SAS信效检验

1、引言焦虑作为一种情绪状态,对人的行为有着重要的影响.焦虑自评量表（SAS）可以评出有焦虑症状的个体的主观感受，可以衡量焦虑状态的轻重程度。我国对该量表进行了修订，有一个1158人的正常人常模。全国协作组吴文源等人对1158例土0.46可作为常模总分均值之上限。但随着时间的推移，该量表信、效度将会受到一定影响。信度即可靠性，是指采用同一方法对同一对象进行调查时，问卷调查结果的稳定性和一致性，即测量工具（问卷或量表）能否稳定地测量所测的事物或变量。效度指测量结果的有效程度，它是指测量工具或手段能够准确测出所需测量的事物的程度，或者说实测结果与所要测查的结果的吻合或一致程度。摘要：焦虑自评量表(Se

2、lf-Rating Anxiety Scale，SAS)是W.K.Zung于1971年编制，用于评出有焦虑症状的个体的主观感受，作为衡量焦虑状态的轻重程度及其在治疗中的变化的依据。SAS是一种分析病人主观症状的临床工具。焦虑自评量表(self-rating anxiety scale, SAS)作为了解焦虑症状的自评工具,简单易用,有较好的信、效度,被广泛应用。能较好地反映被试的焦虑感受及其严重程度和变化,被广泛用于各种职业、文化阶层及年龄段的正常人或各类疾病患者，因此其信、效度对于研究者而言是十分看中的。本研究主要从内部一致性信度和结构效度来检验该量表的信、效度。关键词：焦虑 信度 效度 内

3、部一致性信度 结构效度1 对象与方法1.1 研究对象取自教科院2014级心理班和国防班，共计81人，其中有效答卷78份，其中男生36人，女生42人。 测验工具采用焦虑自评量表(Self-Rating Anxiety Scale，SAS)，本量表包含20个项目，分为4级评分。SAS主要评定症状出现的频度，其标准为：“1”表示没有或很少时间有；“2”表示有时有；“3”表示大部分时间有；“4”表示绝大部分或全部时间都有。20个条目中有l5项是用负性词陈述的，按上述l4顺序评分。其余5项（第5，9，13，17，19）是用正性词陈述的，按41顺序反向计分。SAS的主要统计指标为总分。将20个项目的各个得

4、分相加，即得粗分；用粗分乘以1.25以后取整数部份，就得到标准分，总分越高即焦虑越严重。1.3 测验方法对2014级心理班和国防班两班学生，按统一指导语，要求学生独立填写。对SAS中5个反向陈述条目进行特别说明，以消除不理解造成的误差，并及时对问卷进行回收。 统计分析除去无效问卷，将有效问卷数据输入SPSS For Windows 20.0统计软件中，进行各条目之间的相关分析，主成份因子分析(Principal Components)。同时采用(Cronbach)系数来评价量表的内部一致性。因子分析时对初始因子做了因子最大变异法正交旋转,全部分析用SPSS统计软件完成。2结果与分析SAS单项分

5、析78名学生SAS平均得分为土0，由表1可见,各项平均得分从1.270士0.5010到2.880士0.9530不等。各条目与SAS总分间的相关系数除尿意频数外,其余呈显著正相0数据为±关关系。其中焦虑、惊恐、发疯感、躯体疼痛、乏力、静坐不能、头昏、晕厥感及睡眠障碍等九个项目与SAS总分间的相关系数大于0.5。各条目间相关系数平均数为,说明SAS各条目间有一定的相关性，具有良好的结构效度。表1：SAS单项均数、标准差及与总分相关系数 项目 均数标准差相关系数 1焦虑* 2害怕* 3惊恐* 4发疯感* 5不幸预感 * * 6手足颤抖* 7躯体疼痛* 8乏力* 9静坐不能 * * 10心悸

6、* 11头昏* 12晕厥感* 13呼吸困难 * * 14手足刺痛* 15胃痛或消化不良* 16尿意频数 17多汗 * * 18面部潮红* 19睡眠障碍 * * 20恶梦*注：（ * 答案为反向计分项目*P>0.05 *P>0.01） SAS的信度SAS各项目与总分有明显的相关性（见表1），除第16项（尿意频数）外，各相关系数均具显著性，说明各项目与量表总分所反映的内容具有很好的一致性，同时经SPSS输出数据结果得(Cronbach)=> 1 （见表2），再次提示该量表内部的一致性很好。表2： Reliability StatisticsCronbach's Alpha

