信度效度分析

信度效度分析第一页，共三十二页，2022年，8月28日信度一、信度的意义所谓信度是衡量没有误差的程度，也是测验结果的一致性(consistency)程度，信度是以衡量的变异理论为基础。第二页，共三十二页，2022年，8月28日二、衡量误差的意义与来源衡量误差可分为系统性误差及随机性误差。一般而言，大部份的误差是系统性的(从偏差而来)。所谓系统性误差也被视成常数性(constant)误差。而随机性误差(randomerror)则不是一种常数性误差，其原因可能来自情境因素，或者被受测者一时的情绪而影响。衡量误差可能的来源如下：

1.由回应者(respondent)产生的误差

2.由情境因素产生的误差

3.由衡量者产生的误差

4.由衡量工具产生的误差第三页，共三十二页，2022年，8月28日三、以数学的观点来解释误差四、衡量信度的方法

1.再测信度(test-retestmethod):再测信度是让同一组受测者，在前后两个时间内测验两次，以其两次测验的结果求其相关系数，而此系数称为再测信度(test-retestreliability)。第四页，共三十二页，2022年，8月28日

2.折半信度(split-halfmethod):折半信度是将受测题目分成两半，然后再以前半段之题目与后半段之题目做相关，若相关程度很高就代表折半信度很高，是考验衡量的同构型。

第五页，共三十二页，2022年，8月28日

3.复本信度(equivalent-formsmethod):为了让不同程度的受测者能够明确了解问卷题目的意思，有时候同一个测验中有甲、乙卷两种以上的复本，由一组受试者先用甲卷进行测试，同组人或另外一个人再用乙卷进行测试，用这两种测验的结果求其相关系数即为复本信度。第六页，共三十二页，2022年，8月28日

4.库李信度(Kuder-Richardsonreliability)目的在于分析问项间的一致性。在估计信度上，最常用的是库李二十号公式：其中K：表示整份测验的题数

：表整个测验中每题答对与答错百分比乘 积之总合

S2：表示测验总分的变异量第七页，共三十二页，2022年，8月28日L.J.Cronbach另创系数，其公式如下：其中，：为估计的信度 ：测验的总题数 ：测验的总变异数 ：题目与另一题目之共变数第八页，共三十二页，2022年，8月28日共变量矩阵（因素一）Sc6Sc7Sc8Sc9Sc61.047Sc70.9921.630Sc80.6671.0521.247Sc90.6430.9880.9611.218利用上述之公式，我们可以求得因素一之α值为：第九页，共三十二页，2022年，8月28日效度一、效度的意义所谓效度是指衡量的工具是否能真正衡量到研究者想要衡量的问题。第十页，共三十二页，2022年，8月28日二、效度的种类

1.内容效度(contentvalidity)：

以研究者的专业知识来主观判断所选择的尺度是否能正确的衡量研究所欲衡量的东西。

2.效标关联效度(criterion-relatedvalidity)：

所谓效标关联效度是指使用中的衡量工具和其他的衡量工具来比较两者是否具有关联性。第十一页，共三十二页，2022年，8月28日3.建构效度(constructvalidity)：如果研究者要了解某种衡量工具真正要衡量的是什么，那即是关心它的建构效度。4.学说效度(nomologicalvalidity):学说效度有时被称为“通则化的效度(lawlikevalidity)”，学说效度是基于对构念和从理论建构的正式假设而来的衡量项目的明确调查。第十二页，共三十二页，2022年，8月28日一、信度和效度的关系信度和效度及其影响因素

之关系情况一，弹痕分散于靶内各处，并无一致性可言，以衡量的术语来说即是无信度无效度。情况二，虽然弹痕很集中，即具有一致性，但是并没有在靶中心，以衡量的观点来看，则是有信度无效度。情况三，才是好的衡量，同时具有效度及信度。第十三页，共三十二页，2022年，8月28日二、影响信度效度之因素信度和效度及其影响因素

之关系第十四页，共三十二页，2022年，8月28日量表之信度与效度

潜在变数的衡量，通常是以量表或问卷做为测量工具，评估量表优良与否的准则为信度与效度。壹、信度贰、效度第十五页，共三十二页，2022年，8月28日信度1/2信度系指测验结果(受试者的回答)的稳定性及可靠性(可相信的程度)。信度的衡量有三种类型：稳定性、等值性与内部一致性。稳定性：用同一种测验对同一群受试者，前后施测两次，然后依据两次测验分数计算相关系数。等值性：交替使用一套测验的多种复本，再根据一群受试者每个人在各种复本测验之得分，计算相关

