问卷星的数据怎么做信度效度分析？

问卷星spss信度效度分析步骤如下：

1、首先登录问卷星首页，会出现你创建的问卷，点击“分析&下载”，选择“查看下载答卷”选项。

2、点击“下载答卷数据”按钮，因为我们需要通过SPSS进行分析所以选择“按选项分数下载”。这样可以看到问卷数据被导出来成了Excel格式文件了。另外可根据自身需求筛选问题条件进行下载。

3、打开SPSS 260数据分析软件，点击“文件”-“导入数据”，选择“Excel”。

4、将之前从问卷星下载的问卷数据excel导入到SPSS中。

5、点击“分析”-“刻度”-“可靠性分析”。

6、信度分析仅是针对量表问题，本次问卷为标准的5度量表，1表示非常不同意，5表示非常同意意，共含有22个题项，首先检验这一份量表整体的信度。将所有的量表题选中至右侧项。模型默认选择“Alpha”。

7、点击右上角的“统计”选项，可勾选“删除项后的标度”，点击继续。

8、点击确定后就得到本次问卷整体信度分析结果如下。本次22个量表题得出问卷总体的Cronbach α系数值为082，大于08，说明样本数据总体信度质量高。

如果α系数比较低，可以查看删除项后的克隆巴赫Alpha值，该值为删除该分析项题目后，剩下分析项的α系数，若此值明显高于Cronbach α系数值，则可考虑将该分析项删除。这样就可以提高Cronbach α系数值。

9、问卷调查一般会有多个维度变量，因此接下来针对每个维度变量进行分析，比如本次问卷有感知风险这个变量，那么选中它对应的3个题项进行信度分析，得出该维度的Cronbach α系数值。另外的维度变量信度分析同理。

1、将整理好的数据导入到spss中。

2、选择分析中的“降维”→“因子分析”

3、将所有的变量都选到因子分析变量中。

4、在描述选项卡，勾选，原始数据分析和KMO和Bartlett球形度检验。

5、抽取选择主成分分析方法，其他默认即可。

6、旋转选项卡，方法选择最大方差法。

7、点击确定即可得出spss分析出的结果。本例中的结果如下图所示。KMO的值在09以上，表明非常适合做因子分析；08--09：很适合；07--08适合；06-07尚可；05--06表示很差；045以下：应该放弃。

效度分析
效度用于测量题项(定量数据)设计是否合理，通过因子分析(探索性因子分析)方法进行验证；研究人员心中预期着变量与题项对应关系；进行因子分析后，因子(即变量，使用因子分析时称因子)与题项对应关系；二者预期基本一致时，则说明具有良好效度水平正常情况下，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。
如果用户预期分析项可分为几个方面(变量)，则用户可自行设置因子个数（维度个数），如果不设置，系统会以特征根值大于1作为判定标准设定因子个数;
●因子与题项对应关系判断
假设分析题项为10个，预期分为3个因子(维度或变量)；因子与题项交叉共得到30个数字，此30个数字称作”因子载荷系数”(因子载荷系数值表示分析项与因子之间的相关程度)；针对每个分析项对应行，则有3个”因子载荷系数值”(比如0765,-0066,0093),3个数字绝对值大于04，如果其对应因子1，则说明此题项应该划分在因子1下面如下表所示:
位置，本应该在‘因子3’下面却跑到‘因子1’下面，因而‘分析项1’就属于‘张冠李戴’。针对‘张冠李戴’，一定需要将题目删除重新进行分析。
●效度分析对不合理题项进行删除
共有三种情况; 第一类：如果分析项的共同度值小于04，则对应分析项应该作删除处理；第二类：某分析项对应的”因子载荷系数”的绝对值，全部均小于04，也需要删除此分析项；第三类：如果某分析项与因子对应关系出现严重偏差，也需要对该分析项进行删除处理（此现象称作‘张冠李戴’）
●效度分析的其余判断指标
特征根值(通常使用旋转后，以大于1作为标准)，方差解释率(意义较小)，累积方差解释率(通常使用旋转后，以大于50%作为标准),KMO值(大于06作为标准)，巴特球形值对应的sig值(小于001作为标准)
效度分析
效度用于测量题项(定量数据)设计是否合理，通过因子分析(探索性因子分析)方法进行验证；研究人员心中预期着变量与题项对应关系；进行因子分析后，因子(即变量，使用因子分析时称因子)与题项对应关系；二者预期基本一致时，则说明具有良好效度水平正常情况下，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。
如果用户预期分析项可分为几个方面(变量)，则用户可自行设置因子个数（维度个数），如果不设置，系统会以特征根值大于1作为判定标准设定因子个数;
●因子与题项对应关系判断
假设分析题项为10个，预期分为3个因子(维度或变量)；因子与题项交叉共得到30个数字，此30个数字称作”因子载荷系数”(因子载荷系数值表示分析项与因子之间的相关程度)；针对每个分析项对应行，则有3个”因子载荷系数值”(比如0765,-0066,0093),3个数字绝对值大于04，如果其对应因子1