7、Cronbach's Alpha Based on Standardized ItemsN of Items 0.8240.783202.3 因子分析（1）由表3可以看出KMO 2 =0.824>0.7，说明因子分析效果很好。且Bartlett 3球形检验的值为403.627，伴随概率P=0.000<0.05，否定虚无假设，即认为变量间的相关矩阵不是单位矩阵，各变量间具有一定的相关性，可以进行因子分析。表3： KMO and Bartlett's Test KMO Bartlett'sTestApprox. Chi-Squaredf sig 1901低信度：

8、<0.35, 中信度： 0.70>>0.35,高信度：>0.7 2.KMO是Kaiser-Meyer-Olkin的取样适当性量数。KMO测度的值越高（接近1.0时），表明变量间的共同 由Communalities分析结果可知所有20个原始变量的共同度都超过了0.6，其中还有4个超过了0.7接近0.8，均在0.60.8内。提取的因子解释了原有变量方差的大部分，超过了60%，信息缺少较共同因子越多，研究数据适合用因子分析。通常按以下标准解释该指标值的大小：KMO值达到0.9以上为非常好，0.80.9为好，0.70.8为一般，0.60.7为差，0.50.6为很差。如果KMO测

9、度的值低于0.5时，表明样本偏小，需要扩大样本。少（见表4）。表4： 共同因子方差（共同性）表项目InitialExtraction 1、焦虑0.642 2、害怕0.667 3、惊恐0.645 4、发疯感0.604 5、不幸预感0.658 6、手足颤抖0.748 7、躯体疼痛0.648 8、乏力0.670 9、静坐不能0.610 10、心悸0.664 11、头昏0.768 12、晕厥感0.666 13、呼吸困难0.610 14、手足刺痛0.772 15、胃痛或消化不良0.681 16、尿意频数0.628 17、多汗0.678 18、面部潮红0.728 19、睡眠障碍0.646 20、恶梦0.6

10、80 通过主成分分析法，共提出7个因子，公共因子的最高方差贡献率达到22.216%，累计方差贡献率最高已达到65.436%，说明转换后的因子保留了较多的原始信息。第三大栏为因子提取的结果，未旋转解释的方差。第三大栏与第二大栏的前五行完全相同，即把特征值大于1的七个成份或因子单独列出来了。这七个特征值由大到小排列，所以第一个共同因子的解释方差最大。第四大栏为旋转后解释的方差。 Total栏为旋转后的特征值。与旋转前的Total栏相比，不难发现，四个成份的特征值有所变化。旋转前的特征值从4.443到3.060，最大特征值与最小特征值之间的差距比不大，旋转后的特征值相对集中。旋转前、后的总特征值没有

11、改变，最后的累计方差百分比也没有改变，仍然为65.436。（详细结果见表5）碎石图和上述被解释的总方差的作用相同，都是为了确定因子的数目。从碎石图可以看出，从第8个因子开始，以后的曲线变得较平缓，最后接近一条直线。据此，可以抽取7个因子。（详见表6）表5： 因子方差贡献表因子Initial EigenvaluesExtraction Sums of Squared LoadingsRotation Sums of Squared LoadingsTotal% of VarianceCumulative %Total% of VarianceCumulative %Total% of Varia

12、nceCumulative %21 2 3456780.96690.752100.708110.695120.610130.582140.559150.477 160.405170.373180.352190.228200.204表6：碎石图表7显示了特征根大于1的7个因子最大变异法正交旋转后的负荷矩阵。因子1和因子2均有5个负荷量大于0.5的项目，其余因子仅有2个，故将只含两个项目的因子删除 4 ，再次进行因子分析（原理同上）。表7： 7个因子最大变异法正交旋转后的负荷矩阵项目因子1因子2因子3因子4因子5因子6因子7头昏.840.163.149躯体疼痛.794心悸.706.113.195晕

13、厥感.666.430乏力.614.250.188.124害怕.754.133.168惊恐.205.750焦虑.745.237.109发疯感.660.275.158.212静坐不能.156.509.181.270.258不幸预感.215.753.190睡眠障碍.302.114.727多汗.159.166.769呼吸困难.432.638手足刺痛.869胃痛或消化不良.247.701.328面部潮红.130.211.787尿意频数.773手足颤抖.258.242.272.7133选转后项目数少于2的因子应删除，后再次进行因子分析。恶梦.255.201.236 （2）表8是删除上述所含项目较少的因子后

14、再次进行因子分析法所得的4个因子最大变异法正交旋转后的负荷矩阵。从表中可以看出因子I包含头昏、躯体疼痛、晕厥感、心悸、乏力、睡眠障碍 6个项目；因子II包含害怕、发疯感、惊恐、焦虑、静坐不能、不幸预感、手足颤抖 7个项目；因子III包含胃痛或消化不良、面部潮红、手足刺痛、尿意频数4个项目；因子IV包含多汗、呼吸困难、恶梦3个项目。从神经病理维度可将因子I、因子III、因子IV概括为植物性神经功能紊乱和运动性精神紧张的客观表现，因子II为焦虑心情及其作用表现。表8： 4个因子最大变异法正交旋转后的负荷矩阵项目因子I因子II因子III因子IV头昏0.8350.1790.1060.109躯体疼痛0.

