SPSS信效度难度区分度分析举例.docx
《SPSS信效度难度区分度分析举例.docx》由会员分享，可在线阅读，更多相关《SPSS信效度难度区分度分析举例.docx（11页珍藏版）》请在冰点文库上搜索。
SPSS信效度难度区分度分析举例
SPSS信度分析
一、分半信度
例1：
李老师对班上9位同学的随堂测验，Y表示答对，N表示答错，测验结果如表1所示，请计算其信度。
表1随堂测验成绩
表2相关性
解：
（1）首先根据题意，将资料输入SPSS，建立数据文件；
（2）选择"转换"|"重新编码为相同变量"命令，打开"重新编码到相同的变量中"对话框；
（3）单击"旧值和新值"按钮，打开"重新编码成相同变量：
旧值和新值"对话框。
将"N"定义为"0"，将"Y"定义为"1"，单击"继续"按钮，完成转换。
在SPSS文件中将"字符串"属性改为"数值"。
（4）计算奇数题与偶数题的和：
选择"转换"|"计算变量"命令，打开"计算变量"对话框。
将奇数题变量相加移入数字表达式列表框内求和，偶数题的计算方法亦同样。
（5）执行双变量相关：
选择"分析"|"相关"|"双变量"命令，打开"双变量相关"对话框。
将变量"奇数"和"偶数"移入右侧"变量"列表框中，在"相关系数"选项组中勾选Pearson复选框，在"显著性检验"选项中选中"双侧检验"单选按钮，并勾选"标记显著性相关"复选框，单击"确定"按钮。
（6）结果中输出对该测验奇、偶数题目进行的Pearson积差相关分析表，如表2所示。
Pearson相关系数为0.109，双侧检验的显著性概率（Sig）为0.78，远大于0.05，说明该测验奇、偶题目的相关非常低且不显著，同时也说明了该测验的信度非常低。
分半信度也可直接使用"可靠性分析"命令来完成，简要步骤如下。
（1）建立数据文件。
（2）将资料转为数字（同上）。
（3）选择模型：
选择"分析"|"度量"|"可靠性分析"命令，弹出"可靠性分析"对话框。
将左边列表框中的题目依所需次序前后分半选入右边的"项目"列表框中，在左下角的"模型"下拉列表框中选取"半分"选项。
（4）选择统计量，单击"统计量"按钮，打开"统计量"对话框并完成相应的设置。
最后单击"确定"按钮，输出统计结果。
二、同质性信度
（1）点击分析-度量-可靠性分析。
（2）将要检验的问卷或者维度放入变量框中。
（3）点击确定，生成结果。
信度指标就是Cronbach'sAlpha。
三、重测、复本信度
（1）打开或建立数据文件。
（2）选择"分析"︱"相关"︱"双变量相关"命令，打开"双变量相关"对话框，如下图所示。
（3）选择变量：
选择要进行分析的变量并将其移入右侧的"变量"列表框中。
当变量多于两个时，结果中会计算所有选入"变量"列表框中变量两两之间的相关系数。
（4）选择相关系数：
"相关系数"选项组包含Pearson、Kendall的tau-b和Spearman3个复选框，研究中根据数据类型可以通过勾选对应的复选框来选择相关系数的计算方法。
（5）选择显著性检验类型：
通过选中"显著性检验"选项组下相应的单选按钮，选择显著性检验使用"双侧检验"还是"单侧检验"。
（6）标记显著性相关：
勾选"标记显著性相关"复选框，在统计结果中将用"*"号标记有显著相关的相关系数，系统默认选中。
当P<0.05时，相关系数旁会标识"*"，表明两变量在0.05水平上达到显著相关；当P<0.01时，相关系数旁会标识"**"，表明两变量在0.01水平上达到显著相关。
（7）选项设置：
单击"选项"按钮，打开"双变量
相关性：
选项"对话框，对"统计量"和"缺失值"完成相应的设置。
（8）单击"确定"按钮，执行操作，输出结果。
四、评分者信度（肯德尔和谐系数）
例2：
某校举办校园歌手大赛，6人进入决赛，请5位评委老师为这6名选手评定等级。
结果如下。
如何衡量5位老师评定结果的一致性程度？
表15位老师为6名选手评定的等级
评分教师（k=5）
选手编号（n=6）
A1
A2
A3
A4
A5
A6
A
3
1
6
4
5
2
B
2
1
5
6
3
4
C
2
1
5
6
4
3
D
1
2
6
5
3
4
E
1
2
6
5
4
3
Ri
9
7
28
26
19
16
解：
（1）数据录入。
计算肯德尔和谐系数的数据编排与通常的不同：
一个被评对象为一列数据（相当于变量），一个评分者为一行数据（相当于样品）。
数据编排同表1.
