发布时间：
应该达到以上。信度和效度分析在问卷分析中大多都会用到的，即使是成熟的问卷，一般也是需要做的，在本科和研究生的论文中均适用。信度和效度相当于是对于问卷质量的一个前置条件，如果问卷的信度和效度比较好，证明问卷的数据可靠性比较高，问卷数据内部一致性比较高，所以可以用来做后续的建模分析。如果信度和效度不高，可能就需要重新设计问卷，发放问卷。信度是指测验结果的一致性、稳定性及可靠性。指的是采取同样的方法对同一对象重复进行测量时，其所得结果相一致的程度。
信度效度检验在问卷调查的过程中是必须要做的。
信度效度检验在问卷调查的过程中是必须要做的，因为问卷调查往往只是整个项目的一个环节，在正确项目的目标下，一定会另有调查的可信度，有效分析来支持调查结果，这样我们的问卷调查才有可信度，结果也能趋于正确数据。
信度指测验结果的一致性、稳定性及可靠性，一般多以内部一致性来加以表示该测验信度的高低。信度系数愈高即表示该测验的结果愈一致、稳定与可靠。
系统误差对信度没什么影响，因为系统误差总是以相同的方式影响测量值的，因此不会造成不一致性。反之，随机误差可能导致不致性，从而降低信度。信度可以定义为随机误差R影响测量值的程度。如果R=0，就认为测量是完全可信的，信度最高。
一般如果是含有量表的问卷都需要做信效度分析。非量表问卷可以使用文字形式进行描述，无论是什么类型的问卷，都应该在论文中进行表述以证明数据质量可信可靠。
如果是自编量表，一般需要进行预测试，就是在小范围发放问卷，进行信效度分析，对信效度较低的题项进行修改或删除，便于研究者对初测问卷进行一定调整以形成最终版本。当然，正式研究还是要做信效度分析。
效度与信度是优良测量工具所必备的两项主要条件。效度与信度之间存在的关系，可以用一句话来概括：信度是效度的必要条件而非充分条件。
信度是效度的必要条件，就是说，一个指标要有效度就必须有信度，不可信就不可能正确。但是，信度不是效度的充分条件，即是说，有了信度，不一定有效度。
严格来说！不是所有问卷都适合做信效度分析，信效度分析主要针对【量表】类问卷，而如果只是调查一些客观现实（如年龄、性别、职业、车辆、工资等）以【显变量】为主的问卷，是不适合做信效度分析的！判断一些变量之间是否适合做信效度检验，应该关注这么几点：
（1）潜变量：直接无法观测到的变量，主要反映人的认知和主观意愿等。
（2）可测：可以被测量的变量，一般是有序或等距的变量，而不是像地点这样的分类变量。
（3）变量之间等距等尺度：例如均采用5点或7点评分法获得的测量数据。
论文中学生自我评价表要测信度校度一般如果是含有量表的问卷都需要做信效度分析。非量表问卷可以使用文字形式进行描述，无论是什么类型的问卷，都应该在论文中进行表述以证明数据质量可信可靠。如果是自编量表，一般需要进行预测试，就是在小范围发放问卷，进行信效度分析，对信效度较低的题项进行修改或删除，便于研究者对初测问卷进行一定调整以形成最终版本。当然，正式研究还是要做信效度分析。
亲，为您查询到的答案是：是的，学生自我评价表应该测试信度和校度。信度是指测量工具的准确性，即测量工具能够准确地反映研究对象的特征。校度是指测量工具的可比性，即测量工具能够在不同时间和不同环境下反映出研究对象的特征。因此，学生自我评价表应该测试信度和校度，以确保其准确性和可比性。
在论文写作中，导师常常告诉我们，调研要有信效度检验，那么信度、效度是什么？怎么分析信效度呢？ 信度是指测量的可信程度。 我们来看一个比较理想的状态。当我们用一个测量工具，对我们需要测量的对象测量了很多次后，得到的结果都是一样的。这时我们可以说这个测量工具是可以信赖的。 但是现实中，由于随机误差的影响，不可能达到这种状态。 那么我们怎么评估我们的测量工具是可以信赖的呢？ 我们可以计算我们用自己的测量工具得到的结果与理想状态的差距。如果差距越小，那么我们的测量工具就越可靠。 这个差距就是信度。 信度有不同的指标，我们只要明白什么时候用什么指标来检验信度就可以了。