调查问卷资料分析方法

调查问卷资料分析方法 篇一:问卷调查统计分析方法 问卷调查统计分析方法 从统计分析的层次划分问卷的统计分析方法可分为两类:定性分析和定量分析。 一、定性分析 定性分析是一种探索性调研方法。目的是对问题定位或启动提供比较深层的理解和认识，或利用定性分析来定义问题或寻找处理问题的途径。但是，定性分析的样本一般比较少(一般不超过三十)，其结果的准确性可能难以捉摸。实际上，定性分析很大程度上依靠参与工作的统计人员的天赋眼光和对资料的特殊解释，没有任何两个定性调研人员能从他们的分析中得到完全相同的结论。因此，定性分析要求投入的分析者具有较高的专业水平，并且优先考虑那些做数据资科收集与统计工作的人员。 二、定量分析 在对问卷进行初步的定性分析后，可再对问卷进行更深层次的研究——定量分析。同卷定量分析首先要对问卷数量化，然后利用量化的数据资料进行分析。问卷的定量分析根 1 据分析方法的难易程度可分为定量分析和复杂定量分析。 (一)简单的定量分析 简单的定量分析是对问卷结果作出一些简单的分析，诸如利用百分比、平均数、频数来进行分析。在此，我们可将问卷中的问题分为以下几类进行分析。 1、对封闭问题的定量分析。封闭问题是设计者已经将问题的答案全部给出，被调查者只能从中选取答案。例如: 您认为出入正式场合时，穿着重要吗,(限选一项) 一点也不重要????????l 不重要????????2 无所谓????????3 重 要??????????4 非常重要??????????5 对于全部45次访问的回答，我们可以简单地统计每种回答的数目:一点也不重要=2;不重要=5;无所谓=10;重要=15，可把结果整理成如表一所示: 表一 出入正式场合穿着重要性 从表一中可以一目了然地看出分析结果——几乎三分之一的被调查者认为在正式场合穿着很重要，仅有15.6%的人认为在正式场合穿着不重要。 表一是对全部样本总体的分析。然而，几乎所有的问卷分析都要求不同的被访群之间的比较。这就需要用较为复杂的 2 方法——交叉分析来实现。交叉分析是分析三个变量之间的关系。例如美国的一位调研人员怀疑美国人“海外旅游的欲望可能与年龄”有关，但通过分析发现，没有发现两者之间存在任何联系，当将性别作为第三个变量引进之后，发现在男性中45岁以下的人中有60%有“海外旅游欲望”，而45岁以上者只有40%有这种愿望。但是在女性中结果正好相反，因此，将全部数据混合在一起分析时，年龄“与海外旅游欲望”之间的关系就掩盖了，而按不同性别分类后，这种隐含的相关关系就被揭(来自:www.xLtKwj.coM 小 龙 文档网:调查问卷资料分析方法)露出来。如表二所示: 表二 接“年龄”和“性别”分类的“海外旅游的欲望” 从表二中可以看出交叉分析的强大作用。它还可同时研究多个变量之间的关系。例如:可再加上收入、职业等各方面来进行比较分析。 2、对开放问题的定量分析。开放性问题是指问卷设计者不给出确切答案，而由被调查者自由回答。例如: 表三 您为什么不想海外旅游 如果所有回收的问卷只有这5种答案，那么就很容易作出分析概括。可是，一般回收的问卷都有几百份，所以对于开放性问题就可能有几十种甚或几百种答案。对于这几百种答案，就很难进行分析。因此对于这种问题，必须进行分类处理，例如可把不旅游的理由大概分为四类，如表四: 3 表四 不想旅游的理由 利用上表中的四种原因，我们就可以进行分析处理，并且从表中很容易看出被调查者的观点。 3、数量回答的定量分析，即回答结果为数字。例如“您为海外旅游花费多少,”对于这类问题，最好的方法是对量化后的数据进行区间处理，区间范围的划分很大程度上是靠经验、专业知识来划分的。在用区间表示数量分布的同时，可同时使用各种统计量来描述结果，包括位置测度;平均值、中位数和出现频率最高的值或者分散程度的测定;范围、四分位数的间距和标准偏差。 