| 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：
- 评估测量设计和数据质量
- 评估使用适当的信度系数
- 检验通过因子分析和其他方法验证效度
- 解释在测量理论背景下的结果
- 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：
- 完整的信度和效度分析报告
- 标准化的统计表格
- 因子结构可视化
- 测量模型路径图
- 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。
