信度系数低怎么办？信度系数具体怎么算？

一、研究场景

信度分析用于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（ 重要提示： 信度分析仅仅是针对 量表数据，非量表数据一般不进行信度分析）;信度分析仅针对定量数据。

二、SPSSAU操作

1.操作

SPSSAU左侧仪表盘“问卷研究”→“信度”；

2.信度系数指标计算

（1）Cronbach α系数

其中N为测量个数（即放入SPSSAU的分析项个数）， 表示数据求和后的总变异, 表示第i项的数据变异，  表示各项数据变异求和。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。

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。计算公式如下：上式中， 表示整体求和部分的方差； 和  分别代表第1部分，第2部分方差。

（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，  为最大特征根值。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。

三、SPSSAU分析

（1）Cronbach信度分析

补充说明：标准化Cronbach α系数值和Cronbach α系数值的功能一样，判断标准也完全一样，一般使用很少，直接使用Cronbach α系数值进行分析信度即可。

从上表可知：信度系数值为0.934，大于0.9，因而说明研究数据信度质量很高。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”，分析项的CITC值均大于0.4，说明分析项之间具有良好的相关关系，同时也说明信度水平良好。综上所述，研究数据信度系数值高于0.9，综合说明数据信度质量高，可用于进一步分析。

Cronbach α信度系数具体计算：（由于本案例数据过多不方便展示，所以举例说明）

（1） 

（2） 

其中N为分析项个数，n为样本量；

（3）Cronbach α信度系数

（2）Cronbach信度分析-简化格式

分析结果来源于SPSSAU

简化格式只提供了项数、样本量以及Cronbach α系数。从中可以看出，该分析中项数为14，样本量为200以及信度系数为0.934。

补充说明：信度系数标准如下：

四、提高信度系数的建议

信度分析无论如何均不达标？

建议按照以下七步检查：

第一：使用‘描述分析’检验下是否有奇怪的异常值，如果有则需要使用‘数据处理->异常值’功能处理后再分析；

第二：‘非量表’数据是不能进行信度分析，只需要用文字进行描述证明数据凭什么可信，比如如何设计问卷如何收集数据，数据为什么可信等，有没有进行过异常值处理等；

第三：如果信度系数值依然很低（比如低于0.5），此时可考虑把所有量表题合并在一起进行一次信度分析（题项越多通常信度系数会越高）；

第四：如果数据中有反向题，需要先使用‘数据处理->数据编码’将反向题处理后再分析；

第五：删除不合理的项，留下有意义的项；

第六：加大样本量，样本量越大通常情况下信度会越高；

第七：问卷设计时一个维度尽量4~7个题较好，题项越多信度会越高，而且如果不达标还可以删除个别不合理项。

五、疑难解惑

1. omega信度系数如何分析？

SPSSAU提供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’。

2. 信度或效度分析删除的项，后续是否需要保留？

如果说已经在信度分析（也或者效度，也或者其它分析）时认为某个分析项不合理需要对其删除处理，那么后续各类分析方法一般均需要同步一致，并不是把数据直接删除，而是在分析时直接不分析该项即可。

3. 非量表如何进行信度分析?

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（以及效度分析）。

信度分析是研究数据质量是否可靠的一种研究方法，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：用文字描述数据收集的过程，比如纸质收集，网络收集等；

第二：用文字描述样本有效性，比如收集样本是否满足研究需要，收集的样本人群为有效样本群体等，比如研究大学生网购行为，收集样本人群一定需要为大学生等；

第三：用文字描述数据中无效样本的处理过程，比如使用SPSSAU的无效样本功能，将选择同一个答案超过70%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。

六、总结

通常情况下，信度分析使用α系数表示量表的信度质量，即样本回答的可信度。信度分析预测试会更多地关注量表质量，即是否会由于量表题设计存在问题而导致信度质量不达标，如果出现问题，那么需要对题的问法进行修改，或者对题进行删除处理。正式的信度分析只需要关注a系数，通常情况下，此值大于0.7即可，有时候可以将标准放宽至0.6。

更多干货请登录SPSSAU官方网站查看：