心理基础及其测量 16

心理测量第九章信度Psychometrics李英武董妍中国人民大学心理学系第九章学习导航第一节信度的概念经典测量理论、信度定义与测量模型。第二节信度类型及估计方法重测、复本、内部一致性与评分者信度。第三至四节影响因素与应用测验和样本因素、测量标准误、统计研究与个体决策。理论基础内容提要信度反映观察分数中真实差异与测量误差的关系。估计方法不同方法对应时间取样、内容取样和评分者差异等误差来源。应用价值信度影响分数精度、变量相关、效应量、显著性和实际决策。记忆学习目标（一）定义信度并识别常见信度类型。理解解释经典测量理论与信度计算模型。应用根据研究目的选择并计算适当的信度指标。分析学习目标（二）识别测验长度、题目质量、样本和评分者对信度的影响。评价比较信度估计方法的假设、优势和局限。信度

重测信度

复本信度

内部一致性信度

评分者信度

测量标准误关键词信度不是测验的永久属性，而是特定分数、样本和测量条件下的可靠性证据。研究特点密集追踪研究的测量挑战使用日记法、经验取样和生态瞬时评估反复测量个体状态。常见做法从特质量表中抽取项目并加入“今天”等时间提示。信度问题传统的群体项目一致性无法直接反映个体状态分数的可靠性。传统测验与密集追踪测量比较维度传统测验密集追踪测量数据结构个体在一个或少数时间点时间点嵌套于个体测量对象相对稳定的个体差异个体内状态与动态变化误差来源时间、内容与施测条件个体、时间、项目及其交互信度要求总体分数可靠性个体间与个体内可靠性需要区分问题一案例思考状态测量与特质测量的真分数含义是否相同？问题二把每人各时点取平均后计算α，会丢失哪些个体内信息？问题三信度估计应如何匹配多层、动态的数据结构？第一节信度的概念信度高信度说明随机误差相对较小，分数差异具有更高的可重复性。信度（Reliability），也称为可靠性，是衡量测验结果可信程度的重要指标，反映了测量结果的一致性和稳定性。具体来说，一致性（Consistency）指在不同时间、情境或条件下，对同一对象重复测量时所得结果的相似程度。

程度概念信度的连续性特征信度不是“可靠或不可靠”的二分判断。误差现实多次测量通常存在一定差异，关键在于差异有多大。量化结果信度系数和测量标准误从不同角度反映可靠程度。经典测量理论信度的多样性特征关注真分数方差在观察分数方差中的比例。概化理论区分题目、评分者、场合等多个误差来源。项目反应理论用信息函数描述不同能力水平上的测量精度。不同理论框架中的信度理论框架信度表达主要特点经典测量理论真分数方差占观察分数方差的比例给出总体信度系数概化理论目标方差与相对或绝对误差方差之比区分多个测量侧面项目反应理论测验或项目信息函数精度随能力水平变化分类决策分类一致性与准确性关注临界点附近的决策稳定观察分数经典测量理论的基本问题测验实际得到的分数。真分数无限次等价重复测量的期望分数。误差分数观察分数偏离真分数的随机成分。观察分数模型（9-1）加法关系观察分数由真分数与误差分数相加得到。个体解释同一人的观察分数可能因误差而高于或低于真分数。平均为零随机误差的两个假设在被试总体中，正负误差相互抵消。与真分数无关高真分数与低真分数受到误差影响的方向和大小随机。观察、真分数与误差方差（9-2）观察分数方差分解（9-3）真分数方差研究者希望保留的个体真实差异。误差方差随机因素对个体分数产生的不一致影响。完整方差公式（9-4）方差分解中的三类变异成分统计解释信度作用观察分数方差实际分数的总变异信度计算的分母真分数方差稳定心理特质的个体差异提高信度误差方差随机条件导致的分数波动降低信度信度的四种理论定义定义角度信度表达核心直觉方差比例真分数方差／观察分数方差真实差异占多少误差扣除1−误差方差／观察分数方差误差影响有多小观察—真分数相关相关系数的平方观察排序与真实排序是否一致观察—误差相关1−相关系数的平方观察分数受误差牵引有多强信度的方差定义（9-5）分子真分数方差代表被试之间的真实差异。解释若