上述三种方法仅是简单的问卷分析，靠简单的统计方法来处理数据是十分可惜的，因为这样会丧失大量的数据信息，使决策的风险增大，并使分析结果流于肤浅。 (二)复杂定量分析 简单分析常用于单变量和双变量的分析，但是社会经济现象是复杂多变的，仅用二个变量难以满足需要。这时就需要用到复杂定量分析，在问卷设计中，常用的复杂定量分析有两种——多元分析和正交设计分析: 1、多元分析就是通过对观测数据的分析，由表及里来研究多个变量之间相互依赖的规律性，或者根据实际问题的需要对研究对象作出某种评价、分类、判别，或者从中发现各个指标都起作用的更一般(从而也更抽象)的公共因素。在问 4 卷分析中常用的多元分析，主要是有聚类分析、主成份分析、因子分析三类: 1)聚类分析。聚类分析的主要目的在于将被调查者对某问题的态度根据一定的法则聚类成相对类似的群组，利用群组进一步的分析。现在由于计算机技术的发达，枯燥的聚类分析计算已不用手工计算，因此具体的计算过程在这里不再多说。这里仅用一个例子来描述一下它的作用。例如: 在调查大学生性格和品质时，您认为自己应该具有哪些品质和性格, (1)勇敢;(2)幽默;(3)守纪律;(4)富有同情心;(5)乐于请教人;(6)机智;(7)认真;(8)有礼貌;(9)听话;(10)勤奋;(11)虚心;(12)坚韧;(13)敏捷;(14)独立;(15)稳健。 对15个变量P1到P15进行聚类分析，它们都是0-l变量(选取该项时取为1，否则为0)。可利用SPSS软件分析，最终聚类分析结果为:(以五类为例) (1)P1、P2、P6、P12、P13、P14、P15 (2)P3、P8、P9 (3)P5 (4)P4 (5)P7、PIO、P11 通过聚类分析，我们可以知道哪几种问题属于哪一类，这 5 样在分析问卷里，就可以将被访问者分类，例如，我们可将(1)归类为(智慧型)，(2)归类为“传统型”，借此来了解被访问者的性格倾向。聚类分析最大的优点是简单易操作，它的缺点是没有形成一个完整的理论体系，因此解释起来比较困难。 2)因子分析。在问卷中常有一些不可直接观测的基本特征，例如“态度”、“认识”、“爱好”、“能力”、“智力”等等实际不可观测的潜在变量。因子分析正是利用这些潜在变量解释可观测变量的一种工具。 研究者在设计问卷时实际上是假设有某种结构存在的，通过因子分析可以验证研究者假设是否成立。因子分析的主要功能是从量表所度量的一系列变量中分离或提取出一些公共因子，这些因子与其它变量之间的联系则是可以进行研究的，通常是利用复杂的数学方法把量 表中高度关联性的观测量按某种规则分成几群，每一群的变量共享一个公共因子，也就是说该群变量与这个公共因子有高度关联，表现为在该因子上的“负荷量”明显的大(指绝对值)。这几个公共因子也就代表了量表的基本结构。根据被访问者的态度，并将其量化，然后进行因子分析。例如大学生对服装品牌和价格态度量表的因子分析，利用SPSS分析，结果如下表所示: 表五 大学生对服装品牌和价格态度量表的因子分析 6 从因子分析的结果中可以看到，在第一个公共因子F1上有较高负荷量的几个问题与大学生对价格的关心程度有关，因此我们将Fl命名为“价格意识”因子，它的贡献率即有效程度为39.28%。在第二公共因子F2上有较高负荷量的二项量表全部涉及品牌方面，我们将其命名为“品牌效应”因子，它的有效程度为28.50%，与第一个因子的累积有效程度为67.78%。也就是说，这二个因子对这几个变量的累积贡献率约等于70%。一般来说，这种累积程度已足够解释大学生对服装的态度。 从这个例子中可以看出因子分析的优点在于用一个或少数几个综合指标概括原始尽量多的信息，它能够实现对问题的高度概括，并揭示现象更一般的特征和规律。 2、正交设计分析。除多元分析外，还有另外一种复杂的问卷分析方法——正交设计分析。