信度分析

先分清你要的是内部一致性、结构效度还是共同方法偏差。题项能否稳定地一起变化，用信度；题目设计是否聚成合理因子，用效度 / EFA；是否被同一测量方法带偏，用 Harman 单因子检验。

• 信度分析：2–100 个量表题项，0–1 个分组变量；输出总体 α、标准化 α、CITC 与删题后 α。

• 效度分析：KMO、Bartlett 与因子分析载荷，判断结构效度。

• 探索性因子分析：在更多题项上探索维度，而不只做「量表能否用」的总判。

• Harman 单因子检验：用未旋转第一因子方差检查共同方法偏差。

输入

至少两项或以上的定量变量或有序定类变量，一般要求数据为量表数据；可选 1 个定类变量作为分组项，用于分组独立信度检验对比。

• 量表题项：最少 2 个，最多 100 个（定量变量）。

• 分组变量：最少 0 个，最多 1 个（定类变量）。

输出

量表整体的 Cronbach's α 及标准化 α、项数与有效样本数；各题项的 CITC、删除项后 α 与文字评价。并以「题项删除后 α 变化」诊断图呈现；分组时另附各分组 α 对比图。

产品限制

• 按列同时有值才进入计算（整行在所选题项上成对删除缺失）。

• CITC < 0.3，或删除该题后 α 明显高于总体 α 时，会在洞察中标记为问题题项。

• α 的文字评价按常用区间划分：≥0.9 甚佳，≥0.8 不错，≥0.7 可以接受，≥0.6 一般。

• 分组后各组须能单独完成 α 估计，某组题项方差为 0 时该组会跳过。

• 编号列、非量表的高基数连续列不应作为题项。

研究问题。 学生问卷用 5 道李克特题测量与数学学习相关的态度与支持（数学学习兴趣、课堂专注情况、教学吸引力、家庭学习支持、数学能力自评）。研究者想先确认这 5 题能否作为一条内部一致的量表使用。

教学示例来自学生问卷表，工作表为「有效样本数据」。项数 5，有效样本 500。Cronbach's α 为 0.78，标准化 α 为 0.78。下载后可在工作台按同样题项复现本页表格。

下载教学示例表（学生问卷）

1. 步骤 1 · 上传表格

   打开工作台，将 Excel / CSV / JSON 拖入上传区。本案例使用学生问卷 xlsx，确认工作表为「有效样本数据」。单文件不超过 20 MB。

2. 步骤 2 · 查看画像与质量

   在列画像中确认 5 道量表题为定量或有序，取值在同一量尺上。反向题须已重新计分。不要把多选 0/1 或编号列拖进量表题项。

3. 步骤 3 · 选择「信度分析」

   在算法目录搜索「信度」，点选信度分析。适合/可用标记仅供参考，仍以研究问题为准。

4. 步骤 4 · 指定变量并运行

   量表题项勾选上述 5 题（最少 2 个，最多 100 个）。若要按学校类型分别看 α，把办学性质放到分组变量（最多 1 个）。点击运行分析。

5. 步骤 5 · 阅读结果

   先看总体 α 与有效 N，再逐题检查 CITC 与删除项后 α 是否上升，最后读诊断图与洞察。

下表由同一份教学示例在 StatsX 中运行信度分析得到。5 题、有效样本 500。总体 Cronbach's α 为 0.78，标准化 α 为 0.78，按常用标准属于「可以接受」（0.7 ≤ α < 0.8）。标准化 α 与未标准化 α 相同，说明各题方差接近，不必担心量尺不一致。

删除分析项表中的第二列即 CITC。本案例最低为「数学学习兴趣」0.48，仍高于 0.3；各题删除后 α 为 0.763–0.724，均未高于总体 0.78，因此没有「删掉某题反而更好」的信号。分析结论列是按删除该项后的 α给出的文字评价，不是整份量表的最终结论。

【信度分析·Cronbach α】Cronbach's α 系数为 0.78，标准化 α 为 0.78，量表内在一致性信度信度可以接受。

解读顺序建议：有效 N 与项数 → 总体 α → 是否有 CITC<0.3 → 删题后 α 是否上升 → 再决定保留或修订题目。α 可以接受只说明内部一致，不能代替效度；下一步应做效度分析，确认这 5 题是否聚在同一因子上。

设量表有 k 个题项，第 j 题的样本方差为 s_j²，k 题总分的样本方差为 s_x²。Cronbach's α 定义为：

标准化 α 先把每题除以该题标准差（零方差时该标准差按 1 处理）再代入上式，相当于基于相关矩阵的 α。题 j 的 CITC 为该题得分与其余 k−1 题总分的 Pearson 相关。删除题 j 后的 α 用剩下的题重新计算。缺失按所选题项做完整个案删除。

• α 随题数增加而升高，题很多时「α 很高」不一定等于每题质量好，必须看 CITC。

• 反向题未重新计分会把 α 压低，甚至出现负的 CITC。

• 成对删除后的有效 N 可能小于原始行数，写论文时报告表中的样本数。

• α≥0.7 是常用经验阈值，不是假设检验；不同学科可有更严或更松的惯例。

• 高 α 不能证明只测一个构想，单维性需要效度 / 因子分析。

• 不要把多选题 0/1 或互斥单选类别当作李克特量表题项。

信度通过后，常见下一步是结构效度、探索或验证因子，以及共同方法偏差检查。

• Cronbach, L. J. Coefficient alpha and the internal structure of tests. Psychometrika, 1951, 16(3): 297–334.

• 吴明隆. 问卷统计分析实务[M]. 重庆大学出版社.

• DeVellis, R. F. Scale Development: Theory and Applications. Sage.

• Nunnally, J. C., & Bernstein, I. H. Psychometric Theory. McGraw-Hill.