，观察分数差异中约64%来自真实差异。接近1信度系数的取值解释观察分数差异主要来自真分数差异。接近0样本真分数几乎没有差异，或误差占比很大。样本依赖同一测验用于不同群体时，信度可能不同。信度的误差扣除定义（9-6）误差比例误差方差占观察分数方差的比例越小，信度越高。理想状态误差方差为零时，信度达到1。信度与信度指数（9-7）信度指数观察分数与真分数之间的相关rot。信度系数信度指数的平方。一致程度观察分数与真分数相关相关越高，观察分数越能保持真分数的个体排序。平方关系相关平方等于真分数方差占观察分数方差的比例。不可直接观察实践中无法得到真分数，必须借助测量模型估计。观察—真分数相关（9-8）分子观察分数与真分数的协方差。分母两类分数标准差的乘积。观察—真分数协方差（9-9）计算比较两类分数相对各自均值的共同变化。推导用途将观察分数拆分为真分数与误差分数。协方差等于真分数方差（9-10）观察—误差相关定义（9-11）基本含义观察分数与误差越相关，信度越低。理想状态两者相关为零时，信度达到1。误差相关与误差方差（9-12）等价关系观察—误差相关的平方等于误差方差比例。统一解释四种信度定义在经典测量理论假设下相互等价。四种定义的共同结论信度提高时对应变化测量含义真分数方差比例增加观察差异更多反映真实差异误差方差比例减小随机波动的相对影响降低观察—真分数相关增加个体排序更接近真实排序观察—误差相关减小分数较少受偶然因素牵引不可观测问题为什么需要信度测量模型真分数和误差分数无法直接获得。实践替代用两次测验、复本或测验内部部分之间的关系估计。模型条件估计方法有效与否取决于测验是否满足相应模型假设。误差随机测量模型的共同假设各测验误差均值为零并与真分数无关。同一构念多个测验测量相同的一维心理特质。线性关系不同测验的真分数之间存在线性关系。测验真分数的线性关系（9-13）截距a决定第二个测验真分数的整体高低。斜率b决定两个测验真分数变化幅度的关系。比较测量模型的六个问题比较内容问题真分数相关两个测验的真分数是否完全相关真分数均值两个测验的平均真分数是否相同真分数方差两个测验的真分数变异是否一致观察分数均值两个测验的平均观察分数是否相同观察分数方差两个测验的观察分数变异是否一致信度两个测验的信度是否相同真分数相同、误差方差相同的两个测验平行测验在线性真分数关系中，平行测验要求a=0且b=1。误差方差平行测验的三个标准两个测验具有相同的误差方差。截距真分数关系的截距a=0。斜率真分数关系的斜率b=1。平行测验的统计含义平行测验相关为何等于信度展开观察协方差Cov(Xo1,Xo2)→消去误差协方差随机误差假设→保留真分数协方差平行真分数相同→化为方差比得到rxx编制难度平行测验的实践限制很难保证内容不同的两个版本具有相同真分数。误差要求不同场次和形式也难以保持相同误差方差。适用结论理论基础清晰，但现实测验通常只能近似满足。真分数关系满足a=0、b=1，但不要求误差方差相同τ等价测验τ等价模型比平行测验放宽了误差方差相等的要求。真分数之间斜率为1，允许不同截距与误差方差基本τ等价测验各测验真分数可以相差一个常数，但个体差异的变异相同。四类测量模型比较模型截距a斜率b误差方差相同限制程度平行测验01是最严格τ等价01否较严格基本τ等价可不同1否较宽松同质性测验可不同可不同否最宽松测量同一构念，真分数彼此线性相关的测验同质性测验同质性模型允许截距和斜率不同，因此适用广但可用的信度估计更有限。测量模型与信度估计的匹配估计思路需要的关键条件若条件不成立两个测验相关作为信度接近平行或相应等价模型相关混入真分数变化或误差差异内部一致性系数项目至少测量共同构念多维性和误差相关会影响解释评分者一致性数据类型与评分设计匹配指标无法对应目标一致性类型第二节信度类型及估计方法常见信度类型概览信度类型重复来源主要误差重测信度同一测验、不同时间时间取样复本信度不同等值版本内容取样，或时间与内容取样内部一致性同一测验的不同项目或部分内容取样与项目异质性评分者信度不同评分者或同一评分者重复评分评分标准与评分者差异重测信度重测信度也称稳定系数，适合相对稳定的心理特质。