问卷信效度太低怎么提高？CITC 和删除后 α 这张表逐列拆解

问卷信效度太低怎么提高？先看信度表里的 CITC 和"删除该题后 α"这两列：CITC 明显偏低的题项拖累了整体信度，删掉它重新算一次，α 通常就能回到可接受区间。

这一页解决什么

算信度算到一半心态崩了：某个维度的 Cronbach's α 只有 0.6 出头，论文要求"最好 0.7 以上"，是数据有问题、题目出得不好，还是这个维度本来就该低？对着表发呆半天，连删题还是删样本都拿不准。

上一篇信效度分析怎么做讲的是怎么把这张信度表跑出来；这一篇讲的是表跑出来之后怎么读——尤其是很多人对着表却没注意到的"删除该题后 α"那一列，以及信效度到底多少才算合适、太低了能不能提高。跑这张表用的不只是 SPSS，Stata、R 同样能算出同样的 CITC 和删除后 α，这篇讲的是怎么读结果，跟用什么软件跑出来无关。

产品界面全景：顶栏的定位语是"SPSS、R、Stata 能做的，对话就能完成"，右侧是十几种可选的分析方法，底部对话框可以直接打字提需求——下面这张信度表就是这样跑出来的。

这张信度表还有这些列：CITC 和"删除该题后 α"怎么读

用演示数据（模拟问卷 N=300，20 题 5 维度，非真实论文数据）走一遍：社会影响（SI）维度 4 道题整体 α=0.628，卡在"勉强及格"和"偏低"之间，能不能用还要看学科惯例和量表来源。真正该看的是每题 CITC（题项-总分相关）：SI1 至 SI3 分别 0.584、0.495、0.576，都正常；唯独 SI4 只有 0.066，远低于 0.3 这条常用线。

CITC 说的是"这道题跟同维度其余题目合不合群"——把这道题的得分和该维度总分做相关，相关越低，说明这道题测的方向和其余题目越不是一回事。表格里另一列常被忽略的是"删除该题后 α"：这一列直接告诉你，如果把这道题拿掉，整个维度的 α 会变成多少，不用自己另外再算一遍。

SI4 问的是"学校或院系明确要求使用 AI 工具"，偏"制度强制"，跟其他三题讲的"身边人认同"不是一回事，难怪相关性掉到几乎为零——删掉 SI4 后，这个维度的 α 会从 0.628 回升到 0.785，直接跨进"良好"。这个数不用另外再跑一遍，信度表里"删除该题后 α"那一列本来就给出来了，很多人对着表却没注意到它。

题项	CITC	备注
SI1	0.584	正常
SI2	0.495	正常
SI3	0.576	正常
SI4	0.066	远低于 0.3 常用线
SI 维度 α（删除 SI4 前）	0.628	—
SI 维度 α（删除 SI4 后）	0.785	跨进"良好"区间

数据来源：ChatSRS 信度分析结果截图，演示数据 N=300，SI 维度 4 道题的 CITC 与删除后 α 均为产品实测原始输出，本文未做任何换算。

信度三线表连同 AI 解读文字：SI1-SI4 的 CITC 完整可见，解读文字里直接给出"删除 SI4 后该维度 α 将由 0.628 提升至 0.785"，关键数字用荧光笔高亮标出。

这不是拍脑袋删题，而是有 CITC 数字做依据，论文方法部分能直接写"根据修正后题项-总分相关系数，SI4 与其他题项相关性过低（CITC=0.066），予以删除"。

信效度多少合适：SI 维度这个 0.628 算不算够

信效度多少合适，学界有一套约定俗成的阈值，最常引用的是 Nunnally（1978）：

信度水平	数值范围	来源
可接受（Acceptable）	alpha >= .70	Nunnally (1978)
良好（Good）	alpha >= .80	Nunnally (1978)
优秀（Excellent）	alpha >= .90	Nunnally (1978)
探索性研究最低可接受	alpha >= .60	DeVellis (2017)

对照这张表，SI 维度删除 SI4 前的 0.628，正好落在 DeVellis 探索性研究最低线（.60）之上、Nunnally 可接受线（.70）之下——这是"能不能用"最容易吵起来的灰色地带，不是简单一句"不合格"能打发的，能不能用还要看学科惯例和量表来源本身是不是探索性质。删除 SI4 之后的 0.785，则已经越过可接受线、落进"良好"区间。

