用EG幫你寫論文，事半功倍，加速畢業！[系列4-2]信度分析

寫論文一定會做問卷，都會有不同滿意程度的度量衡，如何做信度分析呢？本篇文章Dr. SAS來教您　一信度分析

在衡量某一概念時，通常會設計一些有關概念的題目來加以衡量，如果每一個問題間的一致性太低的話，就表示問項無法反應出同樣的概念，此時其內部的一致性(Internal Consistency)就很低，其信度就很低，因此在衡量概念時，該信度低的問題就可以考慮予以刪除；相反的，每一個問題之間的一致性如果很高，就表示每一個問項可以正確的反應出同樣的概念，此時其內部的一致性就很高，信度就很高，因此在衡量概念時，該信度高的問題就應該予以保留。『折半係數(Spilt-half Reliability)』、『Cronbach 　a係數』等都是屬於衡量內在一致性信度常用的方法。在實務上，研究者最常使用Cronbach a係數衡量內在一致性信度。

一、Pearson積差相關係數

依據文獻與自行整理的研究所設計的量表問題，不是所有的問題都可以衡量出欲衡量的概念，因此，要針對所有量表的問題進行項目分析，來進行問題的篩選，將可以衡量出概念的問題留下，無法衡量出概念的問題予以刪除，常用的項目分析方法為相關分析法。其方法為求各問項x與全體問項總分y（不含該問項分數）的Pearson積差相關係數r_xy，如果r_xy值太低表示該問項與總量表間的關係太弱，可以考慮刪除該問項，通常以0.3作為臨界值(也有學者選擇0.4做為臨界值)。所謂Pearson積差相關係數r_xy的定義如下：

假設有一量表的資料檔如下：

X1	X2	X3	X4	X5
3	4	4	2	2
4	5	5	5	5
4	4	4	3	4
4	4	3	3	3
5	2	4	4	3

首先，計算下列問題的總分

Y1=X2+X3+X4+X5

Y2=X1+X3+X4+X5

Y3=X1+X2+X4+X5

Y4=X1+X2+X3+X5

Y5=X1+X2+X3+X4

最後，分別計算各問項(X1、X2、X3、X4與X5)與不含該問項的全體問項總分(Y1、Y2、Y3、Y4與Y5)的Pearson積差相關係數r，結果如下：

同前的例題，假設有一量表的資料檔如下：

X1	X2	X3	X4	X5
3	4	4	2	2
4	5	5	5	5
4	4	4	3	4
4	4	3	3	3
5	2	4	4	3

三、量表問題的篩選

本研究共有「創新接受程度」、「產品創新屬性」、「消費者知識」與「購買意願」等四個量表。經由上述相關係數的觀念，我們可先以未經過反向記分處理過的資料(即資料集MerryInsruance)來求出量表各問題對全體問題的相關係數、刪除問題後的Cronbach 係數與總量表的Cronbach 係數如下：

(一) 原始量表信度分析

1.「創新接受程度」量表

2.「產品創新屬性」量表

3.「產品創新屬性」量表

4.「購買意願」量表

由表2-1可以看出問題A2與A11的相關係數為負的(分別為-0.596271與-0.513990)，表示該問題為反向記分題；表2-2可以看出問題B5的相關係數為負的(-0.201502)，表示該問題為反向記分題；由表2-3可以看出問題C3與C7的相關係數為負的(-0.652307與-0.789965)，表示該問題為反向記分題；由表2-4可以看出問題D4與D6的相關係數為負的(-0.697216與-0.789545)，表示該問題為反向記分題。因此，要針對反向題的問題A2、A11、B5、C3、C7、D4與D6進行轉換後(即5分變成1分，4分變成2分，3分不變，2分變成4分，1分變成5分)，再進行信度分析。因此要使用經過反向記分處理過後的資料集MerryInsruance_R再進行一次信度分析後，求出量表各問題對全體問題的相關係數、刪除問題後的Cronbach 係數與總量表的Cronbach 係數如下：

EG操作

(二) 反向記分處理後信度分析

1.「創新接受程度」量表

由於表2-5所得之相關係數均大於0.3(或0.4)，刪除問題也無法再增加信度，因此「創新接受程度」量表並未刪除任何問題，Cronbach 係數內在一致性信度為0.893341。

2.「產品創新屬性」量表

由於表2-6所得之相關係數均大於0.3，問題B1的相關係數為0.312208，刪除問題B1雖然可增加整個量表的信度到0.807574(原來為0.804415)，但僅增加0.807574-0.804415 =0.003159，增加的量不高，所以不刪除問題B1(如果作者可接受增加信度數值，則也可以考慮將問題B1刪除)，因此「產品創新屬性」量表並未刪除任何問題，Cronbach 係數內在一致性信度為0.804451。

3.「消費者知識」量表