重测信度（Test-RetestReliability）是指使用同一个测验，对同一组被试在不同时间点进行两次施测，通过计算两次测验结果的相关系数来评估的信度类型。真分数稳定重测信度的成立条件重测间隔内目标心理特质没有实质变化。误差可比两次施测受到相近程度的随机误差影响。条件控制施测环境、说明和评分程序尽可能一致。特质变量影响重测稳定性的因素一：特质与状态智力、人格等通常较适合重测信度。状态变量情绪和状态焦虑可能在短时间内真实变化。解释要求低重测相关可能反映真实状态波动，而不只是测量误差。快速变化期影响重测稳定性的因素三：发展阶段学龄期的认知与知识可能在短期内明显发展。个体速度不同个体变化速率不一致会破坏平行性。样本说明报告年龄阶段、间隔和期间的重要干预或事件。相关较高重测信度的解释分数具有时间稳定性，随机误差影响相对较小。相关较低可能来自测量误差，也可能来自真分数变化。限制仅凭相关无法区分这两种来源。重测信度的优势与局限方面优势局限设计直观，容易理解需要两次施测，成本和流失增加误差覆盖反映时间相关的稳定性不能单独识别真变化与测量误差适用构念稳定特质状态变量和快速发展变量不适合间隔选择可根据研究目标调整过短与过长均有偏差复本信度复本形式不同，但内容、题数、难度和测量目标应尽可能等价。复本信度，又称平行复本信度（ParallelFormsReliability）或等值信度（EquivalenceReliability），是指通过编制一个与原测验（主本）形式不同，但内容、题数、难度等完全相同的复本（AlternateForm），然后计算得到两次测验分数的相关系数来估计的信度类型，称为复本信度。间隔过长影响重测稳定性的因素二：时间间隔学习、成熟或生活事件可能改变真分数。间隔过短记忆、熟悉与练习效应会抬高相关。经验范围许多类似特质测验采用1至8周，但需按构念决定。大型考试复本测验的常见场景备用卷或“一试多卷”需要保持难度和内容等值。重复评估使用不同题目降低记忆与练习效应。安全要求减少题目泄露和重复使用造成的污染。真分数相同复本信度的关键假设两个版本测量相同构念并形成相同真实水平。误差方差相同不同版本的随机误差程度接近。统计表现均值、标准差与题目结构应具有足够相似性。内容差异复本信度的主要威胁两个版本可能测量不同内容或认知过程。时间效应间隔过长产生变化，过短产生熟悉与疲劳。平行性不可证均值与方差相似也不能完全证明真分数相同。重测信度与复本信度比较维度重测信度复本信度测验形式同一版本两个等值版本主要误差时间取样内容取样，可能叠加时间取样主要威胁真分数变化与记忆效应版本不等值与施测条件差异资源需求再次组织施测还需编制和验证复本利用一次施测中不同项目或测验部分之间的一致性估计信度内部一致性信度内部一致性反映内容取样的一致程度，不等同于时间稳定性。项目视角内部一致性的基本思想把项目或项目组合视为同一测验的不同形式。一次施测避免重复施测的时间、记忆和流失问题。适用对象由多个项目合成总分或维度分数的测验。分半信度常见做法是奇偶分半，但任何分半方案都需要考虑两部分的等值性。分半信度（Split-HalfReliability）是将测验分为两个大小相等的平行分测验，计算两部分分数之间的相关，再据此估计整体测验的信度。分半信度的计算步骤构建分测验奇偶或其他方式分成两半→计算分半相关得到两个半测验分数的相关→长度校正代入斯皮尔曼—布朗公式→解释结果结合平行性与内容覆盖判断分半信度校正（9-14）rhh两个半测验分数之间的相关。长度校正公式将半测验相关转换为整份测验的信度估计。分半不唯一分半信度的两项挑战不同分半方式可能得到不同相关与信度。平行性难证两半的真分数和误差方差很难完全相同。使用趋势因结果依赖分半方案，当代研究使用相对减少。基于项目方差与协方差估计测验内部一致性的系数克伦巴赫α系数α的解释依赖项目共同测量目标以及相应的等价性假设。项目层面α系数的计算思路计算项目方差、项目间协方差或相关。