量表信效度分析課件

1、量表信效度分析及其SPSS操作調查問卷編制程序采用開放式問卷對受測對象進行集體調查，并對其中一部分對象進行訪談，了解真實情況。編寫初始問卷。對初測問卷的施測結果進行探索性因素分析，依據(jù)相關指標剔除不當題項，確定問卷的因素結構，形成正式問卷。檢驗問卷的信度和效度：內部一致性信度、分半信度、重測信度、內容效度、結構效度以及效標效度。對形成的正式問卷在群體中施測，用獲得的數(shù)據(jù)進行驗證性因素分析，進一步檢驗與修正問卷結構，并考察問卷實用性。信度分析 信度(reliability)指調查表測量結果的可靠性、穩(wěn)定性和一致性，即精確度（precision）。 一般認為信度反映測量誤差或觀察誤差也即隨機誤差引

2、起的變異程度。 常用指標：（1）重測信度 （2）分半信度 （3）內部一致性信度重測信度（test-retest reliability） 用同一調查表在不同時間對同一組調查對象進行重復測量，兩次結果間的一致性即重測信度。 通常用兩次測量的量表得分的簡單相關系數(shù)r表示，一般要求達到0.7以上。 原則上要求應在調查的主要內容還未發(fā)生變化的期間內進行。 分半信度(split-half reliability) 在一次測量后將條目分為相等但獨立的兩部分，如分前后兩個部分、按提問項目號的奇數(shù)和偶數(shù)分兩個部分。計算兩個部分的得分的簡單相關系數(shù)r，作為信度指標。 這實際上考察的是指標的一致性，因測量同一特征

3、的指標間關系密切，故具有一致性則說明結果可信。分半信度較少被應用原因：由于其結果不穩(wěn)定，因為隨機分成兩個半表的結果很多，特別是條目數(shù)量較多時。由于 系數(shù)是所有可能的分半信度的平均值，因此可以代表分半信度。 信度分析實例：某研究應用癲癇患者生活質量評定量表（QOLIE-33）對198名癲癇患者進行調查，量表結構見下表，分析該量表總的信度和各因素的信度。1.Cronbach 系數(shù)發(fā)作擔憂（sw）的Cronbach 系數(shù)2.描述統(tǒng)計量4.相關陣分析(Inter-Item Correlation Matrix) 主要考察相關系數(shù)比較大的情況。相關系數(shù)太大，提示有關條目的內容可能重復，為取舍的參考依據(jù)之

4、一。5.條目的方差分析6.多重交互作用檢驗與等均數(shù)檢驗效度分析 效度（validity）主要評價量表的準確度、有效性和正確性，即測定值與目標真實值的偏差大小。 效度意在反映某測量工具是否有效地測定到了它打算測定的內容，即實際測定結果與預想結果的符合程度。常用指標：（1）內容效度 （2）效標效度 （3）結構效度內容效度（content validity） 量表測量的內容與所要測量的內容之間的符合情況，即測定對象對問題的理解和回答是否與條目設計者希望詢問的內容一致。 內容效度的評價主要通過主觀經驗判斷一般通過專家評議打分。結構效度（construct validity） 又稱構想效度，說明量表的結

5、構是否與制表的理論設想相符，測量結果的各內在成分是否與設計者打算測量的領域一致，結果效度主要用于證實性因子分析（CFA）評價。證實性因子分析是確定存在幾個因子，以及各實測變量與各因子的關系，用實際數(shù)據(jù)擬合特定的因子模型，分析擬合優(yōu)度，評價實測指標性質與設計目標是否吻合。將量表的每個條目作為一項指標，分析所有指標的內在公因子。如果因子分析提取的公因子與聊表設計時確定的各領域有密切的邏輯關系，則說明量表具有較好的結構效度。主成分分析（principal components analysis） 通過對原始指標相互關系的研究，找出少數(shù)幾個綜合指標，這些綜合指標是原始指標的線性組合，既保留了原始指標的

