量表信效度分析教材课件.ppt

1、量表信效度分析及其量表信效度分析及其SPSS操作操作调查问卷编制程序程序 采用开放式问卷对受测对象进行集体调查，并对其中一部分对象进行访谈，了解真实情况。 编写初始问卷。 对初测问卷的施测结果进行探索性因素分析，依据相关指标剔除不当题项，确定问卷的因素结构，形成正式问卷。 检验问卷的信度和效度：内部一致性信度、分半信度、重测信度、内容效度、结构效度以及效标效度。 对形成的正式问卷在群体中施测，用获得的数据进行验证性因素分析，进一步检验与修正问卷结构，并考察问卷实用性。信度分析信度分析 信度(reliability)指调查表测量结果的可靠性、稳定性和一致性，即精确度（precision）。 一般

2、认为信度反映测量误差或观察误差也即随机误差引起的变异程度。 常用指标：（1）重测信度 （2）分半信度 （3）内部一致性信度 重测信度（重测信度（test-retest reliability） 用同一调查表在不同时间对同一组调查对象进行重复测量，两次结果间的一致性即重测信度。 通常用两次测量的量表得分的简单相关系数r表示，一般要求达到0.7以上。 原则上要求应在调查的主要内容还未发生变化的期间内进行。 重测信度评价要对每个个体进行两次测量，比较麻烦。为此，人们更愿意采用一次性测量的评价方法，分半信度正是如此。 分半信度分半信度(split-half reliability) 在一次测量后将条目

3、分为相等但独立的两部分，如分前后两个部分、按提问项目号的奇数和偶数分两个部分。计算两个部分的得分的简单相关系数r，作为信度指标。 这实际上考察的是指标的一致性，因测量同一特征的指标间关系密切，故具有一致性则说明结果可信。分半信度较少被应用原因：分半信度较少被应用原因：由于其结果不稳定，因为随机分成两个半表的结果很多，特别是条目数量较多时。由于 系数是所有可能的分半信度的平均值，因此可以代表分半信度。 内部一致性信度内部一致性信度(internal consistent reliability) 是分半信度的推广。无需将条目分为两个部分，而是以条目之间的联系程度对信度作出估计。 通常用克朗巴赫

4、系数（Cronbachs alpha）表示，它取值在0到1之间，其值越大，信度越高。一般认为克朗巴赫 系数应达到0.7以上。 系数根据一次测量的结果即可算得，使用简便，利用信息充分，在实际工作中广为采用。 信度分析实例：某研究应用癫痫患者生活质量评定量表（信度分析实例：某研究应用癫痫患者生活质量评定量表（QOLIE-33）对对198名癫痫患者进行调查，量表结构见下表，分析该量表总的信度名癫痫患者进行调查，量表结构见下表，分析该量表总的信度和各因素的信度。和各因素的信度。1.Cronbach 系数系数Reliability StatisticsReliability Statistics.939

5、.94132CronbachsAlphaCronbachsAlpha BasedonStandardizedItemsN of Items发作担忧（发作担忧（sw）的）的Cronbach 系数系数Reliability StatisticsReliability Statistics.883.8825CronbachsAlphaCronbachsAlpha BasedonStandardizedItemsN of Items sw:0.883 oq:0.751 ew:0.780 ef:0.758 cog:0.871 me:0.804 sf:0.849 cn:0.567 除因素cn外，均大于0.

6、70，可以说各个因素的内部一致性信度较高。2.描述统计量描述统计量Item StatisticsItem Statistics43.7431.22219850.2432.77819844.1934.59919841.9234.41319837.2530.51419857.1220.20919854.8015.80219864.6525.85819858.8926.29019857.9824.92519865.1532.30119855.9629.13019849.3923.90019855.6625.15619865.3525.52219862.9325.20019855.1528.79519

7、846.3030.15219855.1529.42319858.5930.85919867.6828.17019843.0329.85419834.5029.35919840.1531.92619845.4532.33019854.7534.38619856.3431.08619858.3337.95219839.9033.96819844.9532.35319867.4234.71319863.1334.233198发作担忧1发作担忧2发作担忧3发作担忧4发作担忧5总生活质量1总生活质量2感情幸福1感情幸福2感情幸福3感情幸福4感情幸福5精力/疲劳1精力/疲劳2精力/疲劳3精力/疲劳4认知1

