SPSS信度效度怎么写：手把手实操指南

如果你是刚接触科研的大学生/研究生，第一次处理问卷数据时，大概率会被导师问：“你的问卷信度效度怎么样？”——别慌，这是判断你的数据是否“靠谱”的核心指标。

简单来说：

• 信度：问卷“稳定不稳定”——比如你今天测体重是50kg，明天用同一台秤测还是50kg，这台秤的“信度”就高；如果明天变成55kg，信度就差。
• 效度：问卷“准不准确”——比如你用体重秤测身高，就算每次结果一样（信度高），但测的不是身高（效度差）。

1. 数据可靠的前提：信度<0.7的问卷，数据相当于“瞎编”，后续分析毫无意义；

2. 期刊发表的硬指标：90%以上的核心期刊要求“先展示信度效度，再做回归/方差分析”；

3. 避免返工的关键：如果前期没做信度效度，后期发现数据有问题，只能重新发问卷（血泪教训！）。

在打开SPSS之前，先完成这3步，否则会浪费大量时间返工！

不同的数据类型对应不同的信度效度方法。先对照下表自查：

注意：90%的社科问卷都是“量表数据”（比如“非常不同意=1，非常同意=5”），所以本文重点讲解量表数据的信度（Cronbach's α）+效度（EFA）操作。

SPSS要求数据是“行=样本，列=变量”的格式。举个例子：

• 如果你有100个受访者，5个量表题（Q1-Q5），那么SPSS数据应该是：
• 行：100行（每个受访者1行）；
• 列：5列（Q1到Q5各1列），每列的值是1-5（对应Likert量表得分）。

小技巧：用Excel整理好数据后，直接复制粘贴到SPSS的“数据视图”即可（不用手动输入！）。

信度分析是SPSS基础功能，但因子分析需要“分析→降维→因子分析”模块——如果你的SPSS没有这个选项，需要重新安装完整版（或联系学校图书馆获取正版授权）。

信度分析的核心是计算Cronbach's α系数，它的判断标准是：

• α>0.9：信度极好；
• 0.8<α≤0.9：信度很好；
• 0.7<α≤0.8：信度可接受（科研中最低要求）；
• α≤0.7：信度差，需要修改问卷。

• 点击“文件→打开→数据”，选择你整理好的Excel/SPSS数据文件（.xls/.sav格式）。
• 导入后检查数据：确保没有“缺失值”（如果有缺失值，后续需要处理，见3.3节）。

• 点击顶部菜单栏：分析→度量→可靠性分析（英文版本：Analyze→Scale→Reliability Analysis）。
• 此时会弹出“可靠性分析”对话框（如下图）：

• 在左侧变量列表中，找到你的量表题（比如Q1-Q5），按住Ctrl键多选，然后点击中间的“→”按钮，将变量移入“项（Items）”框中。
• 注意：不要把“性别”“年龄”等人口统计学变量放进去——这些不是量表题，会导致信度结果错误！

1. 点击对话框右侧的“统计量”按钮，弹出“可靠性分析：统计量”对话框；

2. 在“描述性”区域，勾选：

• □ 项（显示每个题目的均值、标准差）；
• □ 标度（显示整个量表的均值、标准差）；

3. 在“项之间”区域，勾选：

• □ 相关性（显示题目之间的相关系数，帮助判断是否需要删除题目）；

4. 点击“继续”返回主对话框。

• 点击主对话框的“确定”按钮，SPSS会自动生成信度分析结果；
• 导出结果：点击“文件→导出→导出到Word”（或PDF），选择保存路径即可。

SPSS输出的信度结果有3个关键部分，我们逐一解读：

结果中会显示“Cronbach's Alpha”的值，比如：

Cronbach's Alpha = 0.85

• 解读：α=0.85>0.8，说明信度很好，可以直接用；
• 如果α<0.7：需要看“项已删除的 Cronbach's Alpha”（见下文）。

如果整体α<0.7，看“项已删除的 Cronbach's Alpha”列：

• 比如Q3对应的“项已删除的α”=0.75（比整体α=0.68高），说明删除Q3后，整体信度会提升；
• 操作：删除Q3后，重新运行信度分析，直到α≥0.7。

如果某两个题目之间的相关系数<0.3，说明这两个题目的“方向不一致”（比如Q1问“你喜欢学习”，Q2问“你讨厌运动”，但相关系数只有0.2），可以考虑删除其中一个。

