量表信效(xìnxiào)分析调查(diàochá)问卷编制程序检验问卷的信度和效度：内部一致性信度、分半信度、重测信度、内容效度、结构效度以及效标效度。对形成的正式(zhèngshì)问卷在群体中施测，用获得的数据进行验证性因素分析，进一步检验与修正问卷结构，并考察问卷实用性。信度分析(fēnxī)重测信度（test-retestreliability）用同一调查表在不同时间对同一组调查对象(duìxiàng)进行重复测量，两次结果间的一致性即重测信度。通常用两次测量的量表得分的简单相关系数r表示，一般要求达到0.7以上。原则上要求应在调查的主要内容还未发生变化的期间内进行。重测信度评价要对每个个体进行两次测量，比较麻烦(máfan)。为此，人们更愿意采用一次性测量的评价方法，分半信度正是如此。分半信度(split-halfreliability)在一次测量后将条目分为相等但独立的两部分，如分前后两个部分、按提问项目号的奇数和偶数分两个部分。计算两个部分的得分的简单相关系数r，作为信度指标。这实际上考察(kǎochá)的是指标的一致性，因测量同一特征的指标间关系密切，故具有一致性则说明结果可信。分半信度较少被应用原因：由于其结果(jiēguǒ)不稳定，因为随机分成两个半表的结果(jiēguǒ)很多，特别是条目数量较多时。由于系数是所有可能的分半信度的平均值，因此可以代表分半信度。内部一致性信度(internalconsistentreliability)是分半信度的推广。无需将条目分为两个部分，而是以条目之间的联系程度(chéngdù)对信度作出估计。通常用克朗巴赫系数（Cronbach’salpha）表示，它取值在0到1之间，其值越大，信度越高。一般认为克朗巴赫系数应达到0.7以上。系数根据一次测量的结果即可算得，使用简便，利用信息充分，在实际工作中广为采用。信度分析实例：某研究(yánjiū)应用癫痫患者生活质量评定量表（QOLIE-33）对198名癫痫患者进行调查，量表结构见下表，分析该量表总的信度和各因素的信度。1.Cronbach系数(xìshù)发作担忧(dānyōu)（sw）的Cronbach系数sw:0.883oq:0.751ew:0.780ef:0.758cog:0.871me:0.804sf:0.849cn:0.567除因素cn外，均大于0.70，可以(kěyǐ)说各个因素的内部一致性信度较高。2.描述统计量/3.条目的(mùdì)敏感性分析4.相关阵分析(Inter-ItemCorrelationMatrix)主要考察相关系数比较大的情况(qíngkuàng)。相关系数太大，提示有关条目的内容可能重复，为取舍的参考依据之一。5.条目的(mùdì)方差分析6.多重交互作用检验(jiǎnyàn)与等均数检验(jiǎnyàn)效度分析(fēnxī)常用(chánɡyònɡ)指标：（1）内容效度（2）效标效度（3）结构效度内容效度（contentvalidity）量表测量的内容与所要测量的内容之间的符合情况，即测定对象对问题的理解和回答是否与条目设计者希望询问的内容一致(yīzhì)。内容效度的评价主要通过主观经验判断一般通过专家评议打分。效标效度（criterionvalidity）又称为标准关联效度，是以一个公认有效的量表作为标准（效标），检验新量表与标准量表测定结果的相关性，以两种量表测定得分(défēn)的相关系数表示标准效度。结构效度（constructvalidity）又称构想效度，说明(shuōmíng)量表的结构是否与制表的理论设想相符，测量结果的各内在成分是否与设计者打算测量的领域一致，结果效度主要用于证实性因子分析（CFA）评价。证实性因子分析是确定存在几个因子，以及各实测变量与各因子的关系，用实际数据拟合特定的因子模型，分析拟合优度，评价实测指标性质与设计目标是否吻合。将量表的每个条目作为(zuòwéi)一项指标，分析所有指标的内在公因子。如果因子分析提取的公因子与聊表设计时确定的各领域有密切的逻辑关系，则说明量表具有较好的结构效度。主成分(chéngfèn)分析与因子分析主成分分析（principalcomponentsanalysis）通过对原始指标相互关系的研究，找出少数几个综合指标，这些综合指标是原始指标的线性组合，既保留了原始指标的主要(zhǔyào)信息，又互不相关。从众多原始指标之间相互关系入手，寻找少数综合指标以概括原始指标信息的多元统计方法称为主成分分析。主成分分析可以视为一种探索性方法。主成分分析目的：用较少个数的综合指标来反映全部原始指标中的主要信息(x