Cognitive Connie
Förstå validitet och reliabilitet
En studie kan vara perfekt konsekvent och ändå mäta helt fel sak. Dessa två pelare för psykologisk mätning — reliabilitet och validitet — är relaterade men distinkta, och att blanda ihop dem är ett av de vanligaste felen när man tolkar forskning.
Nyckelpersoner
Lee Cronbach
1916–2001Amerikansk utbildningspsykolog som utvecklade Cronbachs alfa (1951), det mest använda måttet på intern konsistensreliabilitet för fleritems-skalor. Alfa estimerar den genomsnittliga inter-items-korrelationen och fångar om items på en skala som påstår sig mäta ett enda konstrukt faktiskt rör sig tillsammans.
Jacob Cohen
1923–1998Statistiker och psykolog som formaliserade begreppen statistisk styrka och effektstorlekar. Cohen visade att de flesta psykologistudier vid den tiden var drastiskt underutrustade, identifierade konventioner för liten, medelstor och stor effekt (d = 0,2, 0,5, 0,8), och lade grunden för replikationskrisen genom att visa hur lågutrustade studier producerar opålitliga, icke-reproducerbara resultat.
Samuel Messick
1931–1998Psykometriker vid Educational Testing Service som utvecklade det mest heltäckande moderna synsättet på konstruktvaliditet. Messick hävdade att validitet inte är en egenskap hos ett test utan hos de slutsatser som dras från testpoäng, och att validitetsbevis måste adressera inte bara om ett test mäter det avsedda konstruktet utan också konsekvenserna av testanvändning.
Nyckelbegrepp
Intern validitet
I vilken grad observerade förändringar i BV kan tillskrivas OV snarare än externa faktorer. Hög intern validitet innebär att studiens design tillräckligt kontrollerar störfaktorer, kravkarakteristika och andra hot så att en kausal slutsats är berättigad. Laboratorieexperiment med slumpmässig fördelning, standardiserade procedurer och blindade designs maximerar intern validitet.
Extern validitet
I vilken grad fynd generaliserar bortom den omedelbara studien — till andra människor, miljöer, tidpunkter och mått. Hotas av urval som är ej representativa för målpopulationen (WEIRD-urval: Western, Educated, Industrialised, Rich, Democratic), artificiella laboratoriemiljöer och mycket specifika operationaliseringar. Intern och extern validitet är ofta i spänning.
Ekologisk validitet
En undertyp av extern validitet: huruvida studiens miljö, material och uppgifter liknar de verkliga förhållanden som fynden är tänkta att generalisera till. En studie är ekologiskt valid om det observerade beteendet speglar vad människor faktiskt gör i naturliga miljöer.
Konstruktvaliditet
Huruvida ett mått korrekt återspeglar det teoretiska konstrukt det är tänkt att mäta — som helhet, inklusive alla dess facetter och deras relationer till relaterade konstrukt. Ett test av "arbetsminne" har konstruktvaliditet om det korrelerar med andra arbetsminnesmått, förutsäger utfall teoretiskt kopplade till arbetsminne och inte korrelerar med mått det teoretiskt inte borde (t.ex. långtidsminneskapacitet).
Ansiktsvaliditet
Huruvida testet verkar, på ytan, mäta det det påstår. Den svagaste formen av validitetsbevis — utseende och substans kan skilja sig åt. Viktig för praktisk acceptans men ger inga statistiska bevis för att mätinstrumentet fångar målkonstruktet.
Kriterievaliditet
Huruvida poäng på ett mått korrelerar med ett externt kriterium känt att spegla samma konstrukt. Samtidsvaliditet: kriteriet mätt vid samma tidpunkt som testet. Prediktiv validitet: kriteriet mätt senare (t.ex. aptitidtestpoäng som förutsäger jobbprestation 12 månader efter anställning).
Test-retest-reliabilitet
Konsekvens över tid: samma test administrerat till samma deltagare vid två tidpunkter ger liknande poäng (hög korrelation). Det kritiska antagandet är att det mätta draget är genuint stabilt under det valda intervallet. Sårbar för övningseffekter och genuin förändring i attributet.
Inter-bedömarreliabilitet
I vilken grad två eller fler oberoende observatörer som kodar samma beteende når samma slutsatser. Kvantifieras med procentuell överensstämmelse eller Cohens kappa (κ ≥ 0,7 anses typiskt acceptabelt). Kritisk i observationsstudier och kvalitativ kodning, där subjektiv bedömning är involverad.
Standardisering
Att hålla proceduren konstant för alla deltagare — samma instruktioner, material, timing, testmiljö och poängsättningskriterier. Minskar variabilitet introducerad av procedurinkonsistens så att skillnader i data speglar verklig variation i konstruktet snarare än variation i hur studien genomfördes.
Testa dina kunskaper
Vanliga frågor
Måste ett reliabelt test vara validt?+
Nej — reliabilitet är nödvändig men inte tillräcklig för validitet. Ett mått kan vara perfekt reliabelt (ger samma resultat varje gång) medan det är invalid (mäter systematiskt något annat än målkonstruktet). Den klassiska analogin: en badrumsvåg som konsekvent visar 5 kg för mycket är reliabel men invalid. Asymmetrin går bara åt ett håll: ett oreliabelt mått kan inte vara valitt, eftersom slumpmässigt fel innebär att det inte konsekvent kan fånga något konstrukt.
Är hög intern validitet tillräckligt för att en studie ska vara användbar?+
Intern validitet är nödvändig för att fastställa kausalitet, men en studie med bara intern validitet berättar att X orsakar Y under de specifika förhållandena i den studien — inget mer. Om deltagarurvalet är ej representativt, miljön artificiell, stimuli olik verkliga motsvarigheter och BV operationaliserad på ovanligt sätt, kanske det kausala fyndet inte generaliserar till de populationer, miljöer och mått som faktiskt spelar roll. Hög intern validitet är grunden; generaliserbarhet (extern validitet) avgör om fyndet är praktiskt eller teoretiskt signifikant bortom labbet.
Vad är skillnaden mellan inter-bedömarreliabilitet och test-retest-reliabilitet?+
Test-retest-reliabilitet bedömer konsekvens över tid för samma mått: samma test givet till samma personer vid två tillfällen bör ge korrelerade poäng. Inter-bedömarreliabilitet bedömer konsekvens mellan observatörer för samma data: två personer som oberoende kodar samma beteende eller svar bör nå samma slutsatser. Test-retest är relevant för vilket självrapport- eller prestationsmått som helst som upprepas över tid. Inter-bedömarreliabilitet är specifikt relevant när mänsklig bedömning krävs för att poängsätta eller klassificera svar — i observationsstudier, intervjukodning, kvalitativ analys eller klinisk bedömning.
Källor
Senast granskad juli 2025- 1.
Cronbach L.J. & Meehl P.E. (1955). Construct validity in psychological tests. Psychological Bulletin, 52(4), 281–302.
+Om den här källan
Foundational paper defining construct validity and the nomological network framework for validation.
- 2.
Messick S. (1989). Validity. In R.L. Linn (Ed.), Educational Measurement (3rd ed., pp. 13–103). American Council on Education.
+Om den här källan
Comprehensive unified framework for validity integrating content, criterion, and construct aspects.