今天若米知识就给我们广大朋友来聊聊问卷效度检验方法,以下关于观点希望能帮助到您找到想要的答案。
spss相关分析数据不适用怎么办
答需要重新设计问卷。根据查询相关公开信息显示，spss信度和效度分析显示不适用需要重新设计问卷，发放问卷，一个是信度检验，另一个是效度检验，两个检验方式是相互独立的，但是检验结果又是相辅相成的，需要一起拿来做分析。spss是统计产品与服务解决方案软件，最初软件全称为社会科学统计软件包，但是随着SPSS产品服务领域的扩大和服务深度的增加，SPSS公司已于2000年正式将英文全称更改为统计产品与服务解决方案。
我在做SPSS的信度效度分析，可是信度不好，怎么改才能比较可靠？
答一般我们做的所谓信度都是alpha系数，这个指标其实是对你问卷所用的题目的内部一致性，即内部相关的一种检测，相关越高，代表信度越好，那你就要想办法提高项目间的相关。一般就两种法子，第一，增加题目，自己根据理论依据和自己的合理论证给问卷添加符合其概念的题目，好题目（同质的题目）加的越多，信度越好，第二，删题目，把和其他项目明显不一样的题目删掉，也能增加alpha系数值，至于删哪个，你可以根据spss求alpha系数的操作来进行，在spss里面选分析——可靠性分析——然后在对话框里面找到有一项是 如果删除该项目后所得的alpha系数，这个操作会告诉你每个题目删除后alpha系数的变化，这样你就知道该删哪个了，另外也可以根据理论依据，把不符合理论的题目删掉。
总而言之，就是增加同质的题目，删掉不同质的题目
信度是效度的必要条件，也就是说，要想效度高，首先要信度好，那么提高信度的方法也可以用来提高效度
可以说，增删题目是最常见也最有效的方法。另外的话，就是去除异常数据，把乱答的找出来，比如全部填同一个答案的，规律作答的，还可以按均值上下3个标准差去除极端值
超级糟糕的问卷效度，要如何调整？
答做量表研究的人，或多或少都曾因为量表效度不达标困扰过，尤其在很多研究领域并没有特别权威的经典量表可以引用。使用自制的量表来研究，容易信效度不达标，那么如果遇到效度非常糟糕的情况时应该怎么办呢？
在解决效度低的这个问题之前，我们不妨一起来回顾下，判断效度达标的指标都有哪些。以使用探索性因子分析检验结构效度为例：
（ 1 ） KMO >0.6 、通过巴特莱球形检验
SPSSAU效度分析 中可自动输出KMO 和 Bartlett 的检验结果。
如果KMO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)。
通过Bartlett 球形度检验意味着变量之间有一定的相关性，适合使用因子分析检验效度。
（2）分析项归类清晰
结构效度分为两种：一种是使用探索性因子分析的方法；另一种是使用验证性因子性分析。其中探索性因子分析适合非经典量表使用。
比如说预期有5个维度，但是分析后得到3个公因子，可能就是某些分析项预期与实际分析时出现了偏差，这时可以适当删减不合理的分析项，当分析项与维度的划分与专业意义上的内在逻辑结构基本一致，此时则说明数据具有较好的效度。
通常分析项的在某个因子下的因子载荷系数绝对值>0.4，即认为该分析项可以归属于这个因子下。
比如上表中的分析项d1，预期归属于因子5里，但实际在因子1里。此时就应该移出d1重新分析。
（3）其他效度分析判断指标： 共同度 、相关系数矩阵等
如果变量相关性过高，可能会存在共线性问题，区分效度较低等问题；如果相关性太低，则说明变量之间的内在联系比较弱，不适合进行因子分析。通常共同度值>0.4即可。
共同度值可在 效度分析 结果中获得，相关系数矩阵可通过SPSSAU【 通用方法 】--【 相关 】得到。
（1）怎么都划分不清维度
（2）实际分析项归类与预期维度不同
（3）有很多共同度很低的题项
（1）怎么都划分不清维度
建议每次 放入一个维度的题项 ，移出共同度低的问题。重复操作，将每个维度分析一遍，确保每个维度内部没有太糟糕的题。然后再放入全部的题目，整体分析。这样就可以看到维度之间划分得是否清晰。
（2）实际分析项归类与预期维度不同
分析项归类与预期维度不同，是一个非常常见的问题。
CFA检验流程轻参考：
建议每次放入一个维度的题项，移出共同度低的问题。重复所有维度操作一遍，确保每个维度内部没有太糟糕的题。然后再放入全部的题目，整体做一遍。这样就可以看到维度之间划分得是否清晰。
如果仍然无法解决建议可增加样本量，或重新收集数据修改量表内容。
如果结果的维度划分比较清晰，且符合专业知识认知，建议以分析结果为准，根据假设和结果，修正量表。
同样的样本数据，不同的分析思路，有可能出现结果不相同，但只要符合效度的思维概念即可。
（3）有很多共同度很低的题项
有很多共同度低的分析项，意味着分析项之间的关联性较低，通常这时候分析项归类也不好。
此时建议可以从共同度最低的分析项开始移出，依次分析直至删除所有共同度小于0.4的项，需要来回多次进行对比，找出最佳结果。
当然，最根本的改善效度的方法，还是要做好预调研工作，保证数据收集质量。设计量表时每个维度的题目出处可寻。这样做才能为后续分析工作提供便利。
通过上文，我们已经深刻的认识了问卷效度检验方法，并知道它的解决措施，以后遇到类似的问题，我们就不会惊慌失措了。如果你还需要更多的信息了解，可以看看若米知识的其他内容。