正交设计分析的步骤是: (1)首先对问卷进行正交分析，尽可能使问卷结构合理; (2)进行问卷调查，并收集数据; (3)整理数据，对调查结果进行分析(可采用正交试验中的方差分析); (4)得出分析结果。 篇二:问卷设计及问卷调查中的问题与技巧 问卷设计及问卷调查中的问题与技巧 应该说社会调查与问卷技术并没有直接关系，社会调查范 7 围很广，方法也很多，10年一次的人口普查、新闻记者的个案追踪以及我们经常使用的问卷调查，都可以称之为社会调查。 首先简单说一下问卷调查中存在的一些错误的认识: 1、 认为问卷调查是一件非常简单的事。这是一个普遍的认识，好像问卷设计与调查不用学习，任何人都可以设计问卷。但实际上这样设计的问卷只是问题的简单堆彻，而且不系统，问题不 规范 编程规范下载gsp规范下载钢格栅规范下载警徽规范下载建设厅规范下载 ，设计者往往想到什么就列出什么，遗漏问题较多，而且会有大量看似相关而实际上与研究者实际需要并不相符的问题出现。 2、 问卷调查是必不可少的。这也是一个普遍的认识误区，以为问卷可以包罗万象，所以忽略了其他调查方式的选择。其实问卷调查只是研究者进行社会调查的一种方法，在研究者进行研究时，究竟那种方法更适合，这要根据研究者调查的主题与范围等因素来确定。 3、 自己要什么资料不清楚。很多人对自己为什么使用问卷技术并不是很清楚，对于他们想通过问卷获得的资料也不清楚，因此虽然进行了问卷调查，但问卷的作用并没有真正发挥。 4、在问卷技巧方面，存在的问题更多，突出表现为问题设计不规范、不科学;在资料分析中也存在很多问题，主要是分析工具选择不科学，数据浪费现象严重。 8 下面简单介绍一下问卷设计及调查分析中的基本方法与一些要注意的问题。 一、问卷设计的基本程序 很多问卷设计者设计问卷的方法是想到什么问题就设计什么问题。其实问卷设计的好坏与前期的工作密切相关，只有做好问卷设计的前期准备工作，才有可能设计出好的问卷。通常的问卷设计程序是: 探索性工作-提出课题-研究假设-概念界定-变项设计-指标设计-具体问题 研究者对于自己所研究的对象一定是比较熟悉的，这包括经验方面和理论方面。研究者应该争取在自己所要研究的范围内成为专家，就是说要掌握丰富的相关资料和理论知识。在研究者确定了研究课题后，对自己的研究任务与想要获得的研究成果要有一个清楚的认识。只有在以上的基础上才能提出研究假设，设计相应的问题。 下面以一个例子来说明整个步骤: 课题:湿地保护实施中存在的阻力 假设:湿地项目的实施损害了一部分人的利益概念:湿地项目，一部分人，利益 变项:WWF，政府，地方民众;既得利益者;财产，收入，土地，既有关系，权力，声望 指标:市政府，镇政府，村政府;村民，村干部，民间精 9 英领袖，企业主，个体户等; 工资收入，收礼，家庭其他成员收入，住房，存款，家庭装饰，职位，工作性质，土地数量，交往圈，身分，威望;湿地项目实施后的上述方面的变化等等 问题:您在湿地项目实施前的职业是什么,您在湿地项目实施前的月收入是多少,您的职务是什么,您在项目实施前的交往对象都有哪些,您对项目实施前的生活是否满意,项目实施后您的收入是多少，有没有减少，少了多少,您现在认为您在村中的地位与项目实施前比是上升了还是下降了,项目的实施给您带来的不好的影响有哪些,您是否想过去摆脱现状，您采取了什么样的方式,您认为项目实施对哪些人带来了好处,您对那些人是否满意,等等 应该指出，并不是一个课题的所有指标都能够通过问卷调查得到，有些我们必须去访问， 或采取其他的方式获得我们想要的资料。 二、问卷的基本结构 问卷可以分为三大部分:前言、主体和结语。在前言部分我们应该讲明白这次问卷调查的目的、意义、简单的内容介绍、关于匿名的保证以及对回答者的要求，一般是要求回答者如实回答问题，最后要对回答者的配合予以感谢，并且要有调查者的机构或组织的名称，调查时间。 