Baidu
map

SPSS教程第十三课:可靠性分析

2012-04-12 生物谷 生物谷

2.1  主要功能     在精神卫生与社会医学研究中,经常需要借助量表来了解对象的某一特性。如常用的症状自评量表(SCL-90)即用于评定对象精神病症状的表现形式与强度;又如生活事件量表(LES)即用于对精神刺激进行定性和定量分析。在完成一份量表的编制工作后,或在准备将一份已有的量表作实际应用前,需要对量表的信度进行考核。   &

2.1  主要功能

    在精神卫生与社会医学研究中,经常需要借助量表来了解对象的某一特性。如常用的症状自评量表(SCL-90)即用于评定对象精神病症状的表现形式与强度;又如生活事件量表(LES)即用于对精神刺激进行定性和定量分析。在完成一份量表的编制工作后,或在准备将一份已有的量表作实际应用前,需要对量表的信度进行考核。

    量表的使用是为了了解被测对象的某一特征,因而在编制一份量表时,所设立的一系列项目是为了体现量表需要测定的这一特征。如果所设立的测定项目无法获得这一特征,则表示该量表可靠性差,即信度低。所以,研究者有时需要了解量表中各测定项目之间的一致性(同质信度考核),有时需要将量表的测定项目按原编号的奇、偶数分半后,对各自的测定结果进行相关性检验(分半信度考核),等等,这就是量表的可靠性分析,亦即信度研究。

    量表的可靠性分析可通过调用Reliability过程完成。

 

12.2  实例操作

   [例12.1]采用家庭环境量表(FES)研究30名女医师的家庭特征,测定结果按10个分量表的实际得分整理如下。请以此资料对FES的信度作评价。

 

编号

No.

亲密度

FES1

情感表达

FES2

矛盾性

FES3

独立性

FES4

成功性

FES5

知识性

FES6

娱乐性

FES7

道德宗教观

FES8

组织性

FES9

控制性

FES10

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

2

4

4

4

4

4

5

3

5

5

3

3

2

2

1

5

5

3

6

5

2

2

4

2

5

4

4

4

5

3

4

2

3

3

3

2

4

1

2

3

4

3

2

3

3

2

4

3

3

3

3

3

5

2

5

2

2

6

5

3

5

1

2

3

4

1

6

4

5

2

3

2

0

3

4

3

3

3

6

2

2

2

3

4

3

2

5

5

2

3

7

4

5

7

5

5

4

7

5

6

4

4

3

4

5

4

5

4

5

4

4

3

5

5

3

5

6

4

4

4

8

5

5

7

5

3

6

5

7

7

5

4

4

4

7

6

6

5

6

5

4

6

4

6

4

7

4

5

4

4

6

1

3

2

3

4

3

3

3

3

4

4

3

4

4

4

3

3

3

3

3

5

5

3

5

5

4

4

5

4

3

1

2

6

4

7

4

5

3

3

3

2

6

4

2

4

3

3

5

6

1

4

5

3

2

3

5

3

6

3

4

6

5

6

5

4

5

7

6

5

6

4

5

6

6

6

4

5

4

5

4

5

5

5

7

6

3

6

4

7

5

6

3

4

6

5

6

6

6

4

4

4

7

5

4

4

4

3

4

6

5

5

3

4

7

4

4

5

5

4

6

2

2

3

3

2

3

3

3

2

2

2

2

3

4

2

2

2

3

3

3

3

4

3

3

2

2

5

2

1

 

12.2.1  数据准备

    激活数据管理窗口,定义变量名:亲密度、情感表达、矛盾性、独立性、成功性、知识性、娱乐性、道德宗教观、组织性、控制性等十个分量表的变量名依次是FES1、FES2、FES3、FES4、FES5、FES6、FES7、FES8、FES9、FES10,输入原始数据。

 

12.2.2  统计分析

    激活Statistics菜单选Scale中的Reliability Analysis...项,弹出Reliability Analysis对话框(如图12.1示)。从对话框左侧的变量列表中选fes1~fes10共十个变量,点击Ø钮使之进入Items框。点击Model处的下拉菜单,系统提供5种分析模型:

 

图12.1  可靠性分析对话框

 

 

       Alpha:计算信度系数Cronbach α值;

       Split half:分半信度的分析;

       Guttman:真实可靠性的Guttman低界;

       Parallel:并行模型假定下的极大似然可靠性估计;

       Strict parallel:严格并行模型假定下的极大似然可靠性估计。

       本例选用Alpha模型。

       点击Statistics...钮,弹出Reliability Analysis: Statistics对话框(图12.2),该对话框内含如下选项: 

 

图12.2  可靠性分析的统计选项对话框

 

       在Descriptives for栏中选Item、Scale、Scale if item deleted项,以指定对各项目、测定得分情况和项目与量表总体特征关系进行描述性统计;

