竭诚为您提供优质文档/双击可除spss调查问卷信度0.5篇一：问卷的信度分析实例介绍问卷的信度分析信度Reliability即可靠性，它是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。
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以下四种：重测信度法、复本信度法、折半信度法、a信度系数法。
其中，crobacha信度系数法是最简单易行且常用的方法，其公式为：si2ka(1-2)k-1s式中，k——量表所包含的总题数；2s2i——量表题项的方差总和；s——量表题项加总后方差。
a系数的大小表明了问卷表的信度高低，一般来说，a系数越大信度越高，量表设计越合理，也即证明指标或者测量项目的选取越好；反之，a系数越小信度越低，在这种情况下可能需要重新对问卷量表进行设计，剔除部分信度不高的指标或项目。
分量表信度指标值的判别标准如下表：a信度系数0.900以上分量表信度非常理想甚佳佳尚可可信偏低欠佳最好剔除0.800-0.8990.700-0.7990.600-0.6990.500-0.5990.500以下对于总问卷而言，则有如下判别指标：a信度系数0.800以上问卷信度非常好好最小可接受值欠佳最好剔除0.700-0.7990.650-0.7000.600以下由于该方法简单易行，因此我们采取a系数信度法对问卷调查的可信度进行分析，得到结果如下表：变量代号a1a2均值2.811.871.8.008.4712.3012.3612.3612.4312.27方差11.6688.8958.0387.3338.28212.44512.14611.82711.9591 2.606a系数推广态度a3a4a5b1b20.630生态效益b3b4b50.926c1c2c3c4c5c6d1d213.20xx.1612.5612.5012.7012.4610.1710.2710.3310.269 .898.107.697.847.6611.67011.29413.41013.09412.61914.51318.05716.28816. 80416.07817.7266.6134.9145.0915.1560.9120.9130.7110.9150.780补贴政策感知质量d3d4d5e1e2e3e4感知价格总问卷修正后总问卷由上表可以看到，推广态度的分量表的信度为0.630，不能达到我们的预期值。
我们可以根据题目删减来修正信度，这里提供一个修正标准，如果删掉该对应题目，问卷的cronbachalpha值就会变化，一旦出现大幅升高，则说明该行对应得题目可以考虑删去，以提高问卷的内部一致性信度（《spss在商务管理中的应用》卫海英主编）。
在操作中发现，若把第一个问题删去可得推广态度的分量表的信度为0.720，这样使得这五个变量的信度都大于0.7，并且修正后总问卷信度为0.913远大于0.8，也说明了本研究的问卷有一定的可靠性。
由于crobacha系数受量长表的影响较大并且本问卷分量表有25个条目，出于严谨考虑我们需要测量量表条目间的相关矩阵系数，并计算总相关系数。
如下表：各变量项目间相关系数a1a2a3a4a5a11.000.1530.0020.0390.151b1a20.1531.000.3680.3080.150b2a30.0020.3681.000.5010.427b3a40.0390.3080.5011.000.589b4a50.1510.1500.4270.5891.00b5b1b2b3b4b5c1c2c3c4c5c6d1d2d3d4d5e1e2e3e41.000.4910.5600.3470.355c11.000.4250.1850.2630.3920 .142d11.000.4420.3740.4360.342e11.000.1950.1990.1620.4911.000.5590.4940.510c20.4251.000.3050.3610.4340 .139d20.4421.000.4440.4720311e20.1951.000.4190.3270.5600.5591.000.4640.488c30.1850.3051.000.5080.2830 .490d30.3740.4441.000.4500.288e30.1990.4191.000.3180.3470.4940.4641.000.545c40.2630.3610.5081.000.5540 .367d40.4360.4720.4501.000.383e40.1620.3270.3181.000.3550.5100.4880.5451.00c50.3920.4340.2830.5541.000 .491d50.3420.3110.2880.3831.00c60.1420.1390.4900.3670.4911.00由上表可看出，推广态度5个条目中相关系数最大的值为0.589，可说明各条目间并非多重线性关系。