一、信度分析
信度（Reliability）即可靠性，是指采用同一方法对同一对象进行调查时，问卷调查结果的稳定性和一致性，即测量工具（问卷或量表）能否稳定地测量所测的事物或变量。信度指标多以相关系数表示，具体评价方法大致可分为三类：稳定系数（跨时间的一致性），等值系数（跨形式的一致性）和内在一致性系数（跨项目的一致性）。信度分析的方法主要有以下四种：
1、重测信度法
同样的问卷，对同一组访问对象在尽可能相同的情况下，在不同时间进行两次测量。两次测量相距一般在两到四周之内。用两次测量结果间的相关分析或差异的显著性检验方法，评价量表信度的高低。
2、折半法。折半法是将上述两份问卷合成一份问卷（通常要求这两份问卷的问题数目相等），每一份作为一部分，然后考察这两个部分的测量结果之间的相关性。
3、折半信度法
折半信度法是将调查项目分为两半，计算两半得分的相关系数，进而估计整个量表的信度。折半信度属于内在一致性系数，测量的是两半题项得分间的一致性。这种方法一般不适用于事实式问卷（如年龄与性别无法相比），常用于态度、意见式问卷的信度分析。在问卷调查中，态度测量最常见的形式是5级李克特（Likert）量表。进行折半信度分析时，如果量表中含有反意题项，应先将反意题项的得分作逆向处理，以保证各题项得分方向的一致性，然后将全部题项按奇偶或前后分为尽可能相等的两半，计算二者的相关系数（rhh，即半个量表的信度系数），最后用斯皮尔曼-布朗（Spearman-Brown）公式：
求出整个量表的信度系数（ru）。
4、α信度系数法
Cronbach α信度系数是目前最常用的信度系数，其公式为：
其中，K为量表中题项的总数， 为第i题得分的题内方差，为全部题项总得分的方差。从公式中可以看出，α系数评价的是量表中各题项得分间的一致性，属于内在一致性系数。这种方法适用于态度、意见式问卷（量表）的信度分析。
二、效度分析
效度（Validity）即有效性，它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。效度分为三种类型：内容效度、准则效度和结构效度。效度分析有多种方法，其测量结果反映效度的不同方面。常用于调查问卷效度分析的方法主要有以下几种。
1、单项与总和相关效度分析
表面效度（Face Validity）。也称为内容效度或逻辑效度，指的是测量的内容与测量目标之间是否适合，也可以说是指测量所选择的项目是否“看起来”符合测量的目的和要求。主要依据调查设计人员的主观判断。
这种方法用于测量量表的内容效度。内容效度又称表面效度或逻辑效度，它是指所设计的题项能否代表所要测量的内容或主题。对内容效度常采用逻辑分析与统计分析相结合的方法进行评价。逻辑分析一般由研究者或专家评判所选题项是否“看上去”符合测量的目的和要求。统计分析主要采用单项与总和相关分析法获得评价结果，即计算每个题项得分与题项总分的相关系数，根据相关是否显著判断是否有效。若量表中有反意题项，应将其逆向处理后再计算总分。
2、准则效度分析
准则效度（Criterion Validity）。又称为效标效度或预测效度。准则效度是指量表所得到的数据和其他被选择的变量（准则变量）的值相比是否有意义。根据时间跨度的不同，准则效度可分为同时效度和预测效度。准则效度分析是根据已经得到确定的某种理论，选择一种指标或测量工具作为准则（效标），分析问卷题项与准则的联系，若二者相关显著，或者问卷题项对准则的不同取值、特性表现出显著差异，则为有效的题项。评价准则效度的方法是相关分析或差异显著性检验。在调查问卷的效度分析中，选择一个合适的准则往往十分困难，使这种方法的应用受到一定限制。
3、结构效度分析
建构效度（Construct Validity）。是指测量结果体现出来的某种结构与测值之间的对应程度。结构效度分析所采用的方法是因子分析。最关心的问题是：量表实际测量的是哪些特征？在评价建构效度时，调研人员要试图解释“量表为什么有效”这一理论问题以及考虑从这一理论问题中能得出什么推论。建构效度包括同质效度、异质效度和语意逻辑效度。有的学者认为，效度分析最理想的方法是利用因子分析测量量表或整个问卷的结构效度。因子分析的主要功能是从量表全部变量（题项）中提取一些公因子，各公因子分别与某一群特定变量高度关联，这些公因子即代表了量表的基本结构。通过因子分析可以考察问卷是否能够测量出研究者设计问卷时假设的某种结构。在因子分析的结果中，用于评价结构效度的主要指标有累积贡献率、共同度和因子负荷。累积贡献率反映公因子对量表或问卷的累积有效程度，共同度反映由公因子解释原变量的有效程度，因子负荷反映原变量与某个公因子的相关程度。

---