开始大五人格测试 →
α先回答的不是“这份测试准不准”
Cronbach α是从一批受试者对同一组题目的回答中算出的系数。它利用题目间共同变化与总分变异,描述这些题在该样本、该次施测中的协变模式。它因此常被用作内部一致性的摘要,但不是题目答对率、不是某个人的分数,也不是本站测试“准确率 80%”。Tavakol 与 Dennick 指出,α会随题目间相关和题目数量变化,并且是特定样本得分的属性;不能把别处发表的 α 原封不动搬来说明当前数据。Tavakol & Dennick, 2011
一个可复算、但完全虚构的例子
假设有 40 人完成一个虚构的四题量表,四题都按同一方向计分。由这 40 人的回答算得:各题方差相加为 4,总分方差为 10。原始分 α 的公式为:
`α = k/(k−1) × (1 − 各题方差和/总分方差)`
这里 `k=4`,所以 `α = 4/3 × (1 − 4/10) = 4/3 × 0.6 = 0.8`。总分方差比四个题各自方差的和大,是因为总分中还含有题目之间的协方差;若题目更同向地一起变化,α通常会上升。这个算例只演示运算:必须有多人构成的样本,才能估计方差和协方差。把某一个人的四个选项填进公式,既没有可估计的群体变异,也得不出有意义的个人 α。
.80能说什么,不能说什么
在上述样本里,`.80`是一个应继续追问的起点:题目是否都在服务同一个拟议构念?题数是否很长?是否有内容相近到重复的题?它不是自动的“合格”印章。`.70`之类的经验阈值会随用途、题数、后果、样本与不确定性而改变;把阈值当作放行线,会跳过真正的测量判断。Sijtsma 说明,α取决于题数、题方差和总分方差之间的比例,而不保留完整的协方差结构;不同的因子结构可以得到相同 α,因此单凭该数不能读出内部结构或单维性。Sijtsma, 2009
单维性问的是:这些题的共同变异能否由一个潜在维度合理解释。它需要查看题目内容、预先的构念定义,以及适当的结构分析;不能用高 α 代替。若一份问卷同时混入“社交主动”和“情绪恢复”两组题,整体 α 即使不低,也可能掩盖两个维度。较清楚的做法是先依据理论分量表,再分别报告结构证据和各分量表的 α,而不是把所有题硬加成一个总分。
效度问的又是另一件事:分数的解释和用途是否有证据支持。例如,若把分数解释为某人格特质,需检验题目内容是否覆盖该构念、与相关外部变量的关系是否符合预期、以及不同群体中的解释是否站得住。可靠的重复性是有用条件,却不会自动证明“测到了想测的东西”;因此 α不能证明某网站、任何量表或一次结果有效。
若进一步把α当作总分信度的估计,还需要检查测量模型条件。例如,基本 tau 等价要求各题的真分数仅相差常数,在共同因子表达中对应相同贡献;题目误差之间也应不相关。不满足这些条件时估计可能有偏,不能从本例的α=.80直接宣布“80%的差异都是真实特质”。
重测、ω与报告顺序
重测信度关注时间稳定性:同一批人隔多久再测、期间情境是否变化、使用的是否同一版本,都会改变其含义。一次施测的 α 没有这些时间信息,不能替代重测相关。也不必把 ω 当作按一下按钮就解决一切的替代品;它同样依赖所拟合的测量模型、样本与结构判断。
实务上可按四步检查:先写清构念与分量表;再检查反向计分、缺失处理和题目协方差;接着报告本样本的 α及结构证据,而非只报一个阈值;最后针对用途补充效度证据,若主张稳定性再设计带时间间隔和情境记录的重测。这样,数字才不会被误读成个人标签或本站性能承诺。
开始大五人格测试 →
本文由测评库内容团队整理并按页面标注日期更新,用于知识科普与自我了解参考;在线测评的适用范围和结果阅读方式请参阅测评方法说明。