       在Summaries处有四个选项:Means、Variances、Covariances和Correlations,可分别要求系统计算在Descriptives for栏中指定对象的平均数、方差、协方差和相关系数,本例选Means、Variances和Correlations三项;

       在Inter-Item处有Correlations和Covariances两项,前者可计算项目间的两两相关系数,后者可计算项目间的两两协方差值,本例选Correlations项;

       在ANOVA Table处有None、F test、Friedman chi-square、Cochran chi-square四个选项,其意义分别是:不作方差分析、作重复度量的方差分析、计算Friedman和Kendall谐和系数(适用于等级资料)、计算Cohran Q值(适用于所有项目均为二分变量),本例选F test项;

       此外,还有Hotelling’s T-square选项,可要求作项目间平均得分的相等性检验;Tukey’s test of additivity选项,可要求作可加性的Tukey检验,本例仅选前一项。在完成各选项的选择之后,点击Continue钮返回Reliability Analysis对话框,再点击OK钮即完成分析。

 

12.2.3  结果解释

       在结果输出窗口中将看到如下统计数据:

       首先计算各项目在30名被试中测定结果的均数与标准差。然后输出项目间的两两相关系数矩阵,从中可见,第三项目(矛盾性)与第十项目(控制性)的相关程度最密切(r = 0.5038)。

 

                            Mean        Std Dev       Cases

  1.     FES1              3.6667         1.2685        30.0

  2.     FES10             2.7333         1.0148        30.0

  3.     FES2              3.1000         1.1250        30.0

  4.     FES3              3.1000         1.4704        30.0

  5.     FES4              4.6667         1.0933        30.0

  6.     FES5              5.2667         1.2576        30.0

  7.     FES6              3.6333         1.0334        30.0

  8.     FES7              3.7000         1.5570        30.0

  9.     FES8              5.2000         1.0306        30.0

 10.     FES9              4.7333         1.1121        30.0

 

                    Correlation Matrix

        FES1   FES10   FES2   FES3   FES4   FES5   FES6   FES7   FES8   FES9

FES1   1.0000

FES10  -.2321   1.0000

FES2    .1933   .4168   1.0000

FES3    .1849   .5038    .2022  1.0000

FES4    .0414   .2901   -.2523   .3646  1.0000

FES5    .0360   .3819   -.0926   .3953   .4681  1.0000

FES6   -.1754   .3310    .4183   .0930  -.0814  -.0283  1.0000

FES7    .2444  -.0524   -.1004   -.0467   .1823  -.2043  .0793  1.0000

FES8   -.0791   -.0132   -.0476  -.0137  -.1224   .1171  -.0907  -.2192  1.0000

FES9    .0570   .1487    -.0606  -.0675  -.2741  -.1446  -.1180  .1314   .2287  1.0000

        N of Cases =        30.0

 

 

       接着显示对整个量表的统计分析结果。该量表的平均得分为39.8000,标准差为4.8309;平均每个项目的得分为3.9800,极差为2.5333;各项目的方差平均为1.4634;项目间的相关系数范围为 -0.2741—0.5038。

       之后考查项目与量表得分的关系,方式是:若将某一项目从量表中剔除,则量表的平均得分(Scale Mean if Item Deleted)、方差(Scale Variance if Item Deleted)、每个项目得分与剩余各项目得分间的相关系数(Corrected Item-Total Correlation)、以该项目为自变量所有其他项目为应变量建立回归方程的R2值(Squared Multiple Correlation)以及Cronbach α值(Alpha if Item Deleted)会是多少。如本例在每个项目得分与剩余各项目得分间的相关系数中,第十项目(控制性)最大,为0.5009,表明该项目与其他各项目关系最密切。又如R2值,第十项目(控制性)最大,为0.7345,表明其含义有73.45%可被其他项目解释掉,而第八项目(道德宗教观)最小,为0.1556,表明其含义仅有15.56%可被其他项目解释掉。

 

                                                     N of

Statistics for        Mean     Variance    Std Dev      Variables

      Scale       39.8000    23.3379     4.8309         10

 

Item Means       Mean    Minimum   Maximum    Range    Max/Min   Variance

                3.9800     2.7333     5.2667     2.5333     1.9268      .8425

 

Item Variances    Mean    Minimum   Maximum     Range    Max/Min   Variance

                1.4634     1.0299     2.4241     1.3943     2.3538      .2349

 

Inter-item

Correlations      Mean    Minimum    Maximum    Range    Max/Min   Variance

                .0665     -.2741       .5038       .7779    -1.8376      .0450

 

