量表开发过程.

量表题项产生与精炼因子分析生成纬度信度和效度检验结构方程模型1.量表开发方法步骤1.概念定义2.初始题项(item)的建立与精炼3.运用统计数据精炼题项5.量表的可靠性(reliability)检验4.维度的生成6.量表的有效性(validity)检验1.1概念定义概念：从特定事实中提炼出来的想法组成性定义:字典里的定义，是用其他概念和架构来定义一个概念，对所研究的概念确立边界，表明所要研究概念的中心思想。组成性定义要具有理论解释的能力，因此必须与其他的概念区分开来。操作性定义：将理论性的概念与现实世界的事物联系在一起的纽带，是后续测量的基础。因此，操作性定义要明确要测量的、可观察的事物的特性。可参考《当代市场调研》等相关书籍概念说明要点1.界定概念性质•情感？感知？行为？结果？……•属概念2.与其他相近概念的差异3.确认概念的层次•个体vs群体4.发确认包含的内部成分•单维度vs多维度5.说明与概念相关的前因与后果变量1.2初始题项(item)的建立与精炼建立文献回顾:相关研究内容访谈:焦点小组、深度访谈等方法，从专家、顾客或相关人员身上产生原始题项集注意:可以结合使用,也可单独使用原则：不可以想当然的自认为包含哪些维度，要从研究对象的角度出发),,(0020100mfffF…),,(0020100nxxxX…02002010100201021101,,,,fxxxfxxxnnnn…………1.2题项的初始建立与精炼初始精炼Step1.邀请五名判断者，向其解释清楚每一个类别fi0（i=1…m）的含义，并给出其中一个题项xk0作为例子。然后让这些判断者将X0中的所有题项分别归类到fi0中，如果认为某一个题项xi0不属于任何一类，就将其单独列入到“不合适”之列。注意:判断者事先并不清楚哪些题项被归为一类。标准:如果五人当中至少有四个人认为某个题项不属于任何一类，就将其从题项集中删除。Step2.再邀请五名判断者，也向其解释清楚每一个类别fi0（i=1…m0）的含义，并让判断者了解调整后的每个维度下的题项，然后请其判断fi0下的每一个题项xi0说明fi0的程度，一般分为三种—完全说明，一般说明，不能说明。标准:至少有三个判断者认为xi0能够完全说明fi0，并且没有人认为xi0不能说明fi0，则这样的xi0保留下来，否则删除。),,(1121111nxxxX…1.3运用统计数据精炼题项方法1：计算某一题项与其所属的维度的其他题项总和(item-to-total)的相关系数r，如),,(112110111nxxxf…211211111111111)()()()(yyxxyyxxriiiiniiixy2111。1121nrrr…•标准:1.如果则删除2.突然下降法:5.0ir121iiiirrrr1.3运用统计数据精炼题项方法2：利用量表可靠性精炼具体方法、原理，及标准参见第五步中的可靠性检验1.4.维度的生成方法1:确定性因子分析如果现有的结构较好，不需要做调整的话，只要给出现有的因子结构优于其他数目的因子结构的结果就可以了。方法2:探测性因子分析原理简介:fi公因子aij因子负载(第i个变量在第j个公因子上的负载)ui特殊因子(也称残差，表示该变量不能被公因子解释的部分)。nmnmnnnmmmmufafafaxufafafaxufafafax2211222221212112121111…………1.4维度的生成每个因子对数据的解释能力，可以用该因子所解释的总方差来衡量，通常称为该因子的贡献，记为Vp，它等于和该因子有关的因子负载的平方和，即所有因子的累计的贡献为：标准：1.公因子应该使累计解释的变差比例达到70％—80％以上，但是学术性研究中，该值也可以小一些50％—60％也是可以接受的。2.确定因子个数的标准是x的相关矩阵的特征值，一般选取特征值大于1的主成分作为初始因子。注意:如果某一个题项在所有的公因子上的负载都很小，比如均小于0.3，就要考虑是否要将该题项删除。mppVV1kiippaV12n2.效度效度简介：效度系数越高，表示越能测量想要测量的概念。有效性(效度)是指我们试图测量的事物的特征是否是真正要测量的，也就是指量表所测量到的结果与希望测量的对象的接近程度。测量工具的正确性:正确的测量出所预测量的特性2.1效度结构效度（validity）构念效度（constructvalidity）聚合效度（convergentvalidity）区分效度（distinctivevalidity）关联校标效度（criterion-relatedvalidity）内容效度（contentvalidity）表面效度（facevalidity）2.1.量表的有效性(validity)检验备注：除了上述有效性指标之外，还有表面有效性，内容有效性，相关有效性等指标，鉴于使用的频率，这里只介绍上述三种。另外，上述三种指标并不需要全部检验。有效性指标检测方法內容收敛有效性（聚合效度）ConvergentValidity1.方差分析2.标准化的因子负载及其显著性来判断(Lisrel线性结构关系)同一架构的不同测量工具之间的相关程度区别有效性DiscriminantValidity1.因子之间的相关系数rij及其置信区间2.