专题九：量表信效度解读
合集下载
量表的信度、效度检验PPT
验证效度
与其他已知效度高的量表 进行对比，检验新量表的 准确性。
信度检验
通过Cronbach's Alpha系 数、重测信度法等方法检 验量表的可靠性。
05
量表的发展与展望
发展趋势
01 跨文化研究
随着全球化的推进，跨文化研究逐渐成为量表发 展的重要方向，旨在比较不同文化背景下个体或 群体的心理特征。
医学研究
用于评估患者的症状、疾 病严重程度和治疗效果， 如疼痛、生活质量等。
教育研究
用于评估学生的学习能力 、态度和成果，如学业成 就、学习动机等。
评估方法
内容效度
专家评审，评估量表的内 容是否符合研究目的和领 域，是否具有代表性。
结构效度
通过因子分析、聚类分析 等方法检验量表的结构是 否符合预期的理论模型。
整合多学科知识
将心理学与其他相关学科（如社 会学、生物学等）的知识进行整 合，以更全面地理解人类心理现 象。
拓展应用领域
将量表应用于更多领域，如教育 、职业、健康等，为解决实际问 题提供科学依据。
THANKS
感谢观看
确保量表项目清晰、准确，没有歧义和模 糊性。
样本代表性
确保被试者样本具有代表性，能够反映目 标总体的情况。
统计分析
根据需要使用适当的统计分析方法来评估 信度，并解释结果。
Байду номын сангаас 02
量表效度检验
内容效度
内容效度
指量表内容与测量目标的一致性程度。评估内容效度时 ，需要专家评审量表内容，确保量表涵盖了所有相关的 测量维度和指标。
设计原则
目的性原则
量表设计应紧密围绕 研究目的，确保量表 内容与调查目标一致
量表的信度与效度分析
信度与效度分析与结构方程模型的结合： 结构方程模型可以帮助我们更好地理解 量表的结构从而提高信度和效度。
信度与效度分析与路径分析的结合：路径 分析可以帮助我们更好地理解量表的因果 关系从而提高信度和效度。
信度与效度分析在大数据时代的重要性 大数据时代对信度与效度分析的挑战 信度与效度分析在大数据时代的发展趋势 信度与效度分析在大数据时代的应用案例
收集数据：通过问 卷、访谈、观察等 方式收集数据
分析数据：使用统 计软件进行数据分 析如SPSS、R等
结果解释：根据分 析结果判断量表的 效度是否符合预期
选择合适的效度类型如内容效 度、结构效度、信度效度等
明确量表的目的和用途
确保量表的内容具有代表性 和全面性
注意量表的难度和区分度避 免过于简单或过于困难
内容效度：评估量表内容 是否符合理论或实际需求
结构效度：评估量表的结 构是否符合理论或实际需 求
信度效度：评估量表的信 度是否符合理论或实际需 求
效标效度：评估量表的效 度是否符合理论或实际需 求
评价效度：评估量表的效 度是否符合理论或实际需 求
预测效度：评估量表的效 度是否符合理论或实际需 求
确定效度类型：内 容效度、结构效度、 信度效度等
,
汇报人：
CONTENTS
添加目录标题
量表的信度分 析
量表的效度分 析
量表信度与效 度分析的关系
量表信度与效 度分析的应用 场景
量表信度与效 度分析的未来 发展
PRT ONE
PRT TWO
信度是指测量工具的 稳定性和可靠性
信度越高测量结果越 稳定越可靠
信度分为内部信度和 外部信度
内部信度包括重测信 度和分半信度
量表的信度与效度介绍
量表的信度与效度介绍作者:other 来源:【转帖】发布时间:2009-3-14 浏览: 277 访问者: 221.239.117.70摘要提示：问卷调查法是教育研究中广泛采用的一种调查方法，根据调查目的设计的调查问卷是问卷调查法获取信息的工具，其质量高低对调查结果的真实性、适用性等具有决定性的作用。
为了保证问卷具有较高的可靠性和有效性，在形成正式问卷之前，应当对问卷进行试测，并对试测结果进行信度和效度分析，根据分析结果筛选问卷题项，调整问卷结构，从而提高问卷的信度和效度。
信度与效度介绍一、信度分析信度（Reliability）即可靠性，是指…问卷调查法是教育研究中广泛采用的一种调查方法，根据调查目的设计的调查问卷是问卷调查法获取信息的工具，其质量高低对调查结果的真实性、适用性等具有决定性的作用。
为了保证问卷具有较高的可靠性和有效性，在形成正式问卷之前，应当对问卷进行试测，并对试测结果进行信度和效度分析，根据分析结果筛选问卷题项，调整问卷结构，从而提高问卷的信度和效度。
