跳转到内容

信度

来自VeritasWiki 真理百科

信度(reliability)指测量结果的稳定性、一致性与可重复程度,即用同一工具对同一对象反复测量时,所得结果彼此吻合的水平。在心理测量学中,信度被形式化为真分数方差与实得分数方差之比,用以刻画一份测验在多大程度上反映了稳定的心理属性,而非随机波动的误差。信度是任何测量工具的基本品质:一个今天测出高分、明天测出低分,或不同评分者给出截然不同结论的测验,无论其内容多么合理,都无法支撑可靠的推论。它与效度共同构成评价测验的两项核心指标,但二者关注的不是同一件事:信度问的是“测得稳不稳”,效度问的是“测得准不准”。

经典测验理论中的定义

信度的量化框架来自经典测验理论。该理论假定,任何一次实得分数都由真分数与误差两部分构成,即实得分数等于真分数加误差分数;误差被假定为随机的,其期望值为零,且与真分数彼此独立。在这一模型下,信度被定义为真分数方差在实得分数方差中所占的比例,取值介于零与一之间。信度越高,说明实得分数的变异中由稳定的个体差异所解释的部分越大,随机误差所占的比重越小。

这一概念的提出与斯皮尔曼(Charles Spearman)在20世纪初的工作密切相关。他在讨论相关与测量的论文中意识到,任何测量都带有误差,两次测量之间的相关会因误差而系统性偏低,因而提出对相关系数作衰减校正的思路,为后来的信度理论奠定了基础。由斯皮尔曼与布朗(William Brown)提出的预言公式进一步指出,测验长度与信度之间存在确定的函数关系:在题目同质的前提下,增加题目数量可以提高信度,但提升幅度随长度增加而递减。这一公式至今仍是测验编制者估算所需题量的基本工具。

主要类型与估计方法

信度不是一个单一数值,而是一族指标,各自针对不同的误差来源。重测信度考察时间稳定性:同一测验在不同时间对同一批人施测两次,计算两次分数的相关,相关越高说明结果越不受时间波动影响。它适用于测量较为稳定的属性,如人格特质;若所测属性本身会随时间变化,例如心境或状态焦虑,低重测信度未必说明测验不佳,而可能反映构念的真实波动。复本信度考察跨版本的一致性:编制两份内容等值但题目不同的版本,对同一批人先后施测,计算两版分数的相关,可同时反映时间稳定性与题目取样的影响。

内部一致性关注测验内部题目之间的一致性,常用的估计方法包括分半信度、库德—理查森公式与克隆巴赫系数。分半信度把测验题目分成两半,计算两半得分的相关,再用斯皮尔曼—布朗公式校正为全长测验的信度;其难点在于分半方式会影响结果,不同分法可能得到不同数值。克隆巴赫系数则基于题目间的协方差,估计所有可能分半方式的平均信度,是目前使用最广的内部一致性指标。评分者信度针对主观评分的误差:当多位评分者对同一份材料打分时,用相关或一致性系数衡量他们之间的一致程度,在投射测验、作文评分与面试评定中尤为关键。

影响信度的因素

测验长度是最直接的影响因素。在题目同质的前提下,题目越多,随机误差的影响越容易被平均掉,信度随之上升;但这一提升有上限,且当新增题目与原有题目高度重复时,实际增益会小于公式预言。题目同质性同样重要:若测验内部混杂了测量不同构念的题目,受测者在不同题目上的表现缺乏一致性,内部一致性系数就会偏低。这也是为什么单维性检验常与信度估计同时进行。

样本的异质性对信度系数有微妙而重要的影响。信度系数本质上是一个相关系数,而相关系数的大小依赖样本中个体差异的范围:当样本的能力或特质分布很窄时,个体间的真实差异缩小,误差的相对比重上升,信度系数随之下降;反之,样本异质性越大,信度系数往往越高。因此,同一份测验在不同人群中施测,报告的信度可能相差很大,跨群体比较信度时必须考虑这一因素。此外,测验难度会影响分数变异,过难或过易都会压缩变异范围;施测条件、指导语的清晰度、受测者的动机与疲劳,也都会进入误差项。速度测验还带来特殊问题:若受测者因时间限制而未做完题目,未作答的题目究竟反映能力不足还是速度不够,难以区分,常规的内部一致性估计会失真。