问卷信效度太低怎么提高：删题的判断路径与边界

信效度低了怎么提高，最常见的第一反应是"要不要重新收集数据"或者"要不要换个统计方法"——大多数情况下都不用到这一步。"信度系数够不够 → 看合群度 → 揪出问题题 → 删不删"这条判断路径，我们整理成了一张图，判断路径都在上面，不用每次都重新想一遍：

判断路径：先看维度整体 α 够不够，再看题项级 CITC 合不合群，最后决定删不删——案例数字就是本文这份 SI 维度数据（α=0.628、CITC=0.066、删除后 α=0.785）。

具体拆开是三步：

1. 先看维度整体 α 够不够：SI 维度算出来是 0.628，低于 Nunnally 的可接受线（.70）。
2. 再看题项级的 CITC：SI4 的 CITC=0.066，接近于 0，说明这道题测的和其余题项不是一回事。
3. 删掉这道 CITC 明显偏低的题后重新计算：SI 维度的 α 从 0.628 升到 0.785，回到可接受区间之上。

什么时候删题反而有害？ 不是每一道 CITC 偏低的题都能直接删。已经发布的量表信度只有 0.6，删哪道题能救回来？那一篇讲得更细：如果用的是原作者验证过的成熟量表，随意删题会破坏量表本身的结构效度——题目往往是原作者反复验证过的设计，删题相当于改变了这个量表要测的构念，这种情况下更谨慎的做法是先查是不是翻译或文化适应的问题，而不是直接删题了事。另外，一次也只该删一道最差的题、重新跑一次分析，而不是把所有不达标的题一次性全删掉——删掉一道题会改变其余题目之间的相对贡献关系，原本正常的题目，CITC 也可能跟着变化。

删到什么程度就该怀疑量表设计本身？ 同一篇里给出的参考线是：如果删除的题项超过总题项数的 20%-30%，这已经不只是"个别题目质量问题"，而是要重新审视这份量表是否适合当前的研究对象，或者要不要整体换一份量表。本文这次的 SI 维度总共 4 道题，只删了其中 CITC 明显偏低的 1 道；但如果同一份问卷里好几个维度都要靠删题才能勉强达标，就是该往"怀疑整个量表设计"这个方向想的信号，而不是逐个维度硬删下去。

提醒一下：α 多少算够、CITC 多低要删，不同学科期刊要求不完全一样，0.3 只是常用参考，拿不准还要结合量表来源文献和导师意见；AI 给的判断也要自己复核。

图里这张信度表是在 ChatSRS 里跑的，SI4 那段"删掉它 α 就从 0.628 升到 0.785"的判断是它自己写的原文，一个字没改动。上面那张判断路径图我们自己也在反复用，不用每次都重新想一遍这套逻辑该怎么走。

什么情况下不适用

信度分析只能说明题项内部一致，不代表问卷设计没问题，方法用得对不对还要结合自己的研究设计判断，AI 给的结果建议自己核对一遍。

除此之外，还有几种情况光看这张信度表是不够的：

• 信度不等于效度。CITC 和删除后 α 都合格，只能说明维度内部题目彼此一致，不代表这份问卷真的测到了你想测的构念；效度是另一件事，需要单独验证，可以参考信度和效度有什么区别？。
• 单题维度不该跑这张表。只有一道题的维度不该计算 Cronbach's α，删题判断路径也无从谈起，这类情况通常改用重测信度而不是内部一致性系数。
• 量表结构本身有问题时，删题只能救到一定程度——上一节已经说过，删除比例一旦偏高就不该继续逐题删下去，而要回头审视量表设计或翻译。
• 工具只负责算数字，不负责替你做研究判断。不管是 ChatSRS、SPSS、Stata 还是 R，算出来的都只是 CITC 和 α 这两个数字；这道题该不该删、这份问卷是否适合你的研究设计，始终是研究者自己的责任。

效度侧怎么读：同一道 SI4，在因子分析里单独成了一个因子

上面那一节说"效度是另一件事，需要单独验证"——这一节就把这另一件事读完。

效度问的是：这 20 道题有没有真的分成你设想的那几组。做法是把 20 道题一起丢进因子分析，让数据自己重新分组，再看每道题落到了哪一组上。

说明：这几节的数字来自另一份演示数据（同样是模拟问卷：300 份作答、5 个维度 20 道题，题号从 PU1 排到 BI4；因量表题有少量缺失，因子分析按完整案例纳入 289 份）。它和上面几节用的演示数据各跑各的，两份数据之间没有做过任何合并或换算，所以 SI 维度的 α 与 CITC 数值不完全相同。

