问卷测验中测量误差通常来源于两个方面：一是产生于问卷测验过程中的误差，称为测量误差，也称为随机误差（对应信度）；二是由问卷的结构质量造成的误差，称为系统误差（对应效度）。
判断一份用于调查的问卷是否合格是有指标的，也就是我今天要提到的这2个：信度和效度。顾名思义，信度，是指问卷调查过程中随机误差造成测定值的变异程度的大小；效度，是指测定值与目标真实值的偏差大小。效度高的问卷，信度必定高；但信度高的问卷，效度未必高。
先算信度，这个指标是用克朗巴赫系数（Cronbach’s α）来评价的，其实信度系数还有好多个，但是，我们一般就考虑量表的内在信度，简言之，就是项目之间是否具有较高的内在一致性，所以，就算这个Cronbach’s α就好了。这个α在0~1之间，α>0.8时，表示量表信度很好；0.7~0.8之间，表示量表的信度可以接受；如果是在0.6~0.7范围内，表示量表也可以接受但需改进。
计算的方法很简单，打开SPSS，把你的数据都输入进去即可，当然，数据的输入也是有技巧的，你可以在excel里面先输入数据然后再导入。但是要记住，一列代表一个指标或者称之为“维度”，换言之也就是你的问卷里面的一个具体的题目，有多少个问题就对应多少列，一行代表一个调查对象。数据都弄好之后，在SPSS中点“Analyze-Scale-Reliability Analysis…”进行计算。
效度系数呢，也有好多个，硬是要分类的话，会把你搞头晕的。但是，根据我们的问卷调查情况，通常只算KMO的。也就是做“因子分析”！具体操作还是看图。
好了，数据出来了！0.574就是我们要求的效度系数了，KMO值<0.7，说明这个问卷需要修改。下面的sig表明差异是显著的。
通常，KMO是做主成分分析的效度检验指标之一，其值在0.9以上，表示非常适合做因子分析；在0.8-0.9之间，很适合；在0.7-0.8之间，适合；在0.6-0.7之间，尚可；在0.5-0.6之间，表示很差；在0.5以下应该放弃。
还有一种情况可能是大家会遇到的，那就是你觉得你自己什么操作都是对的，可就是最后的结果里面没有KMO出来，随便你怎么弄都没有KMO！
大家会看到上图中的这种情况，“此矩阵不是正定矩阵”，然后随便你把数据跑多少次运算，KMO就是不出来，怎么办？
原因是你的维度大于你的样本量了，也就是说纳入计算的调查项目个数多于你的调查对象数目了，所以就会出现这种情况，于是呢，解决方案也就浮出水面啦，反其道而行之即可，怎么做？2个法子，一是减少你的维度数，一是增加你的样本数，具体嘛，根据自己怎样算方便就怎样去弄吧！
欢迎各位老师批评指正！
发表于 2018-1-11 11:06
发表于 2018-1-11 12:28
发表于 2018-1-12 07:58
发表于 2018-1-13 08:52