主要介绍常用问卷信度的测定方法：克隆巴赫信度系数(Cronbach )法测定信度，探索性因子分析测定效度。
1信度分析
1.1背景和目标
为了衡量消费者对某一产品的购买意愿和影响因素(共五个分别为要素产品、促销、渠道推广、价格、个性化服务)，设计了问卷。 共有25个问题，其中Q1~Q19是量表问题，目前希望分析该数据的信度情况，验证数据质量可靠。
1.2操作步骤的信度分析需要按具体细分维度或变量进行分析
这个例子中涉及6个维度，所以需要分别进行6次操作，将6次操作的结果汇总成1个表并输出到研究报告书中。
以一个维度为例：
选择相应的问题项目，并将其拖动到右侧的分析框中，默认情况下输出Cronbach 系数。 单击“开始可靠性分析”。 可靠性分析接口
1.3输出结果
1.4指标解释
(1)校正项的总相关) CITC )是分析项之间的相关系数，通常大于0.4即可。 该指标通常被用于预测试验。
)2)项被删除的系数)删除该分析项后，由于仍有分析项的系数，因此该值明显高于Cronbach 系数的值时，考虑删除该分析项。 该指标通常被用于预测试验。
)3) Cronbach 系数)测量样本答案的可靠性，分析时主要关注该值。 系数值超过0.8时，表示可靠性高； 系数在0.7~0.8之间； 表示可靠性高。如果系数为0.6~0.7，则表示可靠度可以接受。 小于0.6表明信用度不好。
1.5文字分析智能分析
1.6信度分析只注意量表数据。
以维度为单位进行信度分析最终将所有维度的系数值汇总并输出。
如果一个维只支持两个问题项，则因子的值可能较低。 通常，大于0.6表示可靠性较高，但在两个问题中通常较低。 如果某个维只对应一个问题项，则无法进行可靠性分析。
如果存在反问题，则必须首先对反问题执行反操作，然后使用“数据编码”功能以新标题进行分析。 信用度系数值小于0时，请确认是否有反问题。
在某个分析项目被删除处理的情况下，即删除了与该主题对应的数据的情况下，之后的所有分析都以删除后为基准进行。
2合理性分析
2.1背景和目标
为了衡量消费者对某一产品的购买意愿和影响因素(共五个分别为要素产品、促销、渠道推广、价格、个性化服务)，设计了问卷。 共有25个问题(均为量表问题)，其中Q1~Q15为影响因素应对问题项目，Q16~Q19为购买意愿应对问题项目。 现在，分析尺度的妥当性状况，如果有不合理的问题项目，想删除处理。
2.2操作流程这里主要分析5个影响因素的对应尺度问题
(1)在左侧分析方法菜单栏中找到[问卷研究][有效性]
)2)将变量Q1~Q15拖动到右侧分析框内
)3)设定输出因子的个数，预计5个维度，因此将因子的个数设为5。 如果没有确定预期的维度，也可以让系统输出。
)4)点击”开始有效性分析”有效性分析操作界面
2.3输出结果
2.4分析结果
第一步：首先分析KMO值和巴特球检验p值。
KMO值为0.870，大于0.6，通过Bartlett球形检测意味着数据有效。 旋转后累积方差解释率为69.708P%，表明研究项目信息量能有效提取。
第二步：如果分析问题项目与因子对应关系的对应关系与研究心理预期基本一致，说明有效性良好。
可以看出所有问题项目的共同度都大于0.4。 除Q6与预期维度不一致外，其他问题项目与预期对应关系一致，问题项目因子负荷系数绝对值均高于0.4。 因此，删除Q6，再次分析。
说明问题项目均符合预期应对关系，有效性良好，与专业情况完全一致。
第三步：总结分析。
运用探索性因子分析进行有效性分析，15个量表主题共分为5个维度； 删除Q6，其余14项最终与维度对应关系良好，符合专业预期。 由上表可知，KMO值为0.8700.6，巴特球面检验累计方差解释率值为69.708%，表明5个维度可以提取大多数问题项目的信息。 因此，综合说明研究数据具有良好的结构有效性水平。
2.5一些注意有效性分析只针对量表问题进行，对于非量表问题，用文字形式进行描述以衡量问卷的有效性
KMO值过低时，可以删除通用度低的项目，再次分析
在效度分析中，很可能需要删除问题，使维度与问题项的对应关系达到预期，最重要的是维度与问题项的对应关系能否达到专业预期，其雄辩指标容易相应达成，最核心的是维度与问题项的对应关系基本一致
如果无论如何进行妥当性分析都达不到的话，可以考虑用单一的维度分别进行分析，有几个维度的话进行几次分析。 (要集中分析同一个维度的问题，只要删除因子负荷系数值小于0.4的问题项即可，无需考虑多个维度之间的逻辑对应关系) ) )。
如果删除了分析中的某个问题项目，即删除了该问题和对应的数据，则后续的所有分析都以删除后的问卷为基准进行分析
衡量信用度的方法还有很多，以上只是介绍了两种最常用的方法。 其他方法也可以在SPSSAU中使用分析
更多分析方法的相关内容可登录SPSSAU官网查看