第二部分是问卷的主要部分，这一部分应包括调查的主要 10 内容，以及一些答题的说明。一般把问卷的主体又分为两部分， 一是被调查者的背景资料，即关于个人的性别、年龄、婚姻状况、收入等问题;另一部分就是调查的基本问题。很多问卷出于降低敏感性的考虑把背景资料的问题放在基本内容的后面，这是可以的，但我们如果调查的对象是农村村民，我们可以把这一部分放在前面，因为这一部分问题都是好回答的，而且在农村中对这些问题是不太介意告诉别人的。对于回答问题的说明也要写清楚，如怎么写答案，跳答的问题，哪些人不回答等的说明，有经验的研究者还会留出编码位以便于录入方便。 三部分是调查的一些基本信息，如调查时间、地点、调查员姓名、被调查者的联系方式等信息的 记录 混凝土 养护记录下载土方回填监理旁站记录免费下载集备记录下载集备记录下载集备记录下载 。最后我们还要对被调查者的配合再次给予感谢。 三、问卷设计中的问题与技巧 在问卷设计前我们应该明白我们调查的对象，因为我们的问题是给调查对象看的，所以我们的设计必须符合他们的习惯。一方面我们的设计应尽量符合地方的语言习惯;另一方面我们对地方的整体情况及我们调查的背景资料应该有全面的了解。当然问卷调查可以采取自填式，即让被调查者自己填写;也可以采取访问式调查，即派专人带问卷向被调查者询问答案。至于采取何种方式，可以根据调查的难度、被调查者的文化水平、研究者设计问题复杂程度等来决定。 11 下面谈一下问卷设计中存在的比较突出的问题。 (一)问卷回答中的问题。 问卷回答中比较多的问题是写答案不规范，最后在资料处理时才发现很多问题不知道回答的哪一项。因为很多人用笔划“?”。我们的要求是最好在问卷回答中使用“Ο”，因为要求回答者在相应代码上画圈，这种情况下回答者的注意力比较集中，有利于保证标记的准确。另外一个问题是回答不符合要求，如要求回答一个选项的选了2,3个，这种问题就需要调查者在问卷中强调以及调查者的注意，也可以把这些要求印成黑体。还有就是问卷没有回答完，这种情况要求调查者重新访问，如果实在不行就只能作废卷处理。 (二) 问题设计中的问题。 1、 语言不规范。语言的问题很多，但主要还是设计者使用语言不规范。在问卷调查中，我们不能使用学术化语言，也不能用官方语言，我们的语言必须贴近被调查者的生活。如有这样的问题: 您家属于以下哪种类型: 1)核心家庭 2)单身家庭 3)联合家庭 4)主干家庭 5)其他 这样的问题就是明显的专业词汇的不合适运用。 2、 问题有倾向性。问卷中的问题必须保持中立，不能提问带有倾向性的问题。如: 12 湿地保护很重要，你认为有进行湿地保护的必要吗, 1)有 2)没有3)说不清 这样的问题是不应该出现在问卷中的。 篇三:问卷分析方法概述 第一章 描述性分析 1.1 常用描述性统计量 描述性统计只对统计数据的结构和总体情况进行描述，并不能深入了解统计数据的内部规律。常用的描述性统计量如下: (1)集中趋势指标(central tendency):标准差(standard deviation)，均数(means) 众数(mode)，中位数( median)，总和(sum)，标准误(S. E. mean)等。其中标准差方差只适用正态分布。标准误则反映了样本均数的波动程度。 (2)百分位数指标(percentile):包括四分位数，各个百分位数等，适用于任何分布类型资料。 (3)分布指标(distribution):偏度系数(Skewness)和峰度系数(Kurtosis)，反映了数据偏离正态分布的程度 (4)其它:M统计量(M-estimators)、极端值(outlier)等，主要用于对存在异常值的数据进行描述。 1.2 Spass软件中的描述菜单内容 Spass的许多模块都可完成描述性统计分析，但专门为该目的而设计的几个模块则集中在descriptive statistics菜单 13 中，他们就是计算各种统计量或绘制统计图来实现描述功能。