案例数据
300 行 × 16 列 Likert 量表（1-5），4 个工作满意度维度（工作内容 / 工作环境 / 薪酬福利 / 同事关系），每维 4 题，演示 奇偶分半 / 前后分半 / Guttman 三种折半信度计算与 Spearman-Brown 修正。
| 文件名 | reliability_splithalf.xlsx |
|---|---|
| 样本量 | 300 行 |
| 变量数 | 16 列（4 维度 × 4 题） |
| 数据用途 | 折半信度案例（量表二分→相关→Spearman-Brown 校正→与 Cronbach α 互相印证） |
| 变量说明 | 工作内容 1-4 / 工作环境 1-4 / 薪酬福利 1-4 / 同事关系 1-4，全部 Likert 1-5 评分。 |
完整案例
1. 背景
折半信度（Split-Half Reliability） 是估计量表内部一致性的一种替代方法：把同一量表的题项随机或按规则拆成两半，用两半总分相关 r12 作为信度初估，再用 Spearman-Brown 公式校正回"全量表"信度。它的物理含义是"如果再编一份等价量表，两次测量的相关有多高"，与 Cronbach α（同一份量表内部一致性）和 重测信度（不同时间稳定性）共同构成信度三大常用估计。当题项较多、不易做重测时，折半是工程上最快、对样本量最不挑剔的内部一致性估计方式，亦能在 α 不适用（如二分题、不等距题）时作为补充。本案例使用 300 名员工的 16 题工作满意度量表，演示奇偶 / 前后 / Guttman 三种分半 的差异与解读。
2. 理论与公式
折半信度的核心是用两半总分相关估算完整量表信度，再通过 Spearman-Brown 公式校正"题项数减半"造成的低估。
两半总分之间的 Pearson 相关。
把两半相关校正为完整量表信度。
不等长分半时更稳健的估计。
3. 数据结构
每行 1 位员工，16 列均为 Likert 1-5 评分。题项按 4 个维度分组、每维 4 题：
| 维度 | 题项数 | 变量名 |
|---|---|---|
| 工作内容 | 4 | 工作内容1 / 工作内容2 / 工作内容3 / 工作内容4 |
| 工作环境 | 4 | 工作环境1 / 工作环境2 / 工作环境3 / 工作环境4 |
| 薪酬福利 | 4 | 薪酬福利1 / 薪酬福利2 / 薪酬福利3 / 薪酬福利4 |
| 同事关系 | 4 | 同事关系1 / 同事关系2 / 同事关系3 / 同事关系4 |
折半信度要求两半题项同质（同维度或同分布）。奇偶分半 = 1,3,5,…,15 题对 2,4,6,…,16 题；前后分半 = 前 8 题对后 8 题。反向题须提前反向计分。
4. 操作步骤
- 登录 SPSSzero，进入 工作台 → 上传
reliability_splithalf.xlsx - 左侧方法栏 → 问卷研究 → 点击 折半信度
- 把 16 个题项全部放入 分析变量 框，分半方式 下拉选择"奇偶分半"或"前后分半"
- 点击 开始分析，结果区会输出两半相关、Spearman-Brown、Guttman λ4 以及与 Cronbach α 的对比
- 建议同时跑奇偶 + 前后两种分半，观察结果稳定性；如分半值显著低于 α，提示题项异质（多维度混合）
5. 结果表格与结果阅读
结果区按"分半对比 + 综合系数 + 分维度"输出。下面展示 3 张紧凑三线表：
| 分半方式 | 第一半均值 | 第一半 SD | 第二半均值 | 第二半 SD | 两半相关 r | SB 修正 |
|---|---|---|---|---|---|---|
| 奇偶分半（1,3,…,15 vs 2,4,…,16） | 23.910 | 5.050 | 24.253 | 5.360 | 0.826 | 0.904 |
| 前后分半（1-8 vs 9-16） | 23.887 | 5.744 | 24.277 | 6.012 | 0.431 | 0.602 |