剩下的计算，统计软件可以帮我们完成，我们只要选择我们需要的计算公式进行计算，就能得出我们想要的结果。 效度则是考察我们使用的测量工具是否能有效度量我们要测量的变量。 较为公认的说法是，效度分为三种：内容效度、校标效度和构念效度。 内容效度指问题的撰写是否能准确反映测量的初衷。 校标效度指测量工具与某个公认的标准的关系是否紧密。（研究目的是测量是否能较为准确地进行预测。） 构念效度指测量工具能测量出的结果和理论预测或理论结论之间的关系是否紧密相关。（研究目的是验证理论用于测量的有效性。）那么文献中经常看到的表面效度，聚合效度，区别效度呢？ 表面效度：题项的表述是否明确、清晰、规范。（一般依据专家的意见来检验，具有主观性，不够牢靠。） 构念效度包含区分效度，聚合效度。当测量对象包含较为复杂的相互关系时，需要细化分析了。 区别效度：一个测量中，不同项目得到的测量结果能够得到区分。 聚合效度：测量一个特征的项目中，项目中不同题项应该指向同一相同特征。 那我们具体要怎么做呢？ 和信度一样，我们只要了解在什么情况下用什么指标检验效度就好，剩下的计算软件会帮我们完成。在写文章时，我们只要依据自己的问卷或量表，选择合适的信度、效度检验指标，利用软件计算出结果，就可以验证问卷或量表设计是否可信、有效了。
信度是一份问卷的可信性的程度，就是指多次测量得到结果是否是大体一致的，而不是每次结果出入都很大！效度是指这份问卷是否真实的测量了它要测量的东西。
信度（reliability）即可靠性，它指的是采取同样的方法对同一对象重复进行测量时，其所得结果相一致的程度。从另一方面来说，信度就是指测量数据的可靠程度。
信度是指测验结果的一致性、稳定性及可靠性，一般多以内部一致性来加以表示该测验信度的高低。信度系数愈高即表示该测验的结果愈一致、稳定与可靠。
系统误差对信度没什么影响，因为系统误差总是以相同的方式影响测量值的，因此不会造成不一致性。反之，随机误差可能导致不一致性，从而降低信度。
效度（Validity）即有效性，它是指测量工具或手段能够准确测出所需测量的事物的程度。效度是指所测量到的结果反映所想要考察内容的程度，测量结果与要考察的内容越吻合，则效度越高；反之，则效度越低。效度分为三种类型：内容效度、准则效度和结构效度。
效度是测量的有效性程度，即测量工具确能测出其所要测量特质的程度，或者简单地说是指一个测验的准确性、有用性。效度是科学的测量工具所必须具备的最重要的条件。
在社会测量中，对作为测量工具的问卷或量表的效度要求较高。鉴别效度须明确测量的目的与范围，考虑所要测量的内容并分析其性质与特征，检查测量的内容是否与测量的目的相符，进而判断测量结果是否反映了所要测量的特质的程度。
问卷分类：
按调查方式分，问卷可分为：自填问卷和访问问卷。
自填问卷是由被访者自己填答的问卷。访问问卷是访问员通过来访被采访音．由访问员填答的问卷。自填式问卷由于发送的方式不同而又分为发送问卷和邮寄问卷两类。发送问卷是由调查员直接将问卷送到被访问音手中，并由调查员直接回收的调查形式。
而邮寄问卷是由调查单位直接邮寄结被访者，被访者自己填答后，再邮寄回调查单位的调查形式。
这几种调查形式的特点是：访问问卷的回收率最高，填答的结果也最可靠，但是成本高，费时长，这种间卷的回收率一般要求在90%以上；寄间卷，回收串低，调查过程不能进行控制，因此可信性与有效性都较低。
而且由于回收率低．会导致样本出现偏差，影响样本对总体的报断。一般来讲，邮寄问卷的回收率在50%左右就可以了；发送式自填问卷的优缺点介于上述两者之间，回收率要求在67%以上。
