什么是内容效度？如何计算？

效度包括表面效度、内容效度、结构效度/建构效度、校标关联效度、实证效度等多种类型，本文我们先来探讨内容效度。

内容效度（content validity）指一个量表实际测到的内容与所要测量的内容之间的吻合程度。内容效度是量表质量的重要体现，但相对结构效度和实证效度来说，大家对内容效度的认识较少。一些观点认为内容效度缺乏可靠的数量化指标，因而只需要以文字说明问卷具体有效性即可。

实际上，在内容效度的定量评价过程中，通过专家问卷收集专家的意见后，可以计算一系列的指标来评价内容效度的优劣。目前，量表内容效度的定量评价中应用最广泛的指标是内容效度指数。

注意：如果想要计算内容效度，并以内容效度指数的形式来说明内容效度优劣，必须要有专家对你的问卷合理性进行评价的专家问卷。文末阅读原文给出了专家问卷的示例，大家可以参考。如果你没有专家问卷，则无法计算内容效度。一般情况下，内容效度不是必须的，条件不允许的情况下（找不到足够的专家来对你的问卷进行评判时），可以不做。

内容效度指数（content validity index，CVI）分为两大类：

条目水平的内容效度指数(item-level CVI，I-CVI) ，对各个条目的内容效度作出评价；

量表水平的内容效度指数(scale-level CVI，S-CVI) ，对整个量表的内容效度进行评估。

内容效度指数的计算及判断标准

在内容效度评价的专家咨询问卷中，要求专家就每一条目与相应内容维度的关联性(或代表性)作出选择，并提出需要增加或调整的条目。（点击文末“阅读原文”，可查看并填写“专家指标评定问卷”。）

通常，可选项是4等级评分：1=不合适，2=比较不适合，3=比较合适，4=合适，即分数越高，代表条目的适合程度越高。

根据专家评分情况计算出各条目的内容效度指数（CVI）、随机一致性概率（Pc）和Kappa值。

各条目的I-CVI值计算公式如下：

注：A表示评分为3分或4分的专家人数；n表示参与评分的专家总人数；下同。

计算I-CVI以及后续的S-CVI时，实际上是把4个等级的评分归纳成了两类：1或2分，表示条目与相应的内容维度不相关，条目对测量概念的代表性不好；3或4分，表示条目与相应的内容维度相关，条目代表性好。

下面给出了I-CVI的判断标准：

当专家人数少于或等于5人时，I-CVI应为1.00，即全部专家均认为该条目与所要测量的概念内容有较好的关联性，才认为这个条目的内容效度较好；

当专家人数是6人或更多时，标准可以降低，但要求I-CVI不低于0.78。例如：当6位专家对某条目进行评价，有1位专家给出1或2的评分(I-CVI=0.83)时，该条目仍可接受；当有9位专家评分，接受最多有2位给出1或2的评分(I-CVI=0.78)。

Kappa值的作用是对专家意见可能存在的随机一致性进行校正。随机一致性概率(PC)的估计：

 

结合I-CVI，对随机一致性进行校正可计算调整后的kappa值(记为K*)：

K*的评价标准是：0.40~0.59为一般，0.60~0.74为良好，大于0.74为优秀。该方法将CVI与校正了相关的K*联系在一起，通常专家间意见一致性越高，即I-CVI越大，K*值也越高。在对随机一致性进行校正后，I-CVI大于或等于0.78，提示内容效度较优。

如果条目CVI小于0.78，或是CVI不小于0.78但Kappa值低于0.74，提示此条目可能不适合用于评价目前所在的维度，则需结合专家在问卷上给出的文字性建议，考虑对条目进行删除、修改或维度调整。

按计算方法不同，S-CVI分为全体一致S-CVI(S-CVI/UA)和平均S-CVI(S-CVI/Ave)。量表I-CVI不低于0.78，S-CVI/UA和S-CVI/Ave分别不低于0.8和0.9提示内容效度较好。

在撰写相关论文时，应包含内容效度评价的过程和主要结果。

 ——————

为了给即将发布的新课程积累更多的实例，让大家在购买松鼠的课程后能学习更多统计分析方法，我们现在在开展一项“模拟专家指标评定问卷”。