手把手教你SPSS信度效度分析：从零到一的操作指南

做问卷调研、写毕业论文、发期刊论文的时候，是不是总会被审稿人要求补做「信度效度分析」？刚接触科研的同学经常会懵：什么是信度？什么是效度？我用SPSS点哪几个按钮才能出结果？出了结果我该怎么看？

别担心，这篇指南从基础概念到实操步骤，再到结果解读，全部给你讲清楚，哪怕你从来没打开过SPSS，跟着一步步操作也能做对。

很多同学做问卷，收集完数据直接就做相关性、回归分析了，结果到答辩或者审稿的时候被打回来，就是因为漏了最关键的一步——信度效度检验。我们先把最核心的概念用表格整理清楚，帮你一秒区分：

举个通俗的例子：你要称自己的体重，用一台不准的体重秤，每次称出来的结果差2斤，这就是信度低；如果这台秤每次都多给你称5斤，结果很稳定，那信度够了，但测不准你的真实体重，这就是效度低。我们做问卷测量，必须保证既稳定又准确，才能往下做分析。

接下来我们就从数据准备开始，一步步操作。

很多新手操作SPSS的时候，第一步就错了——数据格式不对，后面出来的结果肯定错。我们先把数据整理好，这一步是基础，一定要仔细看。

假设你用的是李克特5点/7点量表，比如最常见的「非常不同意=1，不同意=2，一般=3，同意=4，非常同意=5」，那你的SPSS数据视图里，应该是一个变量对应一道题，一个样本对应一行。

比如你的问卷分了3个维度：

• 感知有用性：有5个题项，对应5个变量，变量名可以设为`pu1`、`pu2`…`pu5`
• 感知易用性：有4个题项，对应4个变量`peou1`…`peou4`
• 行为意向：3个题项，对应`bi1`…`bi3`

整理完大概长这样：

（图片来源：SPSS官方操作手册整理）

这里要注意！很多问卷会设计反向题，用来筛查乱答的样本，比如：

正向题：「我觉得这个APP很好用」（1=非常不同意，5=非常同意）

反向题：「我觉得这个APP很难用」（1=非常不同意，5=非常同意）

如果不把反向题重新计分，直接算α系数，结果会非常差，整个分析就错了。这里手把手教你怎么在SPSS里做反向计分转换：

第一步：打开SPSS，点击顶部菜单栏 「转换」→「重新编码为不同变量」（注意不要选「重新编码为相同变量」，改完原数据就找不回来了！）

第二步：把你要转换的反向题从左侧框选到右侧输出变量框，然后在「输出变量」的「名称」里，给新变量起个名字，比如原来叫pu3反向，新名字就叫pu3_r，点击「更改」。

第三步：点击下面的「旧值和新值」，按你的量表范围设置：

- 如果是5点量表，旧值1→新值5，旧值2→新值4，旧值3→新值3，旧值4→新值2，旧值5→新值1，添加进去。

- 如果是7点量表就是1→7，2→6…以此类推。

第四步：点击「继续」→「确定」，SPSS就会在数据最后生成一列转换好的反向题，后面分析我们就用这个新变量。

这里有个小技巧：你也可以用公式计算转换，5点计分的反向题转换公式就是 `6 - 原变量`，7点就是 `8 - 原变量`，操作路径是 「转换」→「计算变量」，输入公式点确定就可以，比重新编码更快。

整理完数据，还要把无效样本删掉，不然会拉低你的信度：

• 连续10题以上选同一个选项的，直接剔除
• 答题时间小于平均答题时间三分之一的，比如平均答完要3分钟，你1分钟不到就答完了，大概率乱填，剔除
• 测谎题答错的，直接剔除