今天的我总结几个毕业论文问卷分析的几点建议，希望能帮到各位看官 PS：此处的问卷分析，仅代表具有量表的问卷分析。 因为成熟量表往往经历了现实的考验，其信度和效度达标的概率比较大。 而自己设计的量表，很容易出现信度和效度检验结果惨不忍睹的情况。 这样我们在处理信度分析，探索性因子分析，甚至验证性因子分析的时候，都能游刃有余。 另外如果题目是2个，因子分析KMO值是一定等于的，而一般我们最低也得吧 为了信度和效度能出一个比较好的结果，在文字描述部分，同维度的各个题目，尽量能给一些心理暗示，或者描述上尽量相近，这样能使得维度内的题目的相关性较好，从而信度和效度也不至于太差 一般达到就可以了，以上更好。最好是把每个维度的信度都求一下，然后总体再求一个。这个一般没什么难度，也很容易通过。如果你的数据信度不行，那就进行下项目分析，将高低分样本中不具有区分度的样本删掉。 只求量表的KMO值和巴特利球形检验值。这可能是效度检验的最低要求了。除非导师认同，最好不要仅用这两个值 大部分的同学都会用到的，也是比较不容易通过的一个分析。 遇到最多的问题莫过于，假设题目的维度归属，跟实际出的结果不一致。 碰到这种情况，一般进行如下处理： ①只有少数题目不匹配 要么直接删掉，要么暂时保留 ②绝大多数题目不匹配 从新设计量表，重新收集数据，重新来过吧 若非特殊情况，不建议使用。因为实际收集的问卷数据要想探索性因子分析+验证性因子分析，各个指标均达到理想值，那几乎是不可能的。 如果你看到某某人的论文中用了这样的检验方法，指标非常漂亮，我可以负责任的告诉你，其大概率是改过数据了。 特殊情况1：模型验证阶段，使用AMOS结构方程，导师要求效度检验阶段使用验证性因子分析。 特殊情况2：模型验证阶段，未使用AMOS结构方程，导师也要求效度检验使用验证性因子分析。（导师傻x） 这里特别提一点，显著性的p值代表的是两者是否相关，皮尔逊或者斯皮尔曼系数代表的是相关性程度。 显著性检验通过了，皮尔逊或者斯皮尔曼系数大小才有意义，绝对值越大相关性越大，正负代表正相关与负相关。 显著性通过了，但是系数偏小，那相关性也是显著的，只是两者是存在显著的弱相关性，而不是系数小就代表不相关。 可能是最简单的模型了，将自变量和因变量放进，直接跑就行了。 ①要不要放控制变量 这个随意。 如果放控制变量，尽量放一些层级类的变量，不要放多分类变量。 层级变量比如学历（初中，高中，大学，硕士） 多分类变量比如职业 层级变量的赋值尽量与其题项对应。 如果放了多分类的变量，尽量删掉，如果想保留最好做成虚拟变量 ②用标准系数还是标准化系数 标准化系数。 ③要不要做VIF共线性检验 若非导师要求，那就不做。 ④r方多大算好 这个指标没有非常严格的标准，而且跟导师的价值观有非常深刻的影响。 对于现实收集的数据而言，个人认为，一般大于就好了。 不过我遇到过大于，导师也认为可以接受的情况。 这是一个仁者见仁的问题 从科学的角度来看，应该与你研究的场景有密切的关系。 但是，中介效应模型要比调节效应模型容易出通过，而且解释起来也不那么绕口。 所以，如果不是想给自己挖坑，那就用中介效应模型吧。 快捷验证中介效应模型的方式（快速确定是否存在中介，非正式使用） 条件1，中介变量，自变量和因变量，相关性都显著 条件2，自变量和中介变量关于因变量的回归模型，中介变量的系数显著 如果满足上述两个条件，中介效应一定显著，如果条件2中的自变量也显著，那么就是部分中介效应，如果不显著就是完全中介效应。 另外极少数情况是用sobel来检验中介效应的 如果不是导师要求amos验证中介效应，尽量用spss回归的方式检验中介效应。 快捷验证条件效应模型的方式（快速确定是否有调节效应，非正式使用） 先将调节因子计算处理（标准化后的自变量和中介变量相乘即可） 自变量，调节变量和调节因子关于因变量的回归模型，调节因子的系数显著。 公众号:alone5400
亲，为您查询到的答案是：是的，学生自我评价表应该测试信度和校度。信度是指测量工具的准确性，即测量工具能够准确地反映研究对象的特征。校度是指测量工具的可比性，即测量工具能够在不同时间和不同环境下反映出研究对象的特征。因此，学生自我评价表应该测试信度和校度，以确保其准确性和可比性。
是啊，q我，我帮你
