毕业季必看：SPSS信度效度分析怎么写，分步详解与模板

如果你是正在熬夜赶毕业论文/毕业设计的毕业生，对着SPSS点了三天还是不知道信度效度分析怎么写，导师一句话“你的量表信度效度不行，改了再送盲审”就让你整宿整宿睡不着，那这篇保姆级分步详解就是专门为你写的。

有没有戳中你这些痛点：

• 开题/中期答辩都过了，到了实证分析卡壳，明明知网看了十几篇范文，还是搞不懂为什么我的Cronbach's α就是不达标，改了数据还是通不过？
• 只知道信度效度要放在数据分析部分，但是结构不知道怎么排，写了一大段被导师批“不专业，逻辑混乱”？
• 网上的教程要么是给统计专业讲的，满屏公式看不懂，要么就是碎片化的知识点，拼起来根本没法直接用在自己论文里？
• 盲审倒计时只剩一周，就差这部分没写完，需要能直接套用的模板，改改就能用？

别慌，本文把从概念认知、操作步骤、结果解读、结果撰写全给你理清楚，还附了盲审通过率90%+的直接套用模板，看完就能上手。

很多同学会疑惑，我只是做个毕业论文的小问卷研究，为什么一定要花时间做信度效度？我直接放描述统计不行吗？

先给你明确毕业要求里的底层逻辑：你用问卷收集回来的数据，能不能用来支撑你的研究结论，核心就看信度和效度。

我整理了你需要先理清的核心区别，用表格说清楚：

简单说：信度是“你测的东西准不准”，效度是“你测的是不是你要测的”，没有信效度的数据分析，就是无根之木，导师一眼就能看出你没做扎实，盲审很容易直接打低分。

信度分析是毕业论文里最基础，也是最容易卡壳的地方，很多同学就是α系数不达标，不知道怎么调，我们一步一步来。

不用搞太复杂的学术分类，针对本科、硕士毕业论文，你只需要记住：90%的情况下用克朗巴赫α系数（Cronbach's α）就够了，如果是分了两半的问卷，再加一个折半信度就行，不用搞其他复杂类型。

我给你整理了打开SPSS就能跟着点的步骤，不会错：

1. 把你的问卷数据录入好，每个题项对应一列，样本是一行，这里要注意：反向题一定要先反转计分，比如题项是“我不喜欢这个产品”，原来是1=非常不同意，5=非常同意，反转之后要变成1=非常同意，5=非常不同意，不然后面α系数肯定不达标。反转操作：转换→重新编码为不同变量，把原变量拖进去，设置新的反转值就可以。

2. 点击顶部菜单栏：分析→度量→可靠性分析（Analyze→Scale→Reliability Analysis）

3. 把你要分析的同一个维度的所有题项，全部选到“项”的框里面：比如你的问卷分为“品牌认知”“购买意愿”两个维度，就要分开做，不能把所有题项一股脑放进去算总α，很多同学这里错了，结果当然不合格。

4. 模型那里默认选“α”，不用改，然后点击右侧的“统计”

5. 统计里面勾选：项、相关性、删除项后的统计，点击继续→确定，就出结果了。

操作过程可以参考SPSS官方的操作指南：IBM SPSS Statistics 信度分析帮助文档

很多同学算出α系数不知道自己到底过没过，行业内默认的合格标准已经给你整理好了，直接对照：

除此之外，你还要看结果里的“删除项后的Cronbach's α”这一列：如果某个题项删除之后，总体α比原来高很多，说明这个题项和其他题项相关性很低，建议你把这个题项删掉再重新算，一般删一两个不合规的题项，α就能上来。举个例子：原来你品牌认知维度有5个题项，总α是0.68，删除题项BC04之后，α升到0.75，那你就可以删掉BC04，最终报告0.75的α就可以。

很多同学知道怎么算，但不知道怎么组织语言，这里给你一个标准写法框架，本科硕士都能用：

本研究采用Cronbach's α系数检验问卷各维度及总量表的信度水平，衡量测量题项的内部一致性，借助SPSS 26.0软件进行分析，结果如下表所示：

（这里放你做出来的结果表，格式如下）

由上表可知，本研究各维度的Cronbach's α系数均在[你的范围，比如0.7以上]，总量表Cronbach's α系数为[你的数值]，大于0.8，说明本次问卷测量数据具有良好的内部一致性，信度水平符合学术研究要求，可进行下一步的效度分析。