做完这三步，你的数据就准备好了，接下来我们先做信度分析。

最常用的信度分析就是Cronbach's α系数，适合多题项的量表信度检验，我们一步一步点：

第一步：打开SPSS，点击顶部菜单栏 「分析」→「刻度」→「可靠性分析」，打开可靠性分析对话框，如图所示：

第二步：把你同一个维度下的所有题项（转换好反向题的！）都选到右侧「项目」框里。比如我们先算感知有用性这个维度的信度，就把pu1-pu5都选进去。

第三步：点击对话框右下角的「统计」，勾选你需要输出的内容：

- 勾上「描述性」里的「项」、「相关性」、「均值」

- 勾上「项之间」的「相关性」

- 勾上「删除项后的统计」，这个非常重要！它会告诉你删除这道题之后，整个维度的α会变成多少，帮你筛掉不好的题项。

勾选完长这样：

第四步：模型那里默认就是「α」（Cronbach's α），不用改，直接点击「继续」→「确定」，SPSS就会输出结果了。

SPSS输出的结果，我们主要看两个表：

第一个是「可靠性统计量表」，里面那个Cronbach's α就是我们要的核心值，合格标准是这样的：

接下来看第二个表，就是「项总计统计」，里面有一列叫「删除项后的Cronbach's α」，这个用来帮你优化题项：如果某一道题，删除之后整个维度的α比原来的α高很多，说明这道题和其他题项的一致性很差，可以考虑删掉这道题。

举个例子：原来你这个维度的α是0.72，删除pu3之后α变成0.78，那说明pu3这个题有问题，删掉之后信度更好，你就可以把它删掉，重新算一次信度。

注意：如果α已经达到0.7以上了，哪怕某道题删了之后α高一点，也尽量不要随便删题，除非差的特别多，不然会被说刻意调整结果。

每个维度都按上面的步骤算一遍，整个问卷的整体信度可以把所有题项放一起算一遍，信度分析就完成了。

效度一般分三种：内容效度、准则效度、结构效度，现在社科类研究最常用的就是结构效度，用探索性因子分析（EFA）来做，我们一步步来操作：

不是所有数据都能做因子分析，所以第一步要先做KMO检验和巴特利特球形检验，符合标准才能往下做，操作步骤：

第一步：点击SPSS顶部菜单栏 「分析」→「降维」→「因子分析」，打开因子分析对话框：

第二步：把你所有要做因子分析的题项，全部选到右侧「变量」框里。注意：这里是把所有维度的题项都放进去，不是一个维度一个维度放。比如你一共12道题，就把12道题都选进去。

第三步：点击对话框右上角的「描述」，勾选「KMO和巴特利特球形度检验」，点击「继续」，如图：

接下来设置关键参数，一步步来：

第一步：点击「提取」，选择提取因子的方法，默认是「主成分分析法」不用改；

下面的「提取」那里，选「基于特征值」，特征值大于1默认就是1，不用改，意思就是只提取特征值大于1的因子，符合我们的要求；

输出那里勾上「碎石图」，碎石图可以帮你判断应该留几个因子，很有用。

设置完如图：

第二步：点击「旋转」，旋转是为了让因子载荷更容易解释，选哪种方法呢？我们最常用的是最大方差法，所以直接勾选「最大方差法」，输出那里勾上「旋转后的解」，方便我们看结果，点击「继续」：

第三步：点击「选项」，勾选「按大小排序」，并且把「排除小系数」绝对值设为0.5，意思就是只显示大于0.5的因子载荷，结果会更清晰，不会密密麻麻一堆数，方便你看，设置完点击「继续」→「确定」，就出结果了。

这里有个小技巧：如果你是已经成熟的量表，维度划分本来就确定了，也可以直接设置提取的因子数量，就是在刚才「提取」那里选「因子的固定数量」，输入你原来的维度数就可以，比如你原来分了3个维度，就输入3，结果更符合你的预期。

我们一步一步看结果：

这个表的合格标准：

• KMO值 ≥ 0.7：适合做因子分析，效度好；
• 0.6 ≤ KMO＜0.7：勉强可以接受，适合探索性研究；
• KMO＜0.6：不适合做因子分析，说明题项设计有问题；
• 巴特利特球形检验的显著性p值必须＜0.05，才说明变量之间有相关性，可以做因子分析，如果p＞0.05，直接说明你的问卷效度不行。

