做文明人网站专题做词云的网站

做文明人网站专题,做词云的网站,全国大学生网页设计大赛,网站常用架构不少人在做研究时可能会遇到这样的场景#xff1a;明明按照教程一步步把问卷数据做了信效度检验#xff0c;却被一句“这些分析不能做”打回重来。很多人这才意识到——原来信效度分析并不是所有问卷的“必做项目”。 一、非量表问卷vs量表问卷 在实际研究中#xff0c;问…不少人在做研究时可能会遇到这样的场景明明按照教程一步步把问卷数据做了信效度检验却被一句“这些分析不能做”打回重来。很多人这才意识到——原来信效度分析并不是所有问卷的“必做项目”。一、非量表问卷vs量表问卷在实际研究中问卷有不同类型有的是为了收集基本信息和态度倾向的普通调查问卷有的则是基于理论框架构建的量表问卷。两者的用途、结构和统计要求完全不同也决定了是否需要进行信效度检验。1、非量表问卷非量表问卷是我们日常生活中最常见、最直白的问卷形式其核心目的是收集事实信息或了解简单情况/态度不依赖理论模型不需要信效度分析。1题目特点题目多为单项、独立、直接提问式如年龄、性别、满意度等每道题就是一个独立变量不需要合成“维度”或“分数”不要求题目之间保持一致性也不需要反映潜在结构题型多样包括单选题、多选题、填空题、排序题等。2题目举例客观事实 如年龄、性别、职业、收入。具体行为 如“您每天使用手机多长时间”、“您最近一年内购买过几次电子产品”简单的意见或选择 如“您更喜欢哪种产品包装”、“您从哪些渠道了解到我们的服务”3信效度分析不需要。因为每题都是独立测量点没有构成“量表”的结构不涉及整体信度与效度的分析。非量表问卷分析主要使用描述性统计例如计算百分比、频数、进行交叉分析等。4非量表问卷分析思路非量表类问卷的研究思路可以分成7个部分分别是样本背景分析样本特征、行为分析基本现状分析样本态度分析差异分析影响关系分析和其他在具体分析时可以结合实际情况进行选择。2、量表问卷量表问卷是学术研究中常用的方法其核心目的是测量“看不见的”“潜在变量/心理特质/行为倾向”等题目之间具有结构性必须做信效度分析。1题目特点由多个题目共同测量一个抽象概念如工作满意度、使用意愿、自我效能。题目高度相关具有理论背景心理学、管理学、社会学成熟模型。通常采用 Likert 量表1–5/1–7分。最终计算的不是某一道题而是某个维度得分或总体得分。2常见例子科技接受模型 TAM感知易用性、感知有用性SERVQUAL 服务质量量表五大人格量表满意度量表、忠诚度量表、使用意愿量表心理测量问卷焦虑量表、抑郁量表等3信效度分析必须做。因为量表测的是“潜在变量”题目间的质量与结构需要信度和效度来验证。4量表问卷分析思路量表问卷依据研究目的和主要方法的不同可分为多种类型例如影响关系类、综合评价类、聚类样本类等其中影响关系研究比较常见分析思路举例如下更多问卷分析思路可点击查看下方文章总结了常见的八类问卷分析思路详解【干货收藏】八类问卷分析思路盘活你的问卷数据3、总结是否需要做信效度分析关键不在于问卷题目的多少而在于这些题目是否共同指向某个潜在概念构成可被测量的“维度”。当问卷中存在一组相互关联的题项并能共同反映同一潜在变量时一般每个维度需至少2–3个题目以支撑统计检验就应当进行信度和效度分析以验证该量表结构是否稳定、测量是否可靠。此外即使量表来自文献、被前人反复使用过也仍需基于你的样本重新做一次信效度检验因为量表质量会随样本群体的不同而变化。相反如果问卷主要由独立的普通题目构成或仅包含零散的单个量表题并未形成可分析的维度结构则不需要开展信效度分析。下面介绍信度与效度分析常用指标与评价标准。一般先进行信度分析再进行效度分析。信度与效度的关系为信度高效度不一定高但信度低效度一定低。二、5类信度系数信度分析用于检验量表题项在测量同一构念时是否可靠、一致。常用的信度指标有Cronbachs α系数、折半信度、McDonalds ω信度系数、theta信度系数、重测信度5类。下面分别进行介绍。1、Cronbachs α系数Cronbachs α 是最常用的内部一致性信度指标用于评价同一维度内各题项之间的相关程度。