指数与量表建构.PPT

何謂量表 一個量表所代表的概念，其特質表現在每個問題上面。也就是說，個別問題是這個概念的「果」而不是「因」 一個量表代表一個概念或特質，我們期望透過個別的問題，能夠發現問題背後所共通的意涵。 量表的結構 建立量表的步驟 決定要測量的概念 擬一個題庫 讓專家檢視所有題目 實施測量 評估題目信度效度 Thurstone Scaling 假設在沒有任何尺度的情況下, 以相對判斷的方法了解受訪者的偏好 Thurstone Scaling 我相信教會是美國最偉大的機構 我相信宗教, 但我很少去教會 ?我想教會有礙信仰因為它依賴各種迷信及神話 Thurstone Scaling 選擇題目條件一: 高低中位數分布於各題, 表示有代表性 選擇題目條件二: 離散程度小 Guttman Scaling Guttman Scaling希望從回答中得到更多資訊，除了受訪者同意個別問題的數目之外，還可以看出同意的形態是否符合預期。 Guttman Scaling (Rosenberg Self-Esteem Scale) 1.? 我覺得我有一些好的人格特質 2.? 我希望我能夠得到更多人的尊敬 3.? 我覺得我是一個有價值的人，至少跟 別人比起來我不輸人 4.? 我覺得我並沒有太多可以值得驕傲的 5. 我對自己採取正面積極的態度 Guttman Scaling Guttman Scaling 除非有很好的理論, 否則設計困難度高 必須應用其他分析工具做為指標: CR=1.0-(# of errors)/total responses=1.0-(# of errors)/[(# of items)*(# of respondents)] Likert Scaling 通常我們最常見的是Likert Scaling，分析方法是給每個問題的回答一個分數，累計之後便是受訪者的態度。 非常同意、同意、有點同意、有點不同意、不同意、非常不同意 Likert Scaling 好的法律與制度比好的領袖更重要。 無論一個人的政治觀點為何，都可以公開發表。 政府自然會為人民解決困難，我們人民不要發表太多的意見。 一個社會如果有許多不同的團體，就會影響我們社會的安定與和諧。 Likert Scaling 相關係數—計算每個回答者分數之間的相關性以去掉不相關的問題 應用信度的測量: 折半信度, 將問題分為兩部份, 然後分別計算問題之間的相關性,最後再計算全部的相關性, 並考量兩半相關性之間的相關性. Cronbach’s Alpha=N(rho)/[1+ (rho)(N-1)] 量表的長度 題目多可以增加信度，但是會增加受訪者負擔 當某個題目與其它的題目之間的相關係數低於平均值，可以考慮拿掉 若將樣本分成兩部份，各計算信度後若相近，可見題目具有信度。 世新大學行管二甲 蔡佳泓 政大選舉研究中心 世新大學行管二甲 * 指數與量表 需避免的題目 過長的題目 不容易讀—最好是國中程度 多重否定—例: “我不支持削減補助反體罰團體的政府” 多重涵義—例: “與大陸制度性的協商對台灣有利因為可以維護主權” 帶有個人色彩—例: “民進黨政府時常不尊重民意” Thurstone scaling 假設受訪者只會對符合其態度的題目產生反應，如果那個題目不到個人態度的強度或是誤解了個人態度，就不會回答同意 例: (1)成功是兒童惟一回報父母的方式 (2)上好大學跟獲得好工作並非幸福的要件 (3)幸福跟教育或物質不一定有關 (4)人為塑造的成功是真正幸福的阻礙 Guttman scaling測量的形式 一系列的題目，受訪者會一直回答同意直到在某個點超出其同意的界限 跟Thurstone scaling的題目很類似 例: 政治容忍 1 0 0 0 0 1 E 2 0 0 0 1 1 D 3 0 0 1 1 1 C 4 0 1 1 1 1 B 5 1 1 1 1 1 A Score 5 4 3 2 1 特別的形式 單一面向的態度或感覺 例:對於汽車銷售員的感覺: 誠實, _, _, _, _, _, _, _, 不誠實 安靜, _, _, _, _, _, _, _, 吵雜 視覺化尺度 一點也不痛-----------------從沒經歷這麼痛 選項的數目 考慮題目數: 題目越多，選項有限，也會產生夠大的反應的變異數 考慮受訪者能否分辨眾多的選項 “有一點幫助”, “不太有幫助”難以分別 受訪者是否會想知道0到100每個分數的意義? 須考慮是否需要中間選項(都一樣?) 實施測量 樣本大小—太小則產生的信度可能太低 樣本的代表性—可能影響平均值但是不一定影響其內在信度。不過變數之間的關係在不同樣本有可能不同。 評估題目 計算題目之間的相關度 計算題目與其它