Item-total Statistics

               Scale          Scale      Corrected

               Mean         Variance      Item-        Squared         Alpha

               if Item         if Item       Total         Multiple         if Item

               Deleted        Deleted    Correlation     Correlation        Deleted

FES1          36.1333        20.3954       .1164         .5124          .4065

FES10         37.0667        17.9954       .5009         .7345          .2745

FES2          36.7000        20.4241       .1621         .6318          .3886

FES3          36.7000        15.8724       .4527         .4233          .2410

FES4          35.1333        20.0506       .2136         .5457          .3710

FES5          34.5333        19.1540       .2364         .4650          .3583

FES6          36.1667        21.2471       .1074         .3106          .4067

FES7          36.1000        20.8517       .0044         .3135          .4662

FES8          34.6000        23.0069      -.0739         .1556          .4613

FES9          35.0667        22.3402      -.0227         .4297          .4503

 

 

       方差分析表明,F = 18.4933,P<0.0001,即该量表的重复度量效果良好。

 

                       Analysis of Variance

Source of Variation     Sum of Sq.       DF       Mean Square     F       Prob.

Between People         67.6800        29          2.3338

Within People          584.2000       270          2.1637

Between Measures      227.4800         9         25.2756     18.4933   .0000

Residual               356.7200       261          1.3667

Total                  651.8800       299          2.1802

 

 

       经Hotelling T2检验可知,该量表的项目间平均得分的相等性好,即项目具有内在的相关性;在量表的信度检验中,Cronbach α= 0.4144,标准化Cronbach α= 0.4161。Cronbach α系数的意义是:个体在这一量表的测定得分与如果询问所有可能项目的测定得分的相关系数的平方,即这一量表能获得真分数的能力。本例为0.4144,意味着对于家庭情况,FES量表尚有58.56%的内容未曾涉及,故信度不高。

 

Hotelling's T-Squared = 277.1019        F = 22.2956       Prob. = .0000

Degrees of Freedom:              Numerator = 9      Denominator = 21

 

Reliability Coefficients    10 items

Alpha = .4144           Standardized item alpha = .4161

 

版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (0)
#插入话题

相关资讯

SPSS教程第七课:方差分析

方差分析是R.A.Fister发明的,用于两个及两个以上样本均数差别的显著性检验。由于各种因素的影响,研究所得的数据呈现波动状,造成波动的原因可分成两类,一是不可控的随机因素,另一是研究中施加的对结果形成影响的可控因素。方差分析的基本思想是:通过分析研究中不同来源的变异对总变异的贡献大小,从而确定可控因素对研究结果影响力的大小。     方差分析主要用于:1、均数

SPSS教程第八课:相关分析

任何事物的存在都不是孤立的,而是相互联系、相互制约的。在医学领域中,身高与体重、体温与脉搏、年龄与血压等都存在一定的联系。说明客观事物相互间关系的密切程度并用适当的统计指标表示出来,这个过程就是相关分析。     值得注意,事物之间有相关,不一定是因果关系,也可能仅是伴随关系。但如果事物之间有因果关系,则两者必然相关。     SPS

SPSS教程第九课:回归分析

 回归分析是处理两个及两个以上变量间线性依存关系的统计方法。在医学领域中,此类问题很普遍,如人头发中某种金属元素的含量与血液中该元素的含量有关系,人的体表面积与身高、体重有关系;等等。回归分析就是用于说明这种依存变化的数学关系。   第一节 Linear过程  8.1.1 主要功能     调用此过程可完成二元或多元的线性回归分析

SPSS教程第十课:对数线性模型

对数线性模型是用于离散型数据或整理成列联表格式的计数资料的统计分析工具。在对数线性模型中,所有用作的分类的因素均为独立变量,列联表各单元中的例数为应变量。对于列联表资料,通常作χ2 检验,但χ2 检验无法系统地评价变量间的联系,也无法估计变量间相互作用的大小,而对数线性模型是处理这些问题的最佳方法。   第一节 General过程   9.1.1 主要功能  

SPSS教程第十一课:分类分析

人们认识事物时往往先把被认识的对象进行分类,以便寻找其中同与不同的特征,因而分类学是人们认识世界的基础科学。在医学实践中也经常需要做分类的工作,如根据病人的一系列症状、体征和生化检查的结果,判断病人所患疾病的类型;或对一系列检查方法及其结果,将之划分成某几种方法适合用于甲类病的检查,另几种方法适合用于乙类病的检查;等等。统计学中常用的分类统计方法主要是聚类分析与判别分析。  &nbs

SPSS教程第十二课:因子分析

1  主要功能     多元分析处理的是多指标的问题。由于指标太多,使得分析的复杂性增加。观察指标的增加本来是为了使研究过程趋于完整,但反过来说,为使研究结果清晰明了而一味增加观察指标又让人陷入混乱不清。由于在实际工作中,指标间经常具备一定的相关性,故人们希望用较少的指标代替原来较多的指标,但依然能反映原有的全部信息,于是就产生了主成分分析、对应分析、典

Baidu
map
Baidu
map
Baidu
map