效度比信度复杂一点，但只要分清楚类型，一步步来也没问题，毕业论文里一般考擦内容效度和结构效度两种。

内容效度就是说你的问卷题项设计合不合理，是不是符合你研究的主题，针对毕业生论文，有两种写法：

• 如果你的用的是成熟量表：就是已经有前人发表过的、被广泛使用的量表，你只是稍微修改了一下，那你可以直接这么写：

本研究采用的测量量表均改编自国内外已有研究中广泛使用的成熟量表，相关量表已经过原作者的多次检验，具有良好的内容效度，因此本研究问卷内容效度符合要求。

• 如果是你自己设计的问卷：一般找3-5个本专业的专家（比如你的导师、系里的老师）帮你把把关，修改一下不合适的题项，然后做一个内容效度指数（CVI），计算每个题项的CVI，要求都在0.8以上就可以，这个不难。

做结构效度最常用的就是探索性因子分析，很多同学不知道KMO和巴特利特球形检验怎么看，我们一步一步操作：

1. 打开你录入好的数据，点击顶部：分析→降维→因子分析

2. 把你所有量表题项都选到“变量”框里，注意：人口统计学变量（性别、年龄、学历这些）不要放进去，只放你的维度题项！很多同学错在这里，结果根本不对。

3. 点击右侧的描述：勾选“KMO和巴特利特球形度检验”，点击继续。

4. 点击抽取：方法选“主成分分析法”，输出勾选“碎石图”，抽取那里选“基于特征值”，特征值大于1，不用改默认的就行，点击继续。

5. 点击旋转：这一步非常重要！很多同学不旋转，结果因子载荷乱的，选最大方差法（Varimax），这是最常用的旋转方法，点击继续。

6. 点击选项：勾选“按大小排序”“排除小系数”，小系数设为0.4，这样出来的结果会自动把同一个因子的题项排在一起，方便你看，点击继续→确定，出结果。

操作完成后你就能得到KMO检验、方差解释、因子载荷矩阵这几个核心结果了。

我们一步一步判断你的结果合不合格：

1. 第一步看KMO和巴特利特球形检验：

• KMO值要求大于0.7才适合做因子分析，0.6-0.7是尚可，小于0.6就是不适合，说明你的题项设计有问题。
• 巴特利特球形检验的显著性p值要求小于0.05，如果p>0.05说明不适合做因子分析，必须改题项。

2. 第二步看方差解释率：

所有提取出来的因子的累计方差解释率要求大于50%，如果大于60%就是很好，低于50%说明你的结构效度不好，需要调整。

3. 第三步看因子载荷：

每个题项在对应因子上的因子载荷要大于0.4，而且一个题项只能在一个因子上载荷大于0.4，如果出现交叉载荷（一个题项在两个因子上载荷都大于0.4），就把这个题项删掉，重新跑因子分析。

另外，提取出来的因子数量要和你原来设计的维度数量对应，比如你设计了4个维度，就要提取出4个特征值大于1的因子，对不上就要调整题项。

我给你整理了一个合格结果判断表，直接对照就行：

可以参考这个SPSS因子分析的可视化教程，一步步跟着操作：SPSS探索性因子分析操作教程

一般硕士论文会要求做验证性因子分析，这个用SPSS也可以做，或者用AMOS更方便，核心看几个拟合指数，合格标准给你整理好了：

只要大部分指数符合要求，就说明你的结构效度合格。

这里给你放一个本科毕业论文常用的探索性因子分析写法，直接替换成你的结果就行：

本研究采用探索性因子分析检验问卷的结构效度，首先通过KMO检验和巴特利特球形检验判断数据是否适合因子分析，结果如下表所示：

由上表可知，本次测量的KMO值为0.XXX，大于0.7的标准，巴特利特球形检验显著性p=0.000<0.01，说明数据适合进行探索性因子分析。

本研究采用主成分分析法提取特征值大于1的公因子，通过最大方差法进行旋转，得到因子分析结果如下，共提取出X个公因子，和本研究最初的维度划分一致，各题项的因子载荷均在0.4以上，累计方差解释率为XX.XX%，大于50%的标准，具体结果见下表：

