問(wèn)卷的信度分析實(shí)例介紹

問(wèn)卷的信度分析信度Reliability即可靠性，它是指采用同樣的方法對(duì)同一對(duì)象重復(fù)測(cè)量時(shí)所得結(jié)果的一致性程度。信度指標(biāo)多以相關(guān)系數(shù)表示，大致可分為三類：穩(wěn)定系數(shù)（跨時(shí)間的一致性），等值系數(shù)（跨形式的一致性）和內(nèi)在一致性系數(shù)（跨項(xiàng)目的一致性）。信度分析的方法主要有以下四種：重測(cè)信度法、復(fù)本信度法、折半信度法、a信度系數(shù)法。其中，Crobacha信度系數(shù)法是最簡(jiǎn)單易行且常用的方法，其公式為：k-1 S2式中，k――量表所包含的總題數(shù)；工s2――量表題項(xiàng)的方差總和;is2 量表題項(xiàng)加總后方差。a系數(shù)的大小表明了問(wèn)卷表的信度髙低，一般來(lái)說(shuō)，a系數(shù)越大信度越髙，量表設(shè)計(jì)越合理，也即證明指標(biāo)或者測(cè)量項(xiàng)目的選取越好；反之，a系數(shù)越小信度越低，在這種情況下可能需要重新對(duì)問(wèn)卷量表進(jìn)行設(shè)計(jì)，剔除部分信度不高的指標(biāo)或項(xiàng)目。分量表信度指標(biāo)值的判別標(biāo)準(zhǔn)如下表：a信度系數(shù)分量表信度0.900以上非常理想0.800-0.899甚佳0.700-0.799佳0.600-0.699尚可0.500-0.599可信偏低0.500以下欠佳最好剔除對(duì)于總問(wèn)卷而言，則有如下判別指標(biāo)：a信度系數(shù)問(wèn)卷信度0.800以上非常好0.700-0.799好0.650-0.700最小可接受值0.600以下欠佳最好剔除

由于該方法簡(jiǎn)單易行，因此我們采取a系數(shù)信度法對(duì)問(wèn)卷調(diào)查的可信度進(jìn)行分析，得到結(jié)果如下表：描謎鏡計(jì)蚩N桓小倩P1器a17004-：j：.81.907a2.700■4'1.871.273a370b41.226a4?004「甥1.401aS和D4I.4&-1.4'69b170□43.1J,1.099bi加0斗■3.M'.疝b370□43.0Z.90Sb470Q4'3.001.072b570□43.16.830C170p■42.111.553c270-04-61；4'39t3;70D■4276.882c470b4.：2.81.820t5700-4'2.E1.907cB70142-.B6.55Sd170042.561.352d2yo□42-461.4110370□41.345d47004■2.471.412d570041.84-1.439e1700■42.331.064e27004-2741.005盼7Q-D'42,59-.913e4有效的N 狀態(tài)）7070Q4.工7T1.135變量代號(hào)均值方差a系數(shù)a12.8111.668a21.878.895推廣態(tài)度a31.8.0380.630a48.007.333a58.478.282b112.3012.445b212.3612.146生態(tài)效益b312.3611.8270.926b412.4311.959b512.2712.606

c113.2011.670c213.1611.294補(bǔ)貼政策c312.5613.4100.780c412.5013.094c512.7012.619c612.4614.513d110.1718.057d210.2716.288感知質(zhì)量d310.3316.8040.915d410.2616.078d59.8917.726e18.106.613感知價(jià)格e27.694.9140.711e37.845.091e47.665.156總問(wèn)卷0.912修正后總問(wèn)卷0.913由上表可以看到，推廣態(tài)度的分量表的信度為0.630，不能達(dá)到我們的預(yù)期值。我們可以根據(jù)題目刪減來(lái)修正信度，這里提供一個(gè)修正標(biāo)準(zhǔn)，如果刪掉該對(duì)應(yīng)題目，問(wèn)卷的cronbachalpha值就會(huì)變化，一旦出現(xiàn)大幅升高，則說(shuō)明該行對(duì)應(yīng)得題目可以考慮刪去，以提高問(wèn)卷的內(nèi)部一致性信度（《spss在商務(wù)管理中的應(yīng)用》衛(wèi)海英主編）。在操作中發(fā)現(xiàn)若把第一個(gè)問(wèn)題刪去可得推廣態(tài)度的分量表的信度為0.720，這樣使得這五個(gè)變量的信度都大于0.7，并且修正后總問(wèn)卷信度為0.913遠(yuǎn)大于0.8，也說(shuō)明了本研究的問(wèn)卷有一定的可靠性。由于Crobacha系數(shù)受量長(zhǎng)表的影響較大并且本問(wèn)卷分量表有25個(gè)條目，出于嚴(yán)謹(jǐn)考慮我們需要測(cè)量量表?xiàng)l目間的相關(guān)矩陣系數(shù)，并計(jì)算總相關(guān)系數(shù)。如下表：各變量項(xiàng)目間相關(guān)系數(shù)a1a2a3a4a5a11.000.1530.0020.0390.151a20.1531.000.3680.3080.150a30.0020.3681.000.5010.427a40.0390.3080.5011.000.589a50.1510.1500.4270.5891.00b1b2b3b4b5