信度与效度介绍一、信度分析信度（Reliability）即可靠性，是指采用同一方法对同一对象进行调查时，问卷调查结果的稳定性和一致性，即测量工具（问卷或量表）能否稳定地测量所测的事物或变量。
信度指标多以相关系数表示，具体评价方法大致可分为三类：稳定系数（跨时间的一致性），等值系数（跨形式的一致性）和内在一致性系数（跨项目的一致性）。
信度分析的方法主要有以下四种：1、重测信度法同样的问卷，对同一组访问对象在尽可能相同的情况下，在不同时间进行两次测量。
两次测量相距一般在两到四周之内。
用两次测量结果间的相关分析或差异的显著性检验方法，评价量表信度的高低。
2、折半法。
折半法是将上述两份问卷合成一份问卷（通常要求这两份问卷的问题数目相等），每一份作为一部分，然后考察这两个部分的测量结果之间的相关性。
3、折半信度法折半信度法是将调查项目分为两半，计算两半得分的相关系数，进而估计整个量表的信度。
简述量表信度和效度的含义及检验方法
简述量表信度和效度的含义及检验方法摘要：一、量表信度含义及检验方法1.信度定义2.信度检验方法a.内在信度b.外在信度二、量表效度含义及检验方法1.效度定义2.效度检验方法a.内容效度b.结构效度c.准则效度三、提高量表信效度的措施1.编制阶段2.测试阶段3.结果分析阶段正文：量表是研究中常用的一种工具，用于测量某种现象或变量。
而量表的信度和效度则是衡量其测量工具质量的重要指标。
本文将简要介绍量表信度和效度的含义及检验方法。
一、量表信度含义及检验方法1.信度定义信度指的是测量工具的稳定性和一致性。
一个具有高信度的量表，能够在不同时间、不同测试者和不同测试环境下，得出一致可靠的测量结果。
2.信度检验方法（1）内在信度内在信度主要体现在量表内部各项指标之间的一致性。
可以通过计算各项指标的相关系数、Cronbach"s Alpha系数等来检验。
（2）外在信度外在信度是指量表在不同测试者、不同时间、不同测试环境下的稳定性。
可以通过复本信度、测试-重测信度、内部一致性信度等方法进行检验。
二、量表效度含义及检验方法1.效度定义效度是指测量工具能够准确测量其所要测量的对象的程度的指标。
一个具有高效度的量表，能够准确地反映所要测量的现象或变量。
2.效度检验方法（1）内容效度内容效度主要体现在量表是否全面、准确地反映了所要测量的对象。
可以通过专家评审、文献调研等方法进行检验。
（2）结构效度结构效度是指量表的结构是否符合理论模型。
可以通过因子分析、结构方程模型等方法进行检验。
（3）准则效度准则效度是指量表的测量结果与已有的公认标准之间的相关性。
可以通过相关分析、回归分析等方法进行检验。
三、提高量表信效度的措施1.编制阶段在量表编制阶段，要充分调研相关领域的研究，确保量表内容的全面性和准确性。
同时，要遵循科学的编制方法，确保量表的结构合理。
2.测试阶段在测试阶段，要严格控制测试环境、测试者和测试时间等因素，以减少误差。
《量表信效度分析》课件
《量表信效度分析》PPT课件
# 量表信效度分析 什么是量表？ - 量表的定义 - 量表的分类 信度分析 - 什么是信度 - 信度分析的方法 - 如何评估信度 效度分析 - 什么是效度 - 效度分析的方法 - 如何评估效度 信效度的关系 - 信效度的关系 - 如何进行信效度分析 应用举例
什么是量表？
1 量表的定义
量表是一种用于测量心理、行为或观点的工具，通过对被测者的回答或观察进行评分， 以得出相对客观的度量结果。
2 量表的分类
量表可以根据测量目的和理论基础进行分类，例如问卷量表、观察量表、智力量表等。
信度分析
什么是信度
信度是指量表在不同时间、 不同评分者或不同版本下的 一致性和稳定性。
信度分析的方法
常用的信度分析方法包括重 测法、内部一致性法和切割 半法。
如何评估信度
可以使用相关系数、信度系 数和可信度范围等指标来评 估量表的信度。
效度分析
1
什么是效度
效度是指量表测量所关注的概念或属性的真实程度，用来评估量表测量的准确性。
2
效度分析的方法
常用的效度分析方法包括内容效度、结构效度和标准效度。
3
2 量表使用的注意事项
在使用量表时需要注意量表的合理性、适用性和信效度的考虑，以确保测量结果的可靠 性和有效性。
结论
总结
量表信效度分析是评估量表质量的重要手段，可以 帮助研究者确定量表的可靠性和有效性。
对量表信效度分析的启示
研究者在进行量表信效度分析时应综合考虑多个因 素，提高量表设计和评估的科学性和可信度。