descriptive statistics菜单主要内容: (1)频数分布表分析(Frequencies):其特色就是产生频数表，对分类数据和定量资料都适用。 (2)统计描述分析(Descriptive)进行一般性描述，适用于服从正态分布的定量资料。 (3) Explore 过程:用于对数据分布状况不清楚时的探索性分析，它会杂七杂八给出一大堆可能用到的统计指标和统计图，让研究者参考。 (4)Crosstabs 过程则完成计数资料和等级资料的统计描述和一般的统计检验我们常用的X2 检验也在其中完成 (5)Ratio过程;用于对两个连续性变量计算相对比指标，它可以计算出一系列非常专业的相对比描述指标。 第二章 信度分析 在经典测量理论中，由真分数模型而得到对信度更为理性的定义:信度即为测验的实得分数与真分数的相差程度。信度值在(0,1)之间，称为信度系数，用rXX表示。根据测验分数的不同误差来源，可将信度分成若干种类，对每一种信度的计算方法也相应变化。信度分为:再测信度、复本信度、内部一致性信度、分半信度和评分者信度。信度系数越大，表明测量结果的可信程度越大。 2.1 重测信度(retest reliability) 14 有人也译为再测信度法，采用同一个问卷在同一人群中先后测量两次, 评价两次测量的相关性。重测信度适用于异质性调查。 1 2.1.1 重测信度法的优点 (1)它最符合重复调查的涵义，是重复调查最简单、明确的方式。(2)首次调查和再次调查只需要一套调查问卷，比编制两套等值调查要省力、省时。(3)同一套题目无论施测几次，所测量的属性是完全相同的。 2.1.2 重测信度法的缺点 (1)同一组被调查者对同一个问卷先后两次作答相互之间是不独立的。因为第一次的作答在记忆中的保持，以及第一次作答后对调查内容的了解和相互讨论等，影响第二次作答，使第二次调查得分有系统地增加。(2)如果两次调查的时间间隔较长，在此期间被调查者身心的发展、新知识的获得等因素都会使两次调查结果不相同。(3)同一个被调查者对同一个问卷先后作答两次，一般来说，在第一次作答时，调查对被调查者的吸引力较大，而第二次作答时，往往由于被调查者失去兴趣而造成两次调查结果不一致。(4)被调查者在两次调查时的主观状态，如身体健康、疲劳、调查焦虑、态度、情绪等不可能完全相同。(5)两次调查的环境，如温度、光线等条件的不同，也都是产生调查误差的因素。 15 2.1.3 重测信度法的适用范围 重测信度适用于异质性调查。所谓异质性调查就是一个调查包括几个不同的部分，这几个不同的部分分别测量各个不同的特质。他们之间可能不存在相关或相关很低。对于这种异质性调查不适宜计算其同质信度。这时，重测信度比较可靠，计算出的信度值也比较高。另外，重测信度适用于速度问卷调查而不适用于难度问卷调查。因为速度问卷调查的测题比较多，而且有一定的时间限制，被调查者很难记住第一次调查的内容，因此第二次调查很少受到记忆的影响，而难度调查则相反。 对问卷再测信度的评价分析时, 当评估的变量是分类变量时, 可用Kappa 系数来评估再测信度，当两个诊断完全一致时，Kappa值为1。当观测一致率时，Kappa值为正数，且Kappa值越大，说明一致性越好。当观测一致率小于期望一致率时，Kappa值为负数，这种情况一般来说比较少见。根据边缘概率的计算，Kappa值的范围应在-1,1之间;Kappa=0.75时，两者一致性较好;0.4<=Kappa<0.75 时，两者一致性一般;Kappa<0.4时，两者一致性差;当评估的变量是连续变量或等级变量, 则用基于方差分析的内部相关系 ICC( Intraclass correlation coefficient) 来评价问卷的再测信度。