- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
社會研究方法
社會研究方法
關秉寅
指標與表的設計
1、對於同一個概的測或操作化常常是只有一個作法 。當然有一些概的測是相當直接當,如性別。但當概的意義是抽
象且複雜時,我們就需要用多個指標(indicators)測。
2、指標(indexes)和表(scale)是一種綜合性的測 (compositemeasures),也就是將一個「潛在變項」(latentvariable)的多個指標(indicators)經一定的程序合併後得到的測。
—指標的建比表簡單 。通常我們是將每個indicator給予同
等權重(weight)後合併成為一個index。也就是將個別的指標所測到之特性給予分後,再加起。如,我
們問受訪者五個對原住民偏態的問項後,如凡對某一問項答同意者就給一分,如此會得到一個與偏有關的指
標是由0分(即代表毫無偏)到5分(即代表最大偏)。
—表則是尋找 indicators間可能存在之結構後依照一定的方法建得到的。因此,表的建是企圖測潛在變項在
強及方向上的變化。
3、 指標或表所要反應的現象或構( construct)之所以稱之為
「潛在變項」是因此種變項之意涵往往是一個 indicator就能測到的,而是需要好幾個 indicators,亦即這個變項本身是被直接測到的,是隱藏性的。此外,其之所以為變項是因此種變項會隨人、時、地等有大小或強的變化。因此,潛在變項意味它本身和測它的問項間有一特定的關係,亦即潛在變項的強或是導致一組問項得到特定值或分的共同原因。
4、指標建的步驟:
首先,在資中找到研究者認為與潛在變項有關且至少有表面效的幾個問項(即指標)。
然後,檢視這些問項間之雙變項和多變項間的相關。如果個問項間並無相關,則它們應該是反應同一潛在變項。因此,指標所測的潛在變項是只有單一面向的
(unidimensional)。
再選定一組問項後,要給予每一問項之答項一個分,然後相加成總分。如果某一問項被認為可能比其他問項能反應潛在變項之程,或許此問項可以給較大之分,也就
是加權。
所建的指標應該有相當程的變。
—當指標建立後,應該檢視此指標之效度,如看它是否和理論上應有關係之其他變項間相關(即看建構效度為何)。
5、量表和指標不同的是,量表並不假定測量潛在變項的各項指標是
有同樣的強度。因此,量表是探索多個指標間的相對強度的結構。另一種說法是,量表是要估計其所測量之潛在變項的真實分數
(truesco)r,e而此真實分數並非將indicator視s為對潛在變項無
誤差之測量並予以相加即可(如前面建立index之作法)。如下圖所示:
我們可以下面的因果圖型來看一個潛在變項(Y)和構成量表的
一組問項(X
Y
)間的關係:
i
X e
1 1
X e
2 2
X e
3 3
X e
4 4
X e
5 5
上圖顯示每一個X
的變異是由一共同的潛在變項(或因素)與一
i
獨立之誤差或殘差(residua)l所影響。殘差項是指所有其他未被
明確描述會造成問項變化之原因。這個圖所假定之潛在變項、問項和誤差間的關係是:
個別問項連結之誤差項的變異是隨機的。當把一群人對個別問項之反應的誤差加起來並平均後會是零。
一個問項的誤差項和另一個問項的誤差項之間是不相關的。
誤差項和潛在變項的真正分數間是不相關的。上圖也顯示任何兩個X間的相關是透過Y。
6、建立量表的幾種方法
LikertScaling
BogardusSocialDistanceScale
ThurstoneScales
SemanticDifferential
GuttmanScaling
文档评论(0)