1) اعتبار سازه (Construct Validity): روایی سازه نشان می‌دهد آزمون تا چه حد با ساختارهای نظری مورد نظر هماهنگ است. پژوهش‌های بین‌المللی، مانند مطالعات گیبونز و همکاران (2004)، مولینا (2006) و ورنکه و گلدبرگ (2003)، ساختاری چهارعاملی برای GHQ-28 ارائه کرده‌اند که شامل علائم جسمانی، اضطراب و بی‌خوابی، اختلال عملکرد اجتماعی و افسردگی است. این ساختار چهارگانه در مطالعات ایرانی نیز تأیید شده است؛ پژوهش‌هایی مانند تقوی (1380)، مولوی (2002)، نظیفی و مکرمی (1392) و نائینیان و همکاران (1393) نشان داده‌اند که آزمون به خوبی می‌تواند ابعاد مختلف سلامت روان را ارزیابی کند.

(2) اعتبار  همگرا (Convergent Validity): این نوع روایی نشان می‌دهد که آزمون مورد نظر تا چه حد با سایر ابزارهای مشابه همبستگی دارد. به عنوان مثال، در مطالعه تقوی (1380)، پرسشنامه GHQ-28 با پرسشنامه میدلکس همبستگی 0.55 داشت. همچنین، پژوهش مولوی (2002) همبستگی GHQ-28 را با دو ابزار دیگر به ترتیب 0.72 و 0.58 گزارش کرده است. این اعداد بیانگر رابطه مناسب این پرسشنامه با سایر ابزارهای سنجش سلامت روان هستند.

3) اعتبار ملاکی (Criterion Validity): در اینجا GHQ-28 با تشخیص‌های روان‌پزشکی مقایسه شده است. مطالعاتی مانند گریفتوس (1993) و هابز (1983) نشان داده‌اند که این پرسشنامه در شناسایی افراد دارای مشکل روان‌شناختی دقت بالایی دارد، به‌طوری که حساسیت آن تا 95.7٪ و ویژگی آن تا 82٪ گزارش شده است. در ایران نیز، پالاهنگ (1997) گزارش کرده است که این ابزار با نمره برش 22 دارای حساسیت 0.88، ویژگی 0.74 و کارایی 0.80 است.

4) اعتبار تمییزی (Discriminative Validity): این ویژگی نشان می ‌دهد که آزمون چقدر می ‌تواند بین افراد سالم و مبتلا به اختلال روانی تمایز قائل شود. مطالعات داخل و خارج کشور، مانند تحقیقات چونگ و اسپیرز (1994) و نجفی و همکاران (1380)، نشان داده ‌اند که GHQ-28 در این زمینه عملکرد مطلوبی دارد.

5) اعتبار محتوایی (Content Validity): این پرسشنامه به دلیل استفاده گسترده در بیش از ۷۰ کشور و ترجمه به ۳۸ زبان، از نظر محتوایی معتبر شناخته می‌شود. در ایران نیز، پژوهش‌هایی مانند تقوی (1380) و مولوی (2002) با بررسی محتوای سؤالات و مطابقت آن‌ها با نظریه گلدبرگ، این اعتبار را تأیید کرده‌اند.

6) اعتبار  همزمان (Concurrent Validity): ضریب همبستگی نمره کل آزمون با خرده‌مقیاس‌ها بین 0.72 تا 0.87 گزارش شده است (تقوی، 1380؛ مولوی، 2002؛ پالاهنگ، 1997)، که نشان می‌دهد مقیاس‌های مختلف این تست با یکدیگر همسو و هماهنگ عمل می‌کنند.