信效度是指同一检测方法对同一现象重复检测时的一致性程度。如果问题非常简单，而且都是既定事实，若都是认真完成的话，是不会出现再次检测时，答案不一致的情况的。所以不需要进行信效度检测。如需问卷调查推荐使用问卷星。问卷调查法是研究中广泛采用的一种调查方法，根据调查目的设计的调查问卷是问卷调查法获取信息的工具，其质量高低对调查结果的真实性、有效性等具有决定性的作用。为了保证问卷具有较高的可靠性和有效性，信度和效度分析是问卷分析的第一步，如果问卷的信度和效度比较好，证明问卷的数据可靠性比较高，问卷数据内部一致性比较高，可以用来做后续的建模分析，相反，信度和效度如果不高，就需要重新设计问卷并发放问卷。想要了解更多关于调查问卷的相关问题，推荐咨询问卷星 问卷星调查系统支持多种题型，可以设置跳转、关联和引用逻辑。支持微信、邮件和短信等方式收集数据，数据回收后可以进行分类统计、交叉分析，并且可以导出到Word、Excel、SPSS等；同时拥有49种题型，应有尽有；同时单选、多选、矩阵、排序、量表、比重、表格、文件上传等多种题型，让你的调查问卷一目了然！
信度是一份问卷的可信性的程度，就是指多次测量得到结果是否是大体一致的，而不是每次结果出入都很大！效度是指这份问卷是否真实的测量了它要测量的东西。
做量表研究的人，或多或少都曾因为量表效度不达标困扰过，尤其在很多研究领域并没有特别权威的经典量表可以引用。使用自制的量表来研究，容易信效度不达标，那么如果遇到效度非常糟糕的情况时应该怎么办呢？
在解决效度低的这个问题之前，我们不妨一起来回顾下，判断效度达标的指标都有哪些。以使用探索性因子分析检验结构效度为例：
（ 1 ） KMO > 、通过巴特莱球形检验
SPSSAU效度分析 中可自动输出KMO 和 Bartlett 的检验结果。
如果KMO值高于，则说明效度高；如果此值介于之间，则说明效度较好；如果此值介于，则说明效度可接受，如果此值小于，说明效度不佳(如果仅两个题；则KMO无论如何均为)。
通过Bartlett 球形度检验意味着变量之间有一定的相关性，适合使用因子分析检验效度。
（2）分析项归类清晰
结构效度分为两种：一种是使用探索性因子分析的方法；另一种是使用验证性因子性分析。其中探索性因子分析适合非经典量表使用。
比如说预期有5个维度，但是分析后得到3个公因子，可能就是某些分析项预期与实际分析时出现了偏差，这时可以适当删减不合理的分析项，当分析项与维度的划分与专业意义上的内在逻辑结构基本一致，此时则说明数据具有较好的效度。
通常分析项的在某个因子下的因子载荷系数绝对值>，即认为该分析项可以归属于这个因子下。
比如上表中的分析项d1，预期归属于因子5里，但实际在因子1里。此时就应该移出d1重新分析。
（3）其他效度分析判断指标： 共同度 、相关系数矩阵等
如果变量相关性过高，可能会存在共线性问题，区分效度较低等问题；如果相关性太低，则说明变量之间的内在联系比较弱，不适合进行因子分析。通常共同度值>即可。
共同度值可在 效度分析 结果中获得，相关系数矩阵可通过SPSSAU【 通用方法 】--【 相关 】得到。
（1）怎么都划分不清维度
（2）实际分析项归类与预期维度不同
（3）有很多共同度很低的题项
（1）怎么都划分不清维度
建议每次 放入一个维度的题项 ，移出共同度低的问题。重复以上操作，将每个维度分析一遍，确保每个维度内部没有太糟糕的题。然后再放入全部的题目，整体分析。这样就可以看到维度之间划分得是否清晰。
（2）实际分析项归类与预期维度不同
分析项归类与预期维度不同，是一个非常常见的问题。
CFA检验流程轻参考：
建议每次放入一个维度的题项，移出共同度低的问题。重复所有维度操作一遍，确保每个维度内部没有太糟糕的题。然后再放入全部的题目，整体做一遍。这样就可以看到维度之间划分得是否清晰。
如果仍然无法解决建议可增加样本量，或重新收集数据修改量表内容。
如果结果的维度划分比较清晰，且符合专业知识认知，建议以分析结果为准，根据假设和结果，修正量表。
同样的样本数据，不同的分析思路，有可能出现结果不相同，但只要符合效度的思维概念即可。
（3）有很多共同度很低的题项
有很多共同度低的分析项，意味着分析项之间的关联性较低，通常这时候分析项归类也不好。