8、认知2认知3认知4认知5认知6药物作用1药物作用2药物作用3社会功能1社会功能2社会功能3社会功能4社会功能5中国调适1中国调适2MeanStd. DeviationNS Sc ca al le e S St ta at ti is st ti ic cs s1696.03317079.3563.09832MeanVarianceStd. DeviationN of Items3.条目的敏感性分析条目的敏感性分析I It te em m- -T To ot ta al l S St ta at ti is st ti ic cs s1652.30294214.998.646.706.93616

9、45.80291278.179.699.806.9351651.84293432.767.599.696.9361654.12290555.642.683.834.9351658.79297179.371.570.658.9371638.91304621.344.540.646.9371641.24307583.545.528.648.9381631.39302259.684.498.527.9371637.14305355.162.380.469.9381638.05304189.376.446.649.9381630.88292912.206.661.762.9361640.0729775

10、8.191.581.748.9371646.64299110.271.666.645.9361640.38301429.770.544.648.9371630.68300428.503.572.728.9371633.10301851.058.527.675.9371640.88295155.851.674.734.9361649.74296527.887.598.747.9361640.88295540.745.646.799.9361637.45296698.616.578.615.9371628.36297321.992.617.680.9361653.00297171.902.584.

11、663.9371661.53302172.780.435.662.9381655.88302359.191.390.840.9391650.58300154.596.448.827.9381641.29294566.036.571.649.9371639.70294780.886.632.777.9361637.70295806.086.480.719.9381656.13291791.903.658.771.9361651.08290923.117.719.810.9351628.61299863.158.421.556.9391632.90306101.557.259.483.940发作担

12、忧1发作担忧2发作担忧3发作担忧4发作担忧5总生活质量1总生活质量2感情幸福1感情幸福2感情幸福3感情幸福4感情幸福5精力/疲劳1精力/疲劳2精力/疲劳3精力/疲劳4认知1认知2认知3认知4认知5认知6药物作用1药物作用2药物作用3社会功能1社会功能2社会功能3社会功能4社会功能5中国调适1中国调适2Scale Mean ifItem DeletedScaleVariance ifItem DeletedCorrectedItem-TotalCorrelationSquaredMultipleCorrelationCronbachsAlpha if ItemDeleted4.相关阵分析相关阵分

13、析(Inter-Item Correlation Matrix) 主要考察相关系数比较大的情况。相关系数太大，提示有关条目的内容可能重复，为取舍的参考依据之一。5.条目的方差分析条目的方差分析ANOVAANOVAa a19520191979908.728542356.33117495.36528.836.00037052996107606.73042476566138692.02661996756335978.639Between PeopleBetween ItemsResidualTotalWithin PeopleTotalSum ofSquaresdfMean SquareFSigGr

14、and Mean = 53.00The covariance matrix is calculated and used in the analysis.a. 6.多重交互作用检验与等均数检验多重交互作用检验与等均数检验ANOVA with Friedmans Test and Tukeys Test for NonadditivityANOVA with Friedmans Test and Tukeys Test for Nonadditivityb b19520191979908.728542356.33117495.36528.836.00011175.014a111175.01418

15、.471.00036941246106604.99937052996107606.73042476566138692.02661996756335978.639Between PeopleBetween ItemsNonadditivityBalanceTotalResidualTotalWithin PeopleTotalSum ofSquaresdfMean SquareFriedmansChi-SquareSigGrand Mean = 53.00Tukeys estimate of power to which observations must be raised to achiev

16、e additivity = 1.433.a. The covariance matrix is calculated and used in the analysis.b. Hotellings T-Squared TestHotellings T-Squared Test1251.38734.22031167.000HotellingsT-SquaredFdf1df2SigThe covariance matrix is calculated and used in the analysis.效度分析效度分析 效度（validity）主要评价量表的准确度、有效性和正确性，即测定值与目标真实