相关系数小于该维度的Cronbachα值区别不同维度或概念的程度规则有效性NomologicalValidity检验所测量的变量与其他变量之间的关系或因果关系kkfbfbfb2211…2.2内容效度一个测验的内容效度是建立其构念效度的必要前提定性的判断：可以通过因子分析的累积总方差来判断量表具有内容效度2.3构念效度影响问卷的构念效度的情况研究者的操作性定义出现了偏差操作性定义没有充分的反映目标概念测验问卷缺乏信度2.3测验聚合效度和区分效度：特质-多方法模式MTMM矩阵不同特质-不同方法得到的相关性：越低越好-区分效度相同特质-不同方法得到的相关性：越高越好-聚合效度结构方程模型SEM—尤其适宜检验测量的区分效度作为检验测验构念效度的先决条件，假设的理论模型需要与抽样得到的数据很好地契合，测验指标在所要测量的构念上因素负荷量应该很高。2.3.1聚合效度：通过不同方式测量同一构念时，所观测到的数值之间应该高度相关。使用验证性因子分析来判断观察变量与潜在变量之间的假设关系是否与数据吻合，如果结果证明我们的假设是正确的，那么，聚合效度就得到了验证。检验方法方差分析标准化的因子负载及其显著性来判断(Lisrel)同一架构的不同测量工具之间的相关程度2.3.2区分效度：应用不同的方法测量不同构念时，所观测到的数值之间应该能够加以区分。检验方法：检验各个潜在变量之间的相关系数是否显著低于1来判断——因子之间的相关系数rij及其置信区间相关系数小于该维度的Cronbachα值区别不同维度或概念的程度2.4内部结构的检验评价测验内部结构时，主要通过探索性因素分析和验证性因素分析探索性因素分析如果测量同一维度的指标因素负荷量越大（通常大于0.4），同时在其他维度上的因素负荷越小，则表示该测验的构念效度越高验证性因素分析强调对测量模型的限定，在消除测量误差的情况下观察测量指标与假设模型的契合程度3.信度（ｒｅｌｉａｂｌｅ）不同测量者使用同一测量量表的一致性水平，用以反映相同条件下重复测量结果的近似程度。是否具有一致性或稳定的程度测量结果免受误差影响的程度评价测验结果的一致性（consistency），稳定性（Stability）及可靠性，估计测量误差对整体测验的影响测量误差的大小，以误差的方差（variance）的大小来量度。当误差越大，信度就越小3.量表的可靠性(reliability)检验可靠性指标检测方法內容稳定可靠性（Stability）测试再测试（test-retest）同一测量工具，同一受测者，不同时间点，比较结果的一致程度內部一致性(InternalConsistency)Cronbachalpha测量题项之间的一致性或同质性备注:除上述两种可靠性指标之外，还有等价可靠性(Equivalence)等其他的指标，由于使用频率不高，这里不详细介绍，感兴趣的同学可以参考其他相关书籍。另外，上述指标并不一定全部检验。3.1内部一致性评价方法折半信度库李信度Cronbach’sα大于0.7AVE平均提取方差值，或称平均变抽取，检验结构变量内部一致性的统计量。大于0.5即可CR组合信度值0.6※但是不是内部一致性系数越高越好3.1量表的可靠性(reliability)检验Cronbachalpha(Cronbach,1951内部一致性):原理简介:)1)(1(212skiikk)1(1krrkk某维度下题项的数目σ2i题项i的方差σ2s该维度的方差是内部题项相关系数的平均值r3.1Cronbachα值的标准作者（年代）使用情况建议的Cronbachα值Kaplan,Saccuzzo(1982)基础研究0.7-0.8应用研究0.95Murphy,Davidshofer(1988)不可接受水平0.6以下低水平0.7中高水平0.8-0.9高水平0.9Nunnally(1967)初始研究0.5-0.6基础研究0.8应用研究0.9-0.95Nunnally(1978)初始研究0.7基础研究0.8应用研究0.9-0.953.2稳定可靠性——重测信度Test-retestreliability(重测信度)不同时间点，同一个测试，同一参与者；计算两次测量的相关系数两次测量的结果的相关性越高，则重测信度越高，则可以认为该测验的稳定性越高。4.结构方程模型类型：测量模型路径模型全模型均值结构模型4.1拟合指数（FitIndex）拟合指数RMSEARMSEA=0.05时，表示模型拟合程度好0.05RMSEA=0.08时，表示拟合程度可以接受0.08RMSEA=1.0时，表示拟合程度一般RMSEA1.0时，表示拟合程度较差RMSEA越小，表示拟合程度较高Ｐclose：Ｐ值越大，说明越不显著，则不拒接假设模型χ2（chi－square）越小，P值越大，说明拟合协方差矩阵与样本协方差矩阵的差距越不显著χ2越大，P值越小，说明拟合协方差矩阵与样本协方差矩阵的差距越显著，最初假设的模型就要被推翻了。4.2其他拟合指数代表ＴＬＩ＝ＮＮＦＩ0.9IFI0.9ＣＦＩ二者值越大，代表拟合程度越好，一般规律是：取值大于０.９；如果大于０.９５时，则代表假设理论模型与数据的拟合度非常高ＧＦＩ，ＡＧＦＩ对样本大小的依赖度高ＲＭＲ（拟合残差方差的平均值的平方根）ＲＭＲ值小的一方，拟合度相对较好