b11.000.4910.5600.3470.355b20.4911.000.5590.4940.510b30.5600.5591.000.4640.488b40.3470.4940.4641.000.545b50.3550.5100.4880.5451.00c1c2c3c4c5c6c11.000.4250.1850.2630.3920.142c20.4251.000.3050.3610.4340.139c30.1850.3051.000.5080.2830.490c40.2630.3610.5081.000.5540.367c50.3920.4340.2830.5541.000.491c60.1420.1390.4900.3670.4911.00d1d2d3d4d5d11.000.4420.3740.4360.342d20.4421.000.4440.4720.311d30.3740.4441.000.4500.288d40.4360.4720.4501.000.383d50.34203110.2880.3831.00e1e2e3e4e11.000.1950.1990.162e20.1951.000.4190.327e30.1990.4191.000.318e40.1620.3270.3181.00由上表可看出，推廣態(tài)度5個(gè)條目中相關(guān)系數(shù)最大的值為0.589，可說(shuō)明各條目間并非多重線性關(guān)系。同理，其他四項(xiàng)變量的各條目的相關(guān)系數(shù)最大值分別為0.560、0.554、0.472和0.419，都不算大，可證明各變量測(cè)量項(xiàng)目間均不存在多重線性關(guān)系。綜上所述，各量表及量表下指標(biāo)的設(shè)置較為合理。Logistic模型分析模型介紹Logistic回歸為概率性非線性回歸模型，是研究分類觀察結(jié)果（y）與一些影響因素（x）之間關(guān)系的一種多變量分析方法。一般多元線性回歸的因變量為確定的值，而logistic回歸為概率型回歸，通常用極大似然估計(jì)法來(lái)估計(jì)個(gè)變量的系數(shù)，用于求解因變量Y為分二項(xiàng)或多項(xiàng)的問(wèn)題。根據(jù)本文需要，把“是否愿意購(gòu)買”作為二分變量因變量（即Y只有0和1兩個(gè)選項(xiàng)），選取事先預(yù)測(cè)與因變量有關(guān)的收入、年齡以及問(wèn)卷主題中五個(gè)變量作為該模型的自變量，通過(guò)問(wèn)卷所得數(shù)據(jù)并借助SPSS軟件進(jìn)行分析求解，得出結(jié)論。模型的檢驗(yàn)方法介紹：logistic模型的檢驗(yàn)可分為對(duì)建立的整個(gè)模型作檢驗(yàn)和對(duì)單個(gè)變量的系數(shù)作檢驗(yàn)。關(guān)于對(duì)整個(gè)模型的檢驗(yàn)，我們可以借助SPSS軟件運(yùn)行結(jié)果，參照test值，計(jì)分檢驗(yàn)和wald檢驗(yàn)值。而關(guān)于對(duì)單個(gè)變量的系數(shù)作檢驗(yàn)，則根據(jù)數(shù)理統(tǒng)計(jì)中假設(shè)檢驗(yàn)的顯著性水平才衡量。在檢驗(yàn)中把不符合要求的變量提出修正模型作進(jìn)一步分析。logistic回歸模型的檢驗(yàn)方法有很多種，其中，PersonX2檢驗(yàn)法和Homer-lemehow檢驗(yàn)法是SPSS所提供的兩種整體模型系數(shù)的顯著性方法。如果，PersonX2檢驗(yàn)的檢驗(yàn)結(jié)果P<0.05說(shuō)明模型中至少有一個(gè)自變量能有效預(yù)測(cè)模型在因變量的概率。而Homer-lemehow檢驗(yàn)法則則恰好相反，檢驗(yàn)結(jié)果P>0.05說(shuō)明模型的顯著性很好。在邏輯斯回歸分析中，最理想的回歸模型是PersonX2檢驗(yàn)值統(tǒng)計(jì)量p<0.05而HL統(tǒng)計(jì)量p>0.05。如果出現(xiàn)PersonX2檢驗(yàn)值統(tǒng)計(jì)量p<0.05及HL統(tǒng)計(jì)量p>0.05的情況，即表明回歸模型適配度不佳，則可從自變量的相關(guān)矩陣來(lái)判別，看自變量間是否存在高度共線性問(wèn)題。Logistic回歸模型建立分析本文二值Logistic模型只要為了研究節(jié)能家電的生態(tài)效益、推廣態(tài)度、所提供的產(chǎn)業(yè)政策以及消費(fèi)者的年齡、月收入、對(duì)節(jié)能家電的感知價(jià)格和感知質(zhì)量這些變量對(duì)消費(fèi)者購(gòu)買意愿的影響。其中，節(jié)能家電的生態(tài)效益、推廣態(tài)度、所提供的產(chǎn)業(yè)政策、消費(fèi)者的感知價(jià)格和感知質(zhì)量是通過(guò)量表打分屬于連續(xù)變量，可直接代入模型中作回歸；而間斷變量年齡和收入可借助SPSS軟件轉(zhuǎn)換為虛擬變量后，與其他變量一起回歸。先考慮自變量月收入，本文分為4組，則需選定一個(gè)參照組并建立三個(gè)虛擬變量，下表中選取第4組為參照組，“月收入虛擬1”為第一組和第四組的對(duì)比，其他同理。則虛擬變量轉(zhuǎn)換如下：

