信度是指测验结果的一致性、稳定性及可靠性。指的是采取同样的方法对同一对象重复进行测量时,其所得结果相一致的程度。从另一方面来说,信度就是指测量数据的可靠程度。信度公式为X=T+B+E,T表示真实值,B表示偏差即系统误差,E表示测量的随机误来差,X 表示测量结果。
效度即有效性,是指测量工具或手段能够准确测出所需测量的事物或者所测量到的结果反映所想要考察内容的程度,测量结果与要考察的内容越吻合,则效度越高;反之,则效度越低。效度是科学的测量工具所必须具备的最重要的条件。
信度和效度的评价指标有很多,本文只列举常用的Cronbach"s α和KMO检验来对信度和效度进行讲解
一.问题与数据
一家咖啡厅为了了解某个推出的新品咖啡的营销情况,利用APP对购买该款咖啡的消费者进行了网络调查,调查分别设计了11个问题,分别从口感、价格、包装、配料、优惠幅度等几个方面入手。问卷收集了350个初期消费者的问卷情况,希望对该新品进行分析,并对问卷的信度和效度分别进行评价,保证数据的真实有效,并对下步分析提供保证。
(数据隐去了问卷的具体问题,只用T1-T11来代表)
二.对问题的分析
调查问卷属于量表的一种,调查者的意愿是为了了解被调查者内心的想法,因此按调查者设计的各种影响因素来设计,消费者只需按照自己内心对于这个因素的感受程度来决定,填上相应的得分就可以判定喜好程度了。
这种量表,具有标准的形式和固定的答案,属于结构化数据,因此考虑采用Cronbach"s α和KMO检验来对结构化信度和效度。也是信度和效度最为常见的一种。
三.SPSS操作
步骤1:案例数据导入SPSS软件
将excel数据导入到SPSS中,选择从第一行数据读取变量名
数据导入到SPSS中后,会依据SPSS的默认格式将导入的数据变为数值型格式,因此,需要将格式调整为需要的格式。将NO变量设置为字符串,T1-T11设置为数值型,测量类型一栏设置为度量。
步骤2:信度分析主面板设置
在主界面点击【分析】→【度量】→【可靠性分析】,将变量T1- T11放入【项目框】内,设置模型为【α】Alpha,一般SPSS的默认设置为【α】Alpha。
点击【Statistics】,在【描述性】中点【选项】,【度量】和【如果项已删除就进行度量】,在【项之间】中点选【相关性】,点选【继续】和【确定】。
步骤3:效度分析主面板设置
选择【分析】窗口,点【降维】里面的因子分析选项。将所有的度变量都选为因子分析变知量,没问题的话就选择确定
步骤4:效度分析主面板设置
选择【描述】窗口,点【原始分析结果】-【KMO和bartlett】-再点继续
选择【抽取】窗口,点【未旋转的因子解】-【碎石图】-其他的选项默认-再点继续回到主界面后,点击【确定】
四.结果解释
结果1. 对应表
SPSS输出的Cronbach"s α检验结果包括很多。其中,第一个表格为观察值处理摘要,如图。在这个结果中,我们可以看到处理的350例数据的基本情况
结果2. Cronbach"s α的计算结果(信度)
本研究中测量消费者对于新款咖啡饮品的11个题目的Cronbach"s α系数值为0.653,提示这11个题目具有较高的内在一致性。既往研究认为,只要Cronbach"s α系数大于0.7,我们就认为条目之间的一致性较好。 衡量样本回答的可靠性,分析时主要关注此值。α系数值高于0.8,则说明信度高;α系数介于0.7~0.8之间;则说明信度较好; α系数介于0.6~0.7,则说明信度可接受; α系数小于0.6,说明信度不佳。
一般来说,条目的一致程度与测量内容有关,Cronbach"s α系数值越大提示内在一致性越强。
结果3. 每个条目
在这个结果中主要呈现每个问题的集中趋势和离散趋势的分布情况,尺度统计资料将每个问题的得分情况和标准差合计进行展现