如何评估效度
可以使用相关系数、卡方检验和因子分析等方法来评估量表的效度。
信效度的关系
信效度的关系
测量量表的信度和效度
信度和效度的概念
内容效度
效度
指测量量表的准确性，即量表是否真实 反映所要测量的内容或特质。效度分为 内容效度、结构效度和验证效度。
专家对量表内容的评价，确保量 表内容与测量目的相符合。
信度
指测量量表的可靠性，即多次测量结果 的一致性程度。信度高的量表在相同条 件下重复测量，其结果具有一致性。
结构效度
通过因子分析、相关分析等方法 检验量表的结构是否符检验其一致性程度。
02 信度分析
重测信度法
定义
重测信度法是指在不同时间对同一组被试者进行重复测量，通过 比较两次测量的结果来评估量表的稳定性。
适用范围
适用于评估短期内量表的稳定性，但不适合评估长期内的稳定性。
根据测量目的和范围， 设计量表的框架和题目。
预测 试和 修订
在小范围内预测试量表， 根据反馈进行修订和完
善。
大规 模施 测和 数据 分析
THANKS FOR WATCHING
感谢您的观看
测量量表的信度和效度
contents
目录
• 引言 • 信度分析 • 效度分析 • 信度和效度的关系 • 信度和效度在实践中的应用
01 引言
测量量表的意义
测量量表是评估个体或群体特征的重 要工具，广泛应用于心理学、社会学 、经济学等领域。
通过测量量表，可以对个体的心理状 态、行为特征、能力水平等进行量化 评估，为研究和实践提供客观、准确 的依据。
Cronbach's Alpha系数
定义
适用范围
计算方法
Cronbach's Alpha系数是一种评估量 表内部一致性的方法，通过计算量表 中各项目之间的相关性来评估量表的 可靠性。
企业研究方法9 第9章测量量表信度效度
9.4信度 1.项目间一致性信度 项目间一致性信度是用来检验在同一个量表中受试者对所有题 项答案的一致性。假使这些题项是对相同概念的独立测量单位,那么 题与题之间应有一定的相关程度。而在项目间一致性信度指标中 ,最 普遍使用的检验是Cronbach 's a系数(Cronbach,l946),它适用于多 重评分量表的题项(multipoint-scaled items)。另外,库李法则适用 于二分法的题项(dichotomous items),上述系数愈高,测量工具愈好。
另外,信度在量表质量的检验中是一个必要条件而非充分条件。例如, 某个量表具有高度稳定性与一致性,因此能可靠地测量某个概念,但是 它衡量到的也许不是研究者想要测量的概念。而效度就是用来确保 量表具有能够测量到想要测量的概念的能力。以下我们将讨论效度 的概念。
9.4信度 9.4.3复本信度 针对同一概念,有两组同质且相当的测量工具,这两组工具测量出 的结果高度相关时,即可认为具有复本信度。一般而言,这两种版本的 量表会有相似的题项与填答格式,唯一不同的是叙述的语法与问题呈 现的顺序。在此我们将尝试找出因为题项的语法与顺序所造成的误 差。如果这两组复本所得出的分数之间高度相关(高于8以上),我们就 可确定该份量表是相当可靠的,而且由语法、排序或其他因素所造成 的误差是相当小的。 9.4.4量表的内部一致性 量表的内部一致性是指在测量某一概念时题项间的一致性指标。 换句话说,这些题项应该是“被当成具有同样性质的组合”,而且都能 够独立测量相同概念。也就是说受试者对这些题项都有一个整体的 且同样的看法。一致性可通过检查量表中题项与题项之间,或子题项 之间是否高度相关来确定。一般来说,一致性指标包括项目间一致性 信度与折半信度。
912类别量表类别量表通常使用多重选项来标记单一答案同样地它一般也是采用定类尺度91评定量表913李克特量表李克特量表被设计为五点量表如下所示定位点anchors是用来代表受试者对叙述句的赞成或不赞成程度有多强烈
《量表信效度分析》课件
够满足特定研究的需求。
量表的修订原则
01
02
03
04
反馈性原则
修订量表时应充分考虑使用者 的反馈意见，对量表进行必要
的调整和改进。
动态性原则
随着研究和实践的发展，量表 应不断更新和改进，以适应新
的研究需求和实践需要。
标准化原则
修订量表时应遵循标准化原则 ，确保量表的一致性和可比性
。
实用性原则
修订量表时应考虑其实用性， 确保量表易于使用、易于操作
科学性原则
量表的编制应基于科学理论和 实践经验，确保量表的内容和
结构合理、准确。