15、7680.166心悸0.7520.184-0.111-0.109晕厥感0.6460.135乏力0.6070.1780.197害怕0.4720.348-0.189惊恐0.7480.136-0.203焦虑0.1060.7300.176发疯感0.1860.675-0.150静坐不能0.6730.1100.208不幸预感0.1530.5420.253睡眠障碍0.1240.501-0.107多汗0.2570.4040.185呼吸困难0.2310.1140.639手足刺痛0.587-0.240胃痛或消化不良0.555面部潮红0.512尿意频数0.1100.1050.767手足颤抖0.114-0.1970.

16、622恶梦0.3470.181-0.335-0.4673 讨 论自从70年代焦虑自评量表(SAS)问世以来，广泛用于临床、科研及群体调查中，国外研究认为SAS能较准确地反映有焦虑倾向的精神病患者的主观感受，与Hamilton焦虑自评量表的Pearson相关系数为0.3650，Spearman氏等级相关系数为0.341，说明SAS有较高的效度。国内应用也证时了这一点，本文根78名大学生SAS测试资料，对20个条目进行了信、效度分析。其中(Cronbach)=0.824，说明SAS具有较高的信度，另外相关分析显示SAS各项目与总分具有明显相关性，再次说明了SAS的信度。巴特利特球度检验（Bartl

17、ett test of sphericity）和KMO（Kaiser-Meyer-Oklin Measure of Smapling Adequacy）结果显示SAS各项目间相关矩阵不是单位矩阵，适合做因子分析。同时因子分析将20个条目概括为4个因子，这4个因子主要反映了焦虑心情和植物性神经功能紊乱及运动性紧张3个方面。这一结论符合逻辑和ICD-105对焦虑的定义，又验证了SAS的结构效度。Cronbachs系数是Cronbach于1951年创立的，是指测验内部的项目在多大程度上考察了同一内容，评价的是量表中各题项得分间的一致性。同质性信度低时，即使各个测试题看起来似乎是测4国际疾病分类（In

18、ternational Classification of Diseases ,ICD），是WHO制定的国际统一的疾病分类方法，它根据疾病的病因、病理、临床表现和解剖位置等特性，将疾病分门别类，使其成为一个有序的组合，并用编码的方法来表示的系统。全世界通用的是第10次修订本疾病和有关健康问题的国际统计分类，仍保留了ICD的简称，并被统称为ICD-10量同一特质，但测验实际上是异质的，即测验测量了不止一种特质。信度系数法是目前最常用的内部信度系数。实际上，系数是所有可能的分半信度的平均值，系数是估计信度的最低限度，系数高时，信度就高。本文测出的Cronbachs=0.824>0.7,说明了

19、SAS具有较高的信度。 因子分析是心理量工具或量表条目的同质性结构效度评估的最有力的统计分析方法。因子分析的基本特征是可以从多个变量中，抽取几个公共因子，并推知各个公共因子的性质，但因子分析往往会受到抽取因子和转轴的影响，此外对因子的解释也是一个主观的过程。因此对因子分析时还应结合专业知识来取舍因子及其包含的条目或变量。本文抽取的七个因子是按照特征根大于1的标准，参考7个因子所反映的信息量来确定的，经最大变异正交旋转后个因子与较少的条目有较高的相关性，从而使各因子的解释更清晰，更合乎逻辑，同时也说明SAS具有很高的效度。参考文献1 刘贤臣.李传奇.彭秀桂.卫校学生焦虑状况的调查分析.山东医科大

20、学学报版，19902 刘贤臣.王均乐.于建春,等.高中生焦虑及其影响因素的调查研究.中国校医,1990 3 刘贤臣.孙良民.唐茂芹,等.2462名青少年焦虑自评量表测查结果分析.中国卫生杂志,19974 范晓玲.考试焦虑量表在湖南地区的试用结果分析.中国临床心理学杂志,2000,35 王文菁.许明智.焦虑自评量表在精神疾病患者中的因子结构研究.广东医学,2009,106 陶明.高静芳.修订焦虑自评量表（SASCR）的信度及效度.中国精神病杂志,1994,97 王征宇.迟玉芬.焦虑自评量表（SAS）.上海精神医学,1984,78 刘贤臣.唐茂芹.陈琨,等.焦虑自评量表的因子分析.山东医科大学学报

