一、概念
信度是指采用同样的方法对同一对象重复测量时所得结果的一致性程度。
效度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。
二、一句话解释
信度分析用于测量样本回答结果是否可靠，通俗来讲，即样本有没有真实回答了问题。通常情况下，信度分析仅仅只能分析量表题项。信度分析仅针对定量数据。
效度分析用于研究题项是否有效地表达研究变量或者维度的概念信息，通俗来讲，即研究测量题项设计是否合理。正常情况下，效度分析仅仅针对量表数据，非量表题目比如多选，单选性别之类的题目不能进行效度分析。如果一定想分析效度，建议可使用‘内容效度’，即用文字详细描述问卷设计的过程，用文字的形式描述清楚问卷是做什么，有什么用处，为什么合理，而且有专家认证，这样就说明问卷设计合理有效。 三、涉及术语
汽车电子调节器
编号方法名词术语进口开关
1信度分析克隆巴赫系数，信度系数，α系数，项删除后的克隆
巴赫系数，校正的项总计相关性(CITC)，预测试
2效度分析内容效度，结构效度，探索性因子分析，验证性因
子分析
克隆巴赫系数，也称信度系数，内部致性系数，或者Cronbach's Alpha，或者α系数，此值一般大于0.7即可。项删除后的克隆巴赫系数，如果某个维度或变量对应着5个题项，那删除掉某题项后余下4个题项的信度系数值即称作“项删除后的克隆巴赫系数”，通常此指标在预测试分析中使用。预测试指在问卷初步设计之后，收集小量样本(通常100内)进行信度或者效度分析，以发现题项可能存在的问题，并且对问卷进行修正处理，得到正式问卷。校正的项总计相关性，也称CITC值，比如某维度对应5个题项，那么此5个题项之间的相关关系情况则使用此指标进行表示，通常此值大于0.4即说明某题项与另外的题项间有着较高的相关性，预测试时通常会使用“校正的项总计相关性”这一指标。 信度分析涉及的名词术语
术语说明
克隆巴赫系数用于测量信度水平，常见标准是高于0.7
项删除后的克隆巴赫系数删除某题项后的信度系数，常用于预测试
校正的项总计相关性(CITC)题项之间的相关关系，常用于预测试
信度分析类型
qq空间打开空白信度分析类型说明
α信度系数内部一致性系数，最为常见的信度测量方法
折半信度将维度对应的题项按照单双号分成两组，计算两组题项间的相关
系数，进而再通过公式计算得到折半信度系数值。
复本信度复本信度是同样一组样本，一次性回答两份问卷，然后通过计算
两份样本相关系数
重测信度重测信度指同样的样本，在不同的时间点回答同样一份问卷。然
后通过计算两份样本相关系数
针对效度分析，通常会使用内容效度，或者结构效度，或者验证性因子分析(CFA)进行效度验证。
内容效度即使用文字叙述形式对问卷合理性，科学性进行说明。结构效度通常使用探索性因子分析(EFA)进行验证，即通过探索性因子分析对题项进行分析，如果输出结果显示题项与维度对应关系，基本上与预期一致，即说明结构效度良好。结构方程模型软件AMOS或者LISREL才有验证性因子分析(CFA)分析功能，在此不做讨论。
效度分析类型
效度分析类型说明
内容效度使用文字描述量表设计的合理性
结构效度(探索性因子分析)探索性因子分析结果，与专业预期进行对比
结构效度(验证性因子分析)验证性因子分析判断量表是否合理
四、判断标准
信度：
第一：首先分析α系数，如果此值高于0.8，则说明信度高；如果此值介于0.7~0.8之间；则说明信度较好；如果此值介于0.6~0.7；则说明信度可接受；如果此值小于0.6；说明信度不佳
第二：如果CITC值低于0.3；可考虑将该项进行删除
第三：如果“项已删除的α系数”值明显高于α系数，此时可考虑对将该项进行删除后重新分析
效度：
第一：首先分析KMO值；如果此值高于0.8，则说明效度高；如果此值介于0.7~0.8之间，则说明效度较好；如果此值介于0.6~0.7，则说明效度可接受，如果此值小于0.6，说明效度不佳(如果仅两个题；则KMO无论如何均为0.5)
第二：接着分析题项与因子的对应关系；如果对应关系与研究心理预期基本一致，则说明效度良好