17、值的偏差大小。 效度意在反映某测量工具是否有效地测定到了它打算测定的内容，即实际测定结果与预想结果的符合程度。常用指标：（1）内容效度 （2）效标效度 （3）结构效度 内容效度（内容效度（content validity） 量表测量的内容与所要测量的内容之间的符合情况，即测定对象对问题的理解和回答是否与条目设计者希望询问的内容一致。 内容效度的评价主要通过主观经验判断一般通过专家评议打分。 效标效度（效标效度（criterion validity） 又称为标准关联效度，是以一个公认有效的量表作为标准（效标），检验新量表与标准量表测定结果的相关性，以两种量表测定得分的相关系数表示标准效度。 结构

18、效度（结构效度（construct validity） 又称构想效度，说明量表的结构是否与制表的理论设想相符，测量结果的各内在成分是否与设计者打算测量的领域一致，结果效度主要用于证实性因子分析（CFA）评价。 证实性因子分析是确定存在几个因子，以及各实测变量与各因子的关系，用实际数据拟合特定的因子模型，分析拟合优度，评价实测指标性质与设计目标是否吻合。 将量表的每个条目作为一项指标，分析所有指标的内在公因子。如果因子分析提取的公因子与聊表设计时确定的各领域有密切的逻辑关系，则说明量表具有较好的结构效度。主成分分析与因子分析主成分分析与因子分析 主成分分析（主成分分析（principal com

19、ponents analysis） 通过对原始指标相互关系的研究，找出少数几个综合指标，这些综合指标是原始指标的线性组合，既保留了原始指标的主要信息，又互不相关。 从众多原始指标之间相互关系入手，寻找少数综合指标以概括原始指标信息的多元统计方法称为主成分分析。 主成分分析可以视为一种探索性方法。主成分分析主成分分析目的目的： 用较少个数的综合指标来反映全部原始指标中的主要信息，因此主成分的个数总是小于原始指标的个数。主成分个数选取的主成分个数选取的原则原则： 以累计贡献率来确定：当前k个主成分的累积贡献率达到某一特定值时（一般大于70%为宜），则保留前k个主成分。 以特征值大小来确定：即若主成

20、分的特征值大于等于1则保留，否则就去掉该主成分。 结合主成分的实际含义来定。 因子载荷因子载荷：是指第i个主成分与第j个原始指标之间的相关系数，它反映了主成分与原始指标之间联系的密切程度与作用的方向。 因子载荷矩阵因子载荷矩阵：由因子载荷所构成的矩阵。 因子分析（因子分析（factor analysis） 医学研究中有一些现象是难以直接观测的，称为不可测现象，只能通过其他多个可观测的指标来间接反映。由于各个可观测指标都不同程度地反映了不可测现象，因此这些可测指标之间呈现出一定的相关性。 因子分析就是一种从分析多个原始指标的相关关系入手，找到支配这种相关关系的有限个不可观测的潜在变量，并用这些潜

21、在变量来解释原始指标之间的相关性或协方差关系的多元统计分析方法。 因子旋转因子旋转 建立因子分析模型的目的目的：不仅是找出公因子，更重要的是弄清楚各公因子的专业意义。 很多情况下，因子分析的主成分解、主因子解及极大似然解中的各公因子的典型代表变量并不突出，使各因子的专业意义难于解释，达不到因子分析目的。 因子旋转的作用作用：通过旋转使每一公因子上因子载荷向0和1两极分化，造成尽可能大差别，以使各公因子尽可能支配不同的原始指标，从而使各公因子具有较为清晰的专业意义。 方法：（1）正交旋转正交旋转：因子正交旋转、四次方最大 旋转、均方最大旋转等。 （2）斜交旋转斜交旋转主成分分析与因子分析主成分分

22、析与因子分析不同点不同点：主成分分析重点在综合原始变量的信息；公因子分析则重在解释原始变量之间的关系。主成分分析中各主成分的得分可以准确计算；因子分析中各公因子得分只能估计。 因子分析既可以降低变量维数，又可以对变量进行分类，因此广泛应用于量表结构效度的评价。因子分析因子分析步骤步骤：（1）进行KMO检验及球形检验，判断数据是否适于因子分析。（2）确定因子数目。（经主成分分析累计贡献率大于70%，特征值大于1；根据研究内容确定，如以量表维数为因子数目）（3）进行旋转变换，寻求最佳分析结果，此过程可反复尝试。（4）计算因子得分，以备进一步分析用。 效度分析实例：在住院病人满意度量表研制中，初步拟