21、.1995,129 王芳芳.焦虑自评量表在中学生中的测试.中国学校卫生，1994,610李春波.李晨虎.张旭,等.自我效能量表的信度及效度研究.上海精神医学,2003,12附录：表9： ）Component MatrixaComponent1234567touhun.749yunjuegan.641.167fali.593.197qutitengtong.582.116jingkong.581.330.139fafenggan.570.500xinji.556.107shuimianzhangai.542.406.315jiaolv.526.456.134haipa.512.462.294ji

22、ngzuobuneng.499.326.170.313mianbuchaohong.203.590.211.438.272weitonghuoxiaohuabuliang.349.513.197.105duohan.208.142.688emeng.282.376huxikunnan.151.190.474.298.110.250buxingyugan.408.320.575.187niaoyipinshu.123.422.235.127.588shouzucitong.475.230.451shouzuchandou.479.176.416Extraction Method: Princip

23、al Component Analysis.a. 7 omponents extracted.表10： 成份转换矩阵Component Transformation MatrixComponent12345671.690.588.374.062.128.101.0872.670.181.197.0983.211.566.578.2324.021.902.243.192.2065.740.214.4846.038.029.059.7297.410.119.392.150Extraction Method: Principal Component Analysis. Rotation Method

24、: Varimax with Kaiser Normalization.注:（成份转换矩阵（Component Transformation Matrix）描写的是用于因子解的具体旋转，该矩阵用来从未经旋转的因子矩阵计算旋转了的因子矩阵，即未经旋转的因子负荷乘以成份转换矩阵等于旋转因子负荷。）表11： 因子得分系数矩阵Component Score Coefficient MatrixComponent1234567jiaolv.323.140.063haipa.329.067.108jingkong.326.037fafenggan.245.067.072.002.137

25、buxingyugan.480.008.060.004.095shouzuchandou.051.023.076.579qutitengtong.309.050.014.000fali.197.047.043.099.060jingzuobuneng.180.025.163.190xinji.283.025.173touhun.299.043.031yunjuegan.211.201huxikunnan.294.425.057shouzucitong.056.054.651weitong.040.467.225niaoyi.015.065.559.045duohan.054.051.512.0

26、63mianbuchaohong.104.093.555shuimianzhangai.014.449.000.039emeng.060.074.138Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. Component Scores.注：（因子模型将变量表示成公共因子的线性组合，自然也可将公共因子表示成原始变量的线性组合。上述表格实际上每列就是各个因子被原始变量表示的系数。）表12： 因子得分协方差矩阵Component Score Cova

27、riance MatrixComponent12345671.000.000.000.000.000.0002.000.000.000.000.000.0003.000.000.000.000.000.0004.000.000.000.000.000.0005.000.000.000.000.000.0006.000.000.000.000.000.0007.000.000.000.000.000.000Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalizat

28、ion. Component Scores.注（因子得分协方差矩阵描述了各个因子彼此之间的相关程度。由于各个因子和自己成完全正相关，因子主对角线上得分均为1，其它各个部分得分均为0，说明各个因子之间没有相关关系。表13：Total Variance ExplainedComponentInitial EigenvaluesExtraction Sums of Squared LoadingsRotation Sums of Squared LoadingsTotal% of VarianceCumulative %Total% of VarianceCumulative %Total% of

29、VarianceCumulative %12345678.9669.75210.70811.69512.61013.58214.55915.47716.40517.37318.35219.22820.204表14：表15：Component MatrixaComponent1234touhun.749yunjuegan.641fali.593qutitengtong.582.116jingkong.581.330.139fafenggan.570.500xinji.556shuimianzhangai.542jiaolv.526.456.134haipa.512.462.294jiangzuo

30、buneng.499.326.170shouzuchandou.479.176buxingyugan.408.320mianbuchaohong.203.590weitong.349.513.197cshoyuzucitong.475.230niaoyipinshu.123.422.235duohan.208.142.688emeng.282huxikunnan.151.190.474Extraction Method: Principal Component Analysis.a. 4 components extracted.表16Component Transformation Matr

31、ixComponent12341.725.665.168.0712.720.1823.141.8754.378.914Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.表17：Component Score Coefficient MatrixComponent1234jiaolv.246.048.115haipa.299.054jingkong.245fafenggan.268.087buxingyugan.181.011shouzuchandou.027.121.081qutitengtong.278.056.060fali.189.077.011jiangzuobuneng.181.016.147xinji.220.040.029touhun.279.009.057yunjuegan.263huxikunnan.021.013.407shouzucitong.338.029