系统性原则
量表的编制应考虑各因素之间 的相互关系，确保量表能够全 面反映研究对象的特征和状况 。
可操作性原则
量表的编制应考虑实际应用的 需要，确保量表易于操作、易 于理解。
针对性原则
量表的编制应针对研究目的和 研究领域的特点，确保量表能
《量表信效度分析》PPT课 件
目录
• 量表信度分析 • 量表效度分析 • 量表的编制与修订 • 量表的应用与价值 • 量表信效度的实例分析
01 量表信度分析
信度的定义
信度：指测量结果的 稳定性、一致性、可 靠性。
信度分析的方法主要 有Cronbach's Alpha系数、重测信 度法等。
信度分析的目的是检 验量表的稳定性和一 致性。
分析数据
采用统计分析方法，检验量表 的结构和内容是否符合理论构 想和测量目标。
确定测量目标
明确测量目标和测量范围，为 量表设计提供依据。
收集数据
采用合适的方法收集数据，保 证数据质量和数量。
总结结论
根据数据分析结果，得出量表 的效度结论，并提出改பைடு நூலகம்意见 和建议。
量表的修订原则
01
02
03
04
反馈性原则
修订量表时应充分考虑使用者 的反馈意见，对量表进行必要
的调整和改进。
动态性原则
随着研究和实践的发展，量表 应不断更新和改进，以适应新
的研究需求和实践需要。
标准化原则
修订量表时应遵循标准化原则 ，确保量表的一致性和可比性
。
实用性原则
修订量表时应考虑其实用性， 确保量表易于使用、易于操作
科学性原则
量表的编制应基于科学理论和 实践经验，确保量表的内容和
结构合理、准确。
系统性原则
量表的编制应考虑各因素之间 的相互关系，确保量表能够全 面反映研究对象的特征和状况 。
可操作性原则
量表的编制应考虑实际应用的 需要，确保量表易于操作、易 于理解。
针对性原则
量表的编制应针对研究目的和 研究领域的特点，确保量表能
《量表信效度分析》PPT课 件
目录
• 量表信度分析 • 量表效度分析 • 量表的编制与修订 • 量表的应用与价值 • 量表信效度的实例分析
01 量表信度分析
信度的定义
信度：指测量结果的 稳定性、一致性、可 靠性。
信度分析的方法主要 有Cronbach's Alpha系数、重测信 度法等。
信度分析的目的是检 验量表的稳定性和一 致性。
分析数据
采用统计分析方法，检验量表 的结构和内容是否符合理论构 想和测量目标。
确定测量目标
明确测量目标和测量范围，为 量表设计提供依据。
收集数据
采用合适的方法收集数据，保 证数据质量和数量。
总结结论
根据数据分析结果，得出量表 的效度结论，并提出改பைடு நூலகம்意见 和建议。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
题目 X1 X2 X3 F1 a11 a21 a31 F2 a12 a22 a32 a122+ a222 + a322 (a122+ a222 + a322)/3 共同性h2 a112+ a122 a212+ a222 a312+ a322 唯一因素 1-h12 1-h22 1-h32
特征值 a112+ a212 + a312 解释量 (a112+ a212 + a312)/3
因素分析
• 因素分析的理想：在于个别题目的aj1（因 素负荷量）不是很大就是很小，这样每个 题目才能与较少的共同因素产生密切关联。 • 因素负荷量（factor loading）是题目与抽 取的共同因素的相关。 • 两个重要指标：共同性（communality）和 特征值（eigenvalue）
• 共同性与特征值
• 结果解释： • 以主成分分析法并配合最大变异法（Varimax） 进行正交转轴，特征值大于1的因素共有4个。四 个因素的特征值分别为3.956……，其解释变异量 分别为17.983%……，累计解释变异量为 49.505%。
Component
1 DM1 DM2
2
3
4
.774
.695 .691 .690 .621 .580 .534 .515 .479 -.052 -.050 -.012 .018 -.080 -.154 .297 .426 .336 -.012 -.007
因素数目判断原则