同理，其他四项变量的各条目的相关系数最大值分别为0.560、0.554、0.472和0.419，都不算大，可证明各变量测量项目间均不存在多重线性关系。
综上所述，各量表及量表下指标的设置较为合理。
logistic模型分析1.模型介绍（x）（y）logistic回归为概率性非线性回归模型，是研究分类观察结果与一些影响因素之间关系的一种多变量分析方法。
一般多元线性回归的因变量为确定的值，而logistic回归为概率型回归，通常用极大似然估计法来估计个变量的系数，用于求解因变量y 为分二项或多项的问题。
根据本文需要，把“是否愿意购买”作为二分变量因变量（即y只有0和1两个选项），选取事先预测与因变量有关的收入、年龄以及问卷主题中五个变量作为该模型的自变量，通过问卷所得数据并借助spss软件进行分析求解，得出结论。
2.模型的检验方法介绍：logistic模型的检验可分为对建立的整个模型作检验和对单个变量的系数作检验。
关于对整个模型的检验，我们可以借助spss软件运行结果，参照test值，计分检验和wald检验值。
而关于对单个变量的系数作检验，则根据数理统计中假设检验的显著性水平才衡量。
在检验中把不符合要求的变量提出修正模型作进一步分析。
2logistic回归模型的检验方法有很多种，其中，personx 检验法和homer-lemehow检验法是spss所提供的两种整体模型系数的显著性方法。
如果，personx检验的检验结果p0.05说明模型中至少有一个自变量能有效预测模型在因变量的概率。
而homer-lemehow检验法则则恰好相反，检验结果p0.05说明模型的显著性很好。
在逻辑斯回归分析中,最理想的回归模型是personx检验值统计量p0.05而hl统计量22p0.05。
如果出现personx2检验值统计量p0.05及hl 统计量p0.05的情况,即表明回归模型适配度不佳，则可从自变量的相关矩阵来判别,看自变量间是否存在高度共线性问题。
3.logistic回归模型建立分析本文二值logistic模型只要为了研究节能家电的生态效益、推广态度、所提供的产业政策以及消费者的年龄、月收入、对节能家电的感知价格和感知质量这些变量对消费者购买意愿的影响。
其中，节能家电的生态效益、推广态度、所提供的产业政策、消费者的感知价格和感知质量是通过量表打分属于连续变量，可直接代入模型中作回归；而间断变量年龄和收入可借助spss软件转换为虚拟变量后，与其他变量一起回归。
先考虑自变量月收入，本文分为4组，则需选定一个参照组并建立三个虚拟变量，下表中选取第4组为参照组，“月收入虚拟1”为第一组和第四组的对比，其他同理。
则虚拟变量转换如下：篇二：信度分析spss例析信度分析信度分析又称可靠性分析，是检验测量工具的可靠性和稳定性的主要方法；信度问题要回答的问题是：用这个测量工具在同一条件下对同一人进行测试，每次测试的结果是否相同的问题。
在社会科学中如果使用的测量工具无论对谁施测，也无论使用什么形式，只要产生相似的结果，那么可以认为此测量工具是可信的。
信度问题其实测的是一致性的问题，所谓信度是衡量没有误差的程度。
一致性分为内部一致性和外部一致性。
效度问题要回答的是：此测量工能够测量我想要测得的东西吗？不能混淆信度与效度。
信度的测量1．克伦巴赫α系数。
测度内部一致性的一个指标；及测量表内的所有项目测量的都是同一样东西吗？α与皮尔逊r系数都是一样的范围在0—1之间，如果为负值则表明表中某些项目的内容是其他一些项目的反面；α越接近于1，则量表中项目的内部一致性越是高。
α的计算式非常简单，根据量表中的项目数k和各项之间的相关系数r计算而来kr1(k1)r当量表中项目k增加时，α值也会增大；同时，项目之间的相关系数r较高时，α也会比较大。
这里的r是指各项与其他各项之和计算相关系数的平均值。
2、重测信度法这一方法是用同样的问卷对同一组被调查者间隔一定时间重复施测，计算两次施测结果的相关系数。
显然，重测信度属于稳定系数。
重测信度法特别适用于事实式问卷，如性别、出生年月等在两次施测中不应有任何差异，大多数被调查者的兴趣、爱好、习惯等在短时间内也不会有十分明显的变化。
如果没有突发事件导致被调查者的态度、意见突变，。