《专题九：量表编制之项目分析.ppt》由会员分享，可在线阅读，更多相关《专题九：量表编制之项目分析.ppt（27页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、专题九：量表项目分析和信度分析属于Likert Scale性质的量表才能进行项目分析与信度分析。问卷中若有一个以上的Likert 量表，应该每一个Likert 量表均个别跑一次项目分析与信度分析。进行信度分析前，请将反向问题重新计分。理论基础或研究目的编制或修订量表初稿选取被试预测项目分析项目分析因素分析因素分析建构量表效度因素命名信度分析信度分析正式量表第一次施测第二次施测删除题目删除CR值不显著的题目保留CR值显著的题目重测信度未删除任何题目量表编制流程图 有时候学习让我觉得有趣和满意。我会努力把一个学科的知识与其他学科的知识联系起来。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。
2、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。我不会花时间去学习那些考试不会考的东西。我不会花时间去学习那些考试不会考的东西。我觉得只要肯投入，任何问题都可以变得很有趣。我喜欢提出想法将一些零散的知识组织起来。即使考试前我已经用功复习，却仍担心自己会考得不好即使考试前我已经用功复习，却仍担心自己会考得不好。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。我学习很努力，因为我发现学习的东西很有趣。学习新知识的时候，我会联想到以前学过的知识。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。无论是否喜欢
3、，我都会努力学习，因为我知道学习对我有好处。我通常只学老师要求的东西，而不会花精力去学别的。我通常只学老师要求的东西，而不会花精力去学别的。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。看书的时候，我会努力去理解作者的意思。我想要得到好成绩，因为这样可以得到父母和老师的夸奖。我想要得到好成绩，因为这样可以得到父母和老师的夸奖。我认为没有必要深入的思考一些问题，因为考试根本不考。我认为没有必要深入的思考一些问题，因为考试根本不考。上课的时候，我通常有很多好奇的问题要问。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有时候我会通过死记硬背的方式来
4、学习，因为这样可以牢牢的记住一些不理解的知识。知识。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。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。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。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。我发觉只要背诵一些重要的概念就能通过大部分的考试。我发觉只要背诵一些重要的概念就能通过大部分的考试。Kember （2004）改编的改编的LPQ量表量表 LPQ的维度介绍取向維度题目数維度描述表層取向動機4主要目的就是達到最低的要求策略7用死記硬背的學習方式來記憶盡可能少的知識深層取向動機7對學科以及相關領域的興趣策略4通過
5、將學習的知識和閱讀的資料建立聯繫來真正的理解學習的東西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（项目分析（item analysis）和试探性的信度分析）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 遗漏值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 题目总分相关法题目总分相关法（相关分析技术）计算每一个题目与维度总
6、分的简单积差相关系数 极端组检验法极端组检验法（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量表发展资料分析：项目分析分析方法目的与内容判断方式项目描述统计Item descriptive statistics运用各项目的描述统计量来检验项目的好坏1.平均数：越接近中间值越好2.标准差：越大越好3.最大与最小值：应触及两端点相关分析法Item-total correlation运用各项目与相对应总分的相关系数来检验项目的好坏相关越高，题目越佳续极端组平均数差异检验Small group analysis运用各
7、项目预测样本极端组平均数差异鉴定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鉴别指数（适用于成就测验）运用各题通过人数比率来检验项目的好坏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D4.D系数越高越好。量表发展资料分析：项目分析项目分析之一：项目描述统计1.Discriptive statistics: Frequencies2.选取想要分析的题目-variables3.选取要分析的统计量（statistics）4.根据平均值、最大值、最小值、标准
8、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*项目分析之二：相关分析法项目分析之二：相关分析法ITC1.选取scale-reliability analysis2.选取要分析的题目并移到题目清单中3.选取statistics中descriptive for-Scale if item deleted4.根据item-total statistics中corrected item-total correlation和Alpha if Item Deleted来决定是否删除题目5.一般ITC值小于0.4的题目，则认为这个题目和该维度相关比较小，可以删掉该题目。例
9、：LPQ.sav项目分析之三：极端组检验求出量表的总分（注意反向计分的题目）量表总分高低排列（sort cases）找出高低分组上下27%处的分数（frequencies）依临界分数将观察值在量表值得分分成高低二组（recode-into different variables）以独立样本t-test检验二组在每个题目的差异(independent t-test)将t检验结果未达显著性的题目删除或修改例题：fes1.sav和LPQ.sav项目分析之四： 因素分析factor analysis EFA & CFA 因素分析的目的在于求的量表的“结构效度”。 因素分析是一种潜在结构分析法。假定每个
10、题目均由两个部分构成共同因素(common factor)和唯一因素(unique factor)。 共同因素比题目个数少，每个题目均有一个唯一因素。 假设：唯一因素间无相关；共同因素与唯一因素间无相关。 共同因素之间是否相关？正交无，斜交有。 公式：Zj=aj1F1+aj2F2+aj3F3+ajmFm+Uj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
11、征值题目F1F2共同性h2唯一因素X1a11a12a112+ a1221-h12X2a21a22a212+ a2221-h22X3a31a32a312+ a3221-h32特征值 a112+ a212 + a312a122+ a222 + a322解释量 (a112+ a212 + a312)/3(a122+ a222 + a322)/3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
12、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 特征值特征值 大于大于1（表示大于1.00的原始
13、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 陡坡检定陡坡检定Scree test (Cattell, 1966) 特征值明显出现变化时为合理数目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（验证性因素分析（CFA）提供因素的显著性考验）提供因素的显著性考验 Ba
14、rtlett检验考验全部因素的显著性意义 研究上的考量研究上的考量 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即可 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%。 例题：LPQ.sav 分析该量表的结构 Component 1234DM
15、1.774-.018-.008-.026DM2.695-.183-.018.111DS1.691.159.132-.084DM3.690-.147.221-.062DS3.621.033.291-.066DS2.580.147.302-.143SM3.534-.220.231.102DM4.515-.074.422-.020DS4.479-.112.438.021SS4-.052.753-.044.083SS3-.050.733-.118.130SS2-.012.726-.023.063SS1.018.649-.097.093SS6-.080.587.257.198SS5-.154.478.2
16、63.310DM6.297-.021.624.047DM7.426-.135.592.006DM5.336.113.575-.144SS7-.012.324.378.251SM1-.007.213-.087.790SM2-.030.199-.015.786SM4-.006.363.151.393Rotated Component Matrix(a) 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转轴后矩阵(rotation componen
17、t matrix)斜交转轴使用型态矩阵型态矩阵（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 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。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期末作业 参照丁锐（2007）编制的小学数学课堂环境调查问卷，包括愉快、教师投入、学生投入、师生关系、学生声音、学生协作、知识相关七个维度。 编制大学某某课堂环境调查问卷，Moos认为环境可以从“个人发展”、“关系”、“系统的维持与发展”三个方面来考虑。 进行大学课堂环境问卷调查（至少30人） 对问卷进行项目分析、因素分析和信度分析。 并进行简单的统计分析（描述统计和推断统计）