科研星球

SPSS教程:信度分析之克朗巴哈系数(Cronbach's α)

系统视频课程及软件下载请看文末链接


信度最早由斯皮尔曼(Spearman)于1904年将其引入心理测量,指的是测验结果的一致性程度或可靠性程度。根据所关心的重点不同,信度可分为内在和外在信度两类。


内在信度指调查表中的一组问题是否测量的是同一个概念,也就是这些问题之间的内在一致性如何。最常用的内在信度指标为克朗巴哈系数和折半信度。最常用的外在信度指标是重测信度,即用同一问卷在不同时间对同一对象进行重复测量,然后计算一致程度。[1]


今天这篇文章,我们就来讲一讲克朗巴哈系数的SPSS分析过程。


1、问题与数据


某研究者拟调查患者满意度,设计了一个共包含10个题目的调查问卷,在医院随机拦访患者共292人。每一个题目都是根据Likert 7级量表进行测量的,将“非常不满意”“不满意”、“有些不满意”、“无法确定”、“有些满意”、“满意”、“非常满意”分别赋值1分到7分。研究者想要分析这10个题目的一致性,部分数据如图1。

 

1.png


2、对问题的分析


在实际研究中,很多事物或态度是不能直接被测量的,研究者们常设计一组题目间接反映它们的真实情况。但这些题目是否可以实现研究目的,就需要我们通过统计手段进一步分析了。如在本研究中,研究者设计了测量患者满意度的10个题目,并希望判断它们的一致性。针对这种情况,我们可以使用Cronbach's α分析。


Cronbach's α分析主要用于评价连续变量和有序分类变量的一致性,适用于本研究的研究数据。


3、SPSS操作


在主界面点击Analyze→Scale→Reliability Analysis,将变量Q1- Q10放入Items框内,设置Model为Alpha,一般SPSS的默认设置为Alpha,如图2。


2.png


点击Statistics,在Descriptives for中点选Item,Scale和Scale if item deleted,在Inter Item中点选Correlations,Continue→OK。如图33。


3.png


4、结果解释


4.1 总体结果


SPSS输出的Cronbach's α检验结果包括很多。其中,第一个表格为Case Processing Summary,如图4。


4.png


从表中可以看出,本研究共有292例有效数据(Valid行),没有缺失(Excluded行),总样本量为292例(Total行)。


Cronbach's α系数的结果如图5。


5.png


本研究中测量患者满意度的10个题目的Cronbach's α系数值为0.741,提示这10个题目具有较高的内在一致性。一般来说,条目的一致程度与测量内容有关,Cronbach's α系数值越大提示内在一致性越强。既往研究认为,只要Cronbach's α系数大于0.7,我们就认为条目之间的一致性较好。


标准化Cronbach's α系数(“Cronbach's Alpha Based on Standardized Items”栏)是指用方差为1标化所有条目后计算的Cronbach's α系数,也称为Spearman-Brown stepped-up reliability coefficient。


4.2 分条目结果


Item Statistics输出结果如图6。


6.png


在本研究中,我们将每个条目分成Likert 7级,并分别给每个级别赋值。以Q9为例,该条目的平均值为5.10,标准差为1.32,例数为292。由此可见,Q9的平均回答接近“有些满意(赋值为5)”。汇总各条目后,结果如图7。

7.png


汇总Q1-Q10共10个条目后,均值为40.61,方差为45.53,标准差为6.75。当各条目例数一样时,汇总后的平均值就等于各条目均值的直接加和。


Item-Total Statistics表中,前两栏(Scale Mean if Item Deleted和Scale Variance if Item Deleted)分别是每当剔除一个条目后总条目的均值和方差。仍以Q9举例,如果剔除该条目,总条目的均值为35.51,刚好等于40.61-5.10,即未剔除该条目前的总均值与该条目均值的差。


每当剔除某一条目后,Cronbach's α系数的变化如图8。


8.png


从Cronbach's Alpha if Item Deleted栏可以看出,当剔除Q9条目,Cronbach's α系数从原来的0.741增加至0.757。


Cronbach's Alpha if Item Deleted栏只标注每次剔除一个条目的情况。如果我们需要考虑同时剔除多个条目的情况,只能重复SPSS操作,逐步进行。


那么,如何判断是否应该剔除某个条目呢?上表Corrected Item-Total Correlation栏中的数据是指每一个特定条目与其他条目汇总的Pearson相关系数。以Q9为例,条目Q9与其他条目汇总结果的Pearson相关系数为0.160。一般来说,如果该指标小于0.3,我们就认为该条目与其他条目的相关性不强,可以剔除。在本研究中,Corrected Item-Total Correlation栏中Q9的数值小于0.3,可考虑剔除该条目。


如果Pearson相关系数出现负值,可能是由于变量赋值的顺序不同导致的,大家需要根据专业要求对变量重新赋值。


Squared Multiple Correlation栏显示的是以某一个特定条目为因变量,其他条目为自变量进行回归的拟合程度,即R2值。该指标认为如果这些条目可以共同反映某一个潜在因素,他们之间一定可以互相解释。仍以Q9为例,如果我们以Q9为因变量,其他题目为自变量进行多重线性回归拟合,该回归的R2值为0.321。经验证,结果确实如图9。


10.png


实际上,我们检验条目之间的一致性,就是希望条目的变异可以互相解释。在本研究中,Squared Multiple Correlation栏中Q9的值为0.321,提示Q9的变异能被条目解释的比例仅为32.1%。同时还要综合其他指标的情况,来决定是否保留Q9。


5、撰写结论


本研究采用自制问卷测量患者满意度,问卷的10个问题具有较高的内在一致性(Cronbach's α为0.741)。



更多SPSS相关技巧……


相关推荐:
QQ客服
电子邮箱
淘宝官店
没有账号?