1、專題九：量表項目分析和信度分析屬于Likert Scale性質(zhì)的量表才能進行項目分析與信度分析。問卷中若有一個以上的Likert Scale量表，應(yīng)該每一個Likert Scale量表均個別跑一次項目分析與信度分析。進行信度分析前，請將反向問題重新計分。理論基礎(chǔ)或研究目的編制或修訂量表初稿選取被試預(yù)測項目分析因素分析建構(gòu)量表效度因素命名信度分析正式量表第一次施測第二次施測刪除題目刪除CR值不顯著的題目保留CR值顯著的題目重測信度未刪除任何題目量表編制流程圖 有時候?qū)W習(xí)讓我覺得有趣和滿意。我會努力把一個學(xué)科的知識與其他學(xué)科的知識聯(lián)系起來。我會因為測驗的分?jǐn)?shù)低而不開心，并且擔(dān)心下次測驗的成績。我不

2、會花時間去學(xué)習(xí)那些考試不會考的東西。我覺得只要肯投入，任何問題都可以變得很有趣。我喜歡提出想法將一些零散的知識組織起來。即使考試前我已經(jīng)用功復(fù)習(xí)，卻仍擔(dān)心自己會考得不好。只要能及格，我就不會花更多的時間來學(xué)習(xí)，因為有很多有趣的事可以做。我學(xué)習(xí)很努力，因為我發(fā)現(xiàn)學(xué)習(xí)的東西很有趣。學(xué)習(xí)新知識的時候，我會聯(lián)想到以前學(xué)過的知識。無論是否喜歡，我都會努力學(xué)習(xí)，因為我知道學(xué)習(xí)對我有好處。我通常只學(xué)老師要求的東西，而不會花精力去學(xué)別的。如果我對課堂上討論的問題感興趣，我就會利用課余時間去了解更多這方面的知識。看書的時候，我會努力去理解作者的意思。我想要得到好成績，因為這樣可以得到父母和老師的夸獎。我認(rèn)為沒有

3、必要深入的思考一些問題，因為考試根本不考。上課的時候，我通常有很多好奇的問題要問。有時候我會通過死記硬背的方式來學(xué)習(xí)，因為這樣可以牢牢的記住一些不理解的知識。我經(jīng)常在很多地方（例如散步時，在車上等）想起上課學(xué)過的東西。我發(fā)現(xiàn)想要考試及格最好的方法就是背誦一些問題的答案。我喜歡多花一些時間來研究一些問題，直到找到滿意的答案為止。我發(fā)覺只要背誦一些重要的概念就能通過大部分的考試。LPQ題目Kember（2004）標(biāo)準(zhǔn)化測量工具的發(fā)展流程量表編制計劃試題編寫預(yù)測專家評估（專家效度：表面效度、內(nèi)容效度）項目分析（item analysis）和試探性的信度分析：題目改善的依據(jù)正式量表建立信效度評估：作為

4、測驗與量表優(yōu)劣程度的具體證據(jù)。量表研究與維護項目分析的策略遺漏值的數(shù)量評估法檢驗被試是否抗拒或難以回答某一題目，過多的遺漏表示該題目不宜采用。描述統(tǒng)計評估法利用各題目的描述統(tǒng)計量來診斷題目的優(yōu)劣。平均數(shù)、變異數(shù)、偏態(tài)與峰態(tài)題目總分相關(guān)法（相關(guān)分析技術(shù)）計算每一個題目與維度總分的簡單積差相關(guān)系數(shù)極端組檢驗法（小樣本分析）兩個極端組的得分平均數(shù)之差異分析。找出具有鑒別力的題目因素分析法以因素負(fù)荷量來判斷個別題目與相對因素的關(guān)系量表發(fā)展資料分析：項目分析分析方法目的與內(nèi)容判斷方式項目描述統(tǒng)計Item descriptive statistics運用各項目的描述統(tǒng)計量來檢驗項目的好壞1.平均數(shù)：越接近

