行测量，即同一维度时各测量项之间应该有着较高的相关关系，如果数据真实，那么各测量项间的相关性也会较高，基于‘相关性’原理最终得到信度系数。

其它

一般情况下，使用最多的为Cronbach α信度系数，如果是经典量表题，并且某个维度的测量项较多（比如大于5项）时，也可使用折半信度系数进行研究；Cronbach α信度系数和折半信度系数，此两种方法的原理是基于‘相关或变异’进行测量，即同一维度时各测量项之间应该有着较高的相关关系，如果数据真实，那么各测量项间的相关性也会较高，基于‘相关性’原理最终得到信度系数。

除此之外，还可使用另外两种测量方法，分别是McDonald's ω信度系数和theta信度系数，此两种测量方法的测量原理是利用‘信息浓缩’（内部原理为因子分析且提取为1个因子），各个测量项隶属于同一维度且数据真实，那么它们应该浓缩出较高的信息，结合因子分析输出的载荷系数loading值等进一步计算，最终得到指标值。接下来对其它三种信度方法进行分析计算。

1.折半系数

从上表可知：针对我意识到科技发展对于创业的好处等共13项进行分析，折半分成两部分时，两部分分别的分析项数量并不相等，因而应该使用不等长折半系数(Spearman-Brown系数）进行信度质量判断。Spearman-Brown折半信度系数值为0.464，小于0.5,因而说明研究数据信度质量比较糟糕【如果是经典量表题，并且某个维度的测量项较多（比如大于5项）时，可使用折半信度系数进行研究，此案例中没有某个维度的测量项较多的情况，所以不适用该方法】。

2. McDonald Omega

从上表可知：McDonald‘s omega系数值为0.857，大于0.8，因而说明研究数据信度质量高。除此之外SPSSAU还提供了详细格式：

从上表可知：McDonald‘s omega系数值为0.857，大于0.8，因而说明研究数据信度质量高。针对“项已删除的McDonald‘s omega系数”，任意题项被删除后，McDonald‘s omega系数并不会有明显的上升，因此说明题项不应该被删除处理。综上所述，研究数据McDonald‘s omega系数值高于0.8，综合说明数据信度质量高，可用于进一步分析。

3．theta系数

从上表可知：theta系数值为0.834，大于0.8，因而说明研究数据信度质量高。除此之外SPSSAU还提供了详细格式：

从上表可知：theta系数值为0.834，大于0.8，因而说明研究数据信度质量高。针对“项已删除的theta系数”，任意题项被删除后，theta系数并不会有明显的上升，因此说明题项不应该被删除处理。综上所述，研究数据theta系数值高于0.8，综合说明数据信度质量高，可用于进一步分析。

由于方法的侧重点与处理方式不同，所以分析的结果也不同，但是一般常用的是Cronbach α信度系数。

总结

此案例主要分析目的是研究测量样本回答结果是否可靠,即样本有没有真实作答量表类题项，使用SPSSAU信度分析进行。首先对信度类型进行说明。其中包括文字描述和信度方法，信度方法中有四个计算方式，每个计算方式的侧重点与适用情况不同，文中采取Cronbach α信度系数方法，发现信度系数值为0.811，大于0.8，因而说明研究数据信度质量高。以及还利用SPSSAU其它三种计算方式计算信度，发现结果有些不同，原因在于每个方法的内部原理不一样，适用情况也不一样。一般Cronbach α信度系数方法比较常用。本次分析结束。