用SPSS做信度检验：α一致性系数的计算
在对信度的理解中，要特别注意外部信度和内部信度的区别。前文中所指的信度实际上是外部信度，也就是在不同时间用同样的或类似的问卷或量表测量同一批对象后获得一致结果的可能性，可以被看作外部一致性。而统计学中对问卷的信度检验，是指内部信度，也就是这些题项是否在测量同一个对象。当用来表示信度的克隆巴赫系数（即α一致性系数）较高时，我们可以认为这几个题项测量的是同一个对象；反之则认为这些题目测量的不是同一个对象。如果无法正确区分内部信度和外部信度，则容易出现一种错误的操作：将整份问卷的所有题目都录入软件进行信度检验，最后得到了一个较低的α系数，并由此判断这份问卷的信度很低。所以大家可以思考一个问题：一份问卷中的不同题项测量的是不是同一个对象？答案是：在很多时候并不是。一份问卷可能测量了性别、年龄、籍贯、收入水平、满意度、同情心等多个对象，将整份问卷中的所有题都录入软件进行信度检验，自然是不合理的。因此，信度检验一般只针对量表或某些特定的题项，因为量表往往测量的是同一个对象，如“员工工作积极性量表”“政府信任度量表”“本科生对食堂餐饮的满意度量表”，这些量表所测量的对象是唯一的，因此可以进行信度检验。当α系数较高时，我们可以认为这些指标之间具有较高的相关性（指标的一致性），测量的是同样的对象。如果α系数较低，则认为这些指标实际上测量的并不是同一个对象，因此有必要对量表进行修改。一般情况下，可以将α大于0.8看作信度高，α大于等于0.7小于等于0.8看作信度可以接受，α小于0.7则被认为信度较低。
下面具体说明用SPSS做信度检验的操作过程[2]：
点击工具栏［分析（A）］→点击［标度（A）］→点击［可靠性分析（R）］，开启“可靠性分析”对话框→将左边变量清单中需要测量信度的量表题目全部选中，再放入右边［项（I）］下的方框中→在下方［模型（M）］选项的下拉菜单中选择［Alpha］选项（见图7-1）→点击右上方［统计（S）］，开启“可靠性分析：统计”次对话框窗口→在［描述］部分的方框中勾选［删除项后的标度（A）］选项（见图7-2）→点击［继续］，返回［可靠性分析］对话框→点击［确定］即可。
备注：可靠性分析R（Reliability Analysis）也可以被翻译成信度分析，但是由于本章所用的SPSS 23.0软件仍将Reliability Analysis翻译成可靠性分析，在操作过程中，我们仍采用可靠性分析进行说明，以保持图片和文字的一致。
图7-1 “可靠性分析”对话框
图7-2 “可靠性分析：统计”对话框
在完成上述操作后，SPSS输出结果如下：
表7-1为个案处理摘要，显示进行信度分析的样本量（个案数）是129个，被删除的样本量为0，全部样本总计129个。
表7-1 个案处理摘要
注：a为基于过程中所有变量的成列除。
表7-2为可靠性统计，左半部分显示的是量表的克隆巴赫系数，即α一致性系数，达到了0.960。由于α大于0.8，该量表就可以被看作高信度量表，分析结果说明该量表具有很高的内部一致性，是一份信度非常好的量表。右半部分显示的是量表的题目数量，也就是进行信度检验的题目数，共16道题。
表7-2 可靠性统计
在操作过程中，如果勾选［删除选项后的标度（A）］选项，则SPSS会输出项目总计统计表（见表7-3）。表7-3显示的是删除某个题目后的α系数。从表7-3中可以看到，除了Q2题以外，删除其他题目都会导致α系数下降，而Q2题被删除后，则可以使α系数从0.960上升到0.962。在这种情况下，研究者需要考虑Q2题设计的合理性，并思考是否可以将其删除。因此，在进行信度检验时，非常有必要认真查看项目总计统计表的结果，因为该分析结果是研究员找到量表中不合适的题目的主要依据，是研究者对量表进行修改和调整的基础。
表7-3 项目总计统计
除了上述3个最基础、也最重要的表格外，研究员还可以在“可靠性分析：统计”对话框勾选［项（I）］和［相关性（L）］选项（见图7-3）。
图7-3 选择相关性分析
如果勾选了［项（I）］选项，则输出结果中会出现项目统计表格（见表7-4），项目统计表可以清晰呈现每一个题项的调查结果的平均值、标准差及个案数。
表7-4 项目统计
续 表
如果勾选了［相关性（L）］选项，则会输出“项目间相关矩阵”，该矩阵可以清楚呈现每个题项与其他题项的相关系数。如果有一个题项与其他题项的相关系数都很低，则同样可以说明该题项与其他题项的测量对象不一致，会拉低整份量表的信度，可以考虑删除。