月收入（原始變量）月收入虛擬1月收入虛擬2月收入虛擬313000元以下10023000—6000元01036000—10000元001410000元以上000同樣把自變量年齡分為4組，選擇第四組為參照組，虛擬變量轉(zhuǎn)換如下：年齡（原始變量）年齡虛擬1年齡虛擬2年齡虛擬3130歲以下100231—40歲010340—50歲001450歲以上000下面進(jìn)行本文的二值logistic回歸分析過(guò)程，在隨機(jī)抽取的70份問(wèn)卷中，未分類之前對(duì)節(jié)能家電有購(gòu)買意愿的有48位，占68.57%；無(wú)購(gòu)買意愿的有22位，占31.43%。如下表已觀察已預(yù)測(cè)購(gòu)買意愿修正百分比不購(gòu)買 購(gòu)買不購(gòu)買購(gòu)買意愿不購(gòu)買購(gòu)買0220048100總計(jì)百分比68.57模型的適配度檢驗(yàn)結(jié)果如下表：卡方自由度顯著性步驟6.29860.039區(qū)塊6.29860.039模型6.29860.039卡方自由度顯著性5.61280.691由表可知：六個(gè)自變量所建立的回歸模型整體模型的PersonX2的p=0.039<0.05,homer-lemehow檢驗(yàn)的p=0.691>0.05，通過(guò)顯著性檢驗(yàn)。下表為二元logistic回歸模型的預(yù)測(cè)結(jié)果如下：

已觀察已預(yù)測(cè)購(gòu)買意愿修正百分比不購(gòu)買購(gòu)買不購(gòu)買31220.0購(gòu)買意愿購(gòu)買23794.9總計(jì)百分比74.1接著我們使用反復(fù)迭代的回歸自變量的方法求各變量的系數(shù)，在SPSS軟件的運(yùn)行下可發(fā)現(xiàn)，生態(tài)效益和年齡顯著性小可在模型中剔除，至于與其他變量的相關(guān)值如下表所示：Bdfsig推廣態(tài)度0.3410.005補(bǔ)貼政策0.6110.012感知質(zhì)量0.3210.006感知價(jià)格-0.5810.