比如输出结果是KMO=0.782，p＜0.001，那就是符合标准，可以继续往下看。

总方差解释率就是你的因子能解释多少总体的信息，一般要求累计方差解释率＞50%，说明你的因子能有效解释原始题项的信息，如果大于60%就非常好了。

旋转后的成分矩阵就是每个题项对应哪个因子，以及因子载荷是多少，合格标准有三个：

1. 每个题项的因子载荷都要大于0.5，如果有题项在所有因子上的载荷都小于0.5，说明这个题项区分度不好，可以删掉；

2. 每个题项只在一个因子上的载荷大于0.5，如果一个题项在两个及以上因子上的载荷都大于0.5，说明这道题交叉载荷严重，区分度不好，也建议删掉；

3. 每个因子至少包含3个题项（特殊情况至少也要2个），如果一个因子只有1个题项，说明这个维度结构不稳定，最好合并或者删掉。

举个例子：你的问卷设计了3个维度，做完因子分析之后，12道题都对应到了原来的3个因子，每个题项载荷都大于0.5，累计方差解释率62%，KMO=0.79，p＜0.001，那你的结构效度就是合格的。

很多同学做完分析，不知道怎么把结果写到论文里，给大家两个常用的模板，直接套就行：

本研究采用Cronbach's α系数检验问卷各维度的信度，使用SPSS 26.0进行分析，结果如下表所示：

| 维度 | 题项数量 | Cronbach's α系数 |

| ---- | ---- | ---- |

| 感知有用性 | 5 | 0.821 |

| 感知易用性 | 4 | 0.785 |

| 行为意向 | 3 | 0.812 |

| 整体量表 | 12 | 0.853 |

由上表可知，各维度的Cronbach's α系数均大于0.7，整体量表的α系数大于0.8，说明本研究问卷的信度良好，测量结果一致性稳定，可以进行后续分析。

本研究采用探索性因子分析检验结构效度，分析结果显示，KMO值为0.792，巴特利特球形检验显著性p＜0.001，符合因子分析的要求。共提取出3个特征值大于1的因子，旋转后累计方差解释率为62.35%，各题项的因子载荷均在0.5以上，且均对应到预设的维度，说明本问卷结构效度良好，符合研究要求。

A：如果是探索性研究，0.6-0.7之间是可以接受的，不用太担心，如果能删题提高到0.7以上最好，实在提不上也可以在讨论部分说明一下。

A：如果你的样本量比较小（小于100），0.65其实是可以接受的，如果样本量大于200，KMO最好能到0.7以上。

A：如果是用的成熟量表，最好做验证性因子分析（CFA），可以用AMOS或者SPSSPROCESS做，要求是RMSEA＜0.08，CFI、TLI都大于0.9，卡方自由度小于3，这样就是聚合效度良好。如果是本科毕业论文，一般只要求探索性因子分析就够了，具体看你的学校要求。

A：反向题不转换会直接拉低整个维度的α系数，本来信度很好，结果变成不合格，所以这一步一定不能漏。

A：效度不合格一般是题项设计有问题，看看是不是有很多交叉载荷的题，把这些题删掉之后重新做因子分析，还是不行的话就只能重新设计问卷再收数据了。

信度效度分析是社科类量化研究最基础的一步，只要你跟着上面的步骤一步步操作，其实一点都不难：

1. 先整理数据：反向题转换，剔除无效样本，格式别错；

2. 信度分析分维度算Cronbach's α，不合格就删题；

3. 效度做探索性因子分析，先看KMO和巴特利特检验，再看因子载荷和方差解释率；

4. 最后把结果整理成表格写到论文里就完成了。

现在你可以打开你的SPSS，跟着步骤走一遍，相信你很快就能做完，结果也一定能符合要求。