信度与效度内涵

4.4.1　信度与效度内涵

在进行假设检验之前，应对测量结果进行信度和效度分析。只有具备足够的信度和效度的测量量表才可被采用。

4.4.1.1　信度分析

所谓信度（reliability），即可靠性，是关于一种现象的测度提供的稳定性和一致性结果的程度（Camines，Zeller，1979），也就是同一群受测者在同一份测验上测验多次的分数要有一致性，所以信度是指测量的一致性程度。信度分析就是对量表的有效性（信度）进行研究。测量信度有两个维度：可重复性和内在一致性（Zikmund，1995）。前者测量的信度为外在信度，后者测量的信度是内在信度。信度分析主要指内在信度分析。

1）可重复性

可重复性表示以同样的测量工具在不同时间重复测量某特质，得到的结构是相同的结果。有关可重复性测量的信度类型有两种：一种为再测信度，使用同一份问卷，对同一群受测者，在不同的时间，前后测试两次，求出这两次分数的相关系数，相关系数高表示此份问卷的信度高；另一种为复本信度，复本指内容相似，难易度相当的两份问卷，对同一群受测者，第一次用一份，第二次用另一份，两次分数的相关系数称为复本系数或者等值系数，如果两份问卷不是同时事实，也可相距一段时间再实施，这样算出的相关系数就是等值系数。

2）内在一致性

内在一致性维度是衡量某一测度条款与测量同一变量的其他测度条款之间相关能力的一种重要的验证性的测度。通常有三种方法检验这种内在一致性维度：折半（Split-half）信度系数、克朗巴哈（Cronbach）α系数和验证性因子分析（Confirmatory Factor Analysis，CFA）。

折半（Split-half）信度系数就是将填答问卷后，将问卷题目分成两半，分别计分后再将这两半的总分计算其相关系数。克朗巴哈（Crobach）α系数是估计某一测度（scale）中测量条款所能表示的要测量的结构变量内涵的程度（Pedhazu，Schmelkin，1991）。

克朗巴哈（Cronbach）α系数可用下列公式表示：

其中k为评估项目数，r^-为k个项目相关系数的均值。克朗巴哈（Cronbach）α系数介于0～1之间，值越大，则表示内在信度越高。通常，α系数大于0.9，表示量表的内在信度很高；α系数大于0.8而小于0.9，则内在信度较高，α系数大于0.7而小于0.8，设计量表仍可被接受；α系数小于0.7，设计量表存在很大问题，应考虑重新设计。本书以Peterson（1994）所建议的0.7为标准。本书问卷使用修正后总相关系数（Corrected Item-Total Correction，CITC）来优化测量项目，利用Cronbachα系数检验问卷的信度。如果满足下面其中任何一项目条件，可以删除此项目：①CITC小于0.5；②删除此项目可以增加α值，即可提升整体信度。

CFA是用以评价测度内每一测量条款以及与其他测度或测量条款的潜在交叉荷载（Cross-load）之间的一致性问题，具体内容见4.4.3.2节。

4.4.1.2　效度分析

效度是指指标能够真正衡量出研究人员所要衡量的事物的真实程度，它是揭示结构变量（construct）和它的测量指标（indicators）之间的关系（Zikmurid，1995）。常用的效度可以分为两种：内容效度（content validity）、建构效度（construct validity）。

所谓内容效度（content validity）是指该领域的专家之间对某一度量（scale）能够测度所衡量的事物的认可程度。判断方法为：①测量工具是否可以真正测量到研究者所要测量的变量；②测量工具是否涵盖了所要测量的变量。本研究主要通过下面方法来确保研究的内容效度：①本研究问卷内容根据文献研究和访谈研究，将内容整理，经专家学者检验，因此本研究的量表具有相当高的内容效度；②问卷调查之前的预检验。

所谓建构效度（construct validity）是指量表测量由理论所产生的变量之间关系的系列假设（信息的结构）的能力（Bollen，1989）。研究者在设计问卷和量表时实际上是假设有某种结构存在的，通过因子分析可以考察所用的量表是否能够测量出真正的结构，从而验证研究者的假设是否成立。建构效度的测量方法，根据Kerlinger（1986）提出的有：①个别项目分数和总分的相关系数，只有当每一项个别项目与总分相关系数显著时，则代表该量表具有良好的建构效度，否则将个别项目删除；②因子分析法。同一构面中，通常因子负荷值为0.5以上，因子负荷值越大，则量表的区别效度越高。

利用因子分析进行构建效度检验时，需要使用KMO（Kaiser-Meyer-Olkin）测度来检验数据是否适合做因子分析。KMO越接近1，越适合于作因子分析；KMO过小，则不适合作因子分析。Kaiser（1974）认为，KMO在0.9以上，非常适合；0.8～0.9，比较适合；0.7～0.8，适合；0.6～0.7，不太适合；0.5～0.6，很勉强；0.5以下，不适合。

当因子是多维度时，还涉及单维度检验问题，即单个维度上的KMO要求大于0.7，每个测项的因子负荷值至少不低于0.5。