此时建议可以从共同度最低的分析项开始移出，依次分析直至删除所有共同度小于的项，需要来回多次进行对比，找出最佳结果。
当然，最根本的改善效度的方法，还是要做好预调研工作，保证数据收集质量。设计量表时每个维度的题目最好有出处可寻。这样做才能为后续分析工作提供便利。
去百度上面查查啊
保证良好信效度的5个方法
01
提高信度的方法
方法1：适当增加同质的题目来增加量表的长度
方法2：问卷题目设置的难度适中
方法3：测验的时间够充分
02
提高效度的方法
方法1：确定好量表的假设结构维度，编好每个问题题目
方法2：保证回收量表的质量和数量，题目数量与被试样本数量之比最好是1:5
方法3：适当增加同质的题目来增加量表的长度。
03
使用成熟问卷
大部分同学是可以做到的，使用现成的问卷，或者稍加改动后使用，但也有少数人觉得修改一些没有问题，然后导致问卷逻辑有问题，最终造成信效度较低甚至不达标，辛苦收集的数据白白浪费掉。
04
小范围测试问卷
发放正式问卷之前，最好有一次试测，即便小范围收集几十个样本，然后跑下数据，看看信效度和其他分析的大致情况。
05
剔除无效样本
只要真实收集问卷，无效样本量会很小，但严格来讲，并为了保障结果更好的满足预期，需要剔除无效样本。
信度是指测验结果的一致性、稳定性及可靠性，一般多以内部一致性来加以表示该测验信度的高低。信度系数愈高即表示该测验的结果愈一致、稳定与可靠。系统误差对信度没什么影响，因为系统误差总是以相同的方式影响测量值的，因此不会造成不一致性。反之，随机误差可能导致不一致性，从而降低信度。效度（Validity）即有效性，它是指测量工具或手段能够准确测出所需测量的事物的程度。效度是指所测量到的结果反映所想要考察内容的程度，测量结果与要考察的内容越吻合，则效度越高；反之，则效度越低。效度分为三种类型：内容效度、准则效度和结构效度。提高测验信度的方法 : （ 1 ）适当延长测验的长度 : 测验的长度主要指量表所包含的题目多少。对一个测验来说 , 测验的题目越少 , 得分越容易受偶然因素的影响 , 故测验的信度越低。 反之如果测验题目较多 , 即测验长度延长 , 扩大了被试得分范围 , 可在一定程度上排除偶然因素的影响 , 从而提高测验信度。但是测验信度的增加并不是等比例提高信度系数。当信度系数较小时 , 延长测验长度信度系数增加较大 ; 当信度系数已经较大时 , 延长测验长度对信度系数的影响就较小了。而且 , 在延长测验长度时 , 还需考虑其他因素的影响 , 如被试在回答问题时是否疲倦或产生厌烦情绪 , 是否节省时间、物力和财力 , 测题是否附合测验目的等。 （ 2 ）测验的难度要适中 : 难度即测验的难易程度 , 当测验难度太大时 , 被试得分普遍太低 , 呈负偏态分布 ; 当测验难度太小时 , 被试得分普遍较高 , 呈正偏态分布。太难太易的测验都使被试得分差异减小 , 使实得分数方差减小 , 从而降低测验信度。（ 3 ）测验的内容尽量同质 : 性质相同的测验内容 , 对被试也要求相同的能力、知识和技能 ; 而内容不同质的测验 , 则要求被试不同的能力、 知识和技能。因而为了提高测验信度 , 测验内容应尽量同质。 （ 4 ）测验的时间要充分 : 对某一测验而言 , 应保证绝大多数被试在规定时间内完成测验 ; 否则 , 如果被试不能从容回答所有问题 , 就不能反映被试的真实水平。 （ 5 ）测验的程序要统一 : 包括测验的题目统一 , 指导语、 回答问题的方式、分收试卷的方法、测验时间等都要统一。 （ 6 ）评分要客观 : 评分是否客观对测验信度有直接的影响。对于客观性题目 , 评分标准明确 , 评分容易做到客观 ; 但对于主观性题目 , 受评分者影响较大 , 不易做到客观。为了尽可能客观评分 , 应制定明确而易掌握的评分标准 , 尽量做到一卷多评 , 或一人只评一题等。 提高测验效度的方法 : （ 2 ）控制系统误差 : 系统误差是影响测验效度的主要因素。