反向题：为什么要有，怎么处理

反向题（reverse-worded item）是量表里"反着问"的题目，比如正向题是"我对工作满意"，反向题是"我经常想换一份工作"。用得好能提高数据质量，用不好会直接把信度拉垮。

反向题的作用

1. 减少默许反应：有些人不管问什么都倾向点"同意"，反向题能打破这种惯性；
2. 检测敷衍作答：正向题和反向题答案自相矛盾，提示被试没有认真读题；
3. 扩大内容覆盖：有些构念的"低端"用正向措辞很难表达，反向题能补足。

但反向题不是越多越好。研究反复发现：反向题过多会引入方法效应——反向题自成一个因子，与正向题维度结构错位，反而损害效度和信度。

常见反向题写法

好的反向题是语义上的反向，不是简单地加"不"。像"我不认为老师不负责"这种双重否定，只会让被试困惑。

处理流程

1. 录入时标记

数据文件里为每道反向题单独设一列标记（如 reverse = 1），或在题目命名上体现（如 JS3_R）。不要靠记忆判断哪些是反向题。

2. 分析前反转

• 5 点量表：新分 = 6 − 原分；
• 7 点量表：新分 = 8 − 原分；
• 4 点量表：新分 = 5 − 原分。

通用公式：新分 = (最小值 + 最大值) − 原分。

3. 验证反转是否正确

反转后做两件事：

• 题总相关：反向题与维度总分的相关应为正，若为负说明没反转或反转错了；
• α 变化：反转前后 α 应有明显提升（未反转时 α 往往很低甚至为负）。

4. 检查反向题质量

如果反转后反向题仍然：

• 载荷很低（< 0.40）；
• 与正向题相关很弱；
• 在 EFA 中自成一个"反向题因子"；

说明这道反向题可能存在表述问题（太难懂、语义偏离），而不是被试的问题。此时可考虑删除，但需在论文中说明。

反向题与共同方法偏差

反向题曾被当作控制默许反应的手段，但近年研究提示：

• 反向题过多会产生方法效应，在 CFA 中表现为反向题误差相关；
• 对低教育水平、老年、跨文化样本，反向题理解成本更高，缺失率和无效作答上升；
• 建议每个维度最多 1–2 道反向题，且措辞尽量口语化。

论文里怎么写

方法部分一句话交代即可：

工作满意度量表包含 2 道反向计分题（第 3、5 题），数据分析前已进行反向转换（6 − 原分）。

如果删除了反向题，要说明理由：

题项 5 在验证性因子分析中标准化载荷仅为 0.32，且修正指数提示其与正向题存在方法效应，经内容审查后予以删除，删除后该维度 α 由 0.71 提升至 0.84。

常见误区

1. 忘记反转：最普遍的错误，表现为该维度 α 极低；
2. 反转公式用错：5 点量表用了 7 − 原分，导致分数整体偏移；
3. 反转两次：先手动反转，分析软件里又设了反向，等于没转；
4. 反向题占比过高：超过 1/3 会引入方法效应；
5. 用双重否定制造反向题：增加理解难度，得不偿失。

小结

反向题是双刃剑：适量能提高数据质量，过量会破坏测量结构。记住三件事——录入时标记、分析前反转、反转后验证。