问卷分析效度分析详解

01 什么是有效期？

效度分析，简单来说就是问卷设计的效度和准确性

当我们为一个研究课题设计问卷时，我们都希望问题实际测量的就是我们想要测量的，这样研究数据才能准确地解释问题。

例如，我们想知道一个班级学生的综合表现。如果在正式研究中只测试一门数学，然后我们得出这样的结论，这样的研究的有效性可能很低，因为实际测量的方向和研究的方向之间存在差异。大偏差。

02 有效性分类

效度可分为内容效度、结构效度和标准效度

◆内容效度是指问卷项目衡量相关概念的合理性，通常用文字来说明问卷的有效性。例如，通过参考文献或权威来源证明问卷的权威性和有效性。此外，通过对问卷的预测试和根据结果对项目进行修订，充分证明了问卷的有效性。

（内容效度不是统计软件进行的统计方法，问卷调查基本上需要内容效度。）

◆ 建构效度，是指测量项目与测量维度的对应关系。测量方法有两种，一种是探索性因素分析，另一种是验证性因素分析。其中，探索性因素分析是应用最广泛的构念效度测量方法。使用探索性因素分析进行​​效度验证时，应以量表为准，对变量或量表进行单独分析。

◆ 标准效度，如果之前有权威、标准的量表数据，该量表仍用于研究问卷效度检验方法，并收集一份数据。以以往权威标准数据为标准，对当前数据与以往数据进行相关性分析。如果相关系数值较高，则说明该准则的效度较好。

03 案例申请

背景

设计问卷调查消费者购买产品的意愿及其影响因素（共5个因素：因素产品、促销、渠道促销、价格、个性化服务）。共25题（均为量表题），其中Q1~Q15与影响因素有关，Q16~Q19为购买意向对应项。现在我希望分析量表的有效性。如果有不合理的项目，将被删除处理。

脚步

◆这里是一个探索性因素分析来验证问卷的有效性水平

（1）在左侧分析方法菜单栏中找到【问卷调查】->【有效性】

(2) 将变量Q1~Q15拖到右边的分析框

(3) 设置输出因子的个数。预计有 5 个维度，因此将因子数设置为 5。如果没有确定预期维度，您也可以选择让系统输出。

(4) 点击“开始效度分析”

输出结果

分析结果

第一步：首先分析KMO值

KMO值为0.870，大于0.6，表示数据有效。同时，旋转后累积方差的解释率为69.708%>50%，说明可以有效提取研究项目的信息。

第二步：分析项目与因素的对应关系

可以看出，所有项目的共同度都大于0.4。除Q6与预期维度不对应外，其他项目均与预期对应一致，且该项目的因子载荷系数绝对值均高于0.4。因此，Q6被删除并再次分析。

项目符合预期对应，说明效度良好，与专业情况完全一致。

第 3 步：总结分析

效度分析采用探索性因素分析。15个量表项目分为5个维度。Q6删掉一题后，最后剩下14题。这14项与维度关系良好，符合专业预期。. 从上表可以看出，KMO值是0.870>0.6，通过Barth的球形检验，累积方差解释率为69.708%，说明可以从五个维度中提取大部分项目信息。因此，可以得出结论，研究数据具有良好的结构效度水平。

04 总结

◆效度分析只针对量表问题，如非量表问题可以用文字形式描述来衡量问卷的效度

◆如果KMO值过低，可以删除共同度低的项目重新分析

◆效度分析中，很有可能需要删除条目，使维度和条目的对应关系达到预期。最关键的一点是维度和项目的对应关系是否符合专业期望；其他指标都比较容易达标，最重要的一点是：关键是要保持维度和item项对应关系的基本一致性

◆无论如何，效度分析不达标。考虑单独分析单个维度。如果有多个维度，多分析几次（同一维度的项目一起分析问卷效度检验方法，只需要删除因子载荷系数值低于0.4的项目即可。可以，不考虑多个之间的逻辑对应关系）方面）

◆如果在分析过程中删除了某个条目（即删除了该条目及其对应的数据），后续的所有分析都应以删除的问卷为标准进行分析