SPSS软件的信度分析：基本原理
在测量学中，信度被定义为一组测量分数的真变异数与总变异数（实得变异数）的比率。即：
式中的 r xx 称作信度系数， S r 为真变异数， S x 为总变异数。在实际测量中，因为真值是未知的，故信度系数不能由以上公式直接求出，而只能根据一组实得分数（测得值）做出估计。信度系数是衡量测验好坏的一个重要技术指标，测验的信度系数达到多高才可以接受呢？最理想的情况是r=1，但这是不可能的。
大多数学者认为：
任何测验或量表的信度系数如果在0.9以上，则该测验或量表的信度极佳（信度系数在0.8以上都是可以接受的）；如果信度系数在0.7以上，则该量表应进行较大修订，但仍不失其价值：如果信度系数低于0.7，则量表将需要重新设计。在心理学中通常可以用已有的同类测验作为比较的标准。一般能力与成就测验的信度系数常在0.90以上，性格、兴趣、态度等人格测验的信度系数通常在0.80～0.85之间。
需要说明的是，在SPSS官方网站的帮助文档《 IBM_SPSS_Statistics_Base 》中，对于信度分析的应用条件和相关过程还进行了特别指导。
数据方面，用于信度分析的数据可以是二分数据、有序数据或区间数据，但数据应是用数值编码的。假设条件方面，用于信度分析的观察值应是独立的，且项与项之间的误差应是不相关的，每对项应具有二元正态分布。
标度应是可加的，以便每一项都与总得分线性相关。相关过程方面，如果想要探索标度项的维数（以查明是否需要多个结构来代表项得分的模式），那么用户可以使用因子分析或多维标度。
如果用户要标识同类变量组，那么用户可使用系统聚类分析以使变量聚类。