信度与效度的关系

信度与效度之间的关系,可以用一句话概括:信度是效度的必要条件,但不是充分条件。一个测验若连稳定地测量都做不到,就不可能准确地测量它想要测量的东西;但一个测验可以非常稳定地测量某个东西,而那个东西并不是它声称要测量的构念。一把总是短一厘米的尺子,测量结果高度一致,却没有测量长度意义上的效度;同理,一份稳定测量社会赞许性的问卷,不能因为信度高就被当作人格特质的有效指标。

这种关系还有定量的一面。由于效度系数同样受测量误差的衰减,一个测验的效度系数不可能超过其信度系数的平方根。这意味着,信度偏低会为效度设置一个无法逾越的上限:若信度只有零点五,效度系数的理论上限约为零点七,无论测验内容设计得多么贴切,观测到的效度都会被误差压低。这一衰减校正的原理,正是斯皮尔曼早期工作的延伸,也提醒研究者在报告效度证据时,必须同时报告信度,否则无法判断低效度究竟源于构念不当,还是源于测量不稳。

争议与理论扩展

克隆巴赫系数长期被视为内部一致性的代名词,但对其误用的批评在近二十年日益尖锐。批评者指出,该系数只是信度的下界,而非精确估计;它假设题目单维且误差彼此独立,一旦这些假设不成立,系数可能严重低估真实信度。更关键的是,高系数并不证明测验单维:题目数量足够多、内容足够重复时,即便测验混合了多个维度,系数也可能很高。因此,把高克隆巴赫系数当作单维性的证据,是一种常见的统计误读。部分测量学家主张,应报告更贴近现代测量模型的指标,或直接检验维度结构,而不是依赖一个笼统的系数。

理论层面,概化理论对经典模型作了扩展。它不再把误差视为一个笼统的整体,而是把误差来源分解为测验题目、施测时间、评分者、情境等多个侧面(facet),分别估计各方差成分,从而回答“在哪种测量设计下信度最高”这类更具体的问题。项目反应理论则从另一条路径改进测量精度:它不报告一个统一的信度系数,而是给出测验信息函数,说明测验在不同能力水平上的测量精度。信息函数揭示了一个经典信度系数所掩盖的事实:同一份测验,在中等能力段可能很精确,在极端能力段则可能相当粗糙。这些发展并未推翻经典信度概念,而是把它细化为更有条件的判断。

应用与评价

信度在教育与临床测量中有着直接的操作意义。测验编制者依据信度估计决定题目取舍与测验长度,报告信度系数作为测验质量的基本凭证;使用者则借助心理统计学原理换算测量标准误,为个体分数构造置信区间。测量标准误等于标准差乘以信度补数的平方根,它告诉使用者,一个观测分数在多大概率范围内包含了真分数。这一点在临床决策中尤为重要:若某人的抑郁量表分数刚好跨过划界分,而测量标准误较大,那么据此作出的诊断判断就应当保留余地,而不是把分数当作精确刻度。

评价信度概念,需要看到它既是技术指标,也是一种认识论提醒。它提醒我们,任何心理测量都含有误差,分数不是事实本身,而是事实与误差的混合;它也提醒我们,稳定性不等于真实性,一致地测错仍然是错。信度因此不应被当作测验的装饰性数字,而应被理解为解释分数的前提条件。在实践中,负责任的做法是同时报告多种信度证据,说明样本特征与施测条件,并在个体决策时把测量误差纳入考量。唯有如此,信度才真正发挥它应有的作用:不是给测验盖章,而是为推论划定边界。[1][2][3][4]

参考资料

  1. ↑ Reliability in Psychology,Simply Psychology,2024年访问
  2. ↑ Psychological testing,Encyclopaedia Britannica,2024年访问
  3. ↑ APA Dictionary of Psychology,American Psychological Association,2024年访问
  4. ↑ 中国心理学会官网,中国心理学会,2024年访问