硕士毕业论文问卷信度太低

毕业问卷收上来的数据的克隆巴赫系数系数太低处理方法为：1、如果说α信度信度系数值小于0，请查看是否有反向题。如果有，则需要先进行数据编码，反向处理后，使用反向处理后的数据进行信度分析。2、整体α信度系数值介于0~之间时，此时说明信度低，出现此类情况通常原因有3种。一是用错方法，信度分析只针对量表题，但非量表题都放进去分析。二是问卷设计质量太糟糕，量表题的设计随心所欲完全不带一点参考。三是样本量少（比如小于50）并且一个维度仅对应2个题项，样本少信度系数值相对会较低。无论是那种情况，解决流程均是：结合CITC值和项已删除后的信度系数值，先删除掉很糟糕项，然后再接着依次循环，直至信度系数可接受可止。3、整体α信度系数值介于之间。如果说分析如果说分析项仅2个，此时只能接受这种事实。如果分析项为3个或者更多，此时则需要结合CITC值进行处理，删除掉CITC值小于的项后再次进行分析，以及结合项已删除后的信度系数值这个指标进行删除分析项。

一般我们做的所谓信度都是alpha系数，这个指标其实是对你问卷所用的题目的内部一致性，即内部相关的一种检测，相关越高，代表信度越好，那就要想办法提高项目间的相关。一般就两种法子：第一，增加题目，自己根据理论依据和自己的合理论证给问卷添加符合其概念的题目，好题目（同质的题目）加的越多，信度越好。第二，删题目，把和其他项目明显不一样的题目删掉，也能增加alpha系数值，至于删哪个，你可以根据spss求alpha系数的操作来进行，在spss里面选分析——可靠性分析——然后在对话框里面找到有一项是 如果删除该项目后所得的alpha系数，这个操作会告诉你每个题目删除后alpha系数的变化，这样你就知道该删哪个了，另外也可以根据理论依据，把不符合理论的题目删掉。总而言之，就是增加同质的题目，删掉不同质的题目信度是效度的必要条件，也就是说，要想效度高，首先要信度好，那么提高信度的方法也可以用来提高效度可以说，增删题目是最常见也最有效的方法，本来增加样本容量也是个好办法，不过既然你说没时间，那就没法子了。另外的话，就是去除异常数据，把乱答的找出来，比如全部填同一个答案的，规律作答的，还可以按均值上下3个标准差去除极端值

信度系数低的原因 可能是收集的数据质量有问题，也可能是问卷 中的个别题目不适合，需要进行修改或者删除

百度百科有介绍吧。要不看看这个？信度一般用阿尔法系数做检验效度一般用T检验，显著性差异指数P检验。一般应该先用小样本做信度和效度，但是做效度的样本也不应该低于60人。然后再做推广。还有你这种量表是否应该在做效度时用校标关联系数呢，但这又需要你有新的校标。因为不太了解具体情况，所以先这么说，在做的时候你要遇到什么问题，你在问我哈。还有建议关于怎么做信度和效度，你还是看一下相关书籍。我觉得这还是很有必要的。一、信度系数与信度指数大部分情况下，信度是以信度系数为指标，它是一种相关系数。常常是同一被试样本所得到的两组资料的相关，理论上说就是真分数方差与实得分数方差的比值，公式为：r(xx)=r^2(xt)=S^2(t)/S^2（x）公式中r^2(xt)是真分数标准差与实得分数标准差的比值，称作信度系数，公式为：r(xt)=S(t)/S(x)可见信度指数的平方就是信度系数。二、测量标准误信度系数仅表示一组测量的实得分数与真分数的符合程度，但并没有直接指出个人测验分数的变异量。我们可以用一组被试两次测量结果来代替对同一个人的反复施测，于是有了信度的另一个指标，公式为：SE=S(x)√1-r(xx)公式中SE为测量的标准误，S(x)是所得分数的标准差，r(xx)为测验的信度系数，从公式我们可以看出测量的标准误与信度之间有互为消长的关系：信度越高，标准误越小，信度越低，标准误越大