23、定的量表由5个因素共27个条目组成，即医生服务（7个条目，d1d7），伙食供应（4个条目，f1f4），辅助科室服务（6个条目，h1h6），护理（6个条目，n1n6）和医疗环境与设施（4个条目，s1s4）。 对193名住院患者进行调查，试用因子分析验证该量表的合理性，以评价其构建效度。 KMO统计量：用于检验变量间的偏相关性是否足够小是简单相关量与偏相关量的一个相对指数。取值在0至1之间，其值越大，因子分析的效果越好。Kaiser认为，KMO0.9时，做因子分析的效果最理想；KMO0.05），用因子分析应慎重。 21.KMO检验及球形检验检验及球形检验KMO and Bartletts Test

24、KMO and Bartletts Test.8921646.130351.000Kaiser-Meyer-Olkin Measure of SamplingAdequacy.Approx. Chi-SquaredfSig.Bartletts Test ofSphericity2.因子数目与特征值散点图因子数目与特征值散点图3.因子得分因子得分见数据文件4.主成分分析主成分分析Total Variance ExplainedTotal Variance Explained10.51738.95238.95210.12537.50037.5003.56713.21213.2121.8446.82

25、845.7801.4305.29742.7973.13411.60824.8211.6456.09451.8741.0753.98146.7772.94610.91035.7311.4185.25157.125.9023.34150.1182.3218.59744.3281.1554.27761.402.7242.68352.8012.2888.47352.8011.0433.86365.265.9723.60268.867.8773.24872.114.7662.83774.952.7052.61177.563.6752.50080.062.6482.40182.464.5652.09284

26、.556.5001.85386.409.4891.80988.218.4641.71889.936.4201.55791.493.3801.40692.899.3501.29794.196.2941.09095.286.2731.01096.296.243.90097.196.196.72597.920.179.66298.582.157.58099.162.132.48899.650.094.350100.000Factor123456789101112131415161718192021222324252627Total% of VarianceCumulative %Total% of

27、VarianceCumulative %Total% of VarianceCumulative %Initial EigenvaluesExtraction Sums of Squared LoadingsRotation Sums of Squared LoadingsExtraction Method: Principal Axis Factoring.5.因子负荷矩阵（未经旋转变换）因子负荷矩阵（未经旋转变换）F Fa ac ct to or r M Ma at tr ri ix xa a.799 .800 .789 .383 .674 .819 .738 .394 .473 .492

28、 .377 .568 .359 .448 .434 .498 .437 .391 .410 .478 .438 .306 .372 .504 .828 .332.777 .375 .676 .741 .763 .408.603.479 .604.329 .435.641 .681.313 d1d2d3d4d5d6d7f1f2f3f4h1h2h3h4h5h6n1n2n3n4n5n6s1s2s3s412345FactorExtraction Method: Principal Axis Factoring.5 factors extracted. 9 iterations required.a.

29、6.因子负荷矩阵（经旋转变换）因子负荷矩阵（经旋转变换）Rotated Factor MatrixRotated Factor Matrixa a.683.304 .351 .657.363 .603.343 .441 .516 .707.323 .620.374 .672 .558 .607 .446 .417 .595 .316 .577 .474 .603 .739 .326.367.601 .362 .338.511.339 .338.444.433 .808 .696 .585 .778 .662 d1d2d3d4d5d6d7f1f2f3f4h1h2h3h4h5h6n1n2n3n4n

30、5n6s1s2s3s412345FactorExtraction Method: Principal Axis Factoring. Rotation Method: Equamax with Kaiser Normalization.Rotation converged in 13 iterations.a. 结构效度分析结构效度分析补充补充通常运用相关法测量问卷的结构效度。各个因素与总量表应具有中高程度相关（收敛效度）各个因素之间应具有中低程度相关（区分效度） 过高因素之间有重合，有些因素可能不需要 过低有的因素测的并不是所要测的要求各因素既有一定独立性，又反映出相应的归属。 心理学家Tuke指出：一个良好的问卷结构，要求各因素与总分的相关在0.30.8之间；各因素之间的相关在0.10.6之间。仍以癫痫患者生活质量评定量表（仍以癫痫患者生活质量评定量表（QOLIE-33）为例，评价其结构效度。）为例，评价其结构效度。