测验层面计算完整测验总分方差。综合估计比较共同协变与总变异，得到内部一致性。α系数的协方差形式（9-15）分子全部项目间协方差的总和。分母测验总分方差；k/(k−1)用于项目数量校正。α系数的项目方差形式（9-16）项目方差项目独有变异占总分方差越小，α越高。等价表达在相同数据下与协方差形式得到相同结果。点估计α系数的点估计与置信区间用样本α估计目标群体的内部一致性。区间估计反映样本α对群体α估计的不确定性。样本量小样本通常产生更宽、更不精确的置信区间。高α不等于单维解释α系数时的常见误区项目数量多时，多维量表也可能得到较高α。α不等于效度内部一致不能证明测验测到了目标构念。负值警示可能反映反向计分错误、负协方差或测验结构问题。适用于0—1计分项目的内部一致性信度估计KR-20系数每题的p与q决定二分项目方差，KR-20是α系数的二分题表达。二分题内部一致性（9-17）基于项目间平均相关计算的内部一致性系数标准化α系数适合项目计分尺度或方差差异较大，并计划先标准化再合成的情境。标准化α系数（9-18）平均相关r̄表示所有项目对相关的平均值。项目数量在平均相关不变时，项目数增加会提高系数。尺度差异何时使用标准化α项目采用不同计分范围或不同单位。方差差异部分项目变异明显大于其他项目。解释特点系数只依赖相关结构，不受原始项目方差尺度直接支配。基于因素载荷和误差方差估计合成分数可靠性的系数欧米伽ω系数ω把共同因子信号与项目误差区分开，适合载荷不相等的测验。欧米伽ω系数信号项目因素载荷之和的平方。噪声项目误差方差之和。α系数与ω系数比较维度α系数ω系数统计基础项目方差与协方差因素载荷与误差方差载荷假设常依赖较强的等价性条件允许项目载荷不同优势计算普及、便于比较与因素模型结合，解释更灵活注意事项高α不证明单维性依赖因素模型设定与拟合评分者信度适用情境主观评分中的评分者误差作文、面试、行为观察和临床诊断等。误差来源评分标准理解、严格程度和个人偏好不同。控制思路多评分者、明确量规、培训与一致性分析。高考作文评分争议2020年浙江高考作文题（书稿资料图）评分变化同一篇作文的评分差异最初39分，复评55分，最终审核为60分。争议焦点专家对文字、逻辑和用典质量形成截然不同的判断。测量问题评分标准与评分者一致性直接影响分数可靠性。满分作文《生活在树上》（书稿资料图）评分者对相同对象给出评分或判断的一致程度评分者信度需区分不同评分者之间的一致性与同一评分者跨时间的一致性。评分者间信度与评分者内信度类型比较对象主要问题评分者间信度不同评分者对同一对象的评分评分标准是否形成共同尺度评分者内信度同一评分者不同时点的评分个人评分是否随时间稳定共同用途作文、面试、观察与诊断减少主观评分误差按数据类型选择评分者信度指标数据类型评分者数量适合指标名义分类2名Cohenκ名义分类3名及以上Fleissκ有序等级2名Spearmanρ或加权κ有序等级3名及以上KendallW连续分数2名或以上ICC；相关系数仅反映排序关系评分者给出相同分类或评分结果的比例一致率一致率直观，但没有扣除偶然一致。评分一致率（9-19）分子评分者之间结果相同的比较次数。分母所有可能的评分比较次数。四名评分者的一致率示例组合数四名评分者共有6组两两比较。示例结果若只有一组评分相同，一致率约为16.7%。扣除随机一致后，两名评分者对分类结果的一致程度科恩Kappa系数κ比简单一致率更适合分类评分。Cohenκ系数（9-20）Po实际观察到的一致比例。Pe根据评分者边际比例计算的随机一致概率。κ系数解释标准κ值范围一致程度使用提醒κ＞.75较好仍需检查类别分布与置信区间.40≤κ≤.75中等可能需要改进评分标准或培训κ＜.40较低不宜直接依赖评分结果进行决策基于方差分解评价连续或等级评分的一致性组内相关系数ICCICC能够适应多评分者、单次评分和平均评分等不同设计。ICC的方差比例表达（9-21）被试间变异稳定的个体差异构成目标信号。评分者内与误差变异使同一对象的评分出现不一致。