毕业论文问卷信效度不达标如何处理，这事第一步不是急着补救，而是先分清是信度不达标还是效度不达标，因为病根不一样，治法也不同，信度看的是量表内部的一致性，常用Cronbach的α系数，效度看的是量表是不是真的测到了你想测的东西，体现在因子分析的载荷，KMO值，区分效度这些指标上，信度低说明题目之间互相打架，效度低说明题目测歪了，对症才好下药。

先说信度不达标怎么治，拿到数据先看两个诊断量，一个是每个维度的题目数量，一个是校正后题总相关，某个题目跟总分的相关很低甚至为负，说明这道题跟其他题目不是一路人，它会拖垮整个维度的α值，处理办法是删掉它再看系数变化，通常删一两个害群之马，α就爬回0.7以上了，但是删除要有理由，在论文里交代清楚这道题哪里有问题，是表述歧义还是测量内容偏了，之前聊变量定义的时候提过，每个变量的测量方式要交代来源，删改题目也一样要留痕，悄悄删了不说话，答辩被追问就说不上来了。

如果删题之后还是不达标，就要考虑更深层的原因，常见的有三种，一是每个维度题目太少，两三道题的维度α天然偏低，可以合并相近维度，二是样本里混进了乱填的问卷，作答时间过短或者全选同一选项的样本要清洗，之前聊样本选择的时候提过，样本质量比样本数量更要紧，三是量表本身是自编的没经过打磨，自编量表信度低是大概率事件，这就是为什么正规做法是用成熟量表。

再说效度不达标，情况就更复杂一些，如果是探索性因子分析里题目乱跨维度，或者验证性因子分析的拟合指标一塌糊涂，说明量表结构跟你预设的维度划分对不上，轻度的处理同样是删载荷低的题目重新跑，重度的就得承认这套量表在你这个情境里水土不服，比如成熟量表是从国外情境或别的行业里来的，搬到你的研究对象上语义就变了，这种情况老老实实在局限里写清楚，比硬拗一个漂亮数字体面得多，之前聊实证数据支撑不够的时候提过，论证强度和证据强度要匹配，效度不足硬写结论就是拿不稳的证据撑大胆的论点。

然后是最重要的底线问题，什么情况必须推倒重来，如果问卷还没大规模发放，先拿三五十份做预调研，信效度不过关就改题目改表述再测，成本很低，如果已经发完了而且怎么删题都救不回来，那就要有勇气重设计重收集，毕业论文不像课程论文工期那么死，时间上通常挤得出来，重收时把出问题的题目换掉，可以部分沿用合格的部分，两次收集的数据别混在一个样本里分析，分批检验再合并，之前聊公开统计数据的时候提过，数据撑不住的时候还有一个备选方向是把研究问题换到公开数据能回答的层次上，问卷这条路实在走不通，退一步换赛道也是一种解法。

最后说写作层面的处理，信效度检验这一节要如实报告，包括删了哪些题，删完系数变成多少，剩余量表的指标值，哪怕最终结果不算漂亮，过程干净本身就是加分项，审阅老师最反感的不是数字不够好，而是检验流程语焉不详，另外删题之后记得回头同步更新变量定义表和假设检验里对应的结果，别前文删了题后文表格里还留着它，之前聊研究假设的时候提过，假设和方法之间要咬合，量表一改下游全要跟着对齐。