一、交叉验证法的核心思想与适用场景
交叉验证源自统计学习中的模型评估思想，核心做法是把有限样本划分为若干子集，轮流用一部分拟合、另一部分检验，从而获得更稳健、更少依赖单次抽样运气的指标估计。在问卷研究中，它主要服务于量表结构检验、题项筛选和模型比较三大场景，尤其适合样本量在200至800之间的中等规模调研，可有效缓解“同一份数据既探索又验证”导致的过拟合与结构不稳定问题。
二、在问卷设计中的具体应用方法
- 预测效度检验：用训练子集做探索性因子分析，用验证子集做验证性因子分析，比较因子载荷结构是否稳定。
- 题项筛选：在不同子样本上反复计算题总相关、Cronbach's α与删除后信度，剔除表现波动较大的题项。
- 模型比较：将结构方程模型或回归预测模型在k折子集上评估拟合指数与解释力，选出泛化能力更强的方案。
三、方法对比与实施技巧
| 方法 | 优点 | 适用条件 |
|---|---|---|
| 留出法 | 实现简单、计算量小 | 样本充足（500以上） |
| k折交叉验证 | 偏差与方差平衡、结果稳健 | 中小样本首选，常取5或10折 |
| 留一法 | 偏差最小 | 样本极小且计算成本可接受 |
实施时建议采用分层划分，保持各子集在性别、地区、年龄等关键变量上的比例一致；固定随机种子以保证结果可复现；报告各折指标的均值与标准差，而非单一数值。在论文写作中，还应说明划分比例、折数选择依据及软件包版本，使方法部分具备完整的可重复性。