在这份数据里，信度侧和效度侧同时把手指向了 SI4：

看的角度	指标	SI4 的数字	这个数字在说什么
信度侧	校正项目-总分相关（CITC）	0.110	和同组另外三道题几乎不相关
信度侧	删除该题后 α	0.745	拿掉它，SI 维度 α 由 0.623 提高到 0.745
效度侧	旋转后因子载荷（因子 5）	0.963	它自己单独占住了一个因子
效度侧	共同度	0.938	这道题的信息被提取出的因子解释得很充分——只是解释它的那个因子由它一题独占

数据来源：ChatSRS 同一会话内的信度分析与效度分析结果截图，演示数据 300 份作答、效度分析实际纳入 289 份完整案例。全部为产品实测原始输出，本文未做任何换算。同一份数据里 SI1、SI2、SI3 的 CITC 分别是 0.476、0.559、0.517，SI 维度 α 为 0.623。

这一层是整篇里最硬的地方：两种方法从两个完全不同的角度，指向了同一道题。

CITC 问的是"这道题跟自己组里另外三道题合不合群"，只看组内；因子载荷问的是"把 20 道题全部打散重新分组，它会跟谁站在一起"，把整份问卷都摊开看。两条互相独立的路子得出同一个结论，比任何单一指标都站得住脚——只有 CITC 偏低，还可以争辩是不是抽样波动；两边同时指过来，就说明这道题测的东西本身和其余三道不一样。

产品自己的表述是：

最明显的问题是 SI4。该题的载荷主要集中在因子 5，且载荷高达 0.963，而 SI1～SI3 集中在因子 3，说明 SI4 所测量的内容与前三道社会影响题存在明显差异。结合题目内容，SI1～SI3主要测量来自同伴、教师和周围人的社会影响，而 SI4 测量的是学校或院系的制度性要求，因此 SI4 更像"组织或制度环境"题项，而不是个人感受到的社会影响。

所以它给的处置有两条路，删题并非唯一选项：

将 SI4 删除，或者将其作为"学校制度支持/组织环境"单独测量，不纳入 SI 社会影响维度。

这份效度数据是怎么一步步跑出来的（第二句指令原文、KMO、Bartlett、总方差解释和完整的载荷矩阵），写在信效度分析怎么做那一篇。

效度不达标时，盯这三处

效度侧的表比信度表宽得多，但真正要盯的就三处：

一、载荷落错了因子。 一道题的最高载荷落在你没预期的那一列，归属就出问题了——SI4 属于最极端的一种，干脆自己单独成了一个因子。另一种形态是跨因子载荷：同一道题在两个因子上载荷都不低，说明它同时沾着两个构念。这份数据里产品的核查结论是：

从交叉载荷看，没有发现其他题项出现绝对值超过 0.40 的明显跨因子载荷。ATT 和 BI 部分题项在 PU 因子上的次高载荷略有升高，例如 BI4 为 0.287，但仍低于 0.40，暂不构成严重交叉载荷问题。

二、共同度太低。 共同度说的是这道题的信息有多少被提取出来的因子解释掉了；数值太低，说明这道题基本游离在整个因子结构之外。产品这次的载荷表下方带着一行注「加粗载荷表示绝对值 > 0.4；斜体共同度表示 < 0.4」，而它的结论是「各题共同度均高于 0.40，说明 20 道题都能被提取出的公共成分较好地解释」。

三、归属和理论对不上。 这一种最容易被忽略：每道题的载荷都很漂亮，可分出来的组跟你的理论框架对不上号。这份数据里 ATT 使用态度和 BI 使用意愿就合并成了同一个因子，产品的判断是「这并不代表 ATT 和 BI 在理论上必然是同一构念，但说明当前样本下二者的区分效度不足」，处置建议是：

对 ATT 与 BI 暂时保留理论上的两个维度，但在论文中如实报告其探索性因子分析出现合并现象，并进一步通过 CFA 比较"五因子模型"和"ATT、BI 合并的四因子模型"。

