问卷(量表)设计的理论和方法优质PPT.ppt
《问卷(量表)设计的理论和方法优质PPT.ppt》由会员分享,可在线阅读,更多相关《问卷(量表)设计的理论和方法优质PPT.ppt(26页珍藏版)》请在冰点文库上搜索。
表示高分组在某个题项答对人数的百分比,PL:
表示低分组在摸个题项答对人数的百分比。
区分度,又叫做项目的项目鉴别力。
它是指项目对不同水平的被试反应的区分程度和鉴别能力。
将被试按总分高低排列,把得分最高的27%的被试作为高分组,得分最低的27%的被试作为低分组,计算高分组该题答对的人数的比例与低分组该题答对的人数比例。
D:
表示题目的区分度(一般0.3D为佳)PH:
项目分析-临界比值法(criticalration),是项目分析的判别指标中最常采用的方法。
又称为极端值法。
主要目的在求出问个别题项的决断值-CR值(临界比值)。
它的理念与测验编制中区分度的观念类似,它是根据测验总分区分出高分组受试者与低分组受试者后,再求高、低两组在每个题项的平均数差异的显著性,其原理与独立样本的T检验相同,然后进行分析后将未达到显著性水平的题项删除。
项目分析CR法的操作步骤,1、求出量表的总分2、量表总分高低排序3、找出高低分组上下27%处的分数4、依临界分数将量表得分分成两组5、以t检验检验高低分组在每个题项的差异6、将t检验结构未达显著的题项删除,分析(analyze)比较平均值(comparemeans)独立样本t检验(independent-samplesT-test),在项目分析中,除了采用CR法外,也可采用同质性检验作为个别题项筛选的另一指标,如果个别题项与总分的相关度愈高,表示题项与整体量表的同质性愈高,所要测量的心理特质或潜在行为就更加接近。
若个别题项与总分的相关系数未达到显著的,或两者为低度相关,表示题项与整体量表的同质性不高,建议删除。
项目分析的量表项目与总分相关法,1、求出量表的总分2、进行相关性分析3、将相关系数未达显著或者相关性很低的题项删除,分析(analyze)相关(correlate)-双变量(bivariate),三、问卷的信度检验,一份测量工具的好坏,出了要难度适中和较高的区分度外,最重要的是要有信度和效度。
信度代表量表的一致性和稳定性。
根据其关注的重心的不同分为:
内在信度:
是量表中的一组项目(item)(或整个表)是否测量的同一个概念,即这些项目的之间的内在一致性如何。
(克朗巴赫系数和折半信度)外在信度:
指在不同时间进行测量时对同一对象进行测量时所得结果的一致性程度。
(重测信度),克朗巴赫系数,以克朗巴赫系数来判断一组项目(或整个量表)的信度的判别标准:
基础研究中,信度至少要达到0.8以上探索性研究中,信度只要达到0.7就可接受而在实务中,0.6以上也可以勉强接受,但最好对问卷做一些修订,分析(analyze)-度量(scale)-信度分析(ReliabilityAnalysis),四、问卷的效度检验,效度也称为正确性,是表示一份量表能真正测量到该量表所要测量的特质或概念的程度。
效度具有以下特点:
效度是指测验结果的正确性或可靠性,而非指测验工具本身效度并非全有全无,只是程度上有高低不同的差别效度有其目标功能性,是针对某一特殊功能或某种特殊用途而言,不具有普遍性,一份高效度的测验工具实测于不同的受试者,可能会导致测验结果的不正确效度无法实际测量,只能从现有信息做逻辑推论或从实证资料中做统计检验分析(Gronlund&
Linn,1990;
王宝进,2002),建构效度(constructvalidity),是指能够测量出理论的特质或概念的程度。
亦即实际的测验分数能够解释多少某一心里特质。
我们根据理论的假设架构,编制一份量表,经实际测试结果,受试者所得实际分数经过统计检验能有效解释受试者的心理特质,则此量表具有良好的建构效度。
统计学上,检验建构效度的方法是采用因素分析。
即以因素分析法去检验量表的效度,并有效抽取共同因素,此共同因素与理论架构的心理特质更为接近,则可以说此量表具有建构效度。
因而使用者在量表项目分析完成后进行因素分析,以求得量表的建构效度。
因素分析的基本概念,因素分析是通过研究多个研究变量间相关系数矩阵(或协方差矩阵)的内部依赖关系,找出能够综合所有变量的少数几个随机变量,这几个随机变量是不可能测量的(也叫潜变量latent),通常就称为因素(因子factor)。
它是一种相关分析技术,它包含许多减少维度(即因素的个数)以简化数据的技巧,主要目的在于以较少的维度来表现原先的数据结构,而又能保存原数据结构所提供的大部分信息。
从另外一个角度说,因素分析是将具有错综复杂关系的变量(项目)综合成为数量较少的几个因素,一在线原始变量与因素之间的相互关系,探讨多个能够直接测量,且具有一定相关性的实测指标是如何受少数几个内在的独立因素支配的,并根据不同因素对变量进行分类。
使得同组内的变量之间的相关性较高,但不同组的变量相关性较低。
获得因子后,还可以用回归估计等方法求出因子得分的数学模型,将各因子表示成变量的线性形式,进一步算出各因子的得分,从而可以进行进一步的分析。
因素分析的注意事项,样本量不能太小。
一般而言,要求样本量是项目数(item)的5倍以上,如果要获得比较理想的结果,则应该在10倍以上。
另外,除了比例以外,样本总量也不能太少,按理论要求应该在100以上。
因素数目的确定。
一般根据学者Kaiser所提的标准:
选取特征值大于1的因素。
各变量间应该具有相关性,采用Bartlett球形检验来判断。
因子分析中各因素应该具有实际意义,即能够进行有意义的重新命名。
KMO检验。
其用于检验个变量间的偏相关性,取值范围在01之间。
具体判断标准如下:
分析(analyze)-降维(DataReduction)-因子分析(factor),共同性和因素负荷量,共同性(communalities)表示该项目(item)能解释共同概念或属性的变异量。
如果共同性的数值越高,表示能测量到该概念的程度愈多,相反,则表示该项目与量表的共同量较少,因而该题项可以考虑删除。
因素负荷量(factorloading)表示项目(item)与因子(factor)关系的密切程度,该项目在共同因素(或总量表)的因素负荷越高,表示该项目与共同因素的关系密切,也就是具有较高的同质性。
相反,则表示不密切,可以考虑删除该项目。
参考文献:
1林震岩.多变量分析SPSS的操作与应用M.北京:
北京大学出版社,20072张文彤.SPSS统计分析高级教程M.北京:
高等教育出版社,20043邱皓政.量化研究与统计分析SPSS中文视窗版数据分析范例解析M.重庆:
重庆大学出版社,20094吴明隆.问卷统计分析实务SPSS操作与应用M.重庆:
重庆大学出版社,20105柏菊花.中学生网络学习适应性影响因素分析D.南京:
江苏师范大学,20126张进良.网络环境下大学生学习适应性的研究D.兰州:
西北师范大学,2007,