多元统计分析九讲潜变量测量与量表设计教程.pptVIP

里克特（Likert）尺度 里克特尺度是现代调查问卷中普遍采用的提问格式。它的基本形式是给出一个陈述，按照同意的程度进行项目排列。要求调查对象表明他“强烈赞成”、“赞成”、“反对”、“强烈反对”、或“未决定”。（也可不用“赞成”而用“同意”）。 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。有五种答案则评分为0－4或1－5。 要注意评分的方向，对正面问题给“强烈赞成”者评5分；对反面问题给“强烈反对”者评5分。 里克特（Likert）尺度 里克特度量要求概念是一维的，如果是多维概念的话，要求将其细分成多个一维子集。 里克特尺度可以是由一组问题组成，但每一问题都是一种观点判断，要求受试者在列出的赞成或反对的等级尺度中选择一值。 使用里克特尺度度量的步骤 使用里克特尺度度量某一概念包括以下几步： 明确要测量的态度涉及的基本理论概念； 总结归纳出与态度有关的项目；要求被调查者作回答；计算分值； 分析哪个项目对测量的可靠性和价值贡献最大。 里克特尺度的优点和不足 里克特尺度制作简单，用途广泛，结论可靠，调查内容有一定深度，可以用来测试具有多维尺度的内容，是一种应用范围比较广的方法。学校里让学生对教师的教学效果进行评估所用的调查问卷，往往也包括一组采用里克特尺度度量的问题。 里克特尺度的不足是，没有给出关于主题接受范围的信息。 正确认识度量方法 不存在完美无缺的度量方法，各种度量方法都只能近似代表研究对象。 尺度设置对提高测试结果的有效性起重要作用。而在尺度设置过程中经常要通过反复试用和对结果进行分析，对度量方案加以修改。 四、提高可靠性的方法 Cronbach’s α参数是测量项目间内部一致性的有效工具，α参数较低表明项目样本与概念域缺乏吻合，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，α参数要在每一维内分别计算，并在每一维内去除不符合概念域的项目。 用因子分析（Factor Analysis）的方法可以检验概念的维度。如果α参数足够大并且因子分析发现的维度与概念域中描述的一致，就可以得到一个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设计。 信度分析的基本原理 对量表的有效性（信度）进行研究 考虑的是量表测量某个概念条目的内部一致性 SPSS主要对量表的内在信度进行分析 Cronbach’s α系数 测量量表内部一致性： （1）计算各评估项目的相关系数矩阵，并计算相关系数的均值； （2）计算Cronbach’s α系数，数学定义为： k是评估项目数； 是k个项目相关系数均值 Cronbach’s α系数 Cronbach’s α系数的判断标准： Cronbach’s α系数大于0.9，则认为量表内在信度很高；如果Cronbach’s α系数大于0.8认为内在信度较高； Cronbach’s α系数的低限为0.7， Cronbach’s α系数太低说明问卷设计存在缺陷！ 这个标准是统计经验，问卷设计存在风险。 SPSS的应用： Cronbach’s α系数 信度分析应针对问卷各个子方面（或者是潜变量）逐个进行，一般不直接对整个量表进行分析； 存在反向问题时，应对它们进行反向处理后再进行信度分析； SPSS系统将展示： SPSS的应用： Cronbach’s α系数 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总分的方差； 某评估项目与其余项目总分的简单相关系数； 某评估项目与其余项目的复相关系数； 剔除某评估项目后的信度系数（纯化量表） SPSS的应用：一个例子入驻动机的前8个条目 SPSS的应用：一个例子 SPSS的应用：一个例子 多元统计分析:第九讲 潜变量测量与量表设计 讲授: 国际商学院 统计学系 杨震宁 目录 一、概念的度量 二、指标与尺度 三、尺度设置 四、提高度量的可靠性 一、概念的度量 管理研究涉及各种抽象的概念(Constructs)。做管理研究，首先要对研究中涉及到的概念有准确而全面的把握和认识。 为了正确地度量概念，首先必须明确概念域，在概念的定义中精确描述概念包含了什么以及要排除什么。然后通过操作化用可观测变量来反映概念。 尺度 一个变量的取值范围或取值类别的集合称为“尺度”（Scale），给描述对象赋值的过程称为“度量”（Scaling），度量既基于理论又基于经验。 操作性描述就是在理论框架的基础上选择合适的变量与尺度反映抽象概念。 概念度量面临的困难 操作性描述必须具有客观性，在给定条件下要可以重复操作并能得出相同或相近的结果。 要找到一种尺度去度量某个抽象概念往往是困难的，很难找到合适的可测度变量充分反映一个理论概念所包含的意思。操作性描述永远不会是完全恰当的。（如诊病） 概念