python 信度 效度 信度效度的指标有哪些

信度与效度

信度

信度（reliability）也就是可靠性，是指采用同样的方法对同一对象重复测量时所得结果的一致性程度，即测量数据的可靠程度。

如对于同一份问卷中的同一个问题，同一个被调查者连续3天重复回答该问题，每天的答案都不一致，则说明对于该问题调查结果的信度低。如果3天都选择相同的答案或者差异较小的答案，则在排除系统误差的条件下，说明调查结果的信度较高。

信度指标多以相关系数来表示，也就是用同一被测试样本所得的两组数据的相关系数作为测量一致性的指标，称为信度系数。

Cronbach α信度系数法

原理

$\alpha = \frac{K}{K-1}(1-\frac{\sum_{i=1}^{K}S_{i}^{2}}{S_{X}^{2}})$

$K=$某一特定问卷的题目数量
$S_{X}^{2}=$总样本的方差，即各被调查者对某一问卷各题目的评分总分的方差
$S_{i}^{2}=$目前观测样本的方差，即各被调查者在某一特定题目的评分的方差

Cronbachα信度系数是目前最常用的信度系数，是指问卷所有可能的题目划分方法得到的折半信度系数的平均值，其公式为：

α系数评价的是问卷中各题目得分间的一致性，属于内在一致性系数。

Cronbach α	信度
α ≤ 0.6	很差，量表就需要重新设计题项
0.6 ≤ α ＜ 0.7	很低，该量表应进行修订,但仍不失其价值
0.7 ≤ α ＜ 0.8	一般，但可以接受
0.7 ≤ α ＜ 0.8	很好
α ≥ 0.8	非常好

两个参数

校正的总计相关性(CITC)、项已删除的α系数

校正的总计相关性(CITC)：指定项与余下各项和之间的pearson相关系数，反应了该项与余下各项之间的相关程度。
$CITC=\rho (X,Sum)=\rho (X,Y+Z+\cdots )$
项已删除的α系数：指定项删除后余下各项之间的α系数，反应了除去该项后对其余项的信度影响。

策略与陷阱

1. 由α的公式可以看出，参与分析信度系数的项数不能低于2，否则无法计算。
2. 一般项数偏多的情况，α信度系数则会偏大。所以应尽量安排多的项目参与信度测试。
3. 正式调查之前可以使用CITC与项已删除的α系数进行预调查的信度检测，一般可以进行100份左右的调查数量。这一阶段里当CITC＜0.4或项已删除的α系数明显高于其他项则可以项已删除的α系数。
4. 信度系数Cronbach α属于内在一致性系数，只对数据在数理层面上做出了信度分析，具有的是参考意义。
5. 如果项目中存在反向题目，即题设中题目的程度方向和大部分是相反的，应该将这一项的值方向取反再参与计算。

应用

SPSS

Matlab

这里主要是利用上述公式与算法，通过使用Matlab来模拟这一过程，α系数与去项α系数算法详细这里不过多描述。为了与SPSS输出的值对照，CITC使用列向量方式输出。

function [alpha,citc]=cronbach(Data)
[M,N] = size(Data);
K = N;

% alpha
sigmaS = 0;
for i = 1:N
    sigmaS = sigmaS + var(Data(:,i));
end
Sx = var(sum(Data'));
alpha = (K/(K-1))*(1-sigmaS/Sx);
A = alpha;

% citc
citc = ones(N,1);
DATA = Data';
for i = 1:N
    Data = DATA;
    data = Data(i,:);
    Data(i,:) = [];
    Data = sum(Data);
    c = corrcoef(data,Data);
    citc(i,1) = c(1,2);
end