问卷研究

SPSS信度分析

案例数据

300 行 × 14 列 Likert 量表(1-5),4 个工作满意度维度(工作内容 / 工作环境 / 薪酬福利 / 同事关系),演示分维度的 Cronbach α 信度检验 + CITC + 删项后 α。

文件名reliability.xlsx
样本量300 行
变量数14 列(4 维度 × 3-4 题)
数据用途员工满意度问卷信度检验(量表正式分析前的内部一致性验证)
变量说明工作内容 1-4(4 题)/ 工作环境 1-4(4 题)/ 薪酬福利 1-3(3 题)/ 同事关系 1-3(3 题)。

完整案例

1. 背景

某 HR 研究团队设计了一份"员工满意度问卷",含 4 个理论维度 14 个 Likert 题项。在正式做差异 / 回归分析之前,必须先做信度分析,检查每个维度的题项是否真的在测量同一概念(内部一致性 ≥ 0.7 才算合格)。这是问卷研究最经典的前置质量检查。

2. 理论与公式

信度分析关注题项内部一致性,Cronbach α 常用于衡量同一维度题项是否稳定测量同一概念。

Cronbach α

k 为题项数,σ_T² 为总分方差。

校正项总相关

用于判断题项与剩余总分的一致性。

删除项后 α

观察删除某题后整体信度是否提高。

3. 数据结构

每行 1 位员工,14 列均为 Likert 1-5 评分。题项按维度分组,命名规则采用"维度名+序号"便于一眼归类:

维度题项数变量名
工作内容4工作内容1 / 工作内容2 / 工作内容3 / 工作内容4
工作环境4工作环境1 / 工作环境2 / 工作环境3 / 工作环境4
薪酬福利3薪酬福利1 / 薪酬福利2 / 薪酬福利3
同事关系3同事关系1 / 同事关系2 / 同事关系3

反向题必须提前反向计分。如题项"我经常感到工作压力大"应改为"我从不感到工作压力大"再录入,否则会大幅拉低 α。

4. 操作步骤

  1. 登录 SPSSzero,进入 工作台 → 上传 reliability.xlsx
  2. 左侧方法栏 → 问卷研究 → 点击 信度
  3. 题项分组 中,把 4 组题分别归到 4 个维度(如 工作内容1-4 放在"工作内容"维度组下)
  4. 点击 开始分析,一次性输出 4 个维度的信度结果
信度分析变量选择截图
题项按维度分组(实际截图待补)

5. 结果表格与结果阅读

结果区按"明细 + 汇总"输出。下面展示 2 张紧凑三线表:

表1 信度分析明细(CITC + 删项后 α,N=300)
维度题项CITC删项后 αCronbach α
工作内容工作内容10.6130.7820.818
工作内容20.6400.770
工作内容30.6390.770
工作内容40.6610.760
工作环境工作环境10.6320.7900.827
工作环境20.6580.779
工作环境30.6550.780
工作环境40.6620.777
薪酬福利薪酬福利10.6610.7490.814
薪酬福利20.6870.723
薪酬福利30.6490.763
同事关系同事关系10.5600.6670.743
同事关系20.5890.636
同事关系30.5660.661
CITC 建议 > 0.4;删项后 α 若高于当前 α 说明该题可考虑删除。

本例所有题项 CITC 均 > 0.5("工作内容1" 最低 0.613),且删项后 α 均未高于现 α —— 无需删除任何题项。

表2 信度汇总
维度题项数样本数Cronbach α判定
工作内容43000.818很好
工作环境43000.827很好
薪酬福利33000.814很好
同事关系33000.743良好
α ≥ 0.9 极优;0.8-0.9 很好;0.7-0.8 良好;0.6-0.7 可接受;< 0.6 不佳

4 个维度全部通过 α ≥ 0.7 的合格门槛,量表内部一致性达标,可进入后续效度分析 / 维度合分 / 差异检验。

7. 文字分析

对 4 个维度的信度分析综合解读:

  • 工作内容(4 题):α=0.818(很好),所有题项 CITC 在 0.61-0.66 之间,删项后 α 均小于现 α —— 该维度内部一致性强,可直接合分;
  • 工作环境(4 题):α=0.827(很好),CITC 0.63-0.66,与工作内容维度同样稳定;
  • 薪酬福利(3 题):α=0.814(很好),CITC 0.65-0.69 全部较高,3 题之间紧密相关;
  • 同事关系(3 题):α=0.743(良好),是 4 个维度中信度最低的,但仍超过 0.7 合格线,CITC 略低(0.56-0.59)但删除任意一题都会降低 α,全部保留。

结论:本"员工满意度问卷"的 4 个维度全部通过信度检验(α 在 0.74-0.83 之间),无需删除题项,可进入下一步效度(KMO+Bartlett+CFA)分析和正式建模。

8. 剖析提醒

不同理论维度不要混在一起一次性做信度;反向题未处理会显著拉低 α。