当前课程知识点:管理定量方法 > 第三章 测量与尺度设计 > 第七节 变量的测量(二) > 第七节 变量的测量(二)
同学们大家好
欢迎来到管理定量方法课程
我是今天的主讲老师 杨老师
第七讲
我们来学习变量的测量第二部分
这部分内容我们接着上一讲
会讲到尺度的设置
和如何提高度量的可靠性
尺度的设置中
我们主要讨论
多项目与多项目的度量
因为概念通常具有多维性
而抽象的概念
真实值无法直接测度
在概念已经明确定义
概念意义已经确定的情况下
研究者
要生成符合概念域用来度量概念
每个维度的项目域集合
与概念
与之对应的项目集合
称之为概念域
如果概念域中的项目
与拟度量的概念维度
和元素相对应
并且用概念域中
所有项目来度量概念
那么项目的度量值
即为概念域的真实值
这是不可能做到的
实际中
很难用单一的标准
来度量复杂的变量
特别是观点
和倾向这类复杂的变量
单一的标准
只能提供某变量
大概的情况
几种数据的组合
则可以提供更全面
更准确的情况
在使用问卷调查的时候
没有任何一个问题
可以单独描述一个变量
应当设计若干的问题
每个问题代表变量的一部分
如果用定序尺度处理变量
单一的标准
很难提供足够的类别
而有几项内容
组合成指标和尺度
却可以做到这一点
我们这里边给大家举了一个例子
比如说
在创新管理研究中
研究团队创新氛围的测度
West在1994年开发了量表
他认为在测量团队创新氛围的时候
有以下的一些测量条目
可以用来形成团队
创新氛围的项目
比如说
团队目标清晰性
认同目标的程度
目标的共享性
目标可实现性
信息共享
集体归属感
安全性
人际关系
互动频率
共同寻找新思路
寻求新答案
花时间解决问题
相互合作
提供实际的支持
追求好业绩
为高行业绩效交流想法
为高业绩明确评价成员
实际上
这些测量的条目
测度了
团队创新氛围的两个参考维度
一个是目标的认同性
另外一个是任务导向
在开发这些测量条目概念域的过程中
我们需要注意以下的四个问题
第一
项目必须根据经验
与被测量的概念是相关的
第二
项目必须把所测量的维度
持有不同观点的人区别开
第三
要避免双关的
或含糊的项目
第四
项目既要包括积极的
也要包括消极的方向
这样防止测量中
默许的回答
在实际的操作过程中
我们使用最多的
就是里克特尺度
里克特尺度
是现代调查问卷中
普遍采用的提问格式
它的基本形式
就是给出一个陈述
按照同意的程度
进行项目的排列
要求调查对象
表明他强烈赞成
赞成
反对
强烈反对
或者未决定的意图
这种格式的特殊价值
在于答案
具有明确的顺序
且容易评定分数
有5种答案
则评分为0~4
或者1~5
这就是我们常用的
5分度里克特量表
里克特量表的尺度
要求概念是一维的
如果是多维的概念
要求将其细分为
多个维度的子集
里克特尺度
可以是由一组问题组成的
但每一个问题
都是一种观点的判断
要求受试者
在列出的赞成
或者是反对的等级尺度中
选择一个值
我们举一个例子
对超市顾客满意度的一个调查量表
调查问卷中的量表
可以发现
其里克特尺度
明显的特征是
为了避免产生的偏差
所有问题都按照正向提问
和反向提问
分成数目相等的两类
并分别以正号
和负号标识两种提问
最后分别统计
正向的题目得分
以及负向题目的得分
可以看到
里克特尺度的量表
我们可以提以下的6个问题
第一 服务人员的态度是否友善
二 一个负向的问题是
结账速度很慢
第三 商品的价格合理
第四 商品齐全
五 马上是一个反向的问题
营业时间不方便
六 购物路线不清楚
也是一个反向的问题
我们都用了
5分度的里克特尺度量表
来进行尺度的度量
总结来看
在使用里克特尺度度量的过程中
分成以下几步
可以达到科学制定量表的过程
