KANO模型信度效度分析

KANO模型的信度效度分析是评估该模型在实际应用中可靠性和有效性的重要环节。以下是对KANO模型信度效度分析的详细阐述：

一、信度分析

信度分析主要评估测量结果的稳定性和一致性。在KANO模型的信度分析中，常用的方法是克隆巴赫α信度系数(Cronbach's alpha)分析法。

克隆巴赫α信度系数：

是一套常用的测验可靠性的方法，依一定公式估量测验的内部一致性，作为信度的指标。它克服部分折半法的缺点，是目前研究最常使用的信度指标，是测量一组同义或平行测验“总和”的信度。

在一般情况下，信度系数不会高到1.00.也不会降到0.00.而是在两者之间。标准化测试的信度系数要求在0.90以上，课堂测试的信度系数则以0.70~0.80之间为可接受性系数。

信度分析步骤：

创建数据文件，并将数据文件导入SPSS(或其他数据分析软件)。

选择“分析”→“标度” →“可靠性分析”。

分析各个维度和总量的信度，并将结果列出一个表格。

根据CITC值和项删除后的α系数判断量表题目是否需要修改或删除。若项删除后的α系数比维度原有题目的α系数大，说明去掉该题后维度的信度提高了，这道题在该维度内的一致性较差，需要删除以提高量表的信度。

信度分析结果：

在KANO问卷中，若正向问题、反向问题和重要度问题三个分量表的总体Cronbach's系数均大于0.7.则说明总体的信度良好。

若每个分量表之中，各个维度的Cronbach's系数也均大于0.7.则说明各个维度之间的信度良好。

二、效度分析

效度分析主要评估测量结果是否准确反映了所要测量的内容。在KANO模型的效度分析中，常用的方法是因子分析法，包括KMO(Kaiser-Meyer-Olkin)检验和巴特利特(Bartlett)球度检验。

KMO检验：

用于比较变量间的简单相关系数和偏相关系数。取值介于0到1之间。当KMO值越接近于1时，表示变量间的简单相关系数平方和远大于偏相关系数平方和，即变量间相关性越强;当KMO值越接近于0时，表示变量间的简单相关系数平方和越接近于0.即变量间相关性越弱。

根据Kaiser给出的KMO数值标准：0.9以上表示非常适合;0.8表示适合;0.7表示一般;0.6表示不太适合;0.5以下表示极不适合。

巴特利特球度检验：

根据变量的相关系数矩阵的行列式得到。如果近似卡方值较大，且其对应的相伴概率值小于显著性水平(通常设定为0.05或0.5)，则原始变量之间存在相关性，适合于作因子分析;反之，则不适合作因子分析。

效度分析步骤：

在SPSS中，选择“分析”→“降维”→“因子分析”。

把所有主观题选到“项目”中，点击“描述”，选择KMO和Bartlett’s检验。

点击“旋转”，选择最大方差法。

点击“选项”，按大小排序。

分析显著性和KMO值。显著性小于0.05(或设定的显著性水平)，说明该问卷数据适用于做因子分析。然后看KMO值，判断效度情况。

效度分析结果：

若KMO值大于0.7.则说明问卷的结构效度良好。

因子分析的结果和问卷的维度划分一致时，说明问卷效度很好。如果旋转后的成分矩阵和维度划分不一致，可能需要重新设计问卷或使用成熟的问卷重新发放。