问卷的信度分析实例介绍

问卷的信度分析

信度Reliability即可靠性，它是指采用同样的方法对同一对象重复测量时所得结果的一致性程度。信度指标多以相关系数表示，大致可分为三类：稳定系数（跨时间的一致性），等值系数（跨形式的一致性）和内在一致性系数（跨项目的一致性）。信度分析的方法主要有以下四种：重测信度法、复本信度法、折半信度法、a信度系数法。

其中，Crobacha信度系数法是最简单易行且常用的方法，其公式为：

si2k?a?(1-2)

k-1s式中，k——量表所包含的总题数；

2?s2i——量表题项的方差总和；

s——量表题项加总后方差。

a系数的大小表明了问卷表的信度高低，一般来说，a系数越大信度越高，量表设计越

合理，也即证明指标或者测量项目的选取越好；反之，a系数越小信度越低，在这种情况下可能需要重新对问卷量表进行设计，剔除部分信度不高的指标或项目。

分量表信度指标值的判别标准如下表：

a信度系数

0.900以上

分量表信度 非常理想 甚佳 佳 尚可 可信偏低 欠佳最好剔除

0.800-0.899 0.700-0.799 0.600-0.699 0.500-0.599 0.500以下

对于总问卷而言，则有如下判别指标：

a信度系数

0.800以上

问卷信度 非常好 好 最小可接受值 欠佳最好剔除

0.700-0.799 0.650-0.700 0.600以下

由于该方法简单易行，因此我们采取a系数信度法对问卷调查的可信度进行分析，得到结果如下表：

变量

代号

a1 a2

均值

2.81 1.87 1. 8.00 8.47 12.30 12.36 12.36 12.43 12.27

方差

11.668 8.895 8.038 7.333 8.282 12.445 12.146 11.827 11.959 12.606

a系数

推广态度 a3 a4 a5 b1 b2

0.630

生态效益 b3 b4 b5

0.926

c1 c2 c3 c4 c5 c6 d1 d2

13.20 13.16 12.56 12.50 12.70 12.46 10.17 10.27 10.33 10.26 9.89 8.10 7.69 7.84 7.66

11.670 11.294 13.410 13.094 12.619 14.513 18.057 16.288 16.804 16.078 17.726 6.613 4.914 5.091 5.156 0.912 0.913

0.711 0.915 0.780

补贴政策

感知质量 d3 d4 d5 e1 e2 e3 e4

感知价格

总问卷 修正后总问卷

由上表可以看到，推广态度的分量表的信度为0.630，不能达到我们的预期值。我们可以根据题目删减来修正信度，这里提供一个修正标准，如果删掉该对应题目，问卷的

cronbach alpha 值就会变化，一旦出现大幅升高，则说明该行对应得题目可以考虑删去，

以提高问卷的内部一致性信度（《spss在商务管理中的应用》卫海英主编）。在操作中发现，若把第一个问题删去可得推广态度的分量表的信度为0.720，这样使得这五个变量的信度都大于0.7，并且修正后总问卷信度为0.913远大于0.8，也说明了本研究的问卷有一定的可靠性。

由于Crobacha系数受量长表的影响较大并且本问卷分量表有25个条目，出于严谨考虑我们需要测量量表条目间的相关矩阵系数，并计算总相关系数。如下表：

各变量项目间相关系数

a1 a2 a3 a4 a5

a1

1.00 0.153 0.002 0.039 0.151 b1

a2

0.153 1.00 0.368 0.308 0.150 b2

a3

0.002 0.368 1.00 0.501 0.427 b3

a4

0.039 0.308 0.501 1.00 0.589 b4

a5

0.151 0.150 0.427 0.589 1.00 b5

b1 b2 b3 b4 b5 c1 c2 c3 c4 c5 c6 d1 d2 d3 d4 d5 e1 e2 e3 e4

1.00 0.491 0.560 0.347 0.355 c1 1.00 0.425 0.185 0.263 0.392 0.142 d1 1.00 0.442 0.374 0.436 0.342 e1 1.00 0.195 0.199 0.162

0.491 1.00 0.559 0.494 0.510 c2 0.425 1.00 0.305 0.361 0.434 0.139 d2 0.442 1.00 0.444 0.472 0311 e2 0.195 1.00 0.419 0.327

0.560 0.559 1.00 0.464 0.488 c3 0.185 0.305 1.00 0.508 0.283 0.490 d3 0.374 0.444 1.00 0.450 0.288 e3 0.199 0.419 1.00 0.318

0.347 0.494 0.464 1.00 0.545 c4 0.263 0.361 0.508 1.00 0.554 0.367 d4 0.436 0.472 0.450 1.00 0.383 e4 0.162 0.327 0.318 1.00

0.355 0.510 0.488 0.545 1.00 c5 0.392 0.434 0.283 0.554 1.00 0.491 d5 0.342 0.311 0.288 0.383 1.00

c6 0.142 0.139 0.490 0.367 0.491 1.00

由上表可看出，推广态度5个条目中相关系数最大的值为0.589，可说明各条目间并非多重线性关系。同理，其他四项变量的各条目的相关系数最大值分别为0.560、0.554、