一般来说, ICC 大于0.75 表示极好, ICC 在0.6, 16 0.75 表示较好。 [1] 2.2 复本信度((alternate-form reliability) 复本信度又称为等值性信度( equivalence reliability) 。相关系数常用于复本信度估价或重测信度估价，要求在不同的时间对同一群体实施两次或多次平行调查，以平行调查的相关系数的大小判断经过一段时间后测量结果的稳定程度。相关系数越大，表明复本信度越高，测量结果一致性越可靠。若问卷调查的数据为定距数据时用皮尔逊积差相关，若问卷调查的数据为等级数据时用斯皮尔曼等级相关。 2.2.1 复本信度法的优点 (1)一个问卷调查有两个或几个复本，这意味着对于测量同一种特质，具有两个或几个行为样本。由于问卷数目的增加，对于所要测量属性相联系的行为总体代表性增强。因此，一个检测的两个复本在两三天至一周对同一组被试施测时，获得的复本信度系数是相当准确的。(2)检测的两个复本，如果在不同的时间使用，其信度既可以反映在不同时间的稳定性，又可以反映对于不同测题的一致性。它反映了两个层面的信度。(3)两个复本在同时连续使用时，可以避免重测信度的一些缺点，如首次调查对重测在记忆、练习效果的影响，间隔期间获得新知识的影响，再次施测的环境不同和被试主观状态不同的影响，以及为了应付调查所作训练的影响等。 2.2.2 复本信度法的缺点 17 (1)编制两个完全相同的调查问卷是很困难的。如果两个复本过分相似，则变成重测的形式;而过分不相似，又使等值的条件不存在，两个复本调查问卷有可能在某种程度上测量不同的性质，这就会低估问卷的信度。(2)被试连续接受性质相似的两个调查，可能减少完成调查的积极性。(3)虽然两个复本问卷的题目材料不同，但被试一旦掌握题的某一模式，就能触类旁通，有可能失去复本的意义。 2.2.3 复本信度法的适用范围 无论从问卷调查的理论上来说，还是从实验研究的观点来看，复本信度是考察问卷可靠性是比较好的方法。复本信度不仅适用于难度调查，也是估计速度调查信度比较好的方法。在作追踪研究或探讨某些影响调查成绩的因素时，大多使用复本调查。 2.3 折半信度( split half reliability) 卢龙(Rulon)公式和弗拉南根(Flanagan)公式直接估计整个调查的分半信度。前者使用两个半调查分数之差的方差及整个调查的总方差。后者使用两个半调查分数的方差及整个调查的总方差。 2.3.1 采用折半信度测量信度的优点 折半信度只在一个时点上进行; 不受记忆效应的影响; 在重复测量法中容易出现的误差项之间的相关在折半信度中不易出现; 从实用的角度, 折半信度比较经济和简便。 18 2.3.2 折半信度存在着内在的不足 首先没有一种理论推导严格证明其有效性; 其次对于同一组问题, 可能会存在多种组合方式, 从而导致折半信度的计算带有一定的随机性。 2.4内部一致性可信度( Internal Consistency Reliability，也称同质信度) 2.4.1 内部一致性可信度的检测指标及取值 内部一致性可信度通常采用Cronbach’α系数，库德-理查逊(K-R20)信度法。Cronbach’α系数法，α系数表示问卷调查结果总变异中由不同被试者导致的比例占多少. Cronbach’ α系数值介于0与1之间, α值越大表示问卷项目间相关性越好, 内部一致性可信度越高。一般而言, α大于0. 8 表示内部一致性极好, α在0.6,0.8 表示较好, 而低于0.6 表示内部一致性较差。在实际 [2]应用上, Cronbach’α值至少要大于0. 5,最好能大于0. 7。