• 因素负荷量检验 单一观察变项(item)的因素并不恰当 二个观察变项(item)的因素在两变项相关高（r>.7），与 其它变项相关低时，为合理。 • 显著性考验 验证性因素分析（CFA）提供因素的显著性考验 Bartlett检验考验全部因素的显著性意义 • 研究上的考量 探索性的目的，想要了解因素的结构时，边缘强度的因素 可以保留，以了解其性质 当研究者需要稳定的因素进行研究时，保留信度高的因素 即可
• 遗漏值的数量评估法 检验被试是否抗拒或难以回答某一题目，过多的 遗漏表示该题目不宜采用。 • 描述统计评估法 利用各题目的描述统计量来诊断题目的优劣。平 均数、变异数、偏态与峰态 • 题目总分相关法（相关分析技术） 计算每一个题目与维度总分的简单积差相关系数 • 极端组检验法（小样本分析） 两个极端组的得分平均数之差异分析。找出具有 鉴别力的题目 • 因素分析法 以因素负荷量来判断个别题目与相对因素的关系
续
项目分析之一：项目描述统计
1.Discriptive statistics: Frequencies 2.选取想要分析的题目-variables 3.选取要分析的统计量（statistics） 4.根据平均值、最大值、最小值、标准差， 及峰度和偏度系数（越接近0，越接近正态） 来检验题目的好坏。 例fes1.sav
-.026
.111 -.084 -.062 -.066 -.143 .102 -.020 .021 .083 .130 .063 .093 .198 .310 .047 .006 -.144 .251 .790
• 例题：LPQ.sav • 分析该量表的结构
DS1 DM3 DS3 DS2 SM3 DM4 DS4 SS4 SS3
量表发展资料分析：项目分析
分析方法 项目描述统计 Item descriptive statistics 目的与内容 判断方式 运用各项目的描述 1.平均数：越接近中间值 统计量来检验项目 越好 的好坏 2.标准差：越大越好 3.最大与最小值：应触及 两端点 运用各项目与相对 相关越高，题目越佳 应总分的相关系数 来检验项目的好坏
信度分析的步骤
• Scale-reliability analysis 选入要分析的题目 选择要使用的信度分析方法：Alpha、折半 信度、Guttman值、平行模式检定。 Statistics：选择要分析的统计量 • 例：LPQ
量 表 编 制 流 程 图
项目分析 保留CR值显著的题目
因素分析 建构量表效度
删除题目
因素命名 信度分析
未删除任何题目
正式量表 第一次施测 重测信度 第二次施测
1. 有时候学习让我觉得有趣和满意。 LPQ题目 2. 我会努力把一个学科的知识与其他学科的知识联系起来。 Kember 3. 我会因为测验的分数低而不开心，并且担心下次测验的成绩。 （2004） 4. 我不会花时间去学习那些考试不会考的东西。 5. 我觉得只要肯投入，任何问题都可以变得很有趣。 6. 我喜欢提出想法将一些零散的知识组织起来。 7. 即使考试前我已经用功复习，却仍担心自己会考得不好。 8. 只要能及格，我就不会花更多的时间来学习，因为有很多有趣的事可以做。 9. 我学习很努力，因为我发现学习的东西很有趣。 10. 学习新知识的时候，我会联想到以前学过的知识。 11. 无论是否喜欢，我都会努力学习，因为我知道学习对我有好处。 12. 我通常只学老师要求的东西，而不会花精力去学别的。 13. 如果我对课堂上讨论的问题感兴趣，我就会利用课余时间去了解更多这方面的知 识。 14. 看书的时候，我会努力去理解作者的意思。 15. 我想要得到好成绩，因为这样可以得到父母和老师的夸奖。 16. 我认为没有必要深入的思考一些问题，因为考试根本不考。 17. 上课的时候，我通常有很多好奇的问题要问。 18. 有时候我会通过死记硬背的方式来学习，因为这样可以牢牢的记住一些不理解的 知识。 19. 我经常在很多地方（例如散步时，在车上等）想起上课学过的东西。 20. 我发现想要考试及格最好的方法就是背诵一些问题的答案。 21. 我喜欢多花一些时间来研究一些问题，直到找到满意的答案为止。 22. 我发觉只要背诵一些重要的概念就能通过大部分的考试。
-.018
-.183 .159 -.147 .033 .147 -.220 -.074 -.112 .753 .733 .726 .649 .587 .478 -.021 -.135 .113 .324 .213
-.008
-.018 .132 .221 .291 .302 .231 .422 .438 -.044 -.118 -.023 -.097 .257 .263 .624 .592 .575 .378 -.087
