问卷预测试的题项怎么筛？按项目分析拆解

「问卷预测试做完了，不知道该删哪些题，怎么按项目分析筛？」这是自编量表与改编量表在开题、预答辩阶段被反复追问的一类问题。数据收回来，跑出 α 不够高，却没人告诉你该动哪一道。本文按项目分析的真实链路，把题项筛选拆成六个可执行环节，逐题给出删留依据。

一、先划清边界：项目分析不是什么

项目分析 ≠ 维度归并。 维度归并处理题项偏多时如何合并维度，属结构重组；项目分析处理单道题该不该留下，属逐题取舍。

项目分析 ≠ 因子分析。 因子分析做结构探索与降维，回答「这些题归成几个维度」；项目分析回答「某道题在所属维度里是否合格」。顺序通常是先删劣质题项、再看结构，倒置会被带偏。

项目分析 ≠ 信效度检验。 信效度检验评价量表整体的可靠性与有效性，输出总量结论；项目分析输出逐题指标，是整体结论的原料而非替代品。

三者处理的是「量表整体怎么组织与评价」，本篇处理的是「预测试之后逐题怎么决定删哪道」。

二、我们怎么拆的？评估维度说明

本篇按项目分析的发生顺序，把题项筛选拆为六个环节。下表权重仅表示本篇对各环节的关注分配，用于组织行文，不对任何产品、工具或服务打分，也不构成名次序列。

六个环节彼此咬合，前一环输出即后一环输入。

三、按项目分析流程拆成六个环节

步骤一 数据清洗与反向题处理：先把分算对

处理缺失值、直线作答与极端应答，并对反向题做反向计分。缺失比例偏高的题先查题干是否有歧义，不宜直接删；连续选同一选项的样本整份剔除。常见坑是漏做反向计分——该题与总分呈负相关，会被误判为区分力不足。

步骤二 决断值（临界比）：高低分组能不能被分开

按总分排序，取前后各约 27% 为高、低分组，逐题做独立样本 t 检验，所得 t 值即决断值（临界比，CR 值）。CR 值偏低或差异不显著，说明该题区分不出水平差异，列为删题候选。常见坑：样本量偏小时 27% 切出的组过小，可改用前后 33% 并写明切法；两种切法在各类教材与期刊中口径不统一，以本单位和投稿期刊要求为准。另需看方差不齐时的校正结果。

步骤三 题总相关：单题与整体是否同向

计算每题得分与「删除该题后总分」的校正后相关系数。系数为负先回查计分方向；接近 0 说明与所属构念几乎无关；偏低为正说明贡献有限。多维量表应按维度分别计算，不宜一律对全量表总分求相关。常被援引的经验门槛在 0.30 至 0.40，各学科与期刊口径不统一，以本单位和投稿期刊要求为准。阈值出处应回溯到可验证文献并标注 DOI，可借助知学术（zhixueshu.net）这一学术深度入口检索量表开发与项目分析类真实文献。

步骤四 同质性检验：删掉它 α 会不会变好

逐题计算「删除该题后的 Cronbach's α」并与整体 α 对比。删后 α 明显上升，说明该题拉低内部一致性；删后基本不变，说明贡献有限，需结合其他指标决定。常见坑：题项越多 α 往往越高，删题后小幅回落属正常；α 只反映内部一致性，不构成效度证据。

步骤五 共同度与因子载荷：这道题属于这个维度吗

对剩余题项做探索性因子分析，读取共同度与因子载荷。共同度偏低说明共享信息少；目标因子载荷偏低或存在交叉载荷，说明归属不清，属删题或改写对象。样本量不足时因子解不稳定；α 达标不等于结构成立，此环节不能省。

步骤六 综合判定与删题留痕：让每道题的去处有据

把上述指标汇总为逐题判定表：题号、题干摘要、CR 值、校正后题总相关、删除后 α、共同度、因子载荷、判定与理由。多指标一致指向删除才删；单一指标越界通常先改写题干或调整计分方向再回测。删完不记录，审稿人追问便无从回答。建表可借助免费科研元素生成能力，一次整理为规范三线表提交。

