公众号：医学大数据挖掘分析

01

问卷和量表有什么不同

问卷和量表都是收集数据的方式，尤其在心理学领域有重要应用，在编制上较为不同：

• 量表的编制需要有理论基础，各个条目都要与研究主题相关，每个题目答题方式一致，而问卷的题目只要符合主题，各部分不一定有关联，答题方式也可以多种多样；在计分中，量表通常以各分量表为单位进行求和等操作，按总分数计分，而问卷以各题为单位，按次数计分；在统计分析中，问卷多进行描述性统计分析，量表多进行因子分析，回归分析等。

举个例子，下面的SDS（抑郁自评量表）就是一个典型的心理测量量表，共20个条目分为4组特异性症状，每组包含若干题项，分别为精神性-情感症状，躯体性障碍，精神运动型障碍，抑郁的心理障碍，各组相关，每个题项都按四个等级评分，以各题项的得分统计（带*号的条目反序计分）得到结果。

02

初步评价

在分析之前，首先应对问卷或量表进行初步评价，就是信效度检验等。

1） 信度评价

• 重测信度：同一量表在同人群中测2次的相关系数，一般要在0.7以上，现实中难操作；分半信度：将量表条目随机分为两半，两个半表的相关系数为分半信度，稳定性较差；最常用的Cronbach’α系数。

2） 效度评价

有内容效度（通过专家评议），标准效度（与相关专业量表对比）和结构效度，常用验证性因子分析( Confirmatory Factor Analysis, CFA)和探索性因子分析( Exploratory Factor Analysis, EFA)的方法构建结构效度分析。

3） 反应度评价

对于特定目标特征可能随时间变化的量表，比如某病患者生活质量量表，可以通过反应度来评价，它能反映量表的敏感性。可以用配对 t 检验比较前后得分差别是否有统计学意义, 或者使用效应尺度(effect size)统计量评价反应度大小。

03

分析方法

初步评价后，问卷或量表成功地通过了信效度等检验的考验，就可以对它们的结果进行分析，根据量表的特性选择不同的分析方法，比如：

• 什么问卷量表都可以做的传统描述性统计分析；符合正态分布就可以做的均值差异t检验；有一定要求的因子分析（一种降维分析方法）：探索性因子分析和适用于较成熟量表的验证性因子分析；回归等相关性分析；聚类分析……

上述分析方法一般都可以用SPSS，R或AMOS实现，其中因子分析在问卷量表中最为常用，我们首先来介绍探索性因子分析。

04

探索性因子分析和SPSS实现

1） 探索性因子分析

当我们刚刚设计好一份问卷或量表，有了一个雏形，可以用探索性因子分析建立模型框架。比如我们编制了一份调查问卷，设计了4个潜在变量，每个潜在变量对应3至5个题项。但实际上这些题项的关系不一定跟我们预设的一样，就可以通过探索性因子分析进行题项筛选和结构检验。

2） 分析步骤

• 计算题项间相关矩阵或协方差矩阵；提取因子（主成分方法、不加权最小平方法、极大似然法等）；决定因子个数（参考特征根的大小、累计贡献率、碎石图等）；转轴，通过因子载荷矩阵的变换使公共因子载荷更好看，方便解释；

# 结果需使每个题项仅在一个公共因子上有较大载荷。

3） SPSS实现

• 准备：在进行探索性因子分析之前，需对量表结构进行信效度检验。信度检验Cronbach’α系数应大于0.7，越大一致性越好；KMO值应大于0.6，也是越大越好；巴特利特球体检验中P值小于0.05可以拒绝原假设，否则不适合做因子分析，要修改题项；萃取公因子。一般采用主成分分析法，以特征值大于1的原则萃取公因子（适合于变量数10-30且共同性大于0.7的情况）。累计解释率应在50%以上；正交旋转。一般采用最大方差法，从旋转矩阵中删减指标，每删除一个重新进行一次分析，直到得到清晰的公因子。

4） 结果解释

现在我们有一份调查工人健康状况和生活质量的问卷，通过因子分析得到KMO统计量为0.745，巴特利特球体检验显著，6个因子的总贡献率为73.612%，较为理想，修改和删减成分分布太均匀的题项后得到旋转后的成分矩阵如下：

从成分矩阵中可以看出每个题项在各因子上的载荷，各题项对应的因子。值得注意的是在归纳因子时应看绝对值，有些载荷为负数，比如题项“您有多少时间觉得情绪低落、沮丧”在因子2上载荷绝对值最大，为-5.26，表示负相关。提取出六个公因子后，归纳公因子并命名（比如“您有多少时间感到心平气和”，“您有多少时间觉得情绪低落、沮丧”，和“您有多少时间感到精力充沛”被归纳到公因子2下，我们可以给它起个名字类似于“心理状态”），还可以进一步进行公因子内部一致性评价等操作，得到初步模型。

-END-

参考文献：

• 王文菁, 谭文艳. Zung抑郁自评量表的因子分析[J]. 广东医学, 2011(16).

• Zahoor, H.; Chan, A.P.C.; Utama, W.P.; Gao, R.; Zafar, I. Modeling the Relationship between Safety Climate and Safety Performance in a Developing Construction Industry: A Cross-Cultural Validation Study[J]. Environ. Res. Public Health 2017, 14, 351.

• Takaki J, Taniguchi T, Fujii Y. Reliability, validity, and significance of assessment of sense of contribution in the workplace[J]. Environ Res Public Health. 2014;11(2):1594–1604.

• Janke C. ten Holt, Marijtje A. J. van Duijn & Anne Boomsma. Scale construction and evaluation in practice: A review of factor analysis versus item response theory applications. Psychological Test and Assessment Modeling, Volume 52, 2010 (3), 272-297.

• Hinkin, T. R., Tracey, J. B., & Enz, C. A. (1997). Scale construction: Developing reliable and valid measurement instruments[Electronic version].

更多问题，请关注“医学大数据挖掘分析”公众号，联系我们～

邮箱：medicalda@tp-data.com

地址：广州市天河区珠江东路高德置地秋广场F座返回搜狐，查看更多