第一 使用里克特尺度
度量某一个概念
要明确测量态度
涉及的基本的理论概念有哪些
第二 总结归纳出与态度相关的项目
第三 要求被调查者作答
第四 计算分值
第五 分析哪些项目
会对测量的可靠性
和价值贡献最大
里克特尺度
有自己的优点和不足
里克特尺度
在制作过程中简单
用途广泛
结论可靠
调查内容有一定的深度
可以用来测试
具有多维尺度的内容
是一种应用广泛的方法
学校里
让学生对于教师的教学效果
进行评估
所用的调查问卷
往往也包括了一组
采用里克特尺度来度量的问题
里克特尺度的不足在于
没有给出
关于主题接受范围的信息
所以
我们要正确的认识度量的方法
我们发现
不存在完美无缺的度量方法
各种度量方法
都只能够近似的代表研究的对象
尺度设置
对于提高测试的结果
有效性
起到了非常重要的作用
而在尺度设置过程中
经常要通过反复的试用
和对结果进行分析
对度量方案加以修改
那么如何提高度量的可靠性
第四个问题
我们来讨论
提高可靠性的方法
有两大类的统计方法
可以帮助我们来提高
问卷量表的可靠性
一种 是采用克隆巴赫阿尔法系数
来测度项目间内部一致性
克隆巴赫阿尔法系数较低
表明项目样本
与概念域缺乏吻合性
这时需要剔除那些
与多数项目相关性较小的个别项目
如果概念有多维
克隆巴赫阿尔法系数
需要在每一维内
分别计算
并且在每一维内
去除不符合概念域的项目
第二 可以利用因子分析
Factor Analysis
这种方法
可以检验概念的维度
如果克隆巴赫阿尔法系数
足够大
并且因子分析发现
维度与概念域中描述的是一致的
就可以得到
令人满意的度量设计
否则需要返回前面的步骤
继续改进度量的设计
我们先给大家来讨论一下
信度分析的基本过程
对量表进行信度分析
考虑的是
量表测量过程中
某个概念条目的内部一致性
信度分析的基本原理是
对量表的有效性进行信度的分析
考虑的是
量表测度的某一个概念条目的
内部一致性
我们可以用IBM SPSS软件
对量表进行内在信度的分析
那么克隆巴赫阿尔法系数
表示的是测量量表的内部一致性
它的计算过程有如下的两步
第一 软件会帮助我们计算各种量表中
评估项目的相关系数矩阵
并计算相关系数的均值
第二 计算克隆巴赫阿尔法系数
它的数学定义为
克隆巴赫阿尔法系数
就等于k乘以R拔除以1
加上k减1括起来再乘以R拔
K是评估项目数
R拔是k个测量项目相关系数的均值
克隆巴赫阿尔法系数的
评判标准是什么
在我们使用
克隆巴赫阿尔法系数
评估问卷的
内部一致性信度的时候
有一系列的统计经验
克隆巴赫阿尔法系数大于0.9
则认为量表的内在信度很高
如果克隆巴赫阿尔法系数大于0.8
我们认为问卷的内在信度较高
克隆巴赫阿尔法系数低于0.7
说明问卷设计存在缺陷
这个标准是个统计的经验
如果不符合这个标准
问卷设计是存在一定风险的
另外
IBM SPSS软件
在应用的时候
信度分析应针对问卷各个子方面
或者是潜变量
进行逐个的验证
一般不直接对整个的量表进行分析
如果问卷设计中
存在着一些反向的问题的时候
应对它们进行反向的处理
再进行信度的分析
我们给大家展示
IBM SPSS软件
在信度分析中的一个应用
输出的结果
会有以下的几项
剔除某评估项目后
剩余项目的总平均分
剔除某评估项目后
剩余项目的总分的方差
某评估项目
与剩余项目总分的简单相关系数
某评估项目
与其余项目的负相关系数
剔除某评估项目后信度系数
最后一项
剔除某评估项目后的信度系数
可以帮助我们进行量表的纯化
比如
我们这里边输入了8个条目
来进行一个概念的度量
分别是d1到d8
我们把数据
输入IBM SPSS软件系统中
进行克隆巴赫阿尔法系数的一个检验
