多变量分析总论与信度分析1.pptVIP

建構效度

(constructvalidity)(2/2)Kerlinger指出，可用：(1)因素分析；(2)總分和項目分數之相關（part-wholecorrelation）來驗證問卷之建構效度。在因素分析法中須比較該研究抽取的因素是否和以前學者所抽取的因素相同，及每個因素所包含的項目是否相同。由於part-wholecorrelation即為SPSS信度分析中的Item-Total分析，故目前大部分學者認為，part-whole相關並不是效度而是信度的衡量。建構效度通常很難加以衡量，除非是舊有量表再次施測後，以因素分析來驗證其構念是否與以前一致，或者運用結構方程模式（SEM）來進行驗證性因素分析（confirmatoryfactoranalysis）。效度值可以計算嗎？效度值可以計算嗎？每一種效度皆很難衡量，亦即很難驗證量表能夠衡量到真正要衡量的構念。因為沒有方法可真正保證衡量到要衡量的構念。故學術論文中，通常只能透過強調量表設計程序經過嚴謹的過程，或經過專家修正及經過預測，來強化其具有效度，但這也只是內容效度而已。真正的效標關聯效度與建構效度仍是難以衡量。三、量表的發展過程步驟1提出足夠的衡量項目。步驟2預試以刪除不佳的項目。步驟3選取內部一致性的項目。步驟4建立正式衡量量表。步驟5若還不滿意回到步驟1，反覆地進行。量表設計的精確性(1/2)1.問項是否符合研究假設的需要。2.題目不宜過長，應以精簡、易於閱讀為原則。3.問卷設計的用字不能含糊要明確。4.問項不能超出填答者的知識和能力。5.任何一個備選答案皆不能有多重意義或包含關係。6.一個問項不能有兩個以上的觀念或事物。7.問項盡量以封閉式而非開放式的方式來填答。量表設計的精確性(2/2)8.問項不能涉及社會禁忌與隱私。9.問項應盡量保持客觀中立的原則。10.避免誘導回答或暗示回答的問題。11.內容順序與類別順序：客觀的「行為」問題在前，主觀的「意見與態度」在後。12.使用反向題：在衡量量表中插入幾題反向題，以Compute指令將反向題予以反正。但若只有少數的反向題插入許多的正向題中，亦容易因填答者的草率而當成正向題來處理。量表的形式量表的形式中，最常被使用的衡量格式是類別性(categorial)題目。如果是連續性的衡量，以Likert(李克特)量表最常被使用。Likert量表，每個題目皆有標示衡量填卷者強弱程度的尺度，例如：5非常同意、4同意、3普通、2不同意、1非常不同意，分數愈高代表同意程度愈高。其最適刻度以五或七點尺度的奇數格最多，但缺點是受訪者容易選擇中間選項。Likert量表雖為順序尺度，但多半視為區間尺度，故該量表必須先經過信度的檢定。除了Likert量表外，尚有Thurstone量表、Guttman量表等。第四節SPSS的信度分析一、操作步驟二、結果輸出三、結果製表與解釋四、折半信度的計算5-2ReliabilityAnalysis對話框5-3ReliabilityAnalysis:Statistics子對話框Scaleifitemdeleted：這選項經常會被使用到，可用來判斷哪個變數將會降低信度值。Cronbachsα值在本範例中，標準化前的信度值為.871，標準化後的信度值為.887，代表信度值相當高；這表示期初、期中與期末成績三者有相當高的一致性。Item與Scale統計量智勝文化事業有限公司製作多變量分析林震岩著ISBN957-729-569-X智勝文化事業有限公司製作多變量分析林震岩著ISBN957-729-569-X第一節統計檢定與P值一、常態分配與假設檢定二、顯著水準（α值）與機率值（p值，Sig值）常態分配與假設檢定統計方法討論的目的是要經由樣本統計量(Statistics)推估出母體參數(Parameter)。統計方法的另一目的是在討論有關母體參數的假設檢定。例如：令變數為學生體重減去在相同年齡，隨機抽取9名學生隨機抽取，並計算其X值，X值分別為-7-213610152130，其平均值為8.56。H0：μ=0，我們稱之為虛無假設(Nullhypothesis)。圖5-1?值與P值之關係圖P值顯著水準的表示法p=.6453 （未達到α=.10的水準）p=.1250 （未達到α=.10的水準）p=.0606* （未達到α=.05的水準，但達到α=.10的水準）p=.0258** （未達到α=.01的水準，但達到α=.05的水準）