量表基本制作过程与技术学生.docx

量表基本制作过程与技术学生.docx

《量表基本制作过程与技术学生.docx》由会员分享，可在线阅读，更多相关《量表基本制作过程与技术学生.docx（9页珍藏版）》请在冰豆网上搜索。

量表基本制作过程与技术学生

量表的基本制作过程与技术

一、准备阶段：

文献整理与定向；制定测量计划

如果在文献整理与定向的过程中发现有现成的可用量表，直接借用比自行另行编制效果会更好，如果没有现成的，借助文献整理，也能为随后测量项目的编写提供重要的素材；测量计划的制定则需要做一系列的决定，对于编制这类常见量表而言，量表格式和测量层次已经模式化了，但还需要决定测量的目的和内容、测量对象、测量时间、量表试测的安排、信效度分析的计划等。

二、预试阶段：

第一步结合文献和经验选择编制可能的项目或陈述

通常要求在预试阶段编制的项目数至少为最终量表项目数的2倍

第二步进行试测

非概率抽样；小样本；为项目分析提供经验数据

一般下限为20人，建议样本量为项目数的5倍

第三步项目分析（itemanalysis）

目的在于决定各条陈述的分辨力或鉴别度，据以删除不良的陈述或项目，最终决定正式量表的组成。

案例：

得到1个样本量为30人的试测样本数据，以供进行项目分析：

（一）第一种：

描述统计分析

1、SPSS操作指令：

步骤一：

Analyze->reports->CaseSummaries

步骤二：

进入对话框，选取欲分析的项目移至清单中。

步骤三：

进入统计量对话框，选择平均数（Mean）、标准差（StandardDeviation）、偏态（Skewness）这几个描述统计选项，移植清单中。

确定。

注意对项目6的编码方向。

2、分析：

（1）缺失值判断：

一般以5%缺失为标准，从下表看，6条项目的缺失均小于5%:

由于“说不清”选项作为缺失处理，还需要进一步看第二张输出表前半部分：

重点看原本有缺失值的项目4和项目5：

项目4的有3个“说不清”，加上之前缺失1个，缺失率13.3%明显大于5%,应考虑删除或联系项目设计思考缺失率高的症结所在。

而由于编制的陈述本身不多，可适当放宽要求，项目5（缺失6.7%）可暂时保留。

（2）平均值的偏离检验:

（在SPSS中使用Transform->Recode->IntoSameVariables指令，将“说不清”（编码为“8”）转化为系统缺失值（System-missing）,再重复前SPSS的Analyze->reports->CaseSummaries指令）查看以下输出表的后半部分。

通常标准是删除平均值在量表总均值正负1.5个或2个标准差以外的项目以及偏度系数的绝对值过大的项目。

一般对于5点的李克特量表，没有必要计算量表总平均分和相应标准差，而是采用简易算法确定量表总的均值和标准差，即取量尺的中间数值3作为量表总均值，用5除以6所得的0.83作为标准差（利用正态分布的性质），则平均值在3＋1.25之外的项目应该被删除，即均值大于4.25的项目5（4.39）应考虑删除，而项目6的平均值（1.70）与1.5倍标准差的下限值1.75差异不大，且属于2倍标准差之内，可暂时保留。

另外，所有项目的偏态系数绝对值不算太大，都在2以下，而相较之下，项目1的偏态系数绝对值最大，好在其均值在1.5个标准差范围内，可暂时保留。

（3）方差的检验：

标准是标准差低于测量全距六分之一的项目应考虑删除。

同样看上表后半部分的标准差，对于五点量表全距的六分之一是0.83，项目5的标准差0.497和项目6的标准差0.794都小于0.83，应考虑删除。

（二）第二种：

极端组检验法

1、SPSS操作指令：

步骤一：

选取Transform->Compute,增加新变量total,计算量表总分。

步骤二：

选取Analyze->DescriptiveStatistics->Frequencies,将量表总分变量移入清单中。

步骤三：

点选统计量框，勾选百分位数，输入并新增75与25，寻找前后25%受试者的切割点，按确定执行频数分布表。

步骤四：

进入结果窗口，寻找25与75百分位数。

由上表可知，该量表总分25与75百分位数分别是17分和21.75分，这就确定了随后分组的界限值。

步骤五：

选取Transform->Record->IntodifferentVariables，点选总分变量，填入新变量（group），定义标签后，点击变更。

步骤六：

点选新值与旧值选项，勾选范围，输入0到25百分位数，并设定新值为数值1（低分组），按新增后，再输入75百分位数到最高值，将值设为2（高分组），按新增以确定两个新值，按继续与确定执行。

产生新变量group.

步骤七：

进行t检验：

选取Analyze->CompareMeans->Independent-SampleTtest,将欲分析的项目移至清单中，并以group为分组变量，定义组别为1和2，按确定执行。

2、分析：

T检验结果不显著的（小样本采取严格的0.01或0.001的显著性水平），即是鉴别度差的，应该考虑删除的项目。

SPSS的输出结果如下：

先根据等方差检验的结果判断对于每个项目是使用第一排（F检验的P值>0.01）还是第二排（F检验的P值<0.01）的T检验结果。

项目4、5、6的P值0.018、0.662、0.642均大于0.01，尤其是项目5和项目6更是明显大于0.01，T检验结果不显著，应考虑删除。

项目3的T检验结果最优良（0.001），其次是项目1（0.002），项目2则（0.014）略有问题，但比项目4、5、6有鉴别度，可暂时保留。

（三）第三种：

因子负荷量判断法

它特别适合有特定理论假设的量表的项目分析，且对样本量和项目间相关度有一定要求，不满足条件不能进行因子分析从而使用此项目分析方法（略）。

（四）第四种：

项目总分相关分析

考察的是所有项目的内部同质性。

计算每一项目与量表总分的相关系数，一般要求在0.3以上且达到统计的显著水平，如果相关系数很低或负相关，则表示了该项目与量表总体不一致，是没有鉴别度的，应该删除（略）。

综合上述几种项目分析，我们的结论是：

删除项目5和项目6，分析寻找项目4缺失多的原因——是不是表述不够清楚，例如被试者不理解原住民是什么导致缺失——修改改善并保留项目4。

因此，最后形成的正式量表为4条陈述的五点测量量表。

三、正式施测阶段

通过项目分析决定了正式量表后，就可以将量表用做研究了。

注意，对正式施测获得的数据除了正常的统计分析得出研究结论外，至少还需要进行信度和效度的评估，以确定一个量表的整体可用程度或者说整个测量的质量。

对测量工具信效度评估的结果是任何一个使用量表这类测量工具的研究报告中必须包含的部分。