系数。内部一致性:指量表能否测量单一概念，同时反映组成量表题项之内部一致性程度。第十六页，共三十二页，2022年，8月28日信度2/2量表信度的考验方法为Cronbachα系数，判定α系数之准则如下：所有问卷题目一起执行计算Cronbachα系数。各题目单独逐题检查。每个因素构面针对其所属问卷题目，执行计算Cronbachα系数。范例一第十七页，共三十二页，2022年，8月28日范例一某研究设计一份有关“商店服务属性”之问卷初稿，为慎重起见，选取30位受测者进行前测（结果如数据文件:服务属性前测.sav）。请问这些题项在测试结果后，是否具备内部一致性？1.点选Analyze/scale/reliabilityanalysis2.程序操作3.分析结果第十八页，共三十二页，2022年，8月28日范例一2.程序操作第十九页，共三十二页，2022年，8月28日分析结果1/2α系数=0.7984，代表十五道题目测量结果之内部一致性具高可信度。若是想要再提高信度，可由”CorrectedItem-Totalcorrelation”及”CronbachAlphaifitemDeleted”两栏数字来判断删除那些题目可提高内部一致性，价格的”CorrectedItem-Totalcorrelation”数字-0.0693表示「价格」与总分间的相关非常的低，如果将之删除，则可提高α系数至0.8156。第二十页，共三十二页，2022年，8月28日分析结果2/2第二十一页，共三十二页，2022年，8月28日效度1/2量表的效度类型有三种：内容效度、效标关联效度与建构效度。内容效度 内容效度是指测量内容的适切性。效标关联效度 效标关联效度是指测量工具的内容具有预测或估计的能力。第二十二页，共三十二页，2022年，8月28日效度2/2建构效度建构效度(或称构念效度)指问卷或量表能测量到理论上的构念或特质之程度。建构效度有两类：收敛效度与区别效度。而检测量表是否具备建构效度，最常使用之方法为因素分析法。同一因素构面中，若各题目之因素负荷量(factorloading)愈大(一般以大于0.5为准)，则愈具备「收敛效度」。若问卷题目在非所属因素构面中，其因素负荷量愈小(一般以低于0.5为准)，则愈具备「区别效度」。范例二范例三第二十三页，共三十二页，2022年，8月28日范例二某研究探讨有关大卖场”商店服务属性”所应包含的内容，该研究藉由文献回顾及专家学者的删选，设计十五道题目并以五等量表为衡量尺度的问卷，以衡量”商店服务属性”。今抽取97位受访者，请其填写问卷。请问该测量结果对于”商店服务属性”的内容，是否具备建构效度？(资料文件：商店服务属性.sav)1.点选Analyze/DataReduction/Factor2.程序操作3.分析结果第二十四页，共三十二页，2022年，8月28日范例二2.程序操作第二十五页，共三十二页，2022年，8月28日分析结果-1KMO=0.806，Bartlett’stestChi-sq=426.339(Sig=0.000<0.05)，代表数据适合进行因素分析。总变异量的解释，在Principalcomponents的方法及eigenvalue>1的原则萃取下，共萃取出五个因素，累积解释变异量达65.041%。第二十六页，共三十二页，2022年，8月28日分析结果-2因素一包含6个变量，但「商店印象」问项在因素一中之负荷量小于0.5，不具收敛效度，且其在因素二中之负荷量亦达0.457，也不具备区别效度。至于「质量」问项亦有相同问题，因此必须将此两变项删除，重新执行因素分析。第二十七页，共三十二页，2022年，8月28日分析结果-3重新执行结果如下，十三个题项共萃取出四个因素构面，累积解释变异量为61.814%，虽较先前降低些，但各题项在所属的因素构面中，其因素负荷量皆大于0.5，同时在其他因素构面中则皆小于0.5，所以此测量结果，在因素分析方法下，将”商店服务属性”分成四个构面，是具备建构效度的。第二十八页，共三十二页，2022年，8月28日范例三回收的问卷在执行效度分析后，须对每一因素构面进行信度分析，由范例二中已找出各因素构面，现今检测各构面之信度。1.点选Analyze/scale/reliabilityanalysis2.程序操作3.分析结果第二十九页，共三十二页，2022年，8月28日范例三2.程序操作第三十页，共三十二页，2022年，8月28日分析结果-1构面一：服务态度、整齐干净、气氛服务、内外装潢、结账速度、信赖度，得到因素一之α=0.828。构面二： 购物便利、取得便利、广告吸引，得到因素二之α=0.588。构面三：