5、中間值越好2.標(biāo)準(zhǔn)差：越大越好3.最大與最小值：應(yīng)觸及兩端點相關(guān)分析法Item-total correlation運用各項目與相對應(yīng)總分的相關(guān)系數(shù)來檢驗項目的好壞相關(guān)越高，題目越佳續(xù)極端組平均數(shù)差異檢驗Small group analysis運用各項目預(yù)測樣本極端組平均數(shù)差異鑒定來檢驗項目的好壞將全體樣本根據(jù)某一總分的前后27%極端區(qū)分為高低組，比較二組在各題平均數(shù)上的差異是否顯著鑒別指數(shù)（適用于成就測驗）運用各題通過人數(shù)比率來檢驗項目的好壞1.將全體樣本依某一總分極端的27-33%被試編入k變項2.計算每組每題通過人數(shù)百分比3.將兩組的兩個百分比數(shù)字相減得到鑒別力系數(shù)D4.D系數(shù)越高越好。量

6、表發(fā)展資料分析：項目分析項目分析之一：項目描述統(tǒng)計1.Discriptive statistics: Frequencies2.選取想要分析的題目-variables3.選取要分析的統(tǒng)計量（statistics）4.根據(jù)平均值、最大值、最小值、標(biāo)準(zhǔn)差，及峰度和偏度系數(shù)（越接近0，越接近正態(tài)）來檢驗題目的好壞。例fes1.sav*項目分析之二：相關(guān)分析法ITC1.選取scale-reliability analysis2.選取要分析的題目并移到題目清單中3.選取statistics中descriptive for-Scale if item deleted4.根據(jù)item-total stati

7、stics中corrected item-total correlation和Alpha if Item Deleted來決定是否刪除題目5.一般ITC值小于0.4的題目，則認(rèn)為這個題目和該維度相關(guān)比較小，可以刪掉該題目。例：LPQ.sav項目分析之三：極端組檢驗求出量表的總分（注意反向計分的題目）量表總分高低排列（sort cases）找出高低分組上下27%處的分?jǐn)?shù)（frequencies）依臨界分?jǐn)?shù)將觀察值在量表值得分分成高低二組（recode-into different variables）以獨立樣本t-test檢驗二組在每個題目的差異(independent t-test)將t檢驗結(jié)

8、果未達顯著性的題目刪除或修改例題：fes1項目分析之四： 因素分析factor analysisEFA & CFA因素分析的目的在于求的量表的“結(jié)構(gòu)效度”。因素分析是一種潛在結(jié)構(gòu)分析法。假定每個題目均由兩個部分構(gòu)成共同因素(common factor)和唯一因素(unique factor)。共同因素比題目個數(shù)少，每個題目均有一個唯一因素。假設(shè)：唯一因素間無相關(guān)；共同因素與唯一因素間無相關(guān)。共同因素之間是否相關(guān)？正交無，斜交有。公式：Zj=aj1F1+aj2F2+aj3F3+ajmFm+Uj因素分析因素分析的理想：在于個別題目的aj1（因素負(fù)荷量）不是很大就是很小，這樣每個題目才能與較少的共同

9、因素產(chǎn)生密切關(guān)聯(lián)。因素負(fù)荷量（factor loading）是題目與抽取的共同因素的相關(guān)。兩個重要指標(biāo)：共同性（communality）和特征值（eigenvalue）共同性與特征值題目F1F2共同性h2唯一因素X1a11a12a112+ a1221-h12X2a21a22a212+ a2221-h22X3a31a32a312+ a3221-h32特征值a112+ a212 + a312a122+ a222 + a322解釋量(a112+ a212 + a312)/3(a122+ a222 + a322)/3此共同因素可以解釋的變異量因素分析的主要方式（步驟）Data reduction-fa

10、ctor計算題目間的相關(guān)矩陣或協(xié)方差矩陣估計因素負(fù)荷量決定因素抽取的方法：主成分分析法、主軸法、一般化最小平方法、未加權(quán)最小平方法、極大似然法、Alpha因素抽取法、映像因素萃取決定轉(zhuǎn)軸方法（rotation）：使每個題目在每個因素上的負(fù)荷量不是變大就是變小。轉(zhuǎn)軸方法：Orthogonal rotation(直交轉(zhuǎn)軸)：強迫因素間無相關(guān)Oblique rotation(斜交轉(zhuǎn)軸)：因素間有相關(guān)決定因素與命名：要考慮很多因素，data driven其他要考慮的因素可從相關(guān)矩陣中篩選題目：相關(guān)太小的題目可以考慮刪除樣本大小：不能少于題目數(shù)，也有人建議不少于100人。因素數(shù)目的確定因素數(shù)目判斷原則一

