KANO模型的信度效度分析是評估該模型在實際應用中可靠性和有效性的重要環節。以下是對KANO模型信度效度分析的詳細闡述：

一、信度分析

信度分析主要評估測量結果的穩定性和一致性。在KANO模型的信度分析中，常用的方法是克隆巴赫α信度系數(Cronbach's alpha)分析法。

克隆巴赫α信度系數：

是一套常用的測驗可靠性的方法，依一定公式估量測驗的內部一致性，作為信度的指標。它克服部分折半法的缺點，是目前研究最常使用的信度指標，是測量一組同義或平行測驗“總和”的信度。

在一般情況下，信度系數不會高到1.00.也不會降到0.00.而是在兩者之間。標準化測試的信度系數要求在0.90以上，課堂測試的信度系數則以0.70~0.80之間為可接受性系數。

信度分析步驟：

創建數據文件，并將數據文件導入SPSS(或其他數據分析軟件)。

選擇“分析”→“標度” →“可靠性分析”。

分析各個維度和總量的信度，并將結果列出一個表格。

根據CITC值和項刪除后的α系數判斷量表題目是否需要修改或刪除。若項刪除后的α系數比維度原有題目的α系數大，說明去掉該題后維度的信度提高了，這道題在該維度內的一致性較差，需要刪除以提高量表的信度。

信度分析結果：

在KANO問卷中，若正向問題、反向問題和重要度問題三個分量表的總體Cronbach's系數均大于0.7.則說明總體的信度良好。

若每個分量表之中，各個維度的Cronbach's系數也均大于0.7.則說明各個維度之間的信度良好。

二、效度分析

效度分析主要評估測量結果是否準確反映了所要測量的內容。在KANO模型的效度分析中，常用的方法是因子分析法，包括KMO(Kaiser-Meyer-Olkin)檢驗和巴特利特(Bartlett)球度檢驗。

KMO檢驗：

用于比較變量間的簡單相關系數和偏相關系數。取值介于0到1之間。當KMO值越接近于1時，表示變量間的簡單相關系數平方和遠大于偏相關系數平方和，即變量間相關性越強;當KMO值越接近于0時，表示變量間的簡單相關系數平方和越接近于0.即變量間相關性越弱。

根據Kaiser給出的KMO數值標準：0.9以上表示非常適合;0.8表示適合;0.7表示一般;0.6表示不太適合;0.5以下表示極不適合。

巴特利特球度檢驗：

根據變量的相關系數矩陣的行列式得到。如果近似卡方值較大，且其對應的相伴概率值小于顯著性水平(通常設定為0.05或0.5)，則原始變量之間存在相關性，適合于作因子分析;反之，則不適合作因子分析。

效度分析步驟：

在SPSS中，選擇“分析”→“降維”→“因子分析”。

把所有主觀題選到“項目”中，點擊“描述”，選擇KMO和Bartlett’s檢驗。

點擊“旋轉”，選擇最大方差法。

點擊“選項”，按大小排序。

分析顯著性和KMO值。顯著性小于0.05(或設定的顯著性水平)，說明該問卷數據適用于做因子分析。然后看KMO值，判斷效度情況。

效度分析結果：

若KMO值大于0.7.則說明問卷的結構效度良好。

因子分析的結果和問卷的維度劃分一致時，說明問卷效度很好。如果旋轉后的成分矩陣和維度劃分不一致，可能需要重新設計問卷或使用成熟的問卷重新發放。