发布时间：
(一)信度分析 本研究得出整体问卷与各构面之Cronbach's α值分别为及服务补救整体品质构面为,而其各构念分别为沟通()授权()解释()补偿()回馈()有形性();满意反应构面为;行为意向构面为,由此可知各构面的信度都在以上,符合Nunally(1978)及Wortzel(1979)有关具高信度之判断准则(Cronbach's α值大於),此显示本研究量表中的问项均具有高程度的内部一致性,因此在信度上仍具可信. (二)效度分析 1.内容效度 问卷之发展乃由文献探讨整理出相关问项后,再透过问卷调查,将问卷以传真,邮寄或e-mail方式与专家,学者讨论问卷中各问项之适当性,再对他们所提出的意见,修正问卷之内容,即形成本研究之最后的正式问卷.因此,本研究认为经过此一严谨的程序所发展之问卷应以具有相当程度的内容效度.
对调查问卷数据分析的灵魂拷问，就在于调查问卷可不可靠、有没有效。
调查问卷分为量表题和非量表题。调查问卷数据分析要看有没有量表题，如果有量表题，首先需要进行信度分析和效度分析。非量表题不能进行信度分析和效度分析。
目录
1 量表题和非量表题2 信度分析和效度分析3 常用的信度分析--Cronbach's a 数学原理4 案例：用SPSS进行信度分析5 案例：用SPSS进行效度分析6 总结
1 量表题和非量表题
01 所谓量表题就是测试受访者的态度或者看法的题目。通常使用李克特量表来测度，根据答项数量可分为四级量表，五级量表，七级量和九级量表。比如五级量表可以分为：非常不满意，比较不满意，中立，满意和非常满意五个选项，通常赋予分值1，2，3，4，5。
量表题在心理学、管理学、社会学、经济学等社会科学领域应用广泛，并且有很多分析方法适用于量表题项，比如因子分析，相关分析，回归分析，方差分析，T 检验等，中介作用或者调节作用分析也适用于量表题项。
02 非量表题，常见的有单选题、多选题和问答题。
2 信度分析和效度分析
01 信度分析（Reliability Analysis）在于研究数据是否真实可靠， 又称“可靠性分析”，通俗地讲研究样本是否真实回答问题，测试受访者是否好好答题，具体来说就是用问卷对调研对象进行重复测量时，所得结果的一致性程度。
通常情况下信度分析均只能针对量表题进行分析。
02 效度分析(Validity Analysis) 在于研究题项是否有效的表达研究变量或者维度的概念信息， 通俗地讲研究题项设计是否合适，即测试调查者是否科学设计问题，或者题项表示某个变量是否合适。
03 信度和效度的关系是：效度高，信度一定高。信度高，效度不一定高。
形象的比喻是：
一位大学生测身高，连续5次的身高都不一样，这个叫没信度，即结果不可靠不能重复。如果大学生测量5次的身高，都是80CM，有信度，但是没有效度，因为没有测量到真实的身高。换一个身高仪，每次都显示160CM，去爱康国宾体检身高也是160CM，这个就是有信度也有效度。
04 预测试 （Pretest）
为了确保问卷质量，初步设计问卷之后，收集小量样本（通常在100之内）进行信度分析或效度分析，以便发现题项存在的问题，并且对问卷进行修正处理，得到正式问卷，然后进行正式调研。
预测试的目的：发现问题，调整题项。
3 常用的信度分析-- 克隆巴赫系数（Cronbach's coefficient alpha）
克隆巴赫系数是最常用的信度测量方法
克隆巴赫（1916—2001），美国心理学家、教育学家。他创建了一套常用的衡量心理或教育测验可靠性的方法——“克隆巴赫系数”（Cronbach's coefficient alpha），并在此基础上建立了一个用于确定测量误差的统计模型。
信度系数 又称 内部一致性系数，克隆巴赫系数，Cronbach a 系数，a（Alpha）系数，
项删除后的克隆巴赫系数：删除某题项后的信度系数，常用于预测试
校正的项总计相关性：题项之间的相关关系，常用于预测试，大于则题项之间的相关度比较高
4 案例：用SPSS进行信度分析
可以根据Cronbach a 系数的计算公式进行计算，也可以用SPSS软件进行计算。
（1）如果每个问题在各个学科上呈现的方差较小，方差之和也较小根据Cronbach's a 公式计算，样本方差之和/总体方差更接近于0，a值接近于1则测试结果表明教学方式比较相似，回答可信。则表明问卷Q1-Q4 比较好的表达了教学方式相似性的测度。（2）如果每个问题在各个学科上呈现的方差较大，则方差之和也较大根据Cronbach's a 公式计算，样本方差之和/总体方差更接近于1，a值接近于0则教学方式比较不同，问卷数据不可靠（要不是问卷设计有问题，要不回答者不认真做答）。则表明问卷Q1-Q4 的回答不符合教学方式相似性的测度。需要调整题项（出卷者需要了解的），或者重新请受试者回答。
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。
问卷题项需要根据研究的主题进行设计，比如研究在线学习的满意度与学习效度情况，题目应该围绕着“满意度”与“学习效果”这两个关键词来设计。
通常情况下，一个关键词下属对应有4~7个题即可，不需要太多。如果按照此逻辑，2个关键词就只有8~14个题，同时"满意度"和"学习效果"又可以进一步拆分成具体几个维度，例如满意度可分为对平台稳定性、互动系统、课程安排等方面，"学习效果"也可这样拆分。
同时再加入一些被调查者的背景信息题，如年龄、性别、职业等。
如果思路上偏向研究影响关系，最好将题项设计成量表题，方便后续分析时进行线性回归分析等研究。