它主要包括仪器不准 , 题目和指导语有暗示性 , 答案按排不当 ( 被试可以猜测 ) 等 , 控制这些因素可以降低系统误差 , 提高效度。 (2) 精心编制测题和测验量表 : 首先测题内容要适合测验目的 , 如知识性测题就不能全面反映被试的智力水平 , 它主要测量其知识水平。其次 , 测题要清楚明了 , 用语要让被试理解 , 排列由易到难。第三 , 测题的难度和曲分度要合适。 (3) 严格按照测验程序进行测量 , 防止测量误差 : 要严格按照测验手册进行测量 , 不能作过多的解释 , 按标准评分 , 两次测验间隔要适当。 (4) 样本容量要适当 : 当样本容量增大时 , 样本对总体的代表性提高 , 样本大 , 被试的内部差异增大 , 扩大了真分数的方差 , 使效度提高。 样本容量一般不应低于 30 。另外 , 抽样方法也很重要 , 一般用随机抽样 , 当群体很大时 , 可分层抽样 , 样本容量扩大时 , 其代表性才随之增大。 (5) 正确处理好信度与效度的关系 : 信度是效度的必要条件 , 但信度高的测验 , 效度不一定高 ; 而效度高的测验 , 信度却比较高。但是 , 既要有高效度 , 又要有高信度是不容易做到的。“最大可靠度（信度）要求测验项目之间有高度的组间相关； 最大预测有效度却要求低度的组间相关。最大可靠度（信度）要求项目等同的难度； 最大预测有效度却要求项目的难度有所区别。中等程度的组间相关（ ─ ), 通常可产生良好的效度 ( ─ ), 并且产生满意的信度 () 。” ( 郝德员 : 《教育与心理统计》 , 教育科学出版社 ,1962 年版 .P429) (6) 适当增加测验的长度 : 增加测验的长度可提高测验的信度 , 也可以提高效度 , 但增加测验的长度对信度的影响大于对效度的影响。如果增加测验 长度到原来的 n 倍 。
在论文写作中，导师常常告诉我们，调研要有信效度检验，那么信度、效度是什么？怎么分析信效度呢？ 信度是指测量的可信程度。 我们来看一个比较理想的状态。当我们用一个测量工具，对我们需要测量的对象测量了很多次后，得到的结果都是一样的。这时我们可以说这个测量工具是可以信赖的。 但是现实中，由于随机误差的影响，不可能达到这种状态。 那么我们怎么评估我们的测量工具是可以信赖的呢？ 我们可以计算我们用自己的测量工具得到的结果与理想状态的差距。如果差距越小，那么我们的测量工具就越可靠。 这个差距就是信度。 信度有不同的指标，我们只要明白什么时候用什么指标来检验信度就可以了。剩下的计算，统计软件可以帮我们完成，我们只要选择我们需要的计算公式进行计算，就能得出我们想要的结果。 效度则是考察我们使用的测量工具是否能有效度量我们要测量的变量。 较为公认的说法是，效度分为三种：内容效度、校标效度和构念效度。 内容效度指问题的撰写是否能准确反映测量的初衷。 校标效度指测量工具与某个公认的标准的关系是否紧密。（研究目的是测量是否能较为准确地进行预测。） 构念效度指测量工具能测量出的结果和理论预测或理论结论之间的关系是否紧密相关。（研究目的是验证理论用于测量的有效性。）那么文献中经常看到的表面效度，聚合效度，区别效度呢？ 表面效度：题项的表述是否明确、清晰、规范。（一般依据专家的意见来检验，具有主观性，不够牢靠。） 构念效度包含区分效度，聚合效度。当测量对象包含较为复杂的相互关系时，需要细化分析了。 区别效度：一个测量中，不同项目得到的测量结果能够得到区分。 聚合效度：测量一个特征的项目中，项目中不同题项应该指向同一相同特征。 那我们具体要怎么做呢？ 和信度一样，我们只要了解在什么情况下用什么指标检验效度就好，剩下的计算软件会帮我们完成。在写文章时，我们只要依据自己的问卷或量表，选择合适的信度、效度检验指标，利用软件计算出结果，就可以验证问卷或量表设计是否可信、有效了。
是啊，q我，我帮你
加油，祝顺利、
益派调查网可以免费发布调查问卷，可以免费使用样本。调查问卷包含的题型多种多样，开放题、矩阵题什么的都能做，基本满足论文中设计的数据调查及分析。