如果你的数据中有“缺失值”（比如受访者漏填了Q2），SPSS会自动忽略该样本吗？——不会！需要手动设置：

• 在“可靠性分析”对话框中，点击“选项”按钮；
• 在“缺失值”区域，选择“按列表排除个案”（即只要有一个题缺失，就排除该样本）；
• 点击“继续”返回。

效度分为“内容效度”“结构效度”“效标关联效度”，其中结构效度是科研中最常用的（因为可量化），而探索性因子分析（EFA）是检验结构效度的核心方法。

• 点击顶部菜单栏：分析→降维→因子分析（英文版本：Analyze→Dimension Reduction→Factor Analysis）。
• 弹出“因子分析”对话框（如下图）：

• 把所有量表题（比如Q1-Q5）移入“变量”框中（和信度分析的变量一致）。

1. 点击对话框右侧的“提取”按钮，弹出“因子分析：提取”对话框；

2. 在“方法”中选择“主成分分析”（最常用的方法，90%的论文都用这个）；

3. 在“提取”区域，选择“基于特征值”，并设置“特征值>1”（默认值，符合科研规范）；

4. 在“输出”区域，勾选“未旋转的因子解”和“碎石图”（碎石图用于判断因子数量）；

5. 点击“继续”返回主对话框。

1. 点击对话框右侧的“旋转”按钮，弹出“因子分析：旋转”对话框；

2. 在“方法”中选择“最大方差法（Varimax）”（正交旋转，结果最易解释）；

3. 在“输出”区域，勾选“旋转解”和“载荷图”；

4. 点击“继续”返回主对话框。

1. 点击对话框右侧的“得分”按钮，弹出“因子分析：因子得分”对话框；

2. 勾选“保存为变量”（SPSS会自动生成因子得分变量，用于后续回归分析）；

3. 选择“回归”（最常用的因子得分计算方法）；

4. 点击“继续”返回主对话框。

• 点击“确定”按钮，SPSS生成EFA结果；
• 导出结果：同样可以导出到Word/PDF，方便写论文。

EFA结果比较复杂，我们按“判断顺序”解读5个关键指标：

这是判断“数据是否适合做EFA”的前提。结果示例：

KMO取样适切性量数 = 0.82

Bartlett的球形度检验：近似卡方=500.23，df=10，Sig.=0.000

• 解读：
• KMO>0.7：适合做EFA（0.8-0.9为很好，0.7-0.8为一般）；
• Bartlett的Sig.<0.05：说明变量之间有相关性，适合因子分析；
• 如果KMO<0.7：需要修改问卷（比如删除相关性低的题目）。

碎石图是“特征值”的折线图，示例如下：

• 解读：找“折线突然变平缓的点”——比如前2个因子的特征值>1，第3个开始<1，说明应该提取2个因子。

结果中“旋转平方和载入”的“累积%”列：

因子1：解释35%；因子2：解释25%；累积%=60%

• 解读：累积解释方差≥60%为可接受（越高越好，最好≥70%）。

这是EFA最关键的结果，示例如下：

• 解读：
• 载荷绝对值>0.5：题项归属该因子（0.6以上为优秀）；
• 交叉载荷：如果某题项在两个因子的载荷都>0.5（比如Q5），说明该题项“不清晰”，需要删除；
• 操作：删除交叉载荷的题项后，重新运行EFA，直到所有题项的载荷都>0.5且无交叉。

