问卷效度低怎么提高

1、KMO值或者没有通过巴特球形检验KMO值最容易达标，巴特哆蚝馆填球形检验也非常容易达标。如果仅2个量表分析项，那么KMO值一定为0.5，因而不遵从0.6以上的判断标准。如果KM晦倘佳鳎O和巴特球形检验这两项均不达标，建议直接放弃结构效度，最基础的指标都不满足，实在太糟糕的数据，直接使用内容效度即可。

2、分析项与因子（维度）对应关系出错对应关系出错，这称作‘张冠李戴’现象。出现这类情况，需要将对应关系出错的分析项删除掉，然后再次进行分析。而且一定需要尽早删除，对应关系出现偏差错误是无法接受的。

3、分析项与多个因子（维度）建立对应关系一个分析项与多个因子（维度）有对应关系，此类情况称作‘纠缠不清’，如果此类现象不严重，可考虑暂不处理，在多次分析删除项后再看情况而定。一般不处理‘纠缠不清’现象也可以接受。

4、分析项没有和任何因子（维度）建立对应关系一个分析项与任何因子都没有对应关系，该分析项没有任何存在的意义直接删除后再次进行分析。

5、1个因子仅对应1个分析项如果1个因子仅对应1项，这是比较糟糕的，正常情况下，1个因子（维度）应该对应至少2项，出现此类情况，建议可直接将该项进行删除，然后在分析时描述说明清楚。

6、无论如何，因子（维度）与分析项间的对应关系情况，均与预期不符有时候无论如何处理，分析项与因子（维度）对应关系均有问题，出现此类问题时，依旧是由于量表泥撼费瘠质量差所致，也有可能是样本量太少的缘故。可考虑将量表拆分成多个维度，分别进行多次因子分析，每次设置因子个数为1。