Валидность и надёжность методики простыми словами

В дипломе по психологии или педагогике рано или поздно появляется фраза «использованные методики обладают достаточной валидностью и надёжностью». А что это вообще значит — и как это доказать, если спросят на защите?

Разберём оба понятия на пальцах: чем они отличаются, какие бывают виды и что именно писать в работе, чтобы вопрос про валидность и надёжность методики не застал вас врасплох.

В двух словах

Валидность — методика измеряет именно то, что нужно (а не что-то соседнее). Надёжность — методика измеряет это стабильно, без случайного разброса. Это два разных свойства: тест может быть надёжным, но невалидным, и наоборот.

В студенческой работе чаще всего вы не проверяете валидность сами, а ссылаетесь на авторов методики. А вот надёжность своей шкалы (особенно авторского опросника) часто просят посчитать — для этого есть калькулятор α Кронбаха.

Чем валидность отличается от надёжности

Представьте, что вы стреляете по мишени.

• Надёжность — насколько кучно ложатся выстрелы. Если все пули рядом друг с другом — измерение стабильное, надёжное (даже если кучка в стороне от центра).
• Валидность — насколько кучка попадает в центр мишени, то есть в то, что вы действительно хотели измерить.

Отсюда главное правило: надёжность — необходимое, но не достаточное условие валидности. Нельзя валидно измерять то, что прыгает от замера к замеру. Но можно стабильно измерять не то.

Валидность и её виды

Валидность (от англ. valid — пригодный, обоснованный) отвечает на вопрос: «Измеряет ли методика именно то свойство, которое заявлено?». Если шкала называется «тревожность», но на деле ловит усталость — она невалидна, какой бы стабильной ни была.

Видов валидности много, но в дипломе обычно фигурируют три-четыре. Их удобно держать в одной таблице.

• Содержательная (контентная). Насколько пункты теста полно покрывают измеряемое свойство. Проверяют экспертно: специалисты оценивают, все ли стороны явления охвачены вопросами.
• Критериальная. Совпадают ли результаты теста с внешним критерием. Делится на текущую (тест и критерий замерены одновременно — например, опросник депрессии и диагноз врача) и прогностическую (тест предсказывает будущее — например, вступительный балл и успеваемость через год).
• Конструктная. Соответствует ли тест теоретическому конструкту, который он измеряет. Сюда входят конвергентная валидность (корреляция с близкими методиками) и дискриминантная (отсутствие связи с неродственными).
• Очевидная (лицевая). Выглядит ли тест «по теме» для самого испытуемого. Это самый слабый вид — он про впечатление, а не про доказательство.

Надёжность и как её проверить

Надёжность отвечает на вопрос: «Насколько результат свободен от случайной ошибки?». Если повторить замер — получим ли мы примерно то же? Есть три рабочих способа её оценить.

Ретестовая надёжность (test-retest). Одну и ту же группу тестируют дважды с интервалом (обычно 2–4 недели) и считают корреляцию между замерами. Высокая корреляция → результат устойчив во времени.

Параллельные формы. Две эквивалентные версии теста дают одним людям и сравнивают. Полезно, когда нельзя повторять тот же тест (испытуемые запомнят ответы).

Внутренняя согласованность. Насколько пункты одной шкалы «про одно и то же». Это самый частый в дипломах способ, и считается он через коэффициент α Кронбаха.

Формула α в общем виде:

α = (k / (k − 1)) · (1 − Σσᵢ² / σ²общ)

где k — число пунктов шкалы, σᵢ² — дисперсия каждого пункта, σ²общ — дисперсия суммарного балла. Считать руками не нужно — это делает калькулятор α Кронбаха, вы лишь вставляете таблицу «испытуемые × пункты».

Как читать значение α Кронбаха

Коэффициент меняется от 0 до 1. Ориентиры такие.

Таблица 1 — Сравнение валидности и надёжности и пороги α Кронбаха

Как видно из таблицы 1, надёжность и валидность проверяются разными процедурами и отвечают на разные вопросы. Для α ориентир простой: 0,7 — нижняя граница приличия, 0,8–0,9 — хорошо, выше 0,95 — иногда даже подозрительно (пункты дублируют друг друга). Подробный разбор расчёта — в руководстве по α Кронбаха.

