李克特量表：编制、计分与常见坑

李克特量表（Likert scale）是问卷研究里最常见的测量形式："1 = 非常不同意……5 = 非常同意"。它看起来简单，但从题目编制到计分方式，每一步都有讲究。

先厘清两个概念

• 李克特条目（item）：单个陈述句 + 同意程度选项，如"我对当前工作感到满意"；
• 李克特量表（scale）：多个条目加总或平均后形成的维度得分。

很多论文把单个条目称为"李克特量表"，严格说是误用。单题测量信度无法估计，一般只用于人口学或简单事实性问题。

编制步骤

1. 明确构念与维度：写出每个维度的定义和边界，避免不同维度的题目语义重叠；
2. 生成题库：每个维度初编 6–10 题（最终保留 4–6 题），题目来自理论、已有量表改编或访谈资料；
3. 正反向题搭配：每个维度配 1–2 道反向题，减少默许反应；反向题措辞要自然，不能生硬地加"不"；
4. 专家评审：检查内容效度和表述清晰度；
5. 预调研：30–50 人试填，做题总相关、α、区分度分析；
6. 正式施测与验证：EFA 探索维度，CFA 验证结构，报告 CR、AVE。

点数怎么选

无论几点，每个选项都应有文字标签。只标两端的"语义差异量表"是另一种工具，不能与李克特量表混用。

计分方式

1. 反向题反转

若量表为 1–5 点，反转公式为 新分 = 6 − 原分；7 点则为 8 − 原分。反转必须在算总分之前完成，且只对标记为反向的题目操作。

2. 维度得分

• 均值法：维度内题目求平均，保留原始量纲（1–5），解释直观，推荐；
• 加总法：题目求和，量纲随题目数变化，跨研究比较不便；
• 标准化后加权：仅在因子载荷差异很大且有理论依据时使用，普通研究不必。

3. 缺失值处理

单个维度缺失 1 题时，可用该被试该维度其余题目的均值填补；缺失超过 1/3 时，该维度得分建议设为缺失，不要强行填补。

信度与效度的配套检查

• 内部一致性：Cronbach's α ≥ 0.70（探索性研究可放宽到 0.60），超过 0.95 要警惕题目冗余；
• 题总相关：校正后的题总相关（CITC）< 0.30 的题目考虑删除，但删除后必须重跑 α 并检查内容效度；
• 组合信度 CR：CFA 框架下报告，≥ 0.70；
• AVE：≥ 0.50 表示聚合效度可接受。

常见坑

1. 反向题忘反转：直接算总分导致信度极低甚至为负，是最常见的低级错误；
2. 反向题过多：超过 1/3 会让被试产生混淆，反而降低数据质量；
3. 不同维度点数不一致却直接加总：5 点维度和 7 点维度不能直接相加，应先标准化或分别分析；
4. 用 α 判断单维性：α 高只说明内部一致，不说明只有一个维度，多维量表应分维度报告 α；
5. 删题只看 α 升高：删题后 α 必然容易升高，但可能破坏内容效度，删题要有理论理由；
6. 把序数当等距：严格来说李克特数据是定序，5 点以上通常近似当连续处理，但要在方法部分说明。

报告示例

各变量均采用 Likert 五点计分（1 = 非常不同意，5 = 非常同意）。工作满意度包含 5 个题项，其中第 3 题为反向题，分析前已反转。该维度 Cronbach's α 为 0.86，CR 为 0.88，AVE 为 0.60；验证性因子分析显示各题标准化载荷介于 0.71~0.84。

小结

李克特量表的可靠性来自三件事：题目覆盖构念、反向题处理正确、计分方式前后一致。把编制过程和信效度指标写清楚，量表得分才站得住。