信度系数的计算公式你了解吗?

这篇具有很好参考价值的文章主要介绍了信度系数的计算公式你了解吗?。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

一、应用

信度分析用于测量样本回答结果是否可靠,即样本有没有真实作答量表类题项。

重要提示:信度分析仅仅是针对 量表数据,非量表数据一般不进行信度分析。

二、操作

1.SPSSAU操作如下图:

信度系数的计算公式你了解吗?

SPSSAU仪表盘

2.案例背景

此案例分析心理学中研究运动员意志品质的调查问卷数据,共对312人进行了问卷调查。根据数据资料进行项目分析后,删除第7、8、14、28、29、35、36、37、38、40、43、48题,将剩余的38题根据项目分析结果分为5个维度,所包括的项目如下:

信度系数的计算公式你了解吗?

3.结果

将数据放入分析框中,SPSSAU系统对数据进行处理后,自动生成分析结果,其中5个维度的信度系数分别为0.144、0.441、0.271、0.519、0.042,总结图表如下:

信度系数的计算公式你了解吗?

中间过程部分图如下:

信度系数的计算公式你了解吗?

分析结果来源于SPSSAU

信度系数的计算公式你了解吗?

分析结果来源于SPSSAU

信度系数的计算公式你了解吗?

三、分析

结果解读以及计算公式:

1.Cronbach α系数

Cronbach α系数是目前最常用的信度系数。它表明量表中每一题项得分间的一致性。Cronbach α系数公式为

信度系数的计算公式你了解吗?

式中,k为测量的题目数;  为第i题得分数的方差;  为测验总分的方差。

2.结论

   从上表可以看出,5个维度的信度系数都偏低,需要进行问卷的修改。此外,信度系数值为0.636,大于0.6,因而说明研究数据信度质量可以接受。但是该量表的信度一般。针对“项已删除的α系数”,任意题项被删除后,信度系数并不会有明显的上升,因此说明题项不应该被删除处理。

   针对“CITC值”,x1对应的CITC值介于0.2~0.3之间,说明其与其余分析项之间的相关关系较弱,如果是预测试分析,可针对此项进行修正后再收集正式数据(如果是正式数据分析可考虑对此项进行删除处理)。

四、扩展

1.SPSSAU分析建议

信度系数的计算公式你了解吗?

分析建议来源于SPSSAU

2.折半信度

在测量没有复本且只能实施一次的情况下,通常采用分半法估计信度,即将测试题目分成对等的两半,根据各人在这两半测验的分数,计算其相关系数作为信度指标。其计算公式为

信度系数的计算公式你了解吗?

式中,  为整个测验的信度估计值; 为两半测验分数的相关系数。应该注意的是,如果测量题目较少,如10题以下就不适合用这种方法来估计信度。

另外,分半法的使用基于人为分成两半的测验要等值,即两半测验的分数具有相同的平均数或标准差。当此条件不满足时,就需要采用下面两个公式来估计信度。

(1)弗朗那根公式

信度系数的计算公式你了解吗?

式中,r为信度值,  和  分别为两半测验分数的方差,  为测验总分的方差;

(2)卢伦公式

信度系数的计算公式你了解吗?

式中,r为信度值,为两半测验分数之差的方差,  为测验总分数的方差;

3.McDonald's ω信度系数

McDonald's ω信度系数的计算原理是利用因子分析浓缩信息,然后得到loading载荷系数值,进而计算。计算公式如下:

信度系数的计算公式你了解吗?

式中,loading为载荷系数值,uniqueness为1-loading^2。从上式可知,loading值整体绝对值越大时,McDonald's ω信度系数值也会越高。

4. theta信度系数

信度系数的计算公式你了解吗?

式中,N为分析项个数  ,为最大特征根值。从上式可以看到,当分析项个数越多时,theta信度系数很可能会越大,而且最大特征根越大,theta信度系数值也会越大。

5.信度系数的衡量标准

  通常情况下,信度系数值高于0.8,则说明信度高;信度系数介于0.7~0.8之间;则说明信度较好; 信度系数介于0.6~0.7;则说明信度可接受; 信度系数小于0.6;说明信度不佳。并且此标准通常适用于上述4个研究指标,包括Cronbach α信度系数,折半信度系数,McDonald's ω信度系数和theta信度系数。

6.具体操作

(1)点击SPSSAU问卷调查里面的‘信度’按钮。如下图:

信度系数的计算公式你了解吗?

(2)拖拽数据后开始分析:

信度系数的计算公式你了解吗?文章来源地址https://www.toymoban.com/news/detail-447270.html

到了这里,关于信度系数的计算公式你了解吗?的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包