validity-reliability

name	validity-reliability
description	当用户需要执行研究信度效度分析，包括内部一致性、重测信度、评分者信度、构念效度、内容效度、效标效度等全面分析时使用此技能
version	1.0.0
author	socienceAI.com
license	MIT
tags	["reliability","validity","research-methods","psychometrics","measurement","scale-validation"]
compatibility	Claude 3.5 Sonnet and above
metadata	{"domain":"psychometrics","methodology":"scale-validation","complexity":"advanced","integration_type":"analysis_tool","last_updated":"2025-12-21"}
allowed-tools	["python","bash","read_file","write_file"]

信度效度分析技能 (Validity and Reliability Analysis)

概述

为社会科学研究提供全面的测量质量评估，包括信度分析（内部一致性、重测信度、评分者信度）和效度分析（内容效度、构念效度、效标效度），确保研究工具的科学性和有效性。

使用时机

当用户请求以下分析时使用此技能：

• 研究工具的信度分析
• 内部一致性评估（Cronbach's Alpha、Omega系数）
• 重测信度评估
• 评分者信度分析
• 测量工具的效度评估
• 内容效度评估
• 构念效度检验（EFA、CFA）
• 效标效度分析
• 量表验证的因子分析
• 量表开发和优化

快速开始

当用户请求信度效度评估时：

1. 评估测量设计和数据质量
2. 评估使用适当的信度系数
3. 检验通过因子分析和其他方法验证效度
4. 解释在测量理论背景下的结果
5. 建议必要的改进措施

核心流程

第一阶段：测量设计评估

• 审查量表结构和项目设计
• 检查潜在的反应偏差
• 评估项目措辞和清晰度
• 验证反应格式的适当性

第二阶段：数据质量检查

• 适当处理缺失值
• 检测和处理离群值
• 评估分布特征
• 验证样本量充足性

第三阶段：信度分析

• 计算各种信度系数
• 评估置信区间
• 识别有问题的项目
• 评估维度性

第四阶段：效度验证

• 进行因子分析（EFA/CFA）
• 检验聚合和区分效度
• 评估准则相关效度
• 评估内容效度证据

第五阶段：质量改进建议

• 提出具体的量表改进建议
• 建议项目修订或删除
• 提出额外的验证研究
• 提供报告指南

输出格式

{
  "summary": {
    "cronbach_alpha": 0.87,
    "omega_coefficient": 0.89,
    "ave_convergent": 0.62,
    "discriminant_validity": true,
    "model_fit_cfi": 0.94,
    "model_fit_rmsea": 0.06
  },
  "details": {
    "reliability_analysis": {...},
    "validity_analysis": {...},
    "factor_structure": {...},
    "item_statistics": {...}
  },
  "metadata": {
    "timestamp": "2025-12-21T10:30:00",
    "version": "1.0.0"
  }
}

质量标准

• 遵循心理测量学最佳实践
• 提供APA格式的统计报告
• 包含效应量和置信区间
• 在适当时候进行多重比较校正
• 验证模型假设条件

深入学习

• 心理测量学最佳实践
• 量表开发和验证指南
• 信度效度分析的统计软件语法
• 因子分析和结构方程建模方法

完成标志

完成高质量的信度效度分析应包括：

1. 完整的信度和效度分析报告
2. 标准化的统计表格
3. 因子结构可视化
4. 测量模型路径图
5. 可重现的分析代码

---

此技能为中文社会科学研究提供全面的信度效度分析支持，确保测量工具的科学性和可靠性。