11、般原則：解釋變異量因素越多，解釋變異量越大因素越多，簡效性越低（模式越復(fù)雜）因素數(shù)目判斷方法特征值大于1（表示大于1.00的原始觀察變異量）因素數(shù)目合理范圍為變項數(shù)除以3至除以5之間陡坡檢定Scree test (Cattell, 1966)特征值明顯出現(xiàn)變化時為合理數(shù)目殘差分析殘差類似于各變項間的相關(guān)在移除了因素的影響后的凈相關(guān)檢驗不同因素數(shù)目下，殘差矩陣中的數(shù)值，高于.05或.10以上者過多，表示可能在其它因素因素數(shù)目判斷原則因素負(fù)荷量檢驗單一觀察變項(item)的因素并不恰當(dāng)二個觀察變項(item)的因素在兩變項相關(guān)高（r.7），與其它變項相關(guān)低時，為合理。顯著性考驗驗證性因素分析（CF

12、A）提供因素的顯著性考驗Bartlett檢驗考驗全部因素的顯著性意義研究上的考量探索性的目的，想要了解因素的結(jié)構(gòu)時，邊緣強度的因素可以保留，以了解其性質(zhì)當(dāng)研究者需要穩(wěn)定的因素進行研究時，保留信度高的因素即可結(jié)果解釋：以主成分分析法并配合最大變異法（Varimax）進行正交轉(zhuǎn)軸，特征值大于1的因素共有4個。四個因素的特征值分別為3.956，其解釋變異量分別為17.983%，累計解釋變異量為49.505%。例題：LPQ.sav分析該量表的結(jié)構(gòu) Component 1234DM1.774-.018-.008-.026DM2.695-.183-.018.111DS1.691.159.132-.084D

13、M3.690-.147.221-.062DS3.621.033.291-.066DS2.580.147.302-.143SM3.534-.220.231.102DM4.515-.074.422-.020DS4.479-.112.438.021SS4-.052.753-.044.083SS3-.050.733-.118.130SS2-.012.726-.023.063SS1.018.649-.097.093SS6-.080.587.257.198SS5-.154.478.263.310DM6.297-.021.624.047DM7.426-.135.592.006DM5.336.113.575-

14、.144SS7-.012.324.378.251SM1-.007.213-.087.790SM2-.030.199-.015.786SM4-.006.363.151.393Rotated Component Matrix(a) 因素的解釋與命名因素負(fù)荷量（loading）的判斷.71（50）優(yōu)秀.63（40）非常好.55（30）好.45（20）普通.32（10）不好.32以下：不及格不同轉(zhuǎn)軸法下的考量直交轉(zhuǎn)軸使用轉(zhuǎn)軸后矩陣(rotation component matrix)斜交轉(zhuǎn)軸使用型態(tài)矩陣（Pattern matrix），以獲悉因素的意義（結(jié)構(gòu)矩陣structure matrix中的系數(shù)

15、被因素間的相關(guān)擴張，導(dǎo)致高估）結(jié)構(gòu)效度驗證性因子分析結(jié)構(gòu)方程模型的結(jié)果信度分析外在信度：指在不同時間進行測量時調(diào)查表結(jié)果的一致性程度。常用重測信度。內(nèi)在信度：調(diào)查表中的一組題目（或整個調(diào)查表）是否測量的是同一個概念，也就是這些問題的內(nèi)在一致性如何。（cronbach 系數(shù)和折半信度）如果一個量表包括幾個維度（dimensions），則每個維度的信度也要檢驗。信度分析的步驟Scale-reliability analysis選入要分析的題目選擇要使用的信度分析方法：Alpha、折半信度、Guttman值、平行模式檢定。Statistics：選擇要分析的統(tǒng)計量例：LPQ測量理論入門經(jīng)典測量理論（classical test theory）認(rèn)為：X=T+E（觀測值=真分?jǐn)?shù)+誤差）四度：信度(reliability)、效度(validity)、項目分析(item analysis)中的難度(item difficulty)和區(qū)分度(discrimination index)假設(shè)之一：實際分?jǐn)?shù)的方差=真分?jǐn)?shù)的方差+隨機誤差的方差，即SX2= ST2+SE2信度的定義為：真分?jǐn)?shù)的方差與實