問卷信效度分析怎麼做？Cronbach’s α、項目總分相關與探索性因素分析實例（R）

問卷信效度分析的順序是：先處理反向題，再算 Cronbach’s α 與校正後項目總分相關，接著以 KMO、平行分析與探索性因素分析檢查題目結構，最後在獨立樣本以驗證性因素分析確認；本文以 R 實際分析一份公開問卷資料，示範前四步並說明第五步的作法。

研究生做問卷研究時，口試委員最常追問的就是信效度。問卷信效度分析常被簡化成「α 大於 .70 就好」，但 α 只回答「題目之間是否一致」，不能證明題目測到的是你想測的構念。下面用 R 的 psych 套件內建、由真實受試者作答的 bfi 資料集，依序示範信度、項目分析與因素分析，並說明每個門檻的出處與限制。

範例資料：IPIP 人格題目

依 psych 套件的說明文件，bfi 資料集包含 2,800 位受試者對 25 題人格自陳題目的作答，題目取自國際人格題庫（International Personality Item Pool, IPIP），資料來自 SAPA 網路人格評量計畫，提供作為量表建構與因素分析的示範資料。本文取其中親和性（A1–A5）、嚴謹性（C1–C5）與神經質（N1–N5）共 15 題。因素分析使用 15 題皆完整作答的 2,548 人；遺漏值的處理方式本身會影響結果，可參考遺漏值處理的實務判斷。分析以 R 4.3.3 與 psych 2.4.1 實際執行。

第一步：先處理反向題

反向題若未反向計分，α 會被嚴重低估。本例的 A1 就是一題反向題：

實際計算：親和性 5 題若直接相加，Cronbach’s α 只有 .43；把 A1 反向計分後，α = .70。同樣地，嚴謹性的 C4（Do things in a half-way manner）與 C5（Waste my time）反向計分後 α = .73；神經質 5 題皆為正向題，α = .81。判斷規則：計算 α 前，先依量表原始計分說明列出所有反向題；若某題的校正後項目總分相關為負值，第一個要懷疑的是漏了反向計分，而不是刪題。

第二步：Cronbach’s α 與項目分析

以下是親和性分量表（A1 已反向）的項目分析結果：

題號	題目（IPIP 原文）	校正後項目總分相關	刪題後 α
A1（反向）	Am indifferent to the feelings of others.	.31	.72
A2	Inquire about others’ well-being.	.56	.62
A3	Know how to comfort others.	.59	.60
A4	Love children.	.39	.69
A5	Make people feel at ease.	.49	.64

親和性分量表（5 題）：A1 反向計分後 Cronbach’s α = .70（Feldt 95% CI [.69, .72]）；未反向計分時 α = .43。資料：R psych 套件 bfi 資料集。

α 的門檻要看出處。Tavakol 與 Dennick 指出，文獻中可接受的 α 值從 .70 到 .95 都有人主張；α 過低可能來自題數太少、題目間相關不足或構念異質，α 過高（大於 .90）則可能代表題目重複、可以縮短量表（PMID: 28029643）。Boateng 等人的量表發展指南也提到，.70 常被視為可接受的門檻，但較好的心理計量品質會期待更高（PMID: 29942800）。本例親和性 α = .70，剛好落在常用門檻上，報告時應如實寫出，並附上信賴區間。

刪題後 α 不是刪題的理由。表中 A1 的校正後項目總分相關最低（.31），刪除後 α 從 .70 升到 .72。但這 .02 的提升，代價是只剩 4 題、且失去唯一的反向題，內容涵蓋面變窄。Tavakol 與 Dennick 建議刪除的是與總分相關「接近零」的題目（PMID: 28029643），A1 並不屬於這種情況；Boateng 等人則把校正後項目總分相關低於 .30 視為可考慮刪題的警訊（PMID: 29942800），A1 的 .31 剛好在這條線上方。判斷規則：只有當項目總分相關接近零或為負值（已排除漏反向計分），且刪題不損及內容效度時，才考慮刪題；並在論文中說明理由。

α 不能證明單一向度。Tavakol 與 Dennick 強調，內部一致性是單一向度的必要但非充分條件，α 也會隨題數增加而上升（PMID: 28029643）。McNeish 則指出 α 的假設在許多情境下不成立，並建議改用或併報 omega 等替代指標（PMID: 28557467）。本例神經質分量表的 α = .81，omega total = .82。

第三步：因素分析前的檢查——KMO、Bartlett 與因素數

15 題的 KMO 取樣適切性為 .81，單題最低為 .75（A1）；Bartlett 球形檢定 χ²(105) = 10,687.13，p < .001，顯示題目間的相關足以進行因素分析。樣本數方面，Boateng 等人整理的常見建議是每題至少 10 位受試者，或 200 至 300 筆以上的觀察值（PMID: 29942800）；本例 15 題、2,548 人遠超過此標準。

