第二章：真分数理论（经典的信度理论）（二）

第二节 经典的信度理论

信度的概念

• 测验信度 ：关于测验控制误差、抗干扰能力的量度，或者说对测验结果准确、可靠地传达真值信息能力的量度，就是测验信度。

• 按照真分数理论的数学模型，可以从三个角度来定义测验的信度：

  1. 把信度定义为观察分数跟真分数间联系的强度。 —只有理论价值

     • 观察分数跟真分数间的联系越强，观察分数越有资格来代表真分数。
     • 这种联系可定量地用观察分数与真分数的相关来刻画（${\rho }_{XT}$），信度指数 。

     这种定义直接体现了真分数模型X = T+ E的内在实质。

  2. 将信度定义为大批平行测验在被试个体上所得误差分数的标准误。 —只有理论价值

     • 对误差分数的方差${\sigma }_E^2$ 求算术根，得到测量标准误${\sigma }_E$ 。利用这种测量标准误${\sigma }_E$ ，可以用被试个体实际得到的观测分数为中点，估计其真分数值，建立起该被试真分数的置信区间。

       测量标准误越小，置信区间的半长就越短，估计就越准确。

     • 这一定义抓住了测量误差统计学上的含义。

  3. 将信度定义为两平行测验上观察分数间的相关。 —现实可行

     即：用一个平行测验上某被试的观察分数，去正确推论另一平行测验上该被试观察分数的能力，用这种能力值的大小来定义测验的信度。

     • 两平行测验间观察分数的相关系数就被称为信度系数。

• 真分数理论通过深入的统计数学分析，把三个定义相互联系、贯穿统一起来，从而使人们能在真分数理论框架内，获得对信度的透彻、完整的理解。

信度指数和系数的推导

• 信度指数就是观察分数跟真分数的相关。相关分析都要利用到两变量的协方差概念。

  若用*$x,y$* 来代表变量X和Y的离均差，则变量X和Y的协方差就是
  $$\frac{1}{n}\sum xy={\rho }_{XY}{\sigma }_X{\sigma }_Y$$
  变量X和Y的相关系数就是
  $${\rho }_{XY}=\frac{\sum xy}{n{\sigma }_X{\sigma }_Y}$$
  作为观察分数X与真分数T的相关系数的信度指数，就是
  $${\rho }_{XY}=\frac{\sum x\tau }{n{\sigma }_X{\sigma }_T}$$
  字母τ代表真分数的离均差。因为$x=\tau +\epsilon$ ,这里$\epsilon$ 代表误差分数的离均差。（13）可改写为：
  $${\rho }_{XY}=\frac{}{n{\sigma }_X{\sigma }_T}$$