0.472和0.419，都不算大，可证明各变量测量项目间均不存在多重线性关系。

综上所述，各量表及量表下指标的设置较为合理。

Logistic模型分析

1.模型介绍

（x）（y）Logistic回归为概率性非线性回归模型，是研究分类观察结果与一些影响因素

之间关系的一种多变量分析方法。一般多元线性回归的因变量为确定的值，而logistic回归为概率型回归，通常用极大似然估计法来估计个变量的系数，用于求解因变量Y为分二项或多项的问题。根据本文需要，把“是否愿意购买”作为二分变量因变量（即Y只有0和1两个选项），选取事先预测与因变量有关的收入、年龄以及问卷主题中五个变量作为该模型的自变量，通过问卷所得数据并借助SPSS软件进行分析求解，得出结论。 2.模型的检验方法介绍：

logistic模型的检验可分为对建立的整个模型作检验和对单个变量的系数作检验。关于

对整个模型的检验，我们可以借助SPSS软件运行结果，参照test值，计分检验和wald检验值。而关于对单个变量的系数作检验，则根据数理统计中假设检验的显著性水平才衡量。在检验中把不符合要求的变量提出修正模型作进一步分析。

2logistic回归模型的检验方法有很多种，其中，PersonX检验法和Homer-lemehow检验法是SPSS所提供的两种整体模型系数的显著性方法。如果，PersonX检验的检验结果P?0.05说明模型中至少有一个自变量能有效预测模型在因变量的概率。而Homer-lemehow检验法则则恰好相反，检验结果P?0.05说明模型的显著性很好。在逻辑斯回归分析中,最理想的回归模型是PersonX检验值统计量p?0.05而HL统计量

22p?0.05。如果出现PersonX2检验值统计量p?0.05及HL统计量p?0.05的情况,即表

明回归模型适配度不佳，则可从自变量的相关矩阵来判别,看自变量间是否存在高度共线性问题。

3.Logistic回归模型建立分析

本文二值Logistic模型只要为了研究节能家电的生态效益、推广态度、所提供的产业政策以及消费者的年龄、月收入、对节能家电的感知价格和感知质量这些变量对消费者购买意愿的影响。其中，节能家电的生态效益、推广态度、所提供的产业政策、消费者的感知价格和感知质量是通过量表打分属于连续变量，可直接代入模型中作回归；而间断变量年龄和收入可借助SPSS软件转换为虚拟变量后，与其他变量一起回归。

先考虑自变量月收入，本文分为4组，则需选定一个参照组并建立三个虚拟变量，下表中选取第4组为参照组，“月收入虚拟1”为第一组和第四组的对比，其他同理。则虚拟变量转换如下：

月收入（原始变量） 1 3000元以下 2 3000—6000元 3 6000—10000元 4 10000元以上

月收入虚拟1

1 0 0 0

月收入虚拟2

0 1 0 0

月收入虚拟3

0 0 1 0

同样把自变量年龄分为4组，选择第四组为参照组，虚拟变量转换如下： 年龄（原始变量） 1 30岁以下 2 31—40岁 3 40—50岁 4 50岁以上

年龄虚拟1

1 0 0 0

年龄虚拟2

0 1 0 0

年龄虚拟3

0 0 1 0

下面进行本文的二值logistic回归分析过程，在随机抽取的70份问卷中，未分类之前对节能家电有购买意愿的有48位，占68.57%；无购买意愿的有22位，占31.43%。如下表：

已观察

购买意愿

不购买 购买

已预测

购买意愿

修正百分比

不购买 0 0

购买

22 48 68.57

0 100

总计百分比

模型的适配度检验结果如下表：

步骤 区块 模型

卡方 5.612

自由度 8

卡方 6.298 6.298 6.298

自由度 6 6 6

显著性 0.039 0.039 0.039 显著性 0.691

2由表可知：六个自变量所建立的回归模型整体模型的PersonX的p?0.039?0.05，

homer-lemehow检验的p?0.691?0.05，通过显著性检验。

下表为二元logistic回归模型的预测结果如下：

已观察

不购买 购买

已预测

购买意愿

不购买 3 2

购买 12 37 74.1

修正百分比

20.0 94.9

购买意愿

总计百分比

接着我们使用反复迭代的回归自变量的方法求各变量的系数，在SPSS软件的运行下可发现，生态效益和年龄显著性小可在模型中剔除，至于与其他变量的相关值如下表所示：

B df sig

推广态度 补贴政策 感知质量 感知价格 月收入 常量

由上表可知，该模型的常数项为0.68，把各变量的系数代入模型可得如下式子：

0.34 0.61 0.32 -0.58 0.72 0.68

1 1 1 1 1 1

0.005 0.012 0.006 0.023 0.000 0.000

购买意愿?0.34*推广态度?0.61*补贴政策?0.32*感知质量-0.58*感知价格?0.72*月收入?0.68

综上所述，消费者对节能家电的感知价格与其购买意愿成负相关，该变量也是显著的，而其余变量对消费者购买意愿均成正相关，并且收入的系数最大即在上述变量中，消费者的收入水平对节能家电的购买意愿的影响是最大的。

本文来源：https://www.bwwdw.com/article/f5po.html