综上，本研究的问卷具有良好的结构效度，测量结果可以有效反映本研究想要测量的变量，符合研究要求。

我整理了同学们问得最多的几个问题，都是导师常挑的毛病，提前解决就能少改好几次：

很多同学算出来α只有0.6多一点，达不到0.7的标准，别慌，按这个顺序调：

1. 先检查反向题有没有反转计分，90%的同学α不达标都是这里错了，反转之后α马上升上来。

2. 看“删除项后的α”，删掉那个删除后α升高最多的题项，重新算，一般删1-2个就够了，别删太多就行。

3. 如果还是不够，检查你是不是把不同维度的题项放一起算α了，一定要分维度算α，再算总量表的α，不要混在一起。

如果KMO值差一点，比如0.68，其实很多学校是可以接受的，如果差太多，比如低于0.6，就删除那些因子载荷低于0.4的题项，删完重新跑，一般KMO就升上来了，另外如果样本量太小，也会导致KMO低，样本量最好是题项数的5-10倍，比如你有20个题项，至少要收100份样本，不然KMO很容易不合格。

这是很常见的情况，原因是你有些题项设计得不好，有交叉，处理方式就是：把交叉载荷的题项删掉，把载荷低于0.4的题项删掉，然后重新跑因子分析，一般删个2-3个题项就能对上了，如果你删掉之后还是不对，那说明你的维度设计本身有问题，需要重新调整维度划分。

记住一个逻辑：信度合格是效度合格的前提，信度不合格效度肯定不合格，但信度合格效度也可能不合格，这一般是题项设计的问题，有些题项你觉得属于这个维度，实际上和其他维度更相关，删掉交叉载荷的题项重新做就可以。

我把完整的模板放在这里，你直接替换成你的数据和内容就可以用，已经有无数同学用这个框架过了盲审：

本研究采用Cronbach's α系数检验问卷各维度及总量表的内部一致性信度，借助SPSS 26.0统计软件进行分析，检验标准为：Cronbach's α系数大于0.8说明信度良好，0.7-0.8说明信度可接受，分析结果如下表4-1所示：

表4-1 各维度信度分析结果

由表4-1可知，本研究各维度的Cronbach's α系数均在0.7以上，总量表Cronbach's α系数为0.863，大于0.8，说明本次测量数据具有良好的内部一致性，信度水平符合学术研究要求，可进一步进行效度检验。

本研究所用量表均改编自XXX等（20XX）、XXX等（20XX）学者在已有权威研究中使用的成熟量表，结合本研究的研究情境对部分题项的表述进行了适当调整，调整过程中邀请了2位本领域的副教授对题项适用性进行了评估修改，因此本问卷具有良好的内容效度。

本研究采用探索性因子分析检验问卷的结构效度，首先通过KMO检验和巴特利特球形检验判断数据是否适合进行因子分析，结果如下表4-2所示：

表4-2 KMO和巴特利特球形检验结果

由表4-2可知，本次测量的KMO值为0.812，满足大于0.7的标准，巴特利特球形检验显著性p=0.000<0.01，说明数据结构良好，适合进行探索性因子分析。

本研究采用主成分分析法提取特征值大于1的公因子，通过最大方差正交旋转得到因子载荷矩阵，分析结果显示，共提取出4个特征值大于1的公因子，与本研究最初的4个维度划分一致，各题项在对应公因子上的因子载荷均大于0.4，累计方差解释率为62.35%，大于50%的标准，具体结果如下表4-3所示：

表4-3 探索性因子分析结果

综上，本研究问卷的内容效度和结构效度均符合学术研究标准，测量结果可以有效反映本研究各变量的真实水平，信度效度检验通过，可进行后续的相关性分析与回归分析。

对于毕业生来说，信度效度分析其实一点都不难，就是一层窗户纸，搞清楚步骤和标准，按流程走就能合格，最怕的就是你自己瞎琢磨，浪费了好多时间还改不对，赶不上盲审 deadline。

按照本文的步骤走，从操作到结果解读再到撰写，一步一步来，遇到问题按我们给的常见问题解决方法调，基本上都能一次通过，如果你的数据实在调不出来，那大概率是你收的样本有问题，比如无效样本太多，把那些乱填的（所有题都选同一个分数的）无效样本删掉再重新算，就没问题了。

最后祝你答辩顺利，毕业快乐！