重测信度
| 重测信度 | |
|---|---|
| 英文名 | Test-Retest Reliability |
| 学科归属 | 心理测量 |
| 核心含义 | 同一测验对同一批对象两次施测所得分数的一致程度 |
| 统计指标 | 两次分数的相关系数或 ICC |
| 间隔选择 | 稳定构念数周至数月,状态构念更短 |
| 相关条目 | 信度、内部一致性信度、复本信度|} |
重测信度指同一测验对同一批对象在不同时间两次施测,两次分数之间的一致程度。它回答的问题是:这个测量跨时间稳定吗?如果特质没有变,分数却变了一大截,测量的时间稳定性就存疑。
重测信度是所有信度类型中唯一把"时间"纳入检验的:内部一致性检验的是题目之间此刻的一致,重测信度检验的是今天与下周的一致。对任何要用于纵向研究、疗效评估或个体决策的测验,重测信度都是必需证据。
统计处理
重测信度的计算看似简单,处理细节却决定结论质量。
基本指标:两次分数的皮尔逊相关。它衡量的是相对位置的稳定(谁高谁低),对整体的分数位移不敏感——若全体被试第二次普遍高五分,相关仍可接近一,但绝对一致性已受损。
绝对一致性指标:组内相关系数的一致性型、Bland-Altman 分析(差值的均值与一致界限)能捕捉系统位移。对临床测量(关心分数的绝对含义)应同时报告相对与绝对指标。
变化的意义辨析:两次分数的差异包含两部分——被试的真实变化与测量误差。重测信度研究通常假定间隔内特质稳定,因此差异归于误差;但这一假定本身应被论证(间隔内无重大生活事件、无练习与记忆效应)。
标准误的重测版本:由两次分数的差异标准差推算,直接服务于个体分数解释——单次分数离切线多远才算可靠差异,正是重测标准误回答的问题。
重测信度的报告规范因此要求:明确间隔时长、样本特征、两次施测的条件差异,以及所用指标的类型(相对还是绝对)。
间隔的选择
重测间隔的选择是方法设计的核心决策,它受两种反向力量的挤压。
间隔太短:记忆与练习效应污染——被试记得上次的答案,第二次高分反映记忆而非稳定特质。认知能力测验对此尤其敏感。
间隔太长:特质本身发生变化(发展、干预、生活事件),差异中混入真实变化,信度被低估。
不同构念的惯例间隔因此不同:稳定人格与能力特质常用两至四周(部分研究用数月);情绪状态类(焦虑状态、情绪)用数天,因为其真实波动更快;健康相关生活质量的规范间隔常为两周。
报告重测信度时若不注明间隔,系数几乎无法解读——同一量表两周相关 0.9 与一年相关 0.9 是完全不同的证据。比较不同量表的信度时,也必须控制间隔可比。
重测信度的双重含义
重测信度有两层含义,需要区分使用。
作为测量误差的证据:特质稳定的前提下,低重测相关意味着大误差——分数的波动大多不是特质变化而是噪声。这是信度的经典含义。
作为特质稳定性的证据:误差已经很小(高内部一致性)的前提下,低重测相关反而提示特质本身在波动——这是特质时间性质的信息。同一现象在两种解读下含义相反。
区分两者的依据是内部一致性:内部一致性高而重测低,指向状态性或波动性特质;两者都低,指向测量不可靠。这一区分对构念理论有直接价值——"情绪智力是稳定特质还是可训练状态"之类的问题,重测数据正是关键证据。
对应用决策的含义是:状态性构念的测量(情绪、动机)用于单时点个体决策时要格外谨慎——今天测的低动机,下周可能完全不同;用它们做不可逆决策(淘汰、分班)需要多时点汇聚。
应用场景
重测信度在不同应用场景中的角色各有侧重。
纵向研究的工具筛选:追踪研究要求测量跨时间可比,重测信度不足的量表会在重复测量中制造伪变化——先筛重测信度是纵向研究设计的第一步。
疗效评估:治疗前后的分数比较,其可信度上限由重测信度决定;信度差的量表"检出"的变化可能是噪声。
个体诊断与安置:高风险决策(诊断分类、录取)要求单次分数可靠,重测信度是必要门槛。
量表本土化:修订版量表在目标人群中的重测信度是本地化质量的基本证据,仅引用原版数据不够。
认知与神经测量:任务类测量(反应时、面孔识别)的信度通常低于问卷,近年方法文献对"任务测量的信度悖论"(组间差异可测而个体差异信度低)的讨论,直接以重测信度为分析工具。
这些场景的共同点:凡结论涉及"变化"或"个体",时间稳定性证据不可缺席。重测信度因此被称为"纵向研究的入场券"——没有它,跨时间的分数比较都是未经验证的冒险。
中国语境
重测信度在中国语境中的应用与研究有几条值得注意的线索。
量表本土化研究普遍把重测信度列为修订版量表的必备证据:中文版量表在目标人群中重测两至四周的系数,是衡量翻译与适应性修订是否保留原测量功能的基本检查。国内测量文献对此的要求日趋规范,报告间隔与样本特征的完整性也在改善。
大规模考试与人才测评中的实践:公务员考录、研究生入学考试等高风险测评,对认知测验的重复施测有严格的间隔与版本管理——重测信度研究与这些实践互为支撑:前者提供"多久可以复测""换卷是否必要"的依据,后者为重测研究提供真实样本。
对状态性构念的本土研究(情绪状态、职业倦怠的短期波动)也提示文化情境的影响:某些构念在中国被试中的时间稳定性可能与西方样本不同(如工作态度受季节性经营节奏影响),直接移植原版信度数据并不可靠。测量文献的一致建议因此重复出现:信度必须在目标人群、目标间隔上重新估计——重测信度没有"一劳永逸"的认证。
对使用者的最后一条实用建议:把重测信度当作随用途与人群变化的属性来对待——同一量表在临床样本与社区样本、在两周与三个月、在纸笔与线上施测下的重测表现都可能不同。引用信度数据时注明这四个条件,比较量表优劣时控制这些条件,是这一指标正确使用的全部要领。