根据因子包含的题项内容，给因子起一个“专业的名字”：

• 比如因子1包含Q1（“我喜欢阅读专业书籍”）、Q2（“我经常参加学术讲座”），可以命名为“学习投入度”；
• 因子2包含Q3（“我能按时完成作业”）、Q4（“我会制定学习计划”），可以命名为“学习自律性”。

很多同学会操作，但不会“写结果”——别担心，直接套用下面的模板，符合核心期刊要求！

本研究采用Cronbach's α系数检验问卷的内部一致性信度。结果显示，整体问卷的Cronbach's α系数为0.85，各维度的Cronbach's α系数分别为：学习投入度（0.82）、学习自律性（0.80），均大于0.7的临界值，说明问卷具有良好的内部一致性信度。

示例（带数据）：

本研究对“大学生学习动机问卷”的15个题项进行信度分析，结果显示整体Cronbach's α系数为0.88。其中“内在动机”维度（5题）的α=0.83，“外在动机”维度（5题）的α=0.81，“无动机”维度（5题）的α=0.78，所有维度的α系数均高于0.7，表明问卷信度良好。

本研究采用探索性因子分析（EFA）检验问卷的结构效度。首先KMO取样适切性量数为0.82（>0.7），Bartlett球形度检验的Sig.=0.000（<0.05），说明数据适合进行因子分析。采用主成分分析和最大方差旋转法，共提取2个因子，累积解释方差为65%。旋转成分矩阵显示，所有题项的因子载荷均大于0.5，且无交叉载荷，说明问卷具有良好的结构效度。

示例（带数据）：

对“大学生学习动机问卷”的15个题项进行EFA分析，KMO值为0.85，Bartlett球形度检验的近似卡方=623.45（df=105，Sig.=0.000），适合进行因子分析。提取出3个特征值>1的因子，累积解释方差为72%。旋转后，“内在动机”维度的5个题项载荷在0.65-0.82之间，“外在动机”维度的5个题项载荷在0.62-0.78之间，“无动机”维度的5个题项载荷在0.58-0.75之间，无交叉载荷，表明问卷结构效度良好。

把信度效度结果做成表格，更直观（核心期刊都喜欢！）。示例如下：

正确顺序：先做信度，再做效度。因为如果信度差，数据本身不稳定，效度分析就没有意义。

EFA的样本量要求：样本量≥题项数×5（比如10个题项，需要50个样本），最好≥题项数×10（100个样本）。如果样本量不够，可以：

1. 增加受访者数量（最直接）；

2. 减少题项数量（删除信度低的题项）。

比如理论上应该有3个因子，但EFA只提取了2个——解决方案：

1. 检查题项是否有交叉载荷（删除后重新分析）；

2. 调整因子提取方法（比如把“特征值>1”改为“提取3个因子”）；

3. 考虑是否是“样本偏差”（比如受访者群体不符合研究对象）。

可以！SPSSAU是在线工具，操作更简单（不需要安装软件），而且自动生成信度效度的文字结果。但注意：核心期刊更认可SPSS的结果，所以建议先用SPSS操作，再用SPSSAU核对。

为了方便你快速回顾，这里把整个流程总结为7个步骤：

1. 整理SPSS数据（行=样本，列=变量）；

2. 做信度分析（Cronbach's α），删除α低的题项；

3. 做KMO和Bartlett检验，判断是否适合EFA；

4. 做EFA，提取因子并旋转；

5. 删除交叉载荷的题项，重新运行EFA；

6. 因子命名，计算累积解释方差；

7. 把结果写成论文（文字+表格）。

• 打开数据：Ctrl+O；
• 运行分析：Ctrl+R；
• 导出结果：Ctrl+E；
• 保存数据：Ctrl+S。

通过本文的操作指南，你已经掌握了SPSS信度效度的全部核心技能——从数据整理到结果写作，一站式解决！如果还有问题，欢迎在评论区留言，我会逐一解答。

最后提醒：信度效度是科研的“基础工程”，一定要认真做，否则后续的所有分析都是“空中楼阁”。祝你顺利发表论文！