标准化测量工具的发展流程
• 量表编制计划 • 试题编写 • 预测 专家评估（专家效度：表面效度、内容效度） 项目分析（item analysis）和试探性的信度分析： 题目改善的依据 • 正式量表建立 信效度评估：作为测验与量表优劣程度的具体证 据。 • 量表研究与维护
项目分析的策略
此共同因素可以解释的变异量
因素分析的主要方式（步骤）
• Data reduction-factor • 计算题目间的相关矩阵或协方差矩阵 • 估计因素负荷量 决定因素抽取的方法：主成分分析法、主轴法、一 般化最小平方法、未加权最小平方法、极大似然法、 Alpha因素抽取法、映像因素萃取 • 决定转轴方法（rotation）：使每个题目在每个因素 上的负荷量不是变大就是变小。 转轴方法： Orthogonal rotation(直交转轴)：强迫因素间无相关 Oblique rotation(斜交转轴)：因素间有相关 • 决定因素与命名：要考虑很多因素，data driven
相关分析法 Item-total correlation
量表发展资料分析：项目分析
极端组平均数 运用各项目预测样本 极端组平均数差异鉴 差异检验 定来检验项目的好坏 Small group analysis 鉴别指数（适 运用各题通过人数比 用于成就测验）率来检验项目的好坏
将全体样本根据某一总分的 前后27%极端区分为高低组， 比较二组在各题平均数上的 差异是否显著 1.将全体样本依某一总分极 端的27-33%被试编入k变项 2.计算每组每题通过人数百 分比 3.将两组的两个百分比数字 相减得到鉴别力系数D 4.D系数越高越好。
其他要考虑的因素
• 可从相关矩阵中筛选题目：相关太小的题 目可以考虑删除 • 样本大小：不能少于题目数，也有人建议 不少于100人。 • 因素数目的确定
因素数目判断原则
一般原则：解释变异量 因素越多，解释变异量越大 因素越多，简效性越低（模式越复杂） 因素数目判断方法 • 特征值 大于1（表示大于1.00的原始观察变异量） 因素数目合理范围为变项数除以3至除以5之间 • 陡坡检定Scree test (Cattell, 1966) 特征值明显出现变化时为合理数目 • 残差分析 残差类似于各变项间的相关在移除了因素的影响后的净相关 检验不同因素数目下，残差矩阵中的数值，高于.05或.10以上 者过多，表示可能在其它因素
Rotated Component Matrix(a)
SS2 SS1 SS6
SS5
DM6 DM7 DM5 SS7 SM1 SM2 SM4
-.030
-.006
.199
.363
-.015
.151
.786
.393
因素的解释与命名
• 因素负荷量（loading）的判断 .71（50％）优秀 .63（40％）非常好 .55（30％）好 .45（20％）普通 .32（10％）不好 .32以下：不及格 • 不同转轴法下的考量 直交转轴使用转轴后矩阵(rotation component matrix) 斜交转轴使用型态矩阵（Pattern matrix），以获悉 因素的意义（结构矩阵structure matrix中的系数被因 素间的相关扩张，导致高估）
• 结构效度 • 验证性因子分析 结构方程模型的结果
信度分析
• 外在信度：指在不同时间进行测量时调查 表结果的一致性程度。常用重测信度。 • 内在信度：调查表中的一组题目（或整个 调查表）是否测量的是同一个概念，也就 是这些问题的内在一致性如何。 （cronbach α系数和折半信度） • 如果一个量表包括几个维度 （dimensions），则每个维度的信度也要 检验。
特征值 a112+ a212 + a312 解释量 (a112+ a212 + a312)/3
因素分析
• 因素分析的理想：在于个别题目的aj1（因 素负荷量）不是很大就是很小，这样每个 题目才能与较少的共同因素产生密切关联。 • 因素负荷量（factor loading）是题目与抽 取的共同因素的相关。 • 两个重要指标：共同性（communality）和 特征值（eigenvalue）
• 共同性与特征值
• 结果解释： • 以主成分分析法并配合最大变异法（Varimax） 进行正交转轴，特征值大于1的因素共有4个。四 个因素的特征值分别为3.956……，其解释变异量 分别为17.983%……，累计解释变异量为 49.505%。
