定风波·红梅
苏轼 〔宋代〕
好睡慵开莫厌迟。自怜冰脸不时宜。偶作小红桃杏色，闲雅，尚馀孤瘦雪霜姿。
休把闲心随物态，何事，酒生微晕沁瑶肌。诗老不知梅格在，吟咏，更看绿叶与青枝。
【赏析】
这是一首咏物词，作品通过红梅傲然挺立的性格，来书写自己迁谪后的艰难处境和复杂心情，表现了作者不愿屈节从流的态度和达观洒脱的品格。
作品的显著特点是融写物、抒情、议论于一体，并通过意境来表达思想感情。词以“好睡”发端，以“自怜”相承，从红梅的特征来展示红梅清冷、自爱的形象。红梅的一个明显特点，是苞芽期相当漫长，因谓“好睡”；虽然红梅好睡，但并非沉睡不醒，而是深藏暗香，有所期待，故曰“莫厌迟“。句中一“慵”字，悄悄透露了红梅的孤寂苦衷和艰难处境。红梅自身也明白，在这百花凋残的严寒时节，唯独自己含苞育蕾，岂非有不合时宜之感。苞蕾外部过着密集光洁的白茸，尽管如同玉兔霜花般的洁白可爱，也只能自我顾恋，悲叹“名花苦幽独”（作者《寓居定惠院之东，杂花满山，有海棠一枝，土人不知贵也》）罢了。词以“冰脸”来刻画红梅的玉洁冰清，既恰如其分的写出了红梅的仪表，也生动地写出了红梅不流习俗的超然之气，它赋予了红梅以生命和丰富的感情，形象逼真，发人深思。
此词着意刻绘的红梅，与词人另一首词《卜算子·黄州定慧院寓居作》中“拣尽寒枝不肯栖”的缥缈孤鸿一样，是苏轼身处穷厄而不苟于世、洁身自守的人生态度的写照。花格、人格的契合，造就了作品超绝尘俗、冰清玉洁的词格。
注：来源于 古诗文网
信度简介在科学研究过程中，我们经常会使用量表来进行调查消费者对某个问题的反映，或者他/她对某种说法的态度，即用量表反映消费者的主观感受。在回收问卷后，需要对量表工具进行一致性和稳定性监测，这就是信度。
有学者指出，信度是指测验或量表工具所测得的结果的稳定性（stability）及一致性（consistency），量表的信度越大，则其测量标准误越小。
信度最早由Spearman与1904年引入心理测量，指的是测验结果的一致性程度或者可靠性程度。
1. 信度分类
- 重测信度（test-retest reliability）
假定短时间内一批对象的状况并没有改变，对每个对象用同一个问卷先后测验两次，两次测验得分的相关系数就称为重测信度。重测信度属于稳定系数。重测信度法特别适用于事实式问卷，如性别、出生年月等在两次施测中不应有任何差异，大多数被调查者的兴趣、爱好、习惯等在短时间内也不会有十分明显的变化。如果没有突发事件导致被调查者的态度、意见突变，这种方法也适用于态度、意见式问卷。
由于重测信度法需要对同一样本试测两次，被调查者容易受到各种事件、活动和他人的影响，而且间隔时间长短也有一定限制，因此在实施中有一定困难。通常重测时间跨度以2～4周为宜，太短会受记忆的影响，太长又受环境的影响。
- 复本信度法（alternate form reliability）
复本信度法是让同一组被调查者一次填答两份问卷复本，计算两个复本的相关系数。复本信度属于等值系数。复本信度法要求两个复本除表述模式不同外，在内容、格式、难度和对应题项的提问方向等方面要完全一致，但在实际调查中，很难使调查问卷达到这种要求，因此采用这种方法者较少。
- 折半信度法（split-half reliability）
当测验没有复本且测验不可避免地受到时间的影响，只适合用于一次测验时，可用分半信度。分半的方法很多，一般是将奇数题和偶数题各作为一半，而非前后分半，目的是避免顺序效应。分半信度也叫折半信度，其计算方法是将问卷的题目分成对等的两半，分别求出两半题目的总分，再计算两部分总分的相关系数。使用分半信度时要注意两个问题：（1）问卷题目所测的应是同一种特质；（2）两半题目应是等值的。这种方法一般不适用于事实式问卷（如年龄与性别无法相比），常用于态度、意见式问卷的信度分析。在问卷调查中，态度测量最常见的形式是5级李克特（Likert）量表。
- 库得－理查森信度（Kuder - Richardson）
库德－理查森信度适用于计算“对或错”的是非题的同质性信度，其是计算所有可能的分半信度的平均数。该信度系数实际应用较少。
- 克隆巴赫信度系数（cronbach'sα ）
cronbach's α 系数是Cronbach于1951年创立的，用于评价问卷的内部一致性。α 系数取值在0～1，α 系数越高，信度越高，问卷的内部一致性越好。Cronbach's α 系数不仅适用于两级记分的问卷，还适用于多级计分的问卷。克隆巴赫信度系数具有如下特点：①α 系数是所有可能的分半信度的平均值；②α 系数是估计信度的最低限度；③当问卷计分为二分名义变量时，即答案为0或1，α 系数与KR20值相同，即库德－理查森信度公式是克隆巴赫的α 系数的一个特例。