最早提出该系数的学者认为:Cronbach'α 须大 于等于0.7才能认为信度较好，随着 Cronbach'α系数被广泛地接受和使用，有学者陆续提出该系数在0.6以 [3][4]上即表示该问卷达到可信的标准，也有学者对 Cronbach'α系数进行更系统的规范，认为该系数低于 0.6 则不被接受，介于0.6和0.65表示不被期待但可以容忍， 19 介于 0.65 和0.7之间可以被接受，介于 0.7 和 0.8 之间被尊重，介于 0.8 和 0.9 之间非常好，但是如果大于 0.9 则表示条目太多，量表必须进行缩减。台湾学者吴统雄认为 Cronbach'α 系数若小于等于0.3 为不可信;大于0.3 而小于 0.4 如用做初步的研究则勉 [5]强可信;大于0.4 而小于等于0.5为稍微可信;大于0.5而小于等于0.7为可信，且为最常见的信度范围。 2.4.2 Cronbach’α系数的局限性 Cronbach’α系数既是使用最为广泛的同质信度指标，也是受到批评最多的指标。如Cronbach’α系数容 [6] [7]易受到测量工具和测试手段的影响;很多研究表明Cronbach’α系数通常比内部一致性信度系数要低。 [8]由于Cronbach’α系数是建立在经典测量理论的 3 点基本假设上，即其一，真分数具有不变性;其二， 3 误差是完全随机的;其三，观测分数是真分数与误差分数的和。若不满足这些条件，就有可能出现低估情况。当α系数高的时候，真正的信度会比α系数还高;但是，当α系数低的时候，由于具体确定α系数低估信度的程度，所以就很难判断真实的信度了;系数无法具体估计每一个变量的信度，并且α系数本身也存在着误差。 2.4.3 解决Cronbach’α系数的局限性的方法 20 (1)而使用验证性因子分析，可以避免以上的问题。经典测量理论中，很注重条目之间的关系，而条目之间的关系也是结构方程模型中测量模型所重点考量的。而验证性因子分析可以分析出每一个变量的复相关系数的平方，也就是 R2 来作为每一个变量的信度指标，通过预先的模型设定某一个变量可以分别归于不同维度，这样可以解决α系数无法估计观测变量从属于两个维度的情况。而验证性因子分析可以在估计的时候，单独列出每个项目估计的测量误差，这样可以使其信度指标具有更高的精度。当 R 2用于单个变量的信度指标时，大于或等于 0.5，则反映这一条目具有一定的一致性。 (2)通过组合信度(Composite Reliability, CR)来计算潜变量的一致性程度。潜变量的 CR 值是其所有对应的观测变量信度的组合，表示构成这一潜变量的指标的内部一致性，信度愈高显示这些指标的一 [9]致性愈高。对于反映潜变量信度的组合信度，一般学者建议值为 0.6 以上。 (3)可以通过平均变异抽取量(Average Variance Extracted; AVE)来考查观测变量的总方差中有多少是来自于潜变量，而其余部分则是由测量误差所导致。该变量也是越高越好，一般而言应该大于 0.5。 (4)θ系数法要求分析的条目数在5个以上,以得到较稳 21 定的结果;因子分析中各条目的共性方差hi2等于该条目在各因子上的载荷值的平方和,所以,理论上Ω 系数综合了各条目对欲测概念的个别贡献,且对量表的性质无特殊要求。目前,有关此方法应用于信度评价的报道尚少。巫秀美曾以“中老年预防结肠癌社区干预试验的健康行为问卷”为例,比较了α系数、θ系数和Ω 系数,结果为α系数最小,Ω系数最大。这一结论是否有普遍意义还有待于进一步的研究。 [8] 2.5 评分者信度( scorer reliability) 评分者信度, 它分为评分者间信度和评分者内信度。两名调查者的评分者间信度和测量两次的评分者内信度可用Pearson相关系数或Kendall、Spearman 等级相关系数表示。如果调查者在三人以上或同一调查者测量三次以上, 且采用等级记分时可以采用Kendall和谐系数来确定评分者信度。一般要求成对的受过训练的评分者之间相关系数达到平均0. 