心理測驗中的信度是什麼？

信度是指一項測量方法能夠重複再現、而非僅是噪音的程度。如果你在一分鐘內量了三次體重,分別得到71、78和66公斤,這個體重計就是不可靠的,而你也無法從中得知自己實際的體重。心理測量面對的是同樣的問題,但所用的工具卻精確得多。

關於信度,最關鍵要理解的是它「並不」宣稱什麼。一個一致地多顯示八公斤的體重計是完全可靠的,卻也是完全錯誤的。信度關乎一致性;至於這個數字是否代表了正確的意義,則是另一個問題,稱為效度。信度是效度的必要條件,但遠遠不足以構成效度。

信度的形式

內部一致性探問量表上的題目是否彼此相符。如果十道題目都是用來測量同一個潛在特質,那麼在某一題得分高的人,通常在其他題目上也會得分高。這通常以Cronbach's alpha,或更好的McDonald's omega來呈現。

重測信度探問同一個人在兩個不同時間點的得分是否相似。這是對特質而言最重要的信度形式,因為特質依定義應該是穩定的。它也是最常被省略不報告的形式,因為這需要在數週後重新找到同一批受測者。

評分者間信度適用於由人來評分的工具,例如臨床晤談、投射技術、行為觀察。它探問兩位經過訓練的評分者在觀察同一份材料時,是否會得出相同的結論。

複本信度探問同一測驗的兩個不同版本(設計為等同版本)是否會產生相同的得分。凡是測驗需要施測多次、且擔心題目曝光的情況,這一點都很重要。

如何解讀這些數字

信度係數的範圍從0到1。相關的判斷標準較為粗略且常被誤用,但大致而言:當得分會影響個人生活時,需要高於0.90;0.80到0.90對大多數應用情境而言是穩固的;0.70到0.80對研究和群體比較而言是可接受的;而低於0.70則意味著該得分所包含的噪音,已多到大多數結論都無法承受。

關於這些門檻,有兩點提醒。第一,它們是慣例,而非定律;可接受的水準完全取決於這個得分將被如何使用。第二,一個很短的量表若alpha值非常高,通常表示這些題目彼此幾乎是同義改寫,這雖然換來了一致性,卻是以犧牲對構念的涵蓋範圍為代價。一個由十道題目組成、全都用略微不同的措辭問「你有條理嗎?」的量表,會有極佳的內部一致性,但對嚴謹性這個特質的測量卻十分狹隘。

這對你自己的得分意味著什麼

信度直接轉化為單一數字值得多少信任。信度為0.85的測驗,其測量誤差之大,足以讓兩個人之間、或你今天的得分與上個月得分之間相差幾分的差異,極有可能只是噪音,而非真正的訊號。

這帶來一個實際的後果:一個好的測驗工具會報告其信度,讓你知道你得分周圍的不確定性有多大。這種不確定性的技術性表達方式,稱為測量標準誤,它能將信度係數轉換成得分周圍的一個正負區間。

一個完全沒有報告信度數值的測驗工具,並不會因此變得更精確。它只是選擇不告訴你它有多不精確。