SPSS度量问卷可靠性及其结果改进

SPSS的度量可靠性分析，实际上就是常用的信度分析，用于检验问卷的可靠性。其检验可靠性的方法包括检验问卷的跨时间、跨形式与跨项目的一致性，根据不同的检验方法，运用不同模型，如Alpha模型、折半模型等。接下来，我们通过一个实例来详细学习下SPSS度量问卷可靠性及其结果改进。

一、数据准备

本文使用的是一组品牌评价的问卷，受访者根据所给的品牌给予1-9的评分。

图1：品牌认定数据

二、可靠性分析参数设置

如图2所示，依次单击IBM SPSS Statistic的分析-刻度-可靠性分析选项。

图2：可靠性分析

如图3所示，在可靠性设置面板中，将受访者变量添加到“项”方框中，用于检验问卷的可靠性。

图3：项设置

接着，在模型设置处选择Alpha模型。该模型是一种常用的信度检验模型，适用于态度类、评价类的问卷形式，其检验的是各个题目得分的一致性。

其他如平行、严格平行等模型，需要满足同一被访者回答两次相同问卷、或同一被访者在相隔一段时间再进行测试等前提，实际操作比较困难。

图4：密码类型

三、可靠性分析结果解读

运行Alpha模型检验问卷的信度。

如图5所示，从可靠性统计表格得出问卷的Alpha值为0.733，具有一定的信度，但仍有修改的空间。一般来说，Alpha值要达到0.8-0.9才能说明问卷信度非常好；如果处于0.7-0.8之间，说明信度尚可，但仍需要进一步修改；如果小于0.6，则信度不可接受。

图5：Alpha系数

四、提高可靠性

那么，有什么办法可提高问卷的可靠性呢？

如图6所示，我们可以通过计算“删除项后的标度”（在统计设置中勾选项目）来了解不同问卷条目对量表信度的影响。

图6：统计设置

如图7所示，在项总计统计表中，可观察到删除每一个项目后的Alpha值。在删除受访者5的数据后，问卷信度可升高至0.749。

图7：删除项后Alpha值

为了测试项总计统计表的准确度，如图8所示，可在可靠性分析中拿掉“受访者5”的数据，检验准确度。

图8：删除受访者5变量

如图9所示，删除受访者5的数据后，Alpha值升高至0.749，与项总计统计表的数据一致。

图9：Alpha值

五、小结

综上所述， 通过应用SPSS度量可靠性分析，可检验问卷、量表等数据的时间、形式、项目等一致性，从而得到该数据的信度评价。而通过应用“删除项后标度”分析，可快速找出一些影响整体数据信度的“坏”数据，以进一步优化数据。