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。