6、主要信息，又互不相關。 從眾多原始指標之間相互關系入手，尋找少數(shù)綜合指標以概括原始指標信息的多元統(tǒng)計方法稱為主成分分析。 主成分分析可以視為一種探索性方法。主成分分析目的： 用較少個數(shù)的綜合指標來反映全部原始指標中的主要信息，因此主成分的個數(shù)總是小于原始指標的個數(shù)。主成分個數(shù)選取的原則：以累計貢獻率來確定：當前k個主成分的累積貢獻率達到某一特定值時（一般大于70%為宜），則保留前k個主成分。以特征值大小來確定：即若主成分的特征值大于等于1則保留，否則就去掉該主成分。結合主成分的實際含義來定。 因子載荷：是指第i個主成分與第j個原始指標之間的相關系數(shù)，它反映了主成分與原始指標之間聯(lián)系的密切程度與

7、作用的方向。 因子載荷矩陣：由因子載荷所構成的矩陣。因子分析（factor analysis） 醫(yī)學研究中有一些現(xiàn)象是難以直接觀測的，稱為不可測現(xiàn)象，只能通過其他多個可觀測的指標來間接反映。由于各個可觀測指標都不同程度地反映了不可測現(xiàn)象，因此這些可測指標之間呈現(xiàn)出一定的相關性。 因子分析就是一種從分析多個原始指標的相關關系入手，找到支配這種相關關系的有限個不可觀測的潛在變量，并用這些潛在變量來解釋原始指標之間的相關性或協(xié)方差關系的多元統(tǒng)計分析方法。 因子旋轉 建立因子分析模型的目的：不僅是找出公因子，更重要的是弄清楚各公因子的專業(yè)意義。 很多情況下，因子分析的主成分解、主因子解及極大似然解中的

8、各公因子的典型代表變量并不突出，使各因子的專業(yè)意義難于解釋，達不到因子分析目的。 因子旋轉的作用：通過旋轉使每一公因子上因子載荷向0和1兩極分化，造成盡可能大差別，以使各公因子盡可能支配不同的原始指標，從而使各公因子具有較為清晰的專業(yè)意義。 方法：（1）正交旋轉：因子正交旋轉、四次方最大 旋轉、均方最大旋轉等。 （2）斜交旋轉主成分分析與因子分析不同點：主成分分析重點在綜合原始變量的信息；公因子分析則重在解釋原始變量之間的關系。主成分分析中各主成分的得分可以準確計算；因子分析中各公因子得分只能估計。 因子分析既可以降低變量維數(shù)，又可以對變量進行分類，因此廣泛應用于量表結構效度的評價。因子分析步

9、驟：（1）進行KMO檢驗及球形檢驗，判斷數(shù)據(jù)是否適于因子分析。（2）確定因子數(shù)目。（經主成分分析累計貢獻率大于70%，特征值大于1；根據(jù)研究內容確定，如以量表維數(shù)為因子數(shù)目）（3）進行旋轉變換，尋求最佳分析結果，此過程可反復嘗試。（4）計算因子得分，以備進一步分析用。 效度分析實例：在住院病人滿意度量表研制中，初步擬定的量表由5個因素共27個條目組成，即醫(yī)生服務（7個條目，d1d7），伙食供應（4個條目，f1f4），輔助科室服務（6個條目，h1h6），護理（6個條目，n1n6）和醫(yī)療環(huán)境與設施（4個條目，s1s4）。 對193名住院患者進行調查，試用因子分析驗證該量表的合理性，以評價其構建效度。KMO統(tǒng)計量：用于檢驗變量間的偏相關性是否足夠小是簡單相關量與偏相關量的一個相對指數(shù)。取值在0至1之間，其值越大，因子分析的效果越好。Kaiser認為，KMO0.9時，做因子分析的效果最理想；KMO0.05），用因子分析應慎重。 1.KMO檢驗及球形檢驗2.因子數(shù)目與特征值散點圖3.因子得分見數(shù)據(jù)文件4.主成分分析5.因子負荷矩陣（未經旋轉變換）6.因子負荷矩陣（經旋轉變換）結構效度分析補充通常運用相關法測量問卷的結構效度。各個因素與總量表應具有中高程度相關（收斂效度）各個因素之間應具有中低程度相關（區(qū)分效度）