| 奇偶分半将四个维度各自打散到两半，两半同质性高，SB ≈ 0.90；前后分半把前两维和后两维分开，两半异质，SB 仅 0.60。 | ||||||
对多维度量表，奇偶分半远优于前后分半，因为它保证每一半都覆盖所有维度。
| 系数 | 数值 | 判定 |
|---|---|---|
| 两半相关 r（奇偶） | 0.826 | 未校正，会低估全量表信度 |
| Spearman-Brown 修正（奇偶） | 0.904 | ≥ 0.9，极优 |
| Guttman λ4（奇偶） | 0.904 | 与 SB 几乎重合（两半 SD 接近，等长分半） |
| Cronbach α（整体 16 题） | 0.832 | 很好 |
| 信度阈值：≥ 0.9 极优；0.8-0.9 很好；0.7-0.8 良好；0.6-0.7 可接受；< 0.6 不佳。折半 SB 通常略高于 α（同公式假设下二者代数关系），二者一致即可发表。 | ||
折半 SB（0.904）与 Cronbach α（0.832）相差 0.07，方向一致、量级合理，量表整体内部一致性达"极优"水平。
| 维度 | 题项数 | 两半相关 r | SB 修正 | Guttman λ4 | Cronbach α |
|---|---|---|---|---|---|
| 工作内容 | 4 | 0.684 | 0.812 | 0.812 | 0.826 |
| 工作环境 | 4 | 0.697 | 0.822 | 0.822 | 0.824 |
| 薪酬福利 | 4 | 0.740 | 0.851 | 0.850 | 0.845 |
| 同事关系 | 4 | 0.717 | 0.835 | 0.832 | 0.842 |
| 4 个维度的 SB 修正全部 ≥ 0.81，与各维度 α（0.82-0.85）几乎一致，分维度内部一致性稳定。 | |||||
分维度看，每一维 4 题的折半 SB 与 α 高度吻合，无任何维度需要重新做题目筛查。
7. 文字分析
对本案例 16 题量表的折半信度结果综合解读：
- 奇偶 vs 前后分半差异显著：奇偶分半 SB = 0.904，前后分半 SB = 0.602，差距 0.30。原因是前后分半把"工作内容+工作环境"(前 8) 与"薪酬福利+同事关系"(后 8) 分开，违反了"两半同质"前提，结果严重偏低；
- SB 修正必须做：原始两半相关 r=0.826 会低估全量表信度（因题项数减半），经 SB 校正后回到 0.904，与 16 题量表的实际信度匹配；
- 折半与 Cronbach α 一致：SB = 0.904 vs α = 0.832，方向一致、量级合理（SB 通常略高），二者互相印证量表内部一致性"极优 / 很好"；
- 4 个分维度信度均达标：各维度 SB 在 0.81-0.85 之间，最低的"工作内容"也远超 0.7 合格线，无需删除任何题项；
- 业务建议：本量表通过折半 + α 双重验证，可直接进入效度（KMO / CFA）分析或合分用于差异 / 回归建模；后续如再增加题项，建议保持"每维度题数为偶数"以利奇偶分半。
结论：本工作满意度量表的折半信度（SB = 0.904）与 Cronbach α（0.832）共同支持"内部一致性达标，无需修订题项" 的结论。
8. 剖析提醒
- 题目顺序敏感：折半结果会随分半方式（奇偶 / 前后 / 随机）波动，必须报告所用分半规则；多维度量表首选奇偶分半，避免维度被切断；
- 偶数题项才稳定：分半假设"两半等长"。题数为奇数时（如 15 题），需扔掉一题或用 Guttman λ4 处理不等长分半；本案例 16 题为偶数，奇偶分半天然适配；
- SB > 0.7 可用：SB 修正后 ≥ 0.7 即视为信度合格；≥ 0.8 良好；≥ 0.9 极优。折半与 α 必须同时报告，方向不一致（如 α 高 SB 低）通常提示题项异质，要回头检查维度结构。