克隆巴赫阿尔法系数
在剔除某一个项目之后的系数大小
我们在跟整体的8个项目
克隆巴赫阿尔法系数0.879进行一个对比
可以看到没有一项被删除
因为删除任何一个条目
都不可以提高整个量表的信度
所以说
当我们发现一个测量的条目
在删除之后的信度
要超过0.879的话
我们可以把这个项目删除掉
具体的
我们给大家展示一下
IBM SPSS软件
在克隆巴赫阿尔法系数
计算过程中的一个应用实例
我们打开了一组数据
这个数据是一个量表数据
一共有15个题项
d1 d2 d3 一共到d15
一共15个条目
在测度同一个潜变量
我们看一下样本
往下拉
一共是218个被试样本来填了问卷
我们把整个问卷的信度测度一下
信度克隆巴赫阿尔法系数的测度
在软件的分析功能里
有一个非常重要的功能叫标度
标度里第一个就是可靠性分析
可靠性分析就是信度分析
我们打开
打开之后需要对整个量表进行分析
我们点全选Ctrl A
全选所有的测度指标
把它们点进去
计算的模型就是克隆巴赫阿尔法系数
还有一个地方大家需要注意
一定不要忘记点一下统计
点统计这里
会有一个删除项后的标度
删除项后的标度
用于测度剔除某个评估项目之后
剩余项目的信度系数是多少
点继续
然后直接点确定就可以了
可以看到
在个案的处理摘要中
一共有218个样本
得到的所有样本的
15个测量条目的
克隆巴赫阿尔法系数是0.923
一共测量的项目是15个
好 我们再看这张表
一共生成了4列
第1列
是删除某项后这些标度的平均值
第2列 是删除项后标度的方差
第3列 是修正后的项
总计的相关系数
最后一列
是删除某一个项之后的
克隆巴赫阿尔法系数
也就是把某一个项目剔除之后
总的克隆巴赫阿尔法系数是多少
我们可以看到
若把d1删除
剩余的项目的
克隆巴赫阿尔法系数就是0.919
那么删除d1之后
整个量表的信度会下降
所以d1是不需要被删除的
那么d2被删除之后
整个量表的信度是0.918
量表的信度也是在下降的
但是删除d9之后
量表的信度是0.926
比原来的克隆巴赫阿尔法系数
0.923要高了
所以说
d9是值得被删除的
以上就是对量表进行的信度分析
我们采用的测度指标
是克隆巴赫阿尔法系数
好 这节课就讲到这里
同学们再见
-第一节 管理学研究概述
-第二节 研究的有效性
-第一章 习题
--第一章 习题
-第三节 数据的采集(一)
-第四节 数据的采集(二)
-第五节 问卷与访谈
-第二章 习题
--第二章 习题
-第六节 变量的测量(一)
-第七节 变量的测量(二)
-第三章 习题
--第三章 习题
-第八节 数据的描述
-第九节 概率与随机变量(一)
-第十节 概率与随机变量(二)
-第十一节 抽样分布
-第十二节 参数估计
-第十三节 假设检验(一)
-第十四节 假设检验(二)
-第四章 习题
--第四章 习题
-第十五节 问卷的结构效度——探索性因子分析(一)
-第十六节 问卷的结构效度——探索性因子分析(二)
-第十七节 聚类分析(一)
-第十八节 聚类分析(二)
-第五章 习题
--第五章 习题
-第十九节 相关和回归分析(一)
-第二十节 相关和回归分析(二)
-第二十一节 相关和回归分析(三)
-第二十二节 相关和回归分析(四)
-第二十三节 相关和回归分析(五)
-第二十四节 违背基本假设的回归(一)
-第二十五节 违背基本假设的回归(二)
-第二十六节 违背基本假设的回归(三)
-第二十七节 多重共线性的诊断和修正(一)
-第二十八节 多重共线性的诊断和修正(二)
-第六章 习题
--第六章 习题
-第二十九节 硕士学位毕业论文指导(一)
-第三十节 硕士学位毕业论文指导(二)
-第七章 习题
--第七章 习题