心理测量学讲座2006年版之二.doc

第二节 测验的常模 作为知识准备的补充讲座： 如果没有其他解释资料，任何测验上的原始分数都是没有意义的。你说一个学生在一个数学推理测验上解决了15个问题，或者说他在一个词汇测验上认出了34个单词，或者说他在58秒内成功地排列了15个物体，这样讲对他了解这个学生的数学推理能力、词汇能力和机械能力都没有任何帮助。我们熟悉的百分比对此也无能为力。也许，在一个测验上答对65%的题目，只相当于在第二个测验上答对30%的题目，也可能相当于在第三个测验上答对80%的题目。显然，组成测验的项目难度的不同决定了分数的意义。和原始分数一样，百分比只能根据明确界定的、统一的参照系才能得到解释。 心理测验上的分数通常是参考常模来解释的。常模体现标准化样组的测验成绩。因此，常模通常通过确定标准化样组（也就是常模团体）在测验上的实际成绩来确定。任何一个个体的原始分数，都要参照通过标准化样组得到的分数分布，来确定这一个体在这一分布中落在什么位置。他的分数是否同标准化样组的平均分一样？是稍低于平均数呢？还是落在这一分布的高端？ 为了能够更准确地参照标准化样组确定个体的确切位置，就要将原始分数转化成一些相对量数。采用这些导出分数出于两个目的： 首先，它们显示个体在常态样组中的相对等级，并因此参照其他人的成绩来对他的成绩进行评估。 其次，它们提供了可以比较的量数，这使我们有可能直接比较这个个体在不同测验上的成绩。 例如，某个人在词汇测验上的原始分是40，在一个数学推理测验上的原始分是22分，我们显然不知道他在这两个测验上的相对成绩。他是词汇更好一些呢？还是数学更好一些？还是两者一样好？由于不同测验上的原始分通常以不同的单位表示，所以这样的分数是无法直接比较。各个测验的难度水平是不同的，所以同一个个体在不同测验上所得到的原始分数是不能直接比较。而导出分数能够以相同的单位表达，并参照相同的常态样组，或是为了比较个体在不同测验上的成绩，参照十分相似的常态样组。这样，就可以比较个体在许多不同机能上的相对成绩。 要转换原始分数以实现上述两个目标，有几种不同方法。不过，导出分数主要用以下两种方式表述：（1）所获得的发展水平；（2）在特定组群体内的相对位置。在讲述这些导出分数之前，我们必须了解一下与这些导出分数有关的、作为这些导出分数基础的一些基本的统计学概念。这也有助于我们理解常模的获得和运用。 统计概念 统计的一个主要目的是组织并概括数据，以增进对数据的理解。一张列有1000个分数的表格，会让人看得头昏眼花，但并不能表达什么意义。要整理这一混乱的原始数据，第一步就是列出频数分布表，如表一。这样的分布是这样做成的：将分数归类到适当的组距中（class interval），并将每一个分数计入适当的组距。在所有分数都输入之后，算出每一个组距中的频数。这些频数之各应该等 注：Class Interval： 组距； Frequency：频数 表一 于这组的总频数。表一显示的就是1000个大学生在一个密码学习测验中的分数，原始分数的范围是从8分到52分。他们被归类4分的组距中，从这一分布顶部的52-55分，到这一分布低部的8—11分。频数栏显示，8—11分有2个人，12——15分有3个人，16——19分有8个人，以此类推。 频数分布所提供的信息，也可以用分布曲线的形式来表示。图一以图形的形式展示表一中的数据。在基线上，也就是在横轴上，分数被归类到组距中，在 图一 纵轴上是频数，或是落在每一个组距中个体的数量。这张图可以用两种方式画出，这两种形式都是常用的。在直方图（histogram）））））下面举一个例子来说明描述变异性的量数。请看表二，表二计算了10个分数的变异量数。选这样小的群体主要是为了便于说明，而在实际的统计分析中我们很少只算这样少的分数。表二也引进一些标准的统计符号，以供进一步参考。 表二 原始分数通常用大写的X表示，而小写的x则表示每一个分数偏离团体平均数的值（离均差）。希腊字母“Σ”表示“……之和”。表二的第一栏里给出了计算平均数和中位数的数据。平均数是40，中位数是40.5，落在40与41之间，有5个人的分数高于中位数，5个人的分数低于中位数。由于样本太小，因此无法找到众数，因为分数没有清楚地聚集在某一个分数上。不过，从技术上讲41就是这里的众数，因为有2个人获得这一分数，而其他所有的分数只出现了一次。 第二栏显示每一个分数偏离平均数40之上或偏离平均数40之下有多远。这些离差值之和应该总是等于0，因为平均数周围的离差值正值和负值总是平衡的，或是能相互抵消（+20-20=0）。如果我们忽略符号，计算绝对离差值的绝对值，由此得到一个量数叫平均离差（average deviation，简写AD）x▕表示不考虑符号