什么是预测效度？ （定义和示例）

在统计学中，术语“预测有效性”是指使用量表或测试的分数来预测未来另一个变量的值的有效程度。

例如，我们可能想知道某些大学入学考试能够在多大程度上预测学生第一学期的平均成绩。

为了确定预测有效性是否存在，我们可以使用以下过程：

• 组织1000名老年人参加高考。
• 一年后，收集这 1,000 名学生第一学期 GPA 的数据。
• 计算入学考试成绩与第一学期 GPA 之间的相关性。

如果入学考试成绩和第一学期 GPA 之间存在很强的相关性，那么这两个变量之间很可能存在预测有效性。

换句话说，学生在这次高考中获得的成绩可以预测他或她在大学第一学期可能达到的 GPA。

例如，在入学考试中取得高分的学生在第一学期也往往会取得高分。相反，入学考试表现不佳的学生在第一学期的 GPA 往往较低。

技术说明：

预测效度是标准效度的一种，是指一个变量的测量预测另一个变量的响应的能力。

一个变量称为解释变量，而另一个变量称为响应变量或标准变量。

在我们前面的例子中，解释变量是入学考试，标准变量是第一学期的 GPA。

预测有效性的例子

以下示例说明了我们可以计算预测有效性的一些其他场景。

示例1：入职前测试

公司可以对其雇用的每个人进行包含 40 个问题的就业前测试，然后在一年后评估员工的生产力。

如果测试结果与员工生产力之间存在高度相关性，那么我们可以说使用该测试来预测个人未来的生产力是有效的。

示例 2：智商测试和收入

研究人员可以对 100 个人进行智商测试，然后追踪这些人 10 年后的年收入。

如果智商测试成绩与个人年收入之间存在高度相关性，那么研究人员就可以说使用该测试来预测个人未来收入是有效的。

示例 3：健身

私人教练可以对 NBA 新秀进行体能测试，然后记录球员在联盟未来五年内每场比赛的平均得分。

如果体能测试分数与球员每场比赛的平均得分之间存在高度相关性，那么私人教练可能会说使用该测试来预测球员未来每场比赛的得分是有效的。

什么被认为是预测有效性的高度相关性？

没有特定值被视为两个变量之间的“高”相关性。然而，测试与其要测量的结构之间的相关性越高，测试的预测有效性就越高。

例如，如果雇佣前测试与一年后员工生产力之间的相关性为0.86 ，则该测试比相关性仅为0.35的测试更能预测员工生产力。

然而，即使相关性看起来相当低（如 r = 0.35），对雇主来说仍然有用，因为它至少让他们对员工可能的生产力有一些了解。

其他资源

标准有效性的简单解释
什么是标准变量？
什么是同时效度？