非调查问卷数据能否做信效度分析检验
信度和效度检验是调查问卷或量表数据经常要做的统计分析环节，目的是检验研究工具的可靠性和有效性。那么，很多非问卷的数据，例如客观经济数据、实际调查数据、不同主体或不同评分方法的评价数据，是否也需要信度和效度检验？或者说能不能做信度效度分析？以下是博主南心的个人理解，是主观理解，不是学术规范，读者切勿以此作为学术研究的参考。
首先，理论上南心认为信度和效度是用于测量工具的，但是这个测量工具不能简单理解为问卷、量表，而应该理解为某种“评价指标体系”或者测量模型，我个人更喜欢用测量模型的说法。测量模型是用若干测量指标测量的变量或构念，可以是一阶或多阶，在结构方程模型中，一个潜变量就是一个测量模型。因此，凡是用多个指标来测量的构念、变量、维度、因子、高阶指标都是一个测量模型，一个评价工具，因而都要评估其测量的信度和效度。例如，在客观经济数据中，我们可能用各种收入、消费、债务指标来表示“财富”，那么，财富就是一个测量模型，因而可以分析，用收入、消费、债务等指标来评价财富的信度和效度如何。
其次，统计上该如何检验非问卷数据的信度和效度呢？在信度上，我们不能用传统的克隆巴赫a系数，因为这个信度反映的是各个测量指标评分上的一致性，要求所有测量指标的评分尺度一致。例如问卷数据所有题目都是1-5评分或者1-3评分，如果有些题目是1-5，有些是1-4，则不适合用这个信度指标。显然，很多非问卷数据的评分尺度是不一样的，例如收入、利润率，因而不能用a系数来评价，而应该用同质性信度的其他系数来表示，具体的系数可以百度或查阅相关文献（搜索关键词：
”a系数 内部一致性信度
同质性信度“等）。在效度分析上，传统的
因子分析方法仍然可用，只是缺陷不少，建议用结构方程模型。
总之，非问卷数据只要是涉及多指标评价测量特定变量、因子、维度的问题，都可以进行信度和效度的检验分析，只是需要改用其他指标和统计方法。比较流行的方法是基于结构方程模型的潜变量信度、效度检验方法。