Component
1 DM1 DM2
2
3
4
.774
.695 .691 .690 .621 .580 .534 .515 .479 -.052 -.050 -.012 .018 -.080 -.154 .297 .426 .336 -.012 -.007
因素数目判断原则
• 因素负荷量检验 单一观察变项(item)的因素并不恰当 二个观察变项(item)的因素在两变项相关高（r>.7），与 其它变项相关低时，为合理。 • 显著性考验 验证性因素分析（CFA）提供因素的显著性考验 Bartlett检验考验全部因素的显著性意义 • 研究上的考量 探索性的目的，想要了解因素的结构时，边缘强度的因素 可以保留，以了解其性质 当研究者需要稳定的因素进行研究时，保留信度高的因素 即可
• 遗漏值的数量评估法 检验被试是否抗拒或难以回答某一题目，过多的 遗漏表示该题目不宜采用。 • 描述统计评估法 利用各题目的描述统计量来诊断题目的优劣。平 均数、变异数、偏态与峰态 • 题目总分相关法（相关分析技术） 计算每一个题目与维度总分的简单积差相关系数 • 极端组检验法（小样本分析） 两个极端组的得分平均数之差异分析。找出具有 鉴别力的题目 • 因素分析法 以因素负荷量来判断个别题目与相对因素的关系
续
项目分析之一：项目描述统计
1.Discriptive statistics: Frequencies 2.选取想要分析的题目-variables 3.选取要分析的统计量（statistics） 4.根据平均值、最大值、最小值、标准差， 及峰度和偏度系数（越接近0，越接近正态） 来检验题目的好坏。 例fes1.sav
-.026
.111 -.084 -.062 -.066 -.143 .102 -.020 .021 .083 .130 .063 .093 .198 .310 .047 .006 -.144 .251 .790
• 例题：LPQ.sav • 分析该量表的结构
DS1 DM3 DS3 DS2 SM3 DM4 DS4 SS4 SS3
量表发展资料分析：项目分析
分析方法 项目描述统计 Item descriptive statistics 目的与内容 判断方式 运用各项目的描述 1.平均数：越接近中间值 统计量来检验项目 越好 的好坏 2.标准差：越大越好 3.最大与最小值：应触及 两端点 运用各项目与相对 相关越高，题目越佳 应总分的相关系数 来检验项目的好坏
信度分析的步骤
• Scale-reliability analysis 选入要分析的题目 选择要使用的信度分析方法：Alpha、折半 信度、Guttman值、平行模式检定。 Statistics：选择要分析的统计量 • 例：LPQ
量 表 编 制 流 程 图
项目分析 保留CR值显著的题目
因素分析 建构量表效度
删除题目
因素命名 信度分析
未删除任何题目
正式量表 第一次施测 重测信度 第二次施测
1. 有时候学习让我觉得有趣和满意。 LPQ题目 2. 我会努力把一个学科的知识与其他学科的知识联系起来。 Kember 3. 我会因为测验的分数低而不开心，并且担心下次测验的成绩。 （2004） 4. 我不会花时间去学习那些考试不会考的东西。 5. 我觉得只要肯投入，任何问题都可以变得很有趣。 6. 我喜欢提出想法将一些零散的知识组织起来。 7. 即使考试前我已经用功复习，却仍担心自己会考得不好。 8. 只要能及格，我就不会花更多的时间来学习，因为有很多有趣的事可以做。 9. 我学习很努力，因为我发现学习的东西很有趣。 10. 学习新知识的时候，我会联想到以前学过的知识。 11. 无论是否喜欢，我都会努力学习，因为我知道学习对我有好处。 12. 我通常只学老师要求的东西，而不会花精力去学别的。 13. 如果我对课堂上讨论的问题感兴趣，我就会利用课余时间去了解更多这方面的知 识。 14. 看书的时候，我会努力去理解作者的意思。 15. 我想要得到好成绩，因为这样可以得到父母和老师的夸奖。 16. 我认为没有必要深入的思考一些问题，因为考试根本不考。 17. 上课的时候，我通常有很多好奇的问题要问。 18. 有时候我会通过死记硬背的方式来学习，因为这样可以牢牢的记住一些不理解的 知识。 19. 我经常在很多地方（例如散步时，在车上等）想起上课学过的东西。 20. 我发现想要考试及格最好的方法就是背诵一些问题的答案。 21. 我喜欢多花一些时间来研究一些问题，直到找到满意的答案为止。 22. 我发觉只要背诵一些重要的概念就能通过大部分的考试。