因素數不應只看特徵值大於 1。平行分析（Horn, 1965；PMID: 14306381）比較實際資料與隨機資料的特徵值，本例以 minres 法、20 次模擬執行（亂數種子設為 1），實際資料前四個特徵值為 3.06、1.52、0.97、0.14，隨機資料對應值為 0.25、0.11、0.09、0.07（隨機值會隨亂數種子小幅變動），平行分析建議 4 個因素。但檢視四因素解，第四個因素是神經質一分為二：N1、N2（易怒）在一個因素，N4、N5（憂鬱、恐慌）在另一個因素，N3 同時負荷在兩者，C5 也在後者有 .32 的交叉負荷。這與 IPIP 官方 NEO 量表把「Get angry easily」「Get irritated easily」歸入 Anger 面向、「Often feel blue」歸入 Depression 面向的分法一致（IPIP NEO 面向題目表）。由於本研究的目標是測量三個廣域人格向度，保留三因素較符合理論；但平行分析的結果應在論文中如實報告，而不是略過。

第四步：探索性因素分析的結果判讀

以 minres 萃取、oblimin 斜交轉軸（人格向度之間可能相關，不宜強迫正交）的三因素結果如下圖：

每一題的主要負荷都落在其理論因素上：親和性 A2–A5 為 .45 至 .76，A1 為 −.40；嚴謹性 C1–C3 為 .55 至 .67，C4、C5 為 −.63 與 −.54；神經質 N1–N5 為 .55 至 .78。最大的交叉負荷是 C5 在神經質因素上的 .23。三個因素合計解釋 41.7% 的變異，因素間相關為 −.21（神經質與嚴謹性）、−.18（神經質與親和性）與 .29（嚴謹性與親和性）。Boateng 等人指出，負荷量低於 .30 的題目被視為不足，常建議保留負荷量 .40 以上的題目，並刪除交叉負荷或沒有單一歸屬的題目（PMID: 29942800）。依此標準，本例 15 題都可保留，A1 剛好在 .40 的邊界上，是後續修訂時最值得檢視的一題。

第五步：效度不只是因素分析

因素分析回答的是「題目結構是否符合預期」，屬於構念效度的一部分。Boateng 等人把量表評估分成數個面向：施測前以 5 至 7 位專家評估內容效度（例如計算內容效度指標），施測後再檢驗效標效度與構念效度，包括聚斂效度（與相似構念的相關較高）、區辨效度（與不同構念的相關較低）以及已知群體差異（PMID: 29942800）。

驗證性因素分析（CFA）應在另一組樣本進行。同一指南建議，因素結構應以第二時間點或獨立樣本檢驗，理想作法是在樣本 A 發展量表、在獨立樣本 B 驗證（PMID: 29942800）。在同一份資料上先做 EFA、再用 CFA「確認」同一個結構，證據力有限。因此本例只示範到 EFA，不在同一份資料上再做 CFA；實際研究中，可將樣本隨機分半，一半做 EFA、另一半以 CFA 檢驗模型配適，或另外收集一組獨立樣本。軟體選擇可參考SPSS、R 還是 Amos/SmartPLS。

論文中怎麼報告

建議至少包含：（1）各分量表的題數、反向題與計分方式；（2）每個分量表的 α（最好附信賴區間）與 omega；（3）項目分析表，含校正後項目總分相關與刪題後 α；（4）KMO、Bartlett 檢定、因素數的決定方法（含平行分析結果）、萃取與轉軸方法；（5）完整的負荷量矩陣與因素間相關；（6）若有刪題，逐題說明理由；（7）效度證據的來源，以及 CFA 是否在獨立樣本執行。樣本數規劃可參考樣本數要多少才夠，常見的報告疏漏可參考論文中常見的統計報告錯誤。

Editverse 臺灣的統計分析服務可協助執行信度分析、項目分析與探索性因素分析，並整理成符合期刊或學位論文要求的表格與方法描述。我們只分析委託者提供、且有權分享的問卷資料檔案，不存取任何醫院、學校或機構的資料庫與帳號；題目的內容效度與研究結論仍由研究者判斷與負責。

參考文獻

• Tavakol M, Dennick R. Making sense of Cronbach’s alpha. Int J Med Educ. 2011. PMID: 28029643
• Boateng GO, Neilands TB, Frongillo EA, Melgar-Quiñonez HR, Young SL. Best Practices for Developing and Validating Scales for Health, Social, and Behavioral Research: A Primer. Front Public Health. 2018. PMID: 29942800
• McNeish D. Thanks coefficient alpha, we’ll take it from here. Psychol Methods. 2018. PMID: 28557467
• Horn JL. A rationale and test for the number of factors in factor analysis. Psychometrika. 1965. PMID: 14306381
• International Personality Item Pool. Big-Five Factor Markers. https://ipip.ori.org/newBigFive5broadKey.htm
• International Personality Item Pool. The Items in Each of the Preliminary IPIP Scales Measuring Constructs Similar to Those in the NEO-PI-R. https://ipip.ori.org/newNEOKey.htm
• Revelle W. psych: Procedures for Psychological, Psychometric, and Personality Research. R package (CRAN). https://cran.r-project.org/package=psych

資料查核日期：2026-10-01。法規、費用與程序可能變動，引用前請回到原始來源再次確認。