ATT测验结构效度验证性因素研究.docVIP

ATT测验结构效度验证性因素研究 【摘要】文章应用结构方程模型的统计方法对ATT 测验进行了验证性因素分析，对ATT测验的结构效度进行了 在乌鲁木齐地区的验证，结果表明学习适应性测验（ATT） 中学版对于乌鲁木齐地区的中学生来说结构效度不高，迗不 到测量学的要求。有必要进行学习适应性测验的本地化修 订。 【关键词】ATT测验；验证性因素分析；结构效度 结构效度是指一个测验实际测到所要测量的理论结构 和特质的程度，或者说它是指测验分数能够说明心理学理论 的某种结构或特质的程度；是指实验与理论之间的一致性， 即实验是否真正测量到假设（构造）的理论。 结构效度的概念最初是由美国心理学会（APA）、美国教 育研究协会（AERA）和美国国家教育测量协会（NCME） （1954）联合委员会提出，发表于《心理测验和诊断技术 的技术建议》，本意是用于当测验者所测属性没有确定的标 准测量，而必须使用间接的测量来证实理论有效的时候。结 构效度的出现，可以看成是自比奈发明智力测验以来，测验 领域中最为显著的变化。它标志着测验和历史传统与实用传 统彻鹿决裂，而且至今仍以显著的方式改变着测验事业。它 关系到我们依据测试成绩所做的对评价测试结果的解释是 否有意义并且恰当。而验证性因素分析可以给出一些检验和 指标，是对结构效度的检验不仅可以从单一的参数进行，还 可以从整体上进行检验，对潜在因素之间的关系进行分析。 一、 研究方法 （一） 被试。乌鲁木齐97中学高一、初一学生，共203 人。其中有96人没有通过测谎量表的测试。其中通过测谎 量表的男生共有57人，女生50人。 （二） 材料。《学习适应性测验》（ATT）中学版。华东 师范大学周步成教授1991年5月修订。 二、 结果 验证性因素分析：根据ATT测验的手册（中学版）的测 验构成的介绍可知，前120道试题可以提取12个潜变量， 即12个内容量表各为一个潜变量。考虑到120个观测变量 的模型巨大，不容易收敛。本研究首先用打包技术将12个 维度打包成12个观测变量。4个分量表作为潜变量。 （一） 因子负荷。经过结构方程模型的二阶模型分析可 知，各个观测变量的因子负荷都是显著不为0的。并且每一 个观测变量的因子负荷都大于或等于0.5。但是这个因子负 荷是基于打包技术之上的因子负荷。将10道题打包成一道 题会大大优化模型的拟合度。也会大大提高新的观测变量的 因子负荷。 （二） 拟合度。要比较原始数据与再生矩阵是否拟合， 我们需要用拟合指数来衡量。文献上先后出现了 40多种拟 合指数，用来评价模型。但是，好的拟合指数应该与样本容 量无关，对模型中的错误非常敏感，惩罚冗余的复杂模型。 Joreskog 和 Sorborn （1989）发明了 GFI 和 AGFI 来衡量模 型的拟合优度。这两个指标减少对样本容量的敏感性，它们 反映的是样本协方差矩阵和再生的协方差矩阵的相似程度。 如果GH和AGH达到0. 9以上说明拟合良好。 表1基于打包技术的验证性因素分析的模型拟合指数 卡方自由度卡方/自由度GFI AGFI RMSEA 102. 57 50 2. 0514 0. 86 0. 78 0. 10 卡方/自由度是直接检验样本协方差矩阵和估计的协方 差矩阵间的相似程度的统计量。卡方/自由度的期望值为1. 当卡方等于自由度的时候拟合最完美。越接近1拟合越好， 在实际的研究中，当卡方/自由度小于2时，就可以认为模 型的拟合度是比较好的。从表1中的数据可以看到卡方/自 由度大于2。拟合指数GFI和AGFI都小于0. 9，RMSEA大于 0.08,该模型不能被接受。因此，对于笔者所测量的当今的 新疆乌市的中学生来说，该测验的结构效度不够好。 （三）修正指数。修正指数是模型修订的一个常用的基 于单变量的一个指标，其实质上是呈现嵌套关系的两个模型 之间只变动一个参数的约束，所导致的两个模型的似然比卡 方的变化（卡方）。结构方程模型软件（比如LISERL、AMOS） 都能给出所有参数的修正指数。当某个参数的修正指数大于 3. 84 （—个自由度的卡方检验的0. 05显著水平）或6. 63 （ — 个自由度的卡方检验的0. 01的显著水平），说明我们将这个 参数设定为自由，将会导致模型的拟合指数发生显著变化。 从这个角度来说，最大的拟合指数大于6. 63,则可以认为该 模型的路径结构不是很恰当。在实际研究中，也有人认为修 正指数大于10,则认为测验项目测量了其他因素，至少是除 了测量了所构想的因素之外，还测量其他因素。本次测验12 个观测变量在4个潜变量的修正指数大于10的有2个。大 于6. 63 于6. 63的共有5个。大于3. 84的共有7 尽管笔者已经 用了打包技术处理了数据，按理说模型应该拟合的很好。但 是修正指数还是