分半信度

分半信度（Split-Half Reliability） 是心理测量学中评估测验内部一致性信度的一种经典方法。它用于检验同一测验中不同题目是否在测量同一个构念（Construct），即测验结果是否稳定可靠。 ADFASDFAF23RQ23R

核心原理

1. 分半操作：
   将一份测验随机分成两半（如奇数题 vs 偶数题、前半部分 vs 后半部分，或随机拆分）。

   ADSFAEQWER353423413434
   
   举例：一个包含 50 题的测验，拆分为： ADSFAEQWER353423413434

   • Part A：25 题（如奇数题） ADSFAEQWER353423413434

   • Part B：25 题（如偶数题） ADSFAEQWER353423413434

2. 计算相关性：
   计算两部分测验得分的相关系数（通常用皮尔逊积差相关 *r*）。

   ADFASDFAF23RQ23R

   • 若两部分高度相关（*r* 接近 1），说明测验内部一致性高。

     ADSFAEQWER353423413434

3. 修正系数：
   由于分半后题目数量减半（信度会降低），需用 斯皮尔曼-布朗公式（Spearman-Brown Formula） 校正，估计整个测验的信度： ADSFAEQWER353423413434

   $$\text{校正后信度} = \frac{2 \times r_{\text{half}}}{1 + r_{\text{half}}}$$

   其中 $r_{\text{half}}$ 是两半分数的相关系数。

   ADSFAEQWER353423413434

关键步骤

1. 拆分测验：确保拆分方式随机（避免题目顺序或难度影响）。 ADFASDFAF23RQ23R

2. 计算分半得分：分别计算被试在 Part A 和 Part B 的总分。 ADFASDFAF23RQ23R

3. 求相关系数：计算两部分得分的相关系数 *r*。 ADSFAEQWER353423413434

4. 斯皮尔曼-布朗校正：通过公式估计完整测验的信度。

   ADFASDFAF23RQ23R

示例

假设一个数学能力测验（20 题）拆分后： ADSFAEQWER353423413434

• Part A（10 题）与 Part B（10 题）得分的相关系数 *r* = 0.70 ADFASDFAF23RQ23R

• 校正后信度 = $\frac{2 \times 0.70}{1 + 0.70} = \frac{1.4}{1.7} \approx 0.82$ ADFASDFAF23RQ23R
  表示该测验的整体信度较好（一般认为 ≥0.7 可接受）。 ADFASDFAF23RQ23R

优缺点

适用场景

• 测验题目同质性高（所有题目测量同一特质）。 ADFASDFAF23RQ23R

• 测验长度适中（题目过少会导致信度被低估）。

  ADFASDFAF23RQ23R

• 非速度测验（若为速度测验，分半后两部分得分可能人为高相关）。

  ADSFAEQWER353423413434

替代方法

若分半信度操作受限，可选用其他信度检验方法：

1. 克龙巴赫α系数（Cronbach's Alpha）：无需分半，直接评估所有题目间一致性（更常用）。 ADFASDFAF23RQ23R

2. 重测信度（Test-Retest）：同一测验多次施测，检验时间稳定性。 ADFASDFAF23RQ23R

3. 复本信度（Parallel Forms）：构建内容等效的复本测验施测。 ADSFAEQWER353423413434

实践建议

1. 报告时需注明拆分方法（如“奇偶分半”）。 ADFASDFAF23RQ23R

2. 与α系数结合使用：交叉验证测验信度。 ADFASDFAF23RQ23R

3. 谨慎解释结果：若校正后信度 <0.6，需修订题目或调整结构。 ADFASDFAF23RQ23R