量化研究的信度检验与描述性分析

本文根据汪雅霜的讲座视频整理而成，文稿未经专家本人审阅。

作者简介：

汪雅霜，南京大学教育研究院副教授、硕士生导师，厦门大学教育学博士，南京大学课程与教学研究所副所长，中国高等教育学会教育评估分会副秘书长。曾在美国加州大学洛杉矶分校（UCLA）访学。侧重于运用实证方法来开展学生学习评价、课程与教学设计、教育政策评估等方面研究。主持全国教育科学规划课题、教育部人文社科基金等科研项目。第一作者在《教育研究》、BMC Medical Education等CSSCI或SSCI期刊上发表论文二十余篇，单篇最高被引200多次，多篇被人大复印资料转载。出版《基于I-E-O模型的大学生学习投入度研究》等著作，以副主编身份连续五年发布《江苏省研究生教育年度报告》。

简单来说，信度就是内部一致性，也即所列指标是否都对研究者需要的因子进行了测量。此处注意，信效度的顺序为先做检验效度再做检验信度。如果我们没有对数据进行测量，那么信度也就失去了价值。

一、信度检验

1.信度检验的概念

因素分析后，要继续进行的是量表各层面与总量表的信度检验。信度（reliability）是指量表的可靠性或稳定性。常用的信度检验方法是估计量表的Cronbach alpha系数。alpha系数取值在0-1之间，一般认为alpha在0.7-0.8之间，量表信度好，0.8-0.9之间非常好。

2.信度检验的操作方法

在上节，我们介绍了探索性因子分析法的操作方法（参见《探索性因子分析法的功用、操作步骤与结果分析》），并将12个题项（图1）分为了3个维度（工作回报、人际关系、工作环境）。本次我们继续以这12个题项为例，讲解信度检验的操作方法。

我们在SPSS里点击图2菜单栏的左侧上方“分析”，选择“度量”，找到“可靠性分析”，该功能可检验得到克隆巴赫系数。

比如图3这三个因子测量的是工作回报，克隆巴赫系数为0.891。一般来说，大于0.7说明信度很高。我们可以继续测量人际关系与工作环境的因子，信度分别为0.858与0.861，说明信度很高。

上述数据属于分维度或者分因子的信度，我们也可以将12道题全部放在“可靠性分析”里计算，得到克隆巴赫系数为0.763（图4），表明信度较高。

综上表明，工作回报、人际关系、工作环境这三个因子以及总量表信度较好，结合上节的结构效度（参见《探索性因子分析法的功用、操作步骤与结果分析》），说明我们的信效度均表现较好。

大家在写文章时一定要注意两点：KMO值不代表结构效度，仅代表可以进行探索性因子分析；先进行效度检验，再进行信度检验。

二、描述性分析

描述性分析就是大家最常见的百分比和平均数。

1.百分比

在SPSS里点击图5菜单栏的左侧上方“分析”，选择“描述统计”，找到“频率”（百分比）。

分类变量可以用百分比来表示。点击“频率”，显示调查样本的性别、所在区域、教龄等基本信息（图6），这些信息都可作为描述性分析。描述性分析甚至比一些高级统计方法更重要。我们做了大量研究后就会明白，如果不做好基础数据，后续的建模、方法可能都是空中楼阁。在数据不好的情况下，为了模型而模型，盲目做研究，也是不好的。因此我们一定要做好基础数据，了解数据库中每个数据的基本情况。

将这些基本信息放入“变量”后，就可以得到描述性分析（图7）。比如性别里男性占47.4%，女性占52.6%。所在区域中省会城市只有不到15%，地级市占40%多，县城有36%，乡镇老师占比较少。教龄方面，10年以下教龄占24.2%，11年以上将近75.8%（图7右侧的“教龄”描述性分析是SPSS 27.0版本）。

2.平均数

除了百分比，我们还可以用均值。在图8“描述统计”点击“描述”，就会计算出均值。

比如我们把12个题项全部放进来，可以得到最大值、最小值、均值、标准偏差（图9）。标准偏差表示的是离散程度。如果一个班大部分学生都是81分左右，说明这个班的英语成绩整体较好，离散程度不是很大，这就是标准偏差的意义。但如果这个班的平均分是81分，但是离散程度很高，说明这个班的同学内部差异比较大。因此，我们可以通过标准偏差观察它的离散程度。一般在做很多研究时，大家都希望这个数据的离散程度不要太大，这样数据之间才具有可比性。

转自：“科研写作研究所”微信公众号

如有侵权，请联系本站删除！