spss分析方法-信度分析（转载）

Posted 2023-05-01

参考技术A 信度分析方法是分析问卷的主题是否符合调查者的要求和调查数据可靠性的专用统计方法。 下面我们主要从下面四个方面来解说：

[if !supportLineBreakNewLine]

[endif]

实际应用

理论思想

建立模型

[if !supportLineBreakNewLine]

[endif]

分析结果

[if !supportLineBreakNewLine]

[endif]

一、实际应用

我们在进行社会调查研究时，一般采用调查问卷的形式进行。在对调查问卷的结果展开统计分析之前，必须对其信度加以分析，只有信度在相关研究可以接受的范围之内时，问卷统计结果才是有价值的，才有进一步进行分析的必要，所以，信度分析对于调查研究的意义是非常重大的。 信度分析是用于检验结果的一贯性、一致性、再现性和稳定性的常用方法。

[if !supportLineBreakNewLine]

[endif]

[if !supportLineBreakNewLine]

[endif]

二、理论思想

信度又叫可靠性，是指问卷的可信程度。它主要表现检验结果的一贯性、一致性、再现性和稳定性。一个好的测量工具，对同一事物反复多次测量，其结果应该始终保持不变才可信。例如，我们用一把尺子测量一张桌子的高度，今天测量的高度与明天测量的高度不同，那么我们就会对这把尺子产生怀疑。因此，一张设计合理的调查问卷应该具有它的可靠性和稳定性。

[if !supportLineBreakNewLine]

[endif]

调查问卷的评价体系是以量表形式来体现的，编制的合理性决定着评价结果的可用性和可信性。问卷的信度分析包括内在信度分析和外在信度分析。

[if !supportLineBreakNewLine]

[endif]

内在信度重在考察一组评价项目是否测量同一个概念，这些项目之间是否具有较高的内在一致性。 一致性程度越高，评价项目就越有意义，其评价结果的可信度就越强。

[if !supportLineBreakNewLine]

[endif]

外在信度是指在不同时间对同批被调查者实施重复调查时，评价结果是否具有一致性 。如果两次评价结果相关性较强，说明项目的概念和内容是清晰的，因而评价的结果是可信的。信度分析的方法有多种，有Alpha信度和分半信度等，都是通过不同的方法来计算信度系数，再对信度系数进行分析。

[if !supportLineBreakNewLine]

[endif]

Alpha 信度系数法：

一般情况下，我们主要考虑量表的内在信度——项目之间是否具有较高的内在一致性。

通常认为，信度系数应该在0~1之间，如果量表的信度系数在0.9以上，表示量表的信度很好；

如果量表的信度系数在0.8~0.9之间，表示量表的信度可以接受；

如果量表的信度系数在0.7~0.8之间，表示量表有些项目需要修订；

如果量表的信度系数在0.7以下，表示量表有些项目需要抛弃。

[if !supportLineBreakNewLine]

[endif]

[if !supportLineBreakNewLine]

[endif]

三、建立模型

信度分析案例：

[if !supportLineBreakNewLine]

[endif]

题目：以下表给出了某调查问卷的测量数据。该调查问卷共有10道题目，均为10分量表，高分代表同意题目代表的观点，共测量了102人。试考察此问卷的信度。

一、数据输入

[if !vml]

[endif]

二、操作步骤 1、进入SPSS，打开相关数据文件，选择“分析”|“刻度”|“可靠性分析”命令2、选择进行可靠性分析的变量。在“可靠性分析”对话框的左侧列表框中，依次选择题目1～题目10进入“项”列表框。

[if !vml]

[endif]

3、设置相关统计量输出。

单击“可靠性分析”对话框右上角的“统计”按钮。选中“描述”和“摘要”两个选项组中的全部复选框，单击“继续”按钮返回“可靠性分析”对话框。

[if !vml]

[endif][if !supportLineBreakNewLine]

[endif]

4、其余设置采用系统默认值即可。单击“确定”按钮，等待输出结果。

[if !supportLineBreakNewLine]

[endif]

四、结果分析

1、信度系数Alpha系数是衡量信度的一种指标，越大表示信度越高。一般而言， 信度系数如果在0.9以上，则说明信度非常好；如果在0.8～0.9之间，则说明可以接受；在0.7～0.8之间，则说明该量表需要进行重大修订但不失价值；在0.7以下，则说明应该放弃。 如下表所示，本例中Alpha系数是0.881，说明信度还是不错的。

[if !vml]

[endif]

2、摘要项统计量下表给出了问卷中各题目的均数、最小值、最大值、方差等统计量。容易发现各道题目之间的得分差距还是比较大的。例如项的平均值（题目各自的平均分值）的最小值为1.196，最大值为6.304，跨度很大；项方差范围为2.557，大于2，差异也很大。

