数据回收了三百多份，跑信度分析，量表整体系数零点八二，看着正常。可拆到单个维度一看，那两道题的项已删除系数明显偏高，意思是删掉这两道题，整个维度的信度反而更好。数据本身没问题，问题八成出在题干上。信度不对，先改数据是下策，回到题干找原因才是正路。

第一道嫌疑：引导性提问。题干里藏着倾向性的词，比如“大家普遍认为这种做法很有效果，你同意吗”，被调查者顺着话头就选了同意，所有答案挤在一个方向上，区分度没了，信度自然掉。引导性的词藏得深，读一遍没感觉，拿给没参与过设计的同学看，他觉得别扭，大概率就是引导词在作怪。这类词的共同特征是替被调查者先下了判断，改写时把判断抽出来，只留事实陈述。

第二道嫌疑：双重提问。一道题里问了两件事，比如“你对课程的内容和形式感到满意吗”，内容满意但形式不满意的人怎么选？只能凭感觉蒙一个，蒙出来的数据和真实态度对不上。一道题只问一件事，这是问卷设计的基本功，信度出问题时先拿这条卡一遍。

第三道嫌疑：歧义表述。用词含糊，不同人理解出不同意思。“经常使用”，一周一次算经常还是每天一次算？一百个人心里有一百个标准，答案自然发散。歧义题的改法是把模糊词换成可操作的频率：每周几次，给出具体刻度，理解统一了，数据才收敛。选项设计也要互相排斥，五个选项之间不能有重叠，边界清楚，选择才干净。

还有一种情况：选项设计的问题。五点量表里正负向选项排布混乱，被调查者前面几道题顺着选，后面发现方向反了又懒得改，乱答一通。反向计分题要在题干和题号上做标记，提醒自己处理，更要在设计时控制反向题的数量，别埋太多雷。一般一个维度里反向题不超过两道，多了被调查者读题就乱。

案例里那个同学最后怎么处理的：把这两道题打印出来，逐字逐句过了一遍，发现一道用了“众所周知”这种引导词，另一道同时问了满意度和频率。两道题改写后重新发放了小样本测试，信度系数回到正常区间。问题不在数据收集，在题目的表述。

这件事的教训是：问卷发放前必须做预调查。三十份小样本先发出去，信度先跑一遍，有问题改完再大规模发。正式发放后才发现信度不对，几百份数据里掺着无效题，删也不是用也不是。研究生问卷的严谨性，就体现在预调查这一步有没有走。

题干设计踩的坑，往往是重复踩。科迅捷AI的问卷设计辅助会把常见的题干问题类型列出来对照（官网 https://www.kexunjie.com/ ，微信搜一搜：科迅捷AI写作），引导性、双重提问、歧义表述，发放前拿着这份对照过一遍题干，信度不对的麻烦多半能提前躲开。

信度分析不是数据的审判，是问卷的体检报告。系数不对，说明题目在告诉我们哪里没设计好。从题干上找原因，改完再测，比怀疑数据可靠得多。下次跑出来那道扎眼的项已删除系数，先别急着删题，回到题干看一眼，问题多半就躺在那里。