在进行问卷研究时，特别是问卷中有非常多的量表题时，数据质量是基础保障，问卷研究中排在最前面的即为数据质量分析，通常包括信度和效度分析。本身进行信度或者效度分析并非难事，但最难的事情在于如果信度或者效度不达标应该如何处理。

接下来慢慢阐述信度分析（下一篇文章阐述效度分析），以及信度分析时的处理方法，如何解决出现的问题等。

信度分析，即研究样本数据是否真实可靠，通俗来讲即研究样本是否真实回答各个题项。如果样本没有真实回答，信度肯定不达标，而有时即使样本真实回答，信度也不一定达标。信度分析可以分为四类，分别是：α信度系数、折半信度、复本信度和重测信度。

(1)α信度系数，即内部一致性系数。此类信度分析最为常见，基本上所有问卷信度分析均会使用此类分析。通过软件计算出α信度系数值，并且用其进行信度水平判断。进行此分析前，首先需要对反向题进行反向操作，并且α信度系数的测量通常以最小的维度为准，而非大维度。

一般来讲：α系数最好在0.8以上，0.7~0.8之间属于可以接受范围，而分量表的α信度系数希望在0.7以上，0.6~0.7之间可以接受。如果α信度系数低于0.6则考虑修改量表。从α信度系数计算公式来看，维度对应的题项越多，以及样本量越多时，此值会越大。从笔者经验来看，如果某个维度仅由三个或者两个题项组成，并且样本量在200以下时，那么α信度系数通常会较小(低于0.6)。1个题项表达的维度无法进行α信度系数计算。

α信度系数是问卷信度分析中最为常见的分析方法，绝大多数时候使用α信度系数进行信度测量即可，笔者建议使用α信度系数进行问卷信度测量，问卷前测也类似，但问卷前测时会结合CITC和删除某项后的信度系数值进行判断是否修正或者删除题项，通常来讲，CITC值低于0.4，或者删除某项后的信度系数值反而上升0.1左右时应该考虑对题项进行修正或者删除处理。

特别提示：α信度系数（内部一致性系数）是最为常见的信度测量方法。

(2)折半信度。折半信度是将维度对应的题项按照单双号分成两组，通过计算两组题项间的相关系数，进而再通过公式计算得到折半信度系数值，并且进行衡量信度质量。心理学、教育学类经典量表常使用此类方法进行信度质量衡量。判断标准可参考α信度系数的衡量标准。此类分析方法较为少见。

(3)复本信度。复本信度是同样一组样本，一次性回答两份问卷，比如同样一组学生连续做两份同样难度水平的试卷。然后通过计算两份样本相关系数，从而进行信度质量衡量，由于实际操作过程中有诸多客观条件限制，此类分析方法较为少见。

(4)重测信度。重测信度指同样的样本，在不同的时间点回答同样一份问卷。继而计算两份数据的相关系数，并且通过相关系数去衡量信度质量。重测信度可以评估时间差异带来的误差，但实际操作中有诸多不便，因而此类分析使用较少。

α信度系数的测量最为常见。以spssau为例，将同一维度对应的题项拖拽到右侧即可。特别提示下，信度分析是以维度为单位进行分析，一个维度一定需要对应多个题项才可以，一个题项无法做信度分析。以spssau为例，共1个维度叫做‘课程质量’对应3项，进行操作如下：

点击分析得到结果如下，包括表格和智能分析。

表格中共包括三列，分别是CITC值，删除项后的信度系数值，整体信度系数值。事实上，我们进行信度分析时，更关注于整体信度系数值。首先分析α系数，如果此值高于0.8，则说明信度高；如果此值介于0.7~0.8之间；则说明信度较好;如果此值介于0.6~0.7；则说明信度可接受;如果此值小于0.6；说明信度不佳；

如果说有发现整体信度系数值不达标，此时此应该关注于CITC和删除项后信度系数值这两个指标。如果CITC值低于0.3；可考虑将该项进行删除；如果“项已删除的α系数”值明显高于α系数，此时可考虑对将该项进行删除后重新分析。删除相关项后再次进行分析即可。直至信度系数高于0.6，当然这一过程在spssau中也可以直接智能化，可参考使用。

信度分析的操作非常简单，但当数据出现问题之后如何处理，这才是关键。书籍中将解的内容都以高质量数据作为案例，但现实中数据质量通常会‘出乎意料’。

本文总结出信度不达标的几种情况，以及对应的处理办法。

整体α信度信度系数值小于0；
整体α信度信度系数值介于0~0.5之间；
整体α信度信度系数值介于0.5~0.6之间。

接着对应讲解三种情况的处理办法：

1、如果说α信度信度系数值小于0，请查看是否有反向题。何为反向题？比如有5个题表示1个维度；其中4个题数字越大说明越喜欢运动，另外1个题数字越大说明越不喜欢运动，那么此项即为反向题。需要先进行数据编码，反向处理后，使用反向处理后的数据进行信度分析。

2、整体α信度系数值介于0~0.5之间时，此时说明信度有点'不可救药'，出现此类情况通常原因有3种。一是用错方法，信度分析只针对量表题，但非量表题都放进去分析；二是问卷设计质量太糟糕，量表题的设计随心所欲完全不带一点参考；三是样本量少（比如小于50）并且一个维度仅对应2个题项，样本少信度系数值相对会较低。无论是那种情况，解决流程均是：结合CITC值和项已删除后的信度系数值，先删除掉很糟糕项，然后再接着依次循环，直至信度系数可接受可止。

3、整体α信度系数值介于0.5~0.6之间。如果说分析项仅2个，此时只能接受这种事实。如果分析项为3个或者更多，此时则需要结合CITC值进行处理，删除掉CITC值小于0.3的项后再次进行分析，以及结合’项已删除后的信度系数值‘这个指标进行删除分析项。如果说分析项仅为2个，此时没有其它办法，要么接受要么直接放弃掉该维度。

在进行信度分析时，如果说确实是量表项，而且数据真实，事实上很少会再现问题。但有两种情况是需要提前注意：

不知道量表数据才能进行信度分析。这种情况最糟糕后续是无法进行分析的。
量表数据自己乱设计，量表是相对规范的一种测量题项，需要有较强的参考文献，而且一个维度对应的量表要来自于同一个参考出处。