Что писать в дипломе

В большинстве работ валидность и надёжность стандартных методик не пересчитывают, а ссылаются на авторов и стандартизацию. Готовые формулировки — подставьте свои данные.

• «Опросник прошёл психометрическую проверку: по данным авторов, ретестовая надёжность составляет r = 0,82, что подтверждает устойчивость измерения».
• «Валидность методики обоснована автором: содержательная — экспертной оценкой пунктов, конструктная — значимой корреляцией со шкалой [название] (r = 0,61; p < 0,01)».
• «Для авторской анкеты рассчитана внутренняя согласованность: коэффициент α Кронбаха составил 0,84, что соответствует хорошему уровню надёжности».
• «Все использованные методики являются стандартизированными, валидными и надёжными, что подтверждается данными разработчиков (ссылки приведены в списке литературы)».

Частые ошибки

• Путать валидность и надёжность. Это разные свойства; «надёжная» не значит «измеряет то, что надо».
• Доказывать валидность через α Кронбаха. α — это про надёжность (согласованность), а не про валидность.
• Считать α для нескольких разных шкал сразу. Коэффициент считают для каждой шкалы отдельно — иначе он бессмыслен.
• Писать «методика валидна и надёжна» без единой ссылки. На защите попросят источник — дайте автора и год.
• Гнаться за α > 0,95. Слишком высокая согласованность часто означает дублирующие пункты, а не качество.
• Ретест с большим интервалом. Через полгода изменится сам человек, и низкая корреляция будет не виной теста.

Частые вопросы

Нужно ли мне самому считать валидность для диплома?

Обычно нет. Для опубликованных стандартизированных методик достаточно сослаться на данные авторов о валидности и надёжности. Считать самому имеет смысл, только если вы создаёте свою анкету или адаптируете методику — тогда минимум считают α Кронбаха.

Чем α Кронбаха отличается от ретеста?

α меряет согласованность пунктов внутри одного замера (все ли они про одно свойство), а ретест меряет устойчивость между двумя замерами во времени. Это два разных аспекта надёжности; в сильной работе можно указать оба.

Какое значение α Кронбаха считается достаточным?

Для исследовательских целей приемлемо α ≥ 0,7, хорошо — ≥ 0,8. Ниже 0,6 шкалу обычно считают недостаточно надёжной и пересматривают пункты. Считается всё в калькуляторе α Кронбаха.

Можно ли проверить конструктную валидность в студенческой работе?

Частично — да. Если у вас есть данные двух родственных методик, посчитайте корреляцию между ними (Пирсон или Спирмен): значимая положительная связь — аргумент в пользу конвергентной валидности.

Бывает ли тест надёжным, но невалидным?

Да, и это классический случай. Весы, которые стабильно показывают на 3 кг больше, надёжны (повторяемы), но невалидны (врут о реальном весе). Поэтому надёжность проверяют первой, но ею не ограничиваются.

Короткий алгоритм

1. Определите, что важнее в вашем случае: для готовой методики — ссылка на авторов; для своей анкеты — расчёт.
2. Надёжность согласованности — посчитайте α Кронбаха по таблице «испытуемые × пункты», отдельно для каждой шкалы.
3. Надёжность во времени (если делали два замера) — посчитайте корреляцию замеров Пирсоном или Спирменом.
4. Валидность — сошлитесь на данные авторов; при наличии родственной методики добавьте корреляцию как аргумент конвергентной валидности.
5. Опишите словами в тексте работы с числами и ссылкой на источник.

Что ещё почитать

• Руководство по α Кронбаха — как посчитать надёжность шкалы по шагам.
• Калькулятор α Кронбаха — посчитать внутреннюю согласованность онлайн.
• Как выбрать методику психодиагностики — чтобы изначально взять валидный и надёжный инструмент.
• Корреляция Пирсона — для ретеста и конвергентной валидности.
• Критерий Шапиро-Уилка — проверить нормальность перед выбором коэффициента корреляции.

Не уверены, какой коэффициент нужен именно вашей методике — загляните в базу методов или закажите консультацию, и мы подскажем, что и как считать.