结果4. 每个条目的Cronbach"s α
项目统计资料表中,前两栏(尺度平均数如果该项目删除)分别是每当剔除一个条目后总条目的均值和方差。仍以T1举例,如果剔除该条目,总条目的均值为41.14,刚好等于44.40-3.26,即未剔除该条目前的总均值与该条目均值的差。
结果5. 每个题目的相关系数
是指每一个特定条目与其他条目汇总的Pearson相关系数。以T11为例,条目T11与其他条目汇总结果的Pearson相关系数为0.088。可以得出该条目和其他的条目相关性不强
结果6. 每个题目的相关系数
是指每一个特定条目与其他条目的Pearson相关系数矩阵。以T1为例,条目T1与其他各条条目结果的Pearson相关系数。可以浏览每个题目之间的相关性,但是题目与题目之间的相关系数需要一些专业知识来进行判断。
结果7. KMO 与 Bartlett 检验结果(效度)
KMO检验统计量是用于比较变量间简单相关系数和偏相关系数的指标。主要应用于多元统计的因子分析。KMO统计量是取值在0和1之间。
常用的KMO度量标准:0.9以上表示非常适合;0.8表示适合;0.7表示一般;0.6表示不太适合;0.5以下表示极不适合。KMO统计量是取值在0和1之间。当所有变量间的简单相关系数平方和远远大于偏相关系数平方和时,KMO值接近1.KMO值越接近于1,意味着变量间的相关性越强,原有变量越适合作因子分析;当所有变量间的简单相关系数平方和接近0时,KMO值接近0.KMO值越接近于0,意味着变量间的相关性越弱,原有变量越不适合作因子分析。
Bartlett’s球形检验用于检验相关阵中各变量间的相关性,是否为单位阵,即检验各个变量是否各自独立。如果变量间彼此独立,则无法从中提取公因子,也就无法应用因子分析法。Bartlett球形检验判断如果相关阵是单位阵,则各变量独立,因子分析法无效。
由SPSS检验结果显示Sig.<0.05(即p值<0.05)时,说明各变量间具有相关性,因子分析有效。
结果8. 公因子方差
公因子方差表的意思就是,每一个变量都可以用公因子表示,而公因子究竟能表达多少呢,其表达的大小就是公因子方差表中的"提取","提取"的值越大说明变量可以被公因子表达的越好,一般大于0.5即可以说是可以被表达,但是更好的是要求大于0.7才足以说明变量能被公因子表的很合理。
在本例中可以看到,"提取"的值大多都是大于0.6的,所以变量可以被表达的很可以。但T10-T11在表达上可能出现了较大的分歧。该问题可能存在设计上的缺陷。
结果9. 解释的总方差
简单地说,解释地总方差就是看因子对于变量解释的贡献率(可以理解为究竟需要多少因子才能把变量表达为100%)。下图的第一个累加%,代表八个因子的累加就可以将变量表达到了接近到了90%,说明表达的还是不错的。
五.撰写结论
在该咖啡厅对新品咖啡的消费调查中,该调查问卷的调查能力是尚可的,从调查问卷的信度和效度中,信度达到65%,效度达到72%,其调查的价值可以被接受,但可能在某些条目中,设计的问题可能会使消费者产生歧义,或者回答的差异较大,应将该题目重新设计或者基于剔除。
六.扩展阅读
信度和效度是问卷调查数据分析的重中之重,应首先对问卷的调查能力有个初步的评定,只有问卷可以了,才能是得到正确分析结果的前提。但是我们设计问卷时总会遇到不同的问题,如何才能提高问卷设计的效果?这里留个小悬念。大家可以在评论区说说自己的想法。
End.
作者:赵否羲
个人介绍:中国统计网特邀作者,卫生行业的数据分析工作者,对统计理论和实验研究设计有着丰富的实战经验
公众号:数图之间
本文为中国统计网的原创文章,转载请在公众号后台联系小编
- 我的微信公众号
- 微信扫一扫
-
- 我的微信公众号
- 微信扫一扫
-
评论