-.018
-.183 .159 -.147 .033 .147 -.220 -.074 -.112 .753 .733 .726 .649 .587 .478 -.021 -.135 .113 .324 .213
-.008
-.018 .132 .221 .291 .302 .231 .422 .438 -.044 -.118 -.023 -.097 .257 .263 .624 .592 .575 .378 -.087
标准化测量工具的发展流程
• 量表编制计划 • 试题编写 • 预测 专家评估（专家效度：表面效度、内容效度） 项目分析（item analysis）和试探性的信度分析： 题目改善的依据 • 正式量表建立 信效度评估：作为测验与量表优劣程度的具体证 据。 • 量表研究与维护
项目分析的策略
此共同因素可以解释的变异量
因素分析的主要方式（步骤）
• Data reduction-factor • 计算题目间的相关矩阵或协方差矩阵 • 估计因素负荷量 决定因素抽取的方法：主成分分析法、主轴法、一 般化最小平方法、未加权最小平方法、极大似然法、 Alpha因素抽取法、映像因素萃取 • 决定转轴方法（rotation）：使每个题目在每个因素 上的负荷量不是变大就是变小。 转轴方法： Orthogonal rotation(直交转轴)：强迫因素间无相关 Oblique rotation(斜交转轴)：因素间有相关 • 决定因素与命名：要考虑很多因素，data driven
相关分析法 Item-total correlation
量表发展资料分析：项目分析
极端组平均数 运用各项目预测样本 极端组平均数差异鉴 差异检验 定来检验项目的好坏 Small group analysis 鉴别指数（适 运用各题通过人数比 用于成就测验）率来检验项目的好坏
将全体样本根据某一总分的 前后27%极端区分为高低组， 比较二组在各题平均数上的 差异是否显著 1.将全体样本依某一总分极 端的27-33%被试编入k变项 2.计算每组每题通过人数百 分比 3.将两组的两个百分比数字 相减得到鉴别力系数D 4.D系数越高越好。
其他要考虑的因素
• 可从相关矩阵中筛选题目：相关太小的题 目可以考虑删除 • 样本大小：不能少于题目数，也有人建议 不少于100人。 • 因素数目的确定
因素数目判断原则
一般原则：解释变异量 因素越多，解释变异量越大 因素越多，简效性越低（模式越复杂） 因素数目判断方法 • 特征值 大于1（表示大于1.00的原始观察变异量） 因素数目合理范围为变项数除以3至除以5之间 • 陡坡检定Scree test (Cattell, 1966) 特征值明显出现变化时为合理数目 • 残差分析 残差类似于各变项间的相关在移除了因素的影响后的净相关 检验不同因素数目下，残差矩阵中的数值，高于.05或.10以上 者过多，表示可能在其它因素
Rotated Component Matrix(a)
SS2 SS1 SS6
SS5
DM6 DM7 DM5 SS7 SM1 SM2 SM4
-.030
-.006
.199
.363
-.015
.151
.786
.393
因素的解释与命名
• 因素负荷量（loading）的判断 .71（50％）优秀 .63（40％）非常好 .55（30％）好 .45（20％）普通 .32（10％）不好 .32以下：不及格 • 不同转轴法下的考量 直交转轴使用转轴后矩阵(rotation component matrix) 斜交转轴使用型态矩阵（Pattern matrix），以获悉 因素的意义（结构矩阵structure matrix中的系数被因 素间的相关扩张，导致高估）
• 结构效度 • 验证性因子分析 结构方程模型的结果
信度分析
• 外在信度：指在不同时间进行测量时调查 表结果的一致性程度。常用重测信度。 • 内在信度：调查表中的一组题目（或整个 调查表）是否测量的是同一个概念，也就 是这些问题的内在一致性如何。 （cronbach α系数和折半信度） • 如果一个量表包括几个维度 （dimensions），则每个维度的信度也要 检验。