选择ICC模型时的三个决定决定可选形式研究问题效应结构单向、双向随机或双向混合评分者是否随机抽取一致性类型一致性或绝对一致是否关心系统性高低差异评分单位单次评分或平均评分最终决策使用一名还是多名评分者均值Pearsonr相关系数与评分一致性适用于连续评分，评价线性同升同降。Spearmanρ适用于有序等级，评价名次排序一致。局限高相关不保证两名评分者给出相同的绝对分数。Pearson相关系数（9-22）适用数据两名评分者的连续分数。评价对象评分高低变化的线性一致性。Spearman等级相关（9-23）di同一对象在两名评分者中的名次差。适用数据有序等级或不满足Pearson条件的排序资料。高相关不等于高绝对一致评分模式Pearson相关绝对一致两人分数完全相同高高评分者B始终比A高10分可能为1低排序一致但差距不固定可能较高中等或较低选择建议研究排序关系可用相关决策依赖具体分数时优先ICC三名及以上评分者对分类数据的一致性系数弗雷斯Kappa系数Fleissκ扩展了Cohenκ，并同样扣除偶然一致。Fleissκ系数（9-24）多名评分者对多个对象排序一致程度的指标Kendall和谐系数WW位于0至1之间，越接近1表示排名越一致。含并列等级的KendallW（9-25）无并列等级的KendallW（9-26）K评分者数量。n被评价对象数量。KendallW显著性检验（9-27）卡方近似使用χ²判断W是否显著大于随机一致。自由度df=n−1。W=1KendallW的结果解释所有评分者对对象的排名完全相同。W=0评分者排名之间没有一致性。中间值表示部分一致，需要结合显著性与实际阈值解释。信度系数与主要误差来源信度系数主要误差来源重测信度时间取样连续施测的复本信度内容取样间隔施测的复本信度时间取样与内容取样分半信度内容取样KR-20与α系数内容取样与内容异质性评分者信度评分者之间或评分者内部差异第三节信度的影响因素信度的主要影响因素因素作用路径可能方向测验长度增加内容取样与真分数方差适度增加通常提高信度项目一致性提高项目共同变异一致性提高通常增加α或ω测验难度影响分数范围与项目方差过难或过易降低信度样本异质性影响真分数方差异质性增加可能提高信度估计方法决定捕捉哪类误差方法不匹配会误导解释内容覆盖测验长度为何影响信度更多高质量项目提高对目标特质的代表性抽样。方差增长平行项目增加时，真分数方差增长快于随机误差。前提新增项目需要与原测验测量相同构念并保持质量。信度的信号—噪声表达（9-28）真分数方差信号成分增加会提高信度。误差方差噪声成分增加会降低信度。测验加倍后的真分数方差（9-29）复合方差两部分真分数方差之和加两倍协变项。平行条件两部分真分数完全相关且方差相等。平行测验长度加倍（9-30）结果真分数方差增至原来的四倍。含义共同的真实差异随平行部分叠加而迅速增长。斯皮尔曼—布朗预测公式（9-31）k新测验长度与原测验长度的倍数。用途预测增加或减少项目后信度的变化。非线性关系增加题目的收益递减项目越多，继续增加项目带来的信度增量越小。质量风险低质量或异质项目会降低平均项目相关。被试负担测验过长会引发疲劳、厌倦和随机作答。共同构念测验题目的一致性项目之间适度相关表明它们共享目标特质。过低相关可能反映内容分散、表述问题或计分错误。改进方法分析项目相关、题—总相关并修订低质量项目。极端难度测验难度过难形成地板效应，过易形成天花板效应。方差压缩分数范围缩小后，个体差异更难稳定区分。猜测影响过难选择题可能增加随机猜测并降低可靠性。异质样本受测群体的异质性真分数范围较广，测验更容易区分个体。同质样本真分数方差被压缩，误差在总方差中占比上升。解释原则信度系数属于当前样本中的分数，而非测验的固定常数。目的匹配信度估计方法的影响稳定性问题用重测，主观评分问题用评分者信度。误差覆盖每种系数只反映特定误差来源。报告要求说明选择理由、数据结构、模型假设与置信区间。提高测验信度的四个环节优化样本覆盖目标群体差异→改进测验增加高质量项目并匹配难度→标准施测统一环境、指导语和程序→统一评分量规、培训与多评分者复核开发阶段优化样本选择纳入年龄、教育和文化背景具有代表性的被试。