90 以上,才认定评分是客观的。 第三章 效度分析 一个测验可以有多种效度, 每种效度视使用者的具体目的而定, 因此, 一般不存在测验的统一效度。但各种效度又是相互联系和补充的。内容效度和结构效度既是校标效度的保证, 又须得到它的支持。考察内容效度和效标效度又有助于确定建构效度。要评价问卷中每一项测量的效度是非常困难的, 通常的做法是只评价若干重要测量的效度。 22 3.1 内容效度(content validity) 内容有效度是指衡量调查问卷的内容是否反映出切合研究主题的程度。考察内容有效度旨在系统地检查测量内容的适当性, 并根据对所研究概念的了解去鉴别测量内容是否反映了这一概念的基本内容。它主要包括抽样有效度和表面有效度。 3.1.1 内容效度的检验方法 内容效度的检验方法有专家判断、统计分析、再测分析、经验评定，其中专家判断法比较常用。 [1]专家判断法的缺点，在于缺乏数量化的指标，可能带有一定的主观性。这是因为不同专家对同一门 学科的内容范围和对调查者的调查目标可能有不同的理解，而且不同的专家对同一个测题的性能，也可能有不同的理解，所以对整个调查的内容做出的判断就有可能不同。 3.1.2 内容效度的局限性 内容效度具有一定的局限性，它的主要缺点有: (1)缺乏理想的数量指标，因而妨碍了信息的交流和各问卷调查间的相互比较。 (2)内容效度本身也有局限，它只涉及调查和内容范围之间的关系，没有把被试在调查上是如何表现考虑在内。因此，内容效度只是调查的属性，对于千变万化的被试来说，它是一成不变的，而调查分数的解释，随不同的被试应该是不同 23 的。内容效度关心的是调查内容和特定的行为领域的内容的关联程度，以及调查题目或内容的代表性问题。因此，内容效度与反应过程无关，也与调查的内外部结构、行为的差异及刺激的反应或社会效果无关。由此看来，内容效度提供的依据，只支持内容范围的相关性和调查内容的代表性，却不支持根据调查分数做出的推断。在内容效度的说明中，甚至没有提到调查者的反应和调查分数。因此，就其意义来说，所谓的内容效度根本算不上是效度。当然，也有些测量专家争辩说，一个调查测到的东西，是通过对试题内容的整体和选题过程的详细说明而得到操作性定义的。但是，我们将会看到，衡量问卷调查的效度时，还需要求助于其它形式的证据。 [1] 3.2 效标关联效度( criterion related validity, 又称准则效度) 在这里，被估计的行为是检验调查效度的标准，简称为效标。根据比较标准与测量结果之间是否在时间上有延迟, 又分为预测效度和同时效度。 3.2.1小标关联效度取值范围 预测效度系数通常较低, 多在0.2,0.6 之间,很少超过0.7,因而, Streiner 等人认为以0.4,0.8之间比较理想. 3.2.2 效标关联效度的局限性 (1)它并不直接表明调查和效标测量的是不是同一种能 24 力。也许一个语言调查和一个数学调查有很高的相关，很显然，这两个调查的任何一个都不能成为另一个的效标。在寻找效标的时候，我们一定要考虑，效标所测的是不是我们要测的能力。 (2)在效标关联效度的证明中可能出现循环论证。证明效标关联效度的关键是以什么东西为效标。终极效标当然就是所谓的“标准行为”，但是我们往往找不到这个终极效标。最方便的效标是一个已经证明有效的调查，如果我编制的调查和一个已证明有效的调查之间有关联，则可以认为我的调查具有效标关联效度。例如，调查C以已证明有效的调查B为效标，调查B以已证明有效的调查A为效标，在A之前，如果 [1]没有已证明有效的调查，A则有可能以调查C为自己的效标，循环论证由此而生。 3.3 结构效度( construct validity) 要确定一个问卷的结构效度,则该问卷不仅应与测量相同特质或构想等理论上有关的变量有高的相关, 5 25