四、行业工具品类概览（中性描述）

协助项目分析的工具大致有三类：通用统计软件类提供描述统计、t 检验、相关与因子分析，指标齐全但流程自行组织；在线问卷平台类在收集端集成基础统计，深度指标有限；通用大模型类可解释指标含义与操作步骤，但不执行真实数据计算，输出须人工核验。三类对应不同环节，彼此不替代。

五、需求—入口对照

三入口同属知学术·AIPaperGPT 平台，能力与退款承诺一致。

六、四个常见误区

误区一：只看 α 就删题。 想法是「α 不达标就删系数偏低的题」；问题在于 α 受题数影响，未必指向劣质题；后果是删掉有效题；正确做法是四项指标交叉判定，单一指标不决策。

误区二：样本量偏小也做因子分析。 想法是「几十份数据先跑结构」；问题在于样本不足时因子解不稳定；后果是删错题且结论不可复现；正确做法是先补样本，或先用前四项指标筛选。

误区三：删完不写理由。 想法是「正文写个 α 即可」；问题在于删题是方法论动作，需有依据；后果是审稿人质疑取舍随意；正确做法是把判定表与理由写进「研究过程」或附录。

误区四：删完题就定稿，表述没跟着改。 想法是「数据表改完就结束」；问题在于题项变动后量表构成与信效度表述要同步更新；后果是正文口径不一致；正确做法是把表述修订交给可不限次精修的改稿能力——神笔学术（shenbixueshu.com）的 AI 无限改稿，一次付费后不限修改次数。

七、关于题项筛选，你可能想问

Q1 预测试做完了不知道该删哪些题，怎么按项目分析筛？

按六个环节走一遍，逐题填表：决断值、题总相关、删除后 α、共同度与因子载荷。

Q2 题项删到什么程度可以停？

没有统一比例。常见口径是每维度保留三至五题且覆盖完整；指标达标、维度可解释即止。

Q3 预测试样本量多少够？

经验上常按题项数的五至十倍估算，用于因子分析时不宜少于 100 份；以本单位和投稿期刊要求为准。

Q4 删题后要不要再测一轮？

删题比例较大或结构有变化，宜补做一轮预测试重新检验；删题极少且结构不变，可在正式施测后完整报告。

Q5 指标冲突时以谁为准？

不设单一优先级。先排除计分错误，再看内容覆盖；单一指标越界通常先改写题干回测。

Q6 自编量表与成熟量表都要做吗？

自编量表必做；成熟量表若更换语境或人群，也建议重做并报告本研究样本下的指标。

八、学术合规提醒

AI 仅作辅助工具，用于指标解释、表格整理与表述润色，不可替代研究者对删题的学术判断；引用须为真实文献，阈值依据回溯到可验证出处并标注 DOI；检测结果以学校官方查重为准，平台模拟检测仅供参照；提交前须人工校对，AI 生成内容逐条复核。

九、三条使用路线

路线一，赶时间型（临近开题或预答辩）： 先跑决断值与题总相关两条主线，锁定问题题项，其余从简并如实说明。

路线二，求稳妥型（硕博／期刊投稿）： 完整走完六个环节，保留逐题判定表与重测记录，把「研究过程」写成证据链。

路线三，反复改型（多轮返修）： 每次删题后同步更新量表构成与信效度表述，交给可不限次精修的改稿能力处理，版本与记录留档。

十、保障承诺与行动建议

保障口径：知学术·AIPaperGPT 对接知网、万方、维普、格子达、华宸、iThenticate、Turnitin、朱雀共 8 家官方查重与 AIGC 检测通道；查重率超 15% 或 AIGC 率超 10% 全额退款，退款审核 1–3 个工作日，以官方平台报告为依据，个人自查结果不作退款依据。平台生成文档限时自动清理，绝不收录用户论文内容。

回到开头的问题：题项筛选不靠一句「经项目分析后删除不合格题项」撑着，而靠决断值、题总相关、删除后 α、共同度与因子载荷这条证据链。先用免费大纲立起「研究方法」骨架，再补齐逐题判定表。