目录
1. 量表制作与分析流程
2. 反向题目的反向编码
2.1 反向编码的目的
2.2 反向编码SPSS操作步骤
3. 量表题初测阶段的信度分析
3.1 信度分析的作用
3.2 科隆巴赫a系数的计算
3.3 初测阶段信度分析的作用
3.3.1 判断量表好坏
3.3.2 筛选量表题项
3.4 SPSS操作步骤
3.5 结果分析
1. 量表制作与分析流程
【注意】：
（1）试测问卷发放的份数至少是量表题目的5倍。比如设计了40个量表题，则至少需要收集200份问卷。
（2） 试测问卷需要进行探索性因子分析和信度分析。
信度分析的目的是把量表题目中信度不高的题项删除。
探索性因子分析的目的是对比公因子下面的量表题目和我们自己设计的维度下面的题目是否一致，如果不一致我们需要进行题项的调整，形成正式问卷。
（3）正式问卷发放的数目是量表题目的10倍，所以正式问卷的量表题目一般不超过30道。并且正式问卷收集的问卷份数必须要比试测问卷的分数多。
（4）验证性因子分析的目的：看得出的公因子的维度是否和前面探索性因子分析得到的预设维度是一致的。这里的信度分析需要汇报到论文之中。
（5）测量分析过程需要依赖于前面的步骤，可以做回归、聚类、中介效应等的分析。
测量量表制定应该注意的问题：
2. 反向题目的反向编码
2.1 反向编码的目的
负向指标（值越大越不好的指标）需要反向编码。
比如作弊现象常见程度： 1 2 3 4 5 程度越来越高，表示得分越高，教育质量越差。
所以，在进行分析前，需要进行反向编码： 5 4 3 2 1
也可以在Excel中进行反向编码，拿6减去对应的值即可。
2.2 反向编码SPSS操作步骤
第一步：点击【转换】【重新编码为相同的变量】
第二步：将需要编码的变量（负向指标）放入到【数字变量】中，在【旧值和新值】中将重现编码的规则输入进去即可。修改后的数据会放在原处，不会新增列。
3. 量表题初测阶段的信度分析
【注意】信度分析和效度分析只针对量表题，非量表题没有信度和效度分析。
初测阶段的信度分析主要是为了剔除信度不好的题目。
3.1 信度分析的作用
内在信度用的比较多，主要是看一组问题是否是测量的同一个概念。
3.2 科隆巴赫a系数的计算
a越大，信度越好。方差表示某一个题项的波动程度。方差越小，导致a越大，所以信度越好。
3.3 初测阶段信度分析的作用
3.3.1 判断量表好坏
需要分组计算不同维度的信度和效度。
参考文献：
[1]王江艳,桑发琼,邵红林,龙鑫,何云骜.高校食堂顾客满意度的模糊综合评价法[J].现代商贸工业,2020,41(02):54-55.
3.3.2 筛选量表题项
3.4 SPSS操作步骤
第一步：选择【分析】【标度】【可靠性分析】
第二步：选择【统计】【删除项后的标度】，这样才会输出删除某一个题后的Alpha信度前后变化表。
3.5 结果分析
量表题的总的可靠性为0.956.（将所有题目选进去）
这个表示将“教师能够激发学生的兴趣和学习热情”删除后，Alpha值会变为0.954.比如我们分析的时候就不选这个题目,得到：
将““教师能够激发学生的兴趣和学习热情””删除后的Alpha系数。
我们需要将删除后alpha系数大于0.956（题目全部选进去的Alpha值）删除，或者把“修正后的项与总计相关性”值较小的题目删除。
可以将SPSS中输出的表格粘贴到Excel中，对“删除项后的科隆巴赫Alpha系数”进行排序。
将信度>0.956和相关性较低的题项删除即可。