第三：如果效度不佳；或者因子与题项对应关系与预期严重不符，也或者某分析项对应的共同度值低于0.4(有时以0.5为标准)；则可考虑对题项进行删除
第四：删除题项共有常见标准；一是共同度值低于0.4(有时以0.5为标准)；二是分析项与因子对应关系出现严重偏差
五、信度不达标的处理方法
1.如果说α信度信度系数值小于0，请查看是否有反向题。何为反向题？比如有5个题表示1个维度；其中4个题数字越大说明越喜欢运动，另外1个题数字越大说明越不喜欢运动，那么此项即为反向题。需要先进行数据编码，反向处理后，使用反向处理后的数据进行
信度分析。
2.整体α信度系数值介于0~0.5之间时，此时说明信度有点‘不可救药'，出现此类情况通常原因有3种。一是用错方法，信度分析只针对量表题，但非量表题都放进去分析；二是问卷设计质量太糟糕，量表题的设计随心所欲完全不带一点参考；三是样本量少（比如小于50）并且一个维度仅对应2个题项，样本少信度系数值相对会较低。无论是那种情况，解决流程均是：结合CITC值和项已删除后的信度系数值，先删除掉很糟糕项，然后再接着依次循环，直至信度系数可接受可止。
3.整体α信度系数值介于0.5~0.6之间。如果说分析项仅2个，此时只能接受这种事实。如果分析项为3个或者更多，此时则需要结合CITC值进行处理，删除掉CITC值小于0.3的项后再次进行分析，以及结
合’项已删除后的信度系数值‘这个指标进行删除分析项。如果说分析项仅为2个，此时没有其它办法，要么接受要么直接放弃掉该维度。
在进行信度分析时，如果说确实是量表项，而且数据真实，事实上很少会再现问题。但有两种情况是需要提前注意：
1.不知道量表数据才能进行信度分析。这种情况最糟糕后续是无法进行分析的。即不能使用研究方法使用客观数据指标描述清楚信度情况，可以考虑使用文字描述数据的收集过程和收集方式等，以证明数据真实可靠，即信度可靠。
2.量表数据自己乱设计，量表是相对规范的一种测量题项，需要有较强的参考文献，而且一个维度对应的量表要来自于同一个参考出处。
详细说明可参考网页说明（链接）
六、效度不达标
效度不达标的情况有很多种，概括起来大概如下几类：
●KMO值或者没有通过巴特球形检验
●分析项与因子（维度）对应关系出错
主题模式●分析项与多个因子（维度）建立对应关系
●分析项没有和任何因子（维度）建立对应关系
●1个因子仅对应1个分析项
朱蒙下载●无论如何，因子（维度）与分析项间的对应关系情况，均与预期不符
上述五类情况的解决办法逐一说明如下：
KMO值或者没有通过巴特球形检验
KMO值最容易达标，巴特球形检验也非常容易达标。如果仅2个量表分析项，那么KMO值一定为0.5，因而不遵从0.6以上的判断标准。如果KMO和巴特球形检验这两项均不达标，建议直接放弃结构效度，最基础的指标都不满足，实在太糟糕的数据，直接使用内容效度即可。
分析项与因子（维度）对应关系出错
对应关系出错，这称作‘张冠李戴’现象。出现这类情况，需要将对应关系出错的分析项删除掉，然后再
次进行分析。而且一定需要尽早删除，对应关系出现偏差错误是无法接受的。分析项与多个因子（维度）建立对应关系
一个分析项与多个因子（维度）有对应关系，此类情况称作‘纠缠不清’，如果此类现象不严重，可考虑暂不处理，在多次分析删除项后再看情况而定。一般不处理‘纠缠不清’现象也可以接受。
分析项没有和任何因子（维度）建立对应关系
括地志一个分析项与任何因子都没有对应关系，该分析项没有任何存在的意义直接删除后再次进行分析。
1个因子仅对应1个分析项
如果1个因子仅对应1项，这是比较糟糕的，正常情况下，1个因子（维度）应该对应至少2项，出现此类情况，建议可直接将该项进行删除，然后在分析时描述说明清楚。
无论如何，因子（维度）与分析项间的对应关系情况，均与预期不符
有时候无论如何处理，分析项与因子（维度）对应关系均有问题，出现此类问题时，依旧是由于量表质量差所致，也有可能是样本量太少的缘故。可考虑将量表拆分成多个维度，分别进行多次因子分析，每次设置因子个数为1。
七、SPSSAU分析步骤（具体操作）
在SPSSAU（网页版SPSS）上，用户可以根据以上步骤完成分析，并且系统会针对用户数据智能化分析，给出分析建议及规范化分析结果