[if !vml]

[endif]

3

、项总计统计量下表给出了如果将相应的变量（题目）删除，则试卷总的信度如何改变的统计量。依次为总分的平均值改变、方差改变、该题与总分的相关系数和Alpha系数的改变情况（多相关的平方一栏不予考虑）。 其中重要的是后两项，如果相关系数太低，则说明该题的应答分值与总分的高低相关性不强，可考虑删除或改进该题。 例如删除本例中的题目1、2、6之后，Alpha系数还会上升，信度将提高。

[if !vml]

[endif]

分析结论：（获取更多知识，前往gz号程式解说）通过分析，我们可以知道：由结果分析1可知，本例中Alpha系数是0.881，说明信度比较好。由结果分析2可知，各道题目之间的得分差距比较大。由结果分析3可知，题目1、2、6应答分值与总分的高低相关性不强，如果将之删除，试卷总的信度会提高。

spss分析方法-卡方检验

参考技术A 参数检验的前提是 关于总体分布的假设成立 ，但很多情况下我们无法获得有关总体分布的相关信息。

非参数检验正是一类基于这种考虑，在总体方差未知或知道甚少的情况下，利用样本数据对总体分布形态等进行推断的方法。

卡方检验是一种用于 判断样本是否来自于特定分布的总体 的 非参数检验 方法，其根据样本的频数来推断总体分布与理论分布是否有显著差异。

下面我们主要从下面四个方面来解说：

实际应用

理论思想

操作过程

分析结果

一、实际应用

例如抽取某学校的学生的数据，推断性别比例是否4：6；医学家在研究心脏病人猝死人数与日期的关系时发现：一周之中，星期一心脏病人猝死者较多，其他日子则基本相当。当天的比例近似为2.8：1：1：1：1：1：1。现收集到心脏病人死亡日期的样本数据，推断其总体分布是否与上述理论分布相吻合。

二、理论思想

卡方检验方法可以根据样本数据，推断总体分布与期望分布或某一理论分布是否存在显著差异，是一种吻合性检验，通常适于对有多项分类值的总体分布的分析。H0原假设是： 样本来自的总体分布与期望分布或某一理论分布无差异 。

三、操作过程

卡方检验的数据条件：

条件宽松、对样本数据要求较低、计算相对简单

卡方检验案例：

题目：随机抽取的100名山东省某地区新出生婴儿的性别情况。试用卡方检验方法研究该地区新出生婴儿的男女比例是否存在明显的差别。

一、数据输入

二、操作步骤

1.进入SPSS，打开相关数据文件，选择“分析”“|非参数检验”“|旧对话框”|“卡方”命令

2.选择进行卡方检验的变量。在“卡方检验”对话框的左侧列表框中，选择“性别”进入“检验变量列表”列表框。

3.设置期望范围和期望值。在“卡方检验”对话框内的“期望范围”选项组中，选中“从数据中获取”单选按钮，也就是根据数据本身的最大值和最小值来确定检验值范围；在“期望值”选项组中，选中“所有类别相等”单选按钮，因为本例中各类别的构成比相同。

4.设定卡方检验的计算方法。单击“卡方检验”对话框中的“精确”按钮，选中“仅渐进法”单选按钮，单击“继续”按钮返回“卡方检验”对话框。

选择相关统计量的输出和缺失值的处理方法。

5.单击“卡方检验”对话框中的“选项”按钮，在“统计”选项组中选中“描述”复选框，也就是输出变量的描述性统计量，包括平均值、标准差、最大值、最小值等；在“缺失值”选项组中选中“按检验排除个案”单选按钮，即排除掉含有缺失值的记录后再进行卡方检验。设置完毕后，单击“继续”按钮返回“卡方检验”对话框。

6.其余设置采用系统默认值即可。

7.单击“确定”按钮，等待输出结果。

四、结果分析

1.   描述性统计量表接受检验的样本共100个，样本平均值是1.49，标准差是0.502，最小值是1，最大值是2。

2.  卡方检验频数表参与检验的男性婴儿共51个，女性婴儿共49个，期望数都是50.0，残差分别是1.0和-1.0。

3.   卡方检验统计量表卡方值是0.040，自由度是1，渐近显著性水平为0.841，远大于0.05，检验结果接受原假设。

分析结论：

综上所述，通过卡方检验，该地区新出生婴儿的男女比例没有明显的差别。

（获取更多知识，前往前往我的wx ————公z号 （程式解说）

原文来自https://mp.weixin.qq.com/s/4HW9cWF96yG7GKre5OFNHQ