应用阶段在实际目标群体中重新估计信度。避免误解不以人为扩大异质性替代真实使用情境。题量调整测验设计增加能够测量相同目标的高质量项目。难度匹配目标群体并保持合理梯度。区分度保留能够稳定区分个体差异的项目。指导语标准化施测明确作答要求并保持不同场次一致。物理环境控制温度、光线、噪声和设备。被试状态合理安排时间并降低不必要的紧张和疲劳。评分量规统一评分标准明确评分维度、等级和锚定样例。评分培训通过练习、反馈与校准减少个体差异。质量监控增加双评、复核或评分者一致性分析。第四节信度的应用研究解释信度在研究与实践中的作用影响变量相关、效应量与统计显著性。个体决策影响分数点估计、置信区间和分类准确性。测验建设指导项目筛选、长度调整和评分程序改进。误差分数标准差，反映观察分数与真分数的典型差距测量标准误信度越高，在观察分数标准差相同时，测量标准误越小。测量标准误（9-32）So观察分数的标准差。rxx测验信度；信度提高会缩小Se。测量标准误的解释条件测量标准误分数解释信度提高减小观察分数更接近真分数分数离散程度提高在信度不变时增大原始分数单位中的误差范围扩大信度等于1等于0理论上不存在随机测量误差信度较低较大个体排序与分类更不稳定研究目标信度与变量相关行为科学常用相关描述两个构念之间的关系。测量影响观察相关同时受真相关与两种测验信度影响。衰减现象测量误差会使观察相关系统性小于真相关。观察相关的协方差表达（9-34）分子两组观察分数的协方差。分母两组观察分数标准差的乘积。信度与相关衰减（9-33）真相关rXtYt表示两个构念真分数之间的关系。衰减因子√(rxxryy)小于或等于1，使观察相关减弱。观察相关较弱相关衰减的三个含义测量误差使观察关系低于真实关系。任一测验低信度都会明显压低两个变量之间的相关。相关上限两测验的信度共同限制可观察的最大相关。相关系数信度与效应量低信度直接衰减观察相关。Cohend误差方差增大分母中的标准差，使组间差异被稀释。η²误差进入组内变异，使组间解释比例降低。信度对常见效应量的影响效应量误差进入位置典型结果相关r两变量观察分数相关向零衰减回归系数预测变量或结果变量估计可能衰减或产生偏差Cohend组间均值差的标准化分母差异被总标准差稀释η²或ηp²误差项与总变异解释比例降低间接影响信度与统计显著性低信度先压低效应量，再降低统计检验功效。结果表现真实关系可能因测量误差而无法达到显著。研究设计提高测量质量与增加样本量不能完全相互替代。当前样本研究报告中的信度要求报告本研究样本中的信度，而非只引用历史系数。方法匹配说明系数类型与所关注误差来源。完整信息报告点估计、区间、项目数、样本和计算条件。点估计个体测验分数的两类信息使用观察分数或经回归校正的真分数估计。区间估计依据测量标准误给出真分数可能范围。决策风险信度不足会扩大区间并增加错误分类概率。极端分数真分数估计与趋均数回归重复测量时更可能向群体平均数靠近。信度作用信度越低，校正后的估计越接近群体均值。使用目的适合预测后续测验分数或建立置信区间。校正的真分数估计（9-35）偏离均值观察分数与平均分之差按信度缩减。信度较低Xest会更接近群体平均数。中心真分数置信区间以校正真分数估计作为区间中心。宽度由测量标准误与置信水平共同决定。精确性信度越高，标准误越小，区间越窄。真分数95%置信区间（9-36）1.96标准正态分布95%区间的临界值。注意不同置信水平对应不同临界值与区间宽度。两个测验分数、两个时间点分数或两个个体分数之差差异分数差异分数本身也是测量结果，需要单独评估信度。差异分数定义（9-37）常见用途描述训练前后变化或两个属性之间的差异。解释要求两种分数需要具有可比单位和合理含义。差异分数信度（9-38）决定因素两个测验的信度、方差以及两者观察相关。典型结果两个分数相关越高，差异分数信度越容易降低。差异分数可靠性的决定因素条件对差异分数信度的影响解释两个测验信度提高通常提高原