Spss信度分析和效度分析
1个回答
展开全部
我的两台电脑，windows和mac都安装了spss21.0，以前觉得spss有点过于纸上谈兵。读了硕士之后，发现我的研究几乎都与spss有关，spss真的是一个傻瓜而有良心的软件。
1随机误差
包括随机测量误差和抽样误差。随机测量误差：没有固定的倾向，可使多次观测结果有大有小。抽样误差：由于抽样造成的样本指标与总体指标之间的差别。
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；二是由问卷的结构质量造成的误差，称为系统误差。
2 信度
信度主要是指问卷是否精准(precision)。信度分析涉及了问卷测验结果的一致性和稳定性，其目的是如何控制和减少随机误差。信度是用估计测量误差大小的尺度，来说明问卷测验结果中测量误差所占的比率。
信度研究的是问卷测验结果的可靠性与稳定性，可以从不同的角度来评价：（1）在相同条件下所得问卷测验结果的一致程度；（2）不同研究者用同一种问卷同时测验所得结果的一致程度；（3）同一研究者用同一种问卷在不同时间内测验所得结果的一致程度。
克隆巴赫信度系数
Cronbach’s α系数是Cronbach于1951年创立的，用于评价问卷的内部一致性。α系数取值在0到1之间，α系数越高，信度越高，问卷的内部一致性越好。Cronbach’s α系数不仅适用于两级记分的问卷，还适用于多级计分的问卷。低信度：α<0.35, 中信度： 0.35<α<0.70,高信度： 0.70<α。一般地，问卷的α系数在0.8以上该问卷才具有使用价值。Cronbach‘s α值皆达0.85以上，表明问卷信度良好
3 效度（validity）
通常是指问卷的有效性和正确性，亦即问卷能够测量出其所欲测量特性的程度。操作过程如下：
从菜单选择Analyze → Scale → Reliability Analysis…→ Item（输入问卷的各条目或各因子包含的条目）→ 单击“Statistics”按钮，弹出信度分析统计量对话框 → Descriptives for: → √ Scale if item deleted →OK
Scale if item deleted:去掉当前题目整个问卷的描述统计量，即敏感性分析，包括以下内容：（1）Scale Mean if Item Deleted:去掉当前题目问卷合计分的均数；（2）Scale Variance if Item Deleted: 去掉当前题目问卷合计分的方差；（3）Corrected Item-Total Correlation: 当前题目得分与去掉当前题目问卷合计分的Pearson相关系数；（4）Squared Multiple Correlation:以当前题目为因变量，其它所有题目为自变量求得的决定系数R2；Alpha if Item Deleted: 去掉当前题目后问卷的Cronbach α系数。
效度（validity）通常是指数据的有效性和正确性，即数据能够测量出其欲测量特性的程度。效度值越高，所测定的结果与实际考察的内容之间越吻合反之，则越无效。目前研究中的效度分为内容效度和构建效度。
内容效度又称为逻辑效度，指数据的贴切性和代表性，即数据能否较好的代表所欲测量的内容和引起预期反应的程度。而构建效度指的是一个测验实际测到和所要测量的数值之间的对应程度。效度分析最理想的方法是利用因子分析数据的构建效度。
为了确定数据是否适合做因子分析，首先对数据做了KMO（Kaiser-Meyerollum）测度和巴特莱特球体检验。
KMO统计量：是通过比较各变量间简单相关系数和偏相关系数的大小判断变量间的相关性，相关性强时，偏相关系数远小于简单相关系数，KMO值接近1。一般情况下，KMO>0.9非常适合因子分析；0.8＜KMO＜0.9适合；0.7以上尚可，0.6时效果很差，0.5以下不适宜作因子分析。
Bartlett’s球型检验（BarlettTest of Sphericity）：用于检验相关阵是否是单位阵，即各变量是否独立。它是以变量的相关系数矩阵为出发点，零假设：相关系数矩阵是一个单位阵。如果巴特利球形检验的统计计量数值较大，且对应的相伴概率值小于用户给定的显著性水平，则应该拒绝零假设；反之，则不能拒绝零假设，认为相关系数矩阵可能是一个单位阵，不适合做因子分析。若假设不能被否定，则说明这些变量间可能各自独立提供一些信息，缺少公因子。
在SPSS中执行分析－降维，因子分析analyze—data reduction--factory analysis。
4 信度和效度的差异
（1）研究的对象不同 信度：答卷者 效度：组卷人
（2）研究的角度不同 信度：测量的质量 效度：问卷的质量
http://wenku.baidu.com/linkurl=olR_rkCCRDUWIQbChfizP5aifARITBtmE9reX1PU0UUpyxQZCyLJpw3DmKr6wAeGZYelhLQdT1ItqJTc0_Xhy1TNigxG2IRQ7TyoA_T0UcC
1随机误差
包括随机测量误差和抽样误差。随机测量误差：没有固定的倾向，可使多次观测结果有大有小。抽样误差：由于抽样造成的样本指标与总体指标之间的差别。
