信效度系数怎么读

信效度系数怎么读:

效度系数（validity coeffcient）是一种效度指标。是指用于表示测验效度的大小。通常为测验与效标之间的相关系数。[1]

心理和教育测量学的基本概念之一效度系数R是效度的度量，可用测验结果与测验目的之间的相关系数来衡量.例如“高考”，其效度是以选拔人才为目的而言的，所以，应以被录取者的高考成绩与大学人学后的成绩之间的相关系数r作为效度的衡量，但实际中需作些修正。

理论基础

效度，即有效性，它是指测量工具或手段能够准确测出所需测量的事物的程度。效度分为三种类型：内容效度、准则效度和结构效度。效度分析有多种方法，其测量结果反映效度的不同方面。

效度分析是指所测量到的结果反映所想要考察内容的程度，测量结果与要考察的内容越吻合，则效度越高；反之，则效度越低。

计算实例

效度系数描述的是试卷对考生测验的有效性程度，即指该试卷测验对所要测量的东西测量到了什么程度。求试卷测验的效度系数，必须以该测验的目的为依据。考生实得分数的方差（或称变差）st2包含三个部分：所测量特性造成的方差sc2、其他特性造成的方差sd2、测量误差造成的方差se2。即

st2=sc2+sd2+se2

效度系数在理论上的定义为：

val=sc2/st2

即效度系数为所测量特性造成的方差与实得分数的方差之比。信度系数高（se2低）是效度系数高的必要条件，但不是充分条件；而效度系数高，则信度系数必然高。由定义式估计效度系数是不可能的，实际上主要是用相关系数表示的准则关联效度系数。

区别：

1.连续数据，正态分布，线性关系，用pearson相关系数是最恰当，当然用spearman相关系数也可以，效率没有pearson相关系数高。

2.上述任一条件不满足，就用spearman相关系数，不能用pearson相关系数。

3.两个定序测量数据之间也用spearman相关系数，不能用pearson相关系数。

拓展知识：

pearson相关通常是用来计算等距及等比数据或者说连续数据之间的相关的，这类数据的取值不限于整数，如前后两次考试成绩的相关就适合用pearson相关。

spearman相关专门用于计算等级数据之间的关系，这类数据的特点是数据有先后等级之分但连续两个等级之间的具体分数差异却未必都是相等的，比如第一名和第二名的分数差就未必等于第二名和第三名的分数差。两次考试的排名数据适用于spearman相关。

spearman相关只能计算等级数据，但pearson相关却既可以用来算等级相关，也可以算连续数据的相关，只不过一般默认用pearson相关计算连续数据的相关。

在?统计学中, 以查尔斯·斯皮尔曼命名的斯皮尔曼等级相关系数，即spearman相关系数。经常用希腊字母ρ表示。 它是衡量两个变量的依赖性的 非参数 指标。 它利用单调方程评价两个统计变量的相关性。 如果数据中没有重复值， 并且当两个变量完全单调相关时，斯皮尔曼相关系数则为+1或?1。

Pearson相关系数（Pearson CorrelationCoefficient）是用来衡量两个数据集合是否在一条线上面，它用来衡量定距变量间的线性关系。

如衡量国民收入和居民储蓄存款、身高和体重、高中成绩和高考成绩等变量间的线性相关关系。当两个变量都是正态连续变量，而且两者之间呈线性关系时，表现这两个变量之间相关程度用积差相关系数，主要有Pearson简单相关系数。

参考资料：

spearman相关系数_百度百科

Pearson相关系数_百度百科

百科狗 baikegou.com