信度与效度
信度是“测得稳不稳”，效度是“测的是不是那个东西”——信度高是效度高的必要条件，但不充分。
要点
- 信度类型：重测、内部一致性（Cronbach α）、评分者一致性。
- 效度类型：内容、结构、效标关联。
- 一把总是偏 3 厘米但很稳定的尺子信度高、效度低。
时间线
- 1904斯皮尔曼提出信度衰减校正公式
- 1951克伦巴赫提出 α 系数
- 1954美国心理学会发布《测验效度技术建议》
- 1966《教育与心理测验标准》首次系统区分效度类型
- 1999《标准》转向「效度是整体论证」的框架
两个问题，别混在一起
信度（reliability）问的是「测得稳不稳」：同一批人、同一把尺子，重复测会不会得到接近的结果。效度（validity）问的是「测得准不准」：这把尺子量的到底是不是你想量的东西。
两者关系不对称：信度是效度的必要条件，但不充分。一把总是短 3 厘米的尺子很「稳」（信度高），但量出来的身高是错的（效度低）；反之，一把刻度乱跳的尺子，连「准」都无从谈起。
信度的四种算法
重测信度：隔一段时间重测，看相关性。内部一致性：同一量表内各题是否指向同一个构念，常用 Cronbach's α 或 ω。评分者间信度：两个评分者给同一对象打分的一致性，用 Kappa 或 ICC。复本信度：两个平行版本之间的一致性。
关于 α 有一个常被误用的常识：α 高不代表量表单维。α 会随题目数量上升，一个包含多个维度的量表也可以有很高的 α。因此报告 α 的同时，最好报告 ω 或做因素分析。
效度的五种证据
内容效度：题目是否覆盖了构念的全部方面（靠专家判断）。结构效度：量表内部结构与理论是否一致（因素分析）。效标关联效度：与某个外部标准的相关（同时效度、预测效度）。聚合与区分效度：与「应该相关」的构念高相关，与「不该相关」的低相关。表面效度：看起来是否在测它要测的东西（影响作答动机，不是科学指标）。
现代测量理论把效度看成一个「整体论证」：不是某个系数达标就算有效，而是要把各类证据合起来，论证「分数可以被这样解释」。
一个具体的例子
以 GAD-7 为例：内部一致性 α ≈ 0.92（信度好）；与结构化访谈诊断比对，cutoff 10 分时敏感度 89%、特异度 82%（效标效度）；在不同人群、不同语言版本中结构基本稳定（结构效度）；但它只覆盖广泛性焦虑，对惊恐、社交焦虑的特异性不足（内容效度的边界）。
这类信息比「α = 0.9，信效度良好」有意义得多：它告诉你这个分数能用来做什么、不能用来做什么。
常见误用
误用一：「信度高就是好量表」。高信度只说明稳定，稳定的错误依然是错误。误用二：「α > 0.9 就完美」。α 过高（>0.95）可能意味着题目高度重复，内容效度反而变窄。
误用三：把效度当固定属性。效度是「分数在特定用途下的解释」，换人群、换用途，效度证据需要重新建立。把成人量表直接用于儿童、把临床量表用于招聘，都是典型的越界使用。
关键信息
- 信度
- 测的是稳定性：重测、内部一致性、评分者一致
- 效度
- 测的是准确性：内容、结构、效标、聚合区分
- 关系
- 信度是效度的必要条件，不充分
- α 的陷阱
- 随题数上升，高 α 不代表单维
- GAD-7 实例
- α≈0.92；cutoff 10 时敏感度 89%、特异度 82%
常见疑问
α 系数 0.9 以上是不是就说明量表很好？
只能说明内部一致性高。α 会随题目数量上升，也可能因题目重复而虚高。判断量表还要看结构效度、效标关联与内容覆盖，单看 α 不够。
为什么同一个量表换个群体就不能用了？
因为效度是「分数在特定用途下的解释」。换语言、换年龄、换文化，题目理解、常模、因子结构都可能改变，需要重新验证。
参考来源
- Cronbach, L. J., & Meehl, P. E. (1955). Construct validity in psychological tests.
- American Educational Research Association (2014). Standards for Educational and Psychological Testing.
这条目是科普整理，不是诊断依据。如果这句话你是在某个短视频或文章里看到的， 可以用论点溯源查一下它有没有文献支持。
分类：08 / 方法与测量 · 更新 2026-11-01 · 来源 https://psyc.pub/e/reliability-validity.html