（2）单击“分析|非参数检验|旧对话框|K个相关样本检验”，在对话框中，将A1—A6全部选定，单击肯德尔和谐系数，确认即可。
（3）在结果分析中，肯德尔和谐系数W=0.845，渐近显著性概率为0.001，小于0.01，故而，相关非常显著。
（4）值得注意的是，如果数据是按照通常的编排输入的，即一位选手得到的等级为一行，一个评分者的评分为一列，那么可以使用“数据”菜单下的“转置”（transpose）功能，将原数据行列互换。
SPSS效度分析
一、结构效度
结构效度是测验对理论上的构想或特质的测量程度。
结构效度所采用的方法是因子分析。
有学者认为，效度分析最理想的方法是利用因子分析测量量表或者整个问卷的结构效度。
因子分析的步骤如下：
（1）选择分析中的“降维”→“因子分析”；
（2）将所有的变量都选到因子分析变量中。
（3）描述选项卡，勾选，原始数据分析和KMO和Bartlett球形度检验。
（4）抽取选择主成分分析方法，其他默认即可。
（5）旋转选项卡，方法选择最大方差法。
（6）点击确定即可得出spss分析出的结果。
KMO的值在0.9以上，表明非常适合做因子分析；0.8--0.9：
很适合；0.7--0.8适合；0.6-0.7尚可；0.5--0.6表示很差；0.45以下：
应该放弃。
二、效标关联效度
确定效标关联效度最常用的方法是，计算测验分数与效标测量的相关。
如以学生平时成绩为效标，计算问卷的效标效度，计算平时成绩和问卷得分的相关即可。
然后点击“分析——相关——双相关”，将“问卷”和“平时成绩”选中点箭头，然后点击确定。
得到下表的结果
表中r是Pearson 相关性=0.997；p是显著性（双侧），该指等于0.000，小于0.001，说明二者存在显著的正相关关系。
SPSS难度分析
一、难度计算公式
1.某题的难度=通过人数/总人数。
2.某题的难度=（高分组+低分组通过率）/2.
3.某题的难度=平均分/满分
4.选择题难度矫正，吉尔福特公式。
CP=（KP-1）/（K-1）
二、SPSS操作步骤
例3：
本试卷（满分100分）有两个部分组成：
客观性与主观性试题，其中客观性试题共40分，占40%，主观性试题共60分，占60%。
具体情况见下表。
注：
q1是填空、q2是选择、q3是判断、q4是简答、q5是问答、q6论述。
解：
（1）数据录入，将47份试卷按照各部分得分情况和他们的总成绩、平时成绩输入到相应的表格中。
（2）基本描述性统计分析
主要包括参加考试的学生总数、缺考人数、每个部分的最高分、最低分、极差、平均分、标准偏差（方差）等。
在试卷质量分析数据中，运行菜单：
分析|描述统计|描述,把除平时成绩外的所有变量加入到“变量”中，点击“选项”对话框，选中Mean、Minimum、Maximum、Range、Std.deviation、Variance。
再点击OK。
得到如下结果。
（3）难度分析
对于选择题，先计算得出难度系数P，然后再根据公式cp=（kp-1）/（k-1）（k为选项个数）算出矫正难度系数cp。
试题难度系数与试题实际难易程度正好相反，越大表示试题越容易，而越小则试题越难。
一般认为，难度适中更能客观地反映出学生的学习效果情况，多数试题应分布在0.3～0.7之间，选拔性测试为0.5左右为宜，通常期末考试为目标参照性考试，可适当偏高，全卷平均难度以0.7左右为宜，0.6～0.8为正常。
（4）区分度分析
对于客观题来说,使用等级相关分析，在此使用斯皮尔曼（Spearman）等级相关分析。
对于主观题来说，样本数为47，大于30，可以看成非等间距测度的连续变量，在此采用皮尔逊（Pearson）相关分析对试题进行分析。
具体操作如下：
Analyze→Correlate→Bivariate。
在弹出对话框中选择各个客观题题号变量和总成绩进入Variables,然后在CorrelationCoefficients中单击Spearman,完成后即可得到客观题的区分度。
主观题的区分度分析方法同上，只需选择主观题和总成绩进入，然后选择Pearson即可。
得到每个部分的区分度，见下图：
SPSS区分度分析
一、区分度计算公式
1.鉴别指数法，区分度=高分组通过率-低分组通过率。
2.相关法，以某一项目分数与测验总分的相关，作为该题区分度的指标。
2.1点二列相关，一个二分变量（双峰分布），一个连续变量。
选择题（答对得2分，答错0分）与总分。
2.2二列相关，一个连续变量（人为被分成二分变量），一个连续变量。
论述题（满分10分，超过6分即合格）与总分。
2.3φ相关，两个变量均为二分变量。
总分区分为高分组和低分组，项目得分为通过和未通过。
二、SPSS操作步骤
1.鉴别指数法
（1）数据录入与整理。
将总分按照从高到低排列。
（2）分别计算出高分组通过率和低分组通过率。
（3）两者差值即为区分度。
2.相关法
（1）排序。
先将所有人的总成绩由高到低（或者由低到高）进行排序，然后去取前27%和后27%的临界点上的学生成绩作为高低分组的临界点。
（2）转换。
然后在spss菜单中选择转换——编码为不同变量，将总成绩选入右边的输入输出框，然后给输出变量命个名，写高低分组就可以，然后点击更改按钮。
（3）赋值。
接着点击旧值和新值按钮，将从最低到后27%的临界值编码为新值1，将从前27%的临界值到最高编码为新值2，然后确定，从而形成一个新的变量“高低分组”。
（4）接着在菜单中选择分析——比较均值——独立样本T检验，将高低分组选入分组变量框，按1,2编码，然后将要求区分度的各项目得分选入检验变量框，然后确定就可以看到差异检验的结果了，sig<0.05，即是高低分组差异显著。
升级会员 