一份问卷大致包括：样本背景题+样本态度题+核心研究题，有以上几部分就基本可以。
更具体的问卷设计方法可参考：
SPSSAU问卷设计思路
论文问卷数据怎么分析如下：
一、问卷类型
问卷调查分为两大类：即量表问卷和非量表问卷。
量表问卷通常更多用于学术研究，其特点在于更多的态度认知题项，体现样本人群对于某事物的态度看法态度情况等，通过对各研究变量的关系研究，找出其中内涵逻辑关系。
非量表问卷更多体现对某现状的事实情况和基本态度调研，比如样本进行网购的原因，不进行网购原因，网购平台的使用现状情况等。此类问卷更多在于分析思路的逻辑和现状情况的了解分析，以及样本的基本态度情况。
二、分析方法
从分析方法上，量表类问卷最大的特点是：非常多的量表题，而且量表题对应着‘变量’或者‘维度’。便于研究‘变量’间的关系情况。以及可以使用信度、效度、因子分析等方法。
非量表题其最大的特点为大部分为单选题、多选题或者排序填空题等，但很少 有出现量表题（是量表题是指类似答项为“非常不同意”，“比较不同意”，“中立”，“比较同意”和 “非常同意”之类的问题）更多是使用基本频数分析和交叉分析等，同时使用图形和表格进行多样化展示。
三、分析结果
问卷数据一般使用SPSS进行分析即可，分析基础比较薄弱，可使用SPSSAU进行分析。SPSSAU分析结果生成的是“类三线表”的格式，系统会自动生成指标解读报告。
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。
一般要大于说明问卷调查质量比较良好。效度的特征：1、效度具有相对性：任何测验的效度是对一定的目标来说的，或者说测验只有用于与测验目标一致的目的和场合才会有效。所以，在评价测验的效度时，必须考虑效度测验的目的与功能。2、效度具有连续性：测验效度通常用相关系数表示，它只有程度上的不同，而没有“全有”或“全无”的区别。效度是针对测验结果的。
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。
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。
论文信度效度怎么分析介绍如下：
要看做的内容是什么，如果你的问卷中的四个维度同质性很高，那么我们通常只报告整体的Cronbach's Alpha系数。比如一份语言测试（单一能力测验），那么就不需要报告每个部分的Cronbach's Alpha了。
但是如果不是，比如是人格测验，那么通常是要报告每个分测验和总的Cronbach's Alpha。不过你放心，一般这个信度指标和题目数量有关，也就是说题目越多，信度就越高。所以总体的指标一定不会低于单个分测验的。
另外，测验当然要做效度分析了。既然你的问卷结构已经确定，建议你做验证性因素分析，可以用结构方程模型做，具体工具推荐AMOS。
信效度分析：
统计学分析中经常会采用问卷调查的方法来获取分析数据，为了保证统计设计质量，往往需要检测调查问卷的质量，也就是通过问卷测量得到的，反映调查对象客观现象的统计数据的准确性。一个好的调查问卷设计不仅可以保证在多次重复使用下得到可靠的数据结果，即准确性。
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
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。
一般问卷都是需要做信效度检验的，表明你的研究工具可靠、可信。
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。
如果含有多选题是无法做信度分析。而非量表类问卷的选择题信度与效度主要通过专家审定，无需进行信度分析。
信度测定的缺点：由于涉及误差平方和，所以，需要对相同的调查对象，通过多次重复测量，在估计T和X取值的基础上，才能得到信度估计。但是多次重测会带来记忆效应及联系效应，而且会造成被调查者的反感，所以在调查研究中实现较为困难。
相关拓展
信度检验是指问卷的可靠性检验，指采用同样的方法对同一对象重复测量时所得结果的一致性程度，也就是反映实际情况的程度。信度指标多以相关系数表示，大致可分为三类：稳定系数（跨时间的一致性），等值系数（跨形式的一致性）和内在一致性系数（跨项目的一致性）。
信度分析的方法主要有四种：重测信度法、复本信度法、折半信度法以及 α 信度系数法。
以上内容参考 百度百科-信度检验
做问卷调查一定要做信度与效度分析的。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，表明研究工具可靠、可信。效度的作用：一、预测误差：效度系数的实际意义常常以决定性系数来表示，意旨相关系数的平方，它表示测验正确预测或解释的效标的方差占总方差的比例。二、预测效标分数从预测分数预测效标。例如，成绩如果X与Y两变量呈直线相关，只要确定出二者间的回归方程，就可以从一个变量推估出另一个变量。三、预测效率指数可以比盲目预测减少的误差。想要了解更多关于调查问卷的问题，推荐咨询问卷星 问卷星是强大易用的在线问卷调查平台，丰富的题型和多样的功能帮助各行从业者，高效完成其问卷调查的工作。此外，还可以创建在线考试、报名表单、在线测评和360度员工评估、在线投票等丰富应用；更是拥有1亿+模板复制可用，多终端+多渠道问卷分发，不限填写次数，实时监控填写进度，数据自动统计分析。专业团队，值得信任！