因子数或因子归属跟设计对不上时具体怎么处置，探索性因子分析怎么调数据那一篇拆得更细。

论文里这一段怎么写

把上面这些数字按学术报告的惯例串成一段，大致是这个形状（数字全部来自本文这份演示数据，N=300、因子分析有效样本 289）：

本研究对 20 个量表题项进行探索性因子分析。KMO 取样适切性量数为 0.897，Bartlett 球形度检验显著（χ²=3163.218，df=190，p<0.001），表明数据适合进行因子分析。按特征值大于 1 的标准提取 5 个因子，累计解释总方差 71.64%，有效样本为 289。旋转后因子载荷矩阵显示，PU、PEOU 与 SI1～SI3 分别聚合于预期因子，载荷依次为 0.770～0.825、0.819～0.856、0.802～0.819；SI4 单独形成一个因子，载荷为 0.963。该结果与信度分析相互印证：SI4 的校正项目-总分相关仅为 0.110，删除该题后 SI 维度 α 由 0.623 提高至 0.745。据此将 SI4 从社会影响维度中剔除，或改作组织制度环境题项单独处理。ATT 与 BI 题项合并于同一因子，本研究如实报告该现象，并拟通过验证性因子分析比较五因子模型与四因子模型。

写的时候有两点别漏：

• 方法要交代清楚。这次跑的是 PCA 加 Varimax 旋转，产品自己也标注了「更准确地说是主成分结构探索；若研究重点是潜在构念效度，后续可使用共同因子方法并进行 CFA，以对五维理论结构作更严格的验证」。方法写错，后面的结论都会被质疑。
• 有效样本量要跟着报。本文这份数据因为量表题有少量缺失，因子分析实际纳入的是 289 份完整案例，产品把占比（96.3%）也一并报了出来；论文里报 300 会与分析实际用到的样本对不上。

常见问题

信效度低怎么修改数据？

不能。信度低不是数据本身"写错了"，能调整的只有该不该保留某道题，不是回头改问卷作答的原始数字。CITC 明显偏低的题项，删掉它、重新算一次 α，是唯一站得住脚的处理方式；直接改动原始作答数据，不管有没有改善最终的 α 数字，都是学术诚信问题，一旦被发现后果很严重。

删完题之后还要不要重新报告一遍信度？

要。文中的判断路径是"整体 α 够不够 → 题项 CITC 合不合群 → 删不删 → 删完要不要重新验证"这四步，删题不是最后一步。本文示例里 SI4 删除后，α 从 0.628 升到 0.785，写进论文方法部分的应该是删题后重新算出来的这个 0.785，而不是删除前的 0.628。另外要注意，一次也只该删一道最差的题、重新跑一次分析，不要把所有不达标的题一次性全删掉。

不同学科、不同期刊对 CITC 和 α 的要求都一样吗？

不完全一样。0.3 只是 CITC 最常被引用的参考线，Nunnally（1978）的 .70 也只是"可接受"这一档的约定俗成标准，不是所有学科、期刊或导师都严格按这条线卡。拿不准的时候，优先看自己所用量表原始文献里给出的信度标准，其次看导师或目标期刊的具体要求，AI 给出的判断同样建议自己核对一遍再采信。

只有一道题的维度也能算 Cronbach's α 吗？

不能。Cronbach's α 衡量的是同一维度内多道题之间的一致性，只有一道题的维度没有"内部"可言，算出来的数字没有意义，删题判断路径也无从谈起。这类只有单题的维度，通常应该改用重测信度，而不是套用内部一致性系数。

因子分析里一道题单独成了一个因子，一定要删吗？

不一定。本文效度演示数据里的 SI4 就是这种情况（在因子 5 上载荷 0.963，共同度 0.938），产品给的处置是两条路：删除它，或者把它作为"学校制度支持/组织环境"单独测量、不再纳入原来的社会影响维度。选哪条要看这道题对你的研究问题有没有独立价值——如果学校层面的制度要求本身就是你想讨论的变量，把它单列成一个题项比直接删掉更有用。无论走哪条路，论文方法部分都要写清楚依据，并把处理后重新算的信度和结构结果一并报告。

读懂你自己的那张信度表

准备好去标识的问卷数据和已经跑出来的信度结果后，可以登录 ChatSRS 对着自己的 CITC 和删除后 α 核对一遍。判断路径按"整体 α 够不够 → 题项 CITC 合不合群 → 删了以后 α 有没有真的回升"这三步走，结果同样建议逐项核对后再写进论文。

相关文章推荐

• 信效度分析怎么做？一句话跑完 Cronbach α 与 CITC（含演示）
• 量表信度只有 0.6，删哪道题能救回来？题项删除的正确姿势
• 信度和效度有什么区别？一篇讲透量表质量评估

---

本文演示数据为模拟问卷（N=300，5 个维度 20 道题，其中社会影响 SI 维度 4 道题），非真实论文数据。具体功能、数据处理规则和价格以当前产品页面与真实输出为准。