一般地，问卷的α 系数在0.8以上该问卷才具有使用价值。Cronbach's α 值皆达0.85以上，表明问卷信度良好。α 系数评价的是量表中各题项得分间的一致性，属于内在一致性系数。这种方法适用于态度、意见式问卷（量表）的信度分析。
一份信度系数好的量表或问卷，最好在0.80以上，0.70～0.80还算是可以接受的范围；分量表最好在0.70以上，0.60～0.70可以接受。若分量表的内部一致性系数在0.60以下或者总量表的信度系数在0.80以下，应考虑重新修订量表或增删题项。
- 评分者信度（inter-scorer reliability）
考察评分者信度的方法为，随机抽取相当份数的问卷，由两位评分者按记分规则分别给分；然后根据每份问卷的分数计算相关系数，即可得到评分者信度。评分者信度也可以是一位评分者两次评分的相关系数。如果是多个评分者或一位评分者两次以上的评分，可采用肯德尔和谐系数和Kappa系数。肯德尔和谐系数用于等级资料，Kappa系数用于定性资料。
在上述6种信度系数中，以克隆巴赫信度系数应用最广，其次为折半信度，现在我们来看克隆巴赫信度系数在SPSS中实现。
SPSS实现决策树分析示例：某问卷有10道题目，均为9分量表，共测试100分，现分析该问卷的信度如何？数据具体如下：
o 打开 分析—标度—可靠性分析
（1）主页面
a.项：选择要分析的问卷题目，但不能选择总得分
b.模型：用于指定要使用的信度系数，可选项包括：
o Alpha选项：表示Cronbach alpha系数，默认选项
o 折半 Split-half：表示折半信度
o 各特曼Guttman：表示Cuttman系数，输出Lambda3实际就是Cronbach alpha系数
o 平行 Parallel：表示平行测验的信度估计
o 严格平行 Strict Parallel：在平行测验的基础上，要求各变量的均值相等
c.统计：
o 描述：
项：输出各变量的均值、标准差等信息
标度：输出各变量之和的均值、方差和标准差等信息
删除项后的标度：即敏感度分析，输出在问卷中删除指定变量（问题）后，相应统计量的改变值，此项较为重要。可用了对问卷中的各项进行统一分析，以达到改进问卷的目的。
o 项之间：设置输出变量间的相关信息，有两个选项：相关矩阵和协方差矩阵
o 摘要：设置各项目的描述统计量的输出，选项包括：平均值、方差、协方差、相关性
o Anova表：设置方差分析选项。若问卷设计的好，相应答案是相关的。
F检验：相当于重复测量的方差分析，适用于数据呈正态分布的情况
傅莱德曼卡方：检验傅莱德曼卡方统计量和肯德尔调谐系数，适用于取秩格式的数据，可取代方差分析中的F检验
柯克兰卡方：对各变量进行柯克兰卡方检验，适用于二元变量数据
o 霍特林T平方：进行多元检验，零假设为：所有数值变量的均值都相等。
o 图基可加性检验：检验各变量之间是否具有显著的交互作用
o 同类相关系数：设置关于组内相关系数的选项
3.分析结果与解释
（1）个案处理摘要：
o 给出原始数据中缺失值统计信息。
（2）可靠性统计：
o 从表格中可看出，该问卷的可靠性系数为0.794，接近于0.8，说明该问卷的信度较好。
（3）删除某一项后信度变化：在下表中最重要的是后两项。
o 相关系数：若相关系数态度，可考虑将该题删除，可见item5、item6和总分的相关系数非常低，表示这两道题应答分数的高低和总分高低相关性不大，说明他们可能和问卷的测量目的关联不大。
o 信度系数变化：若删除后系数上升，则说明该题区分性不好，将该题删除可提高问卷的信度，由数据可见，将item5、item6删除，则可提高问卷的信度系数。
o 若在后续分析中改进本问卷，则可考虑删除或更换item5、item6
4.语法
RELIABILITY
/VARIABLES=item1 item2 item3 item4 item5 item6 item7 item8 item9 item10
/SCALE('ALL VARIABLES') ALL
/MODEL=ALPHA
/STATISTICS=DESCRIPTIVE SCALE
/SUMMARY=TOTAL MEANS VARIANCE.