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；二是由问卷的结构质量造成的误差，称为系统误差。
2 信度
信度主要是指问卷是否精准(precision)。信度分析涉及了问卷测验结果的一致性和稳定性，其目的是如何控制和减少随机误差。信度是用估计测量误差大小的尺度，来说明问卷测验结果中测量误差所占的比率。
信度研究的是问卷测验结果的可靠性与稳定性，可以从不同的角度来评价：（1）在相同条件下所得问卷测验结果的一致程度；（2）不同研究者用同一种问卷同时测验所得结果的一致程度；（3）同一研究者用同一种问卷在不同时间内测验所得结果的一致程度。
克隆巴赫信度系数
Cronbach’s α系数是Cronbach于1951年创立的，用于评价问卷的内部一致性。α系数取值在0到1之间，α系数越高，信度越高，问卷的内部一致性越好。Cronbach’s α系数不仅适用于两级记分的问卷，还适用于多级计分的问卷。低信度：α<0.35, 中信度： 0.35<α<0.70,高信度： 0.70<α。一般地，问卷的α系数在0.8以上该问卷才具有使用价值。Cronbach‘s α值皆达0.85以上，表明问卷信度良好
3 效度（validity）
通常是指问卷的有效性和正确性，亦即问卷能够测量出其所欲测量特性的程度。操作过程如下：
从菜单选择Analyze → Scale → Reliability Analysis…→ Item（输入问卷的各条目或各因子包含的条目）→ 单击“Statistics”按钮，弹出信度分析统计量对话框 → Descriptives for: → √ Scale if item deleted →OK
Scale if item deleted:去掉当前题目整个问卷的描述统计量，即敏感性分析，包括以下内容：（1）Scale Mean if Item Deleted:去掉当前题目问卷合计分的均数；（2）Scale Variance if Item Deleted: 去掉当前题目问卷合计分的方差；（3）Corrected Item-Total Correlation: 当前题目得分与去掉当前题目问卷合计分的Pearson相关系数；（4）Squared Multiple Correlation:以当前题目为因变量，其它所有题目为自变量求得的决定系数R2；Alpha if Item Deleted: 去掉当前题目后问卷的Cronbach α系数。
效度（validity）通常是指数据的有效性和正确性，即数据能够测量出其欲测量特性的程度。效度值越高，所测定的结果与实际考察的内容之间越吻合反之，则越无效。目前研究中的效度分为内容效度和构建效度。
内容效度又称为逻辑效度，指数据的贴切性和代表性，即数据能否较好的代表所欲测量的内容和引起预期反应的程度。而构建效度指的是一个测验实际测到和所要测量的数值之间的对应程度。效度分析最理想的方法是利用因子分析数据的构建效度。
为了确定数据是否适合做因子分析，首先对数据做了KMO（Kaiser-Meyerollum）测度和巴特莱特球体检验。
KMO统计量：是通过比较各变量间简单相关系数和偏相关系数的大小判断变量间的相关性，相关性强时，偏相关系数远小于简单相关系数，KMO值接近1。一般情况下，KMO>0.9非常适合因子分析；0.8＜KMO＜0.9适合；0.7以上尚可，0.6时效果很差，0.5以下不适宜作因子分析。
Bartlett’s球型检验（BarlettTest of Sphericity）：用于检验相关阵是否是单位阵，即各变量是否独立。它是以变量的相关系数矩阵为出发点，零假设：相关系数矩阵是一个单位阵。如果巴特利球形检验的统计计量数值较大，且对应的相伴概率值小于用户给定的显著性水平，则应该拒绝零假设；反之，则不能拒绝零假设，认为相关系数矩阵可能是一个单位阵，不适合做因子分析。若假设不能被否定，则说明这些变量间可能各自独立提供一些信息，缺少公因子。
在SPSS中执行分析－降维，因子分析analyze—data reduction--factory analysis。
4 信度和效度的差异
（1）研究的对象不同 信度：答卷者 效度：组卷人
（2）研究的角度不同 信度：测量的质量 效度：问卷的质量
http://wenku.baidu.com/linkurl=olR_rkCCRDUWIQbChfizP5aifARITBtmE9reX1PU0UUpyxQZCyLJpw3DmKr6wAeGZYelhLQdT1ItqJTc0_Xhy1TNigxG2IRQ7TyoA_T0UcC
已赞过
已踩过<
评论
收起
你对这个回答的评价是？
上海华然企业咨询
2024-10-28 广告
**算法安全评估报告**本次针对我司核心业务算法的全面安全评估已顺利完成。评估过程中，我们重点考察了算法的透明度、可解释性、公平性、隐私保护及抗攻击能力。结果显示，算法在逻辑上具备较高透明度，能有效规避偏见，保障数据处理的公平性。同时，通过...
点击进入详情页
本回答由上海华然企业咨询提供
推荐律师服务：
若未解决您的问题，请您详细描述您的问题，通过百度律临进行免费专业咨询
|
广告 您可能关注的内容 |