α 系数越高说明题项之间越一致、量表越稳定。信度系数判断标准为如果α 系数高于0.8则说明信度高如果α 系数介于0.7~0.8之间则说明信度较好如果α 系数介于0.6~0.7则说明信度可接受如果α 系数小于0.6说明信度不佳。2、折半信度系数这是一种较为传统的内部一致性估计方法。操作上将量表题项随机分为两半如按奇偶题号计算两部分总分的相关系数再通过斯皮尔曼-布朗公式进行校正以估算整个量表的信度。如果两部分高度相关说明量表内部结构稳定测量可信。判断标准可参考Cronbachs α 系数。3、McDonald s ω信度系数ω 信度是近年来更被推荐的内部一致性指标它不依赖于 α 系数的严格假设能更准确地反映潜在变量对题项的贡献。基于验证性因子分析的结果进行计算考虑了每个题项不同的因子载荷比α系数更能准确反映潜在变量被其题项共同解释的程度。判断标准可参考Cronbachs α 系数。4、theta系数theta系数是基于主成分分析结果计算的信度估计值用于评估量表的整体一致性。它利用第一主成分的特征根来估算信度可作为α系数的一种补充视角。但在报告时其使用频率通常低于α系数或ω系数。判断标准可参考Cronbachs α 系数。5、重测信度重测信度用于检验量表的时间稳定性。其方法是对同一批被试在间隔一段时间如两周后用同一量表进行两次测量并计算两次得分的相关系数。若重测相关系数较高说明量表在时间维度上具有稳定性。常用判断标准r ≥ 0.7稳定性良好r 0.7量表可能易受时间、情绪或情境变化影响重测信度常应用于心理测评、稳定性强的构念如人格、价值观。6、信度分析软件操作1数据格式量表题的数据格式为一列代表一个问题一行代表一个样本分别用数字1-5表示量表题被选择项将数据整理成如下格式2SPSSAU软件操作将问卷数据上传至SPSSAU系统在【问卷研究】模块选择【信度】将量表题目按维度进行信度分析然后选择信度系数例如选择最常用的Cronbachs α系数SPSSAU操作如下图3分析结果解读SPSSAU输出Cronbach信度分析结果如下分析上表可知维度A的Cronbachs α系数为0.859表明维度A的信度高。分析结果中还会报告校正项总计相关性(CITC)和项已删除的α系数指标解释说明如下校正项总计相关性(CITC)该分析项与余下各项和之间的Pearson相关系数反映了该项与余下各项之间的相关程度。此指标用于判断题项是否应该作删除处理如果值小于0.3通常应该考虑将对应项进行删除处理。项已删除的α系数该分析项删除后余下分析项的α系数。此指标用于判断题项是否应该作删除处理如果该值明显高于”α系数”值此时应该考虑将对应项进行删除处理。按维度进行信度分析将量表其他维度依次进行信度分析最终整理成如下表格汇报在论文中其他信度系数操作解读类似重测信度可使用SPSSAU【相关分析】进行研究。一般若没有特殊需要在科研论文中使用Cronbachs α系数较为常见。三、4类效度分析效度分析用于检验量表题项是否准确地测量了我们想要测量的变量且与其他变量区分开来。具体来说效度可分为内容效度、结构效度、区分效度和聚合效度。下面分别进行介绍。1、内容效度内容效度关注量表题项在内容上是否充分覆盖了所要测量构念的所有核心方面且题项表述是否清晰、贴切。这本质上是一种基于逻辑和经验的判断。1检验方法常用为专家判断法邀请该领域的多位专家通常3-6位或更多对每个题项与目标构念的相关性、代表性、清晰度进行评级。常用的量化指标是内容效度指数。内容效度通常在量表开发的早期进行也是判断量表能否用于后续统计分析的前置步骤之一。2软件操作在SPSSAU【问卷研究】模块选择【内容效度】将测量项量表题的专家打分数据按提示填写在表格中表格中数字表示专家对于有效性的认可度只能1/2/3/4共四个数字分值越高认为越有效操作示例如下图3内容效度分析结果点击【开始分析】按钮即可得到【内容效度】分析结果内容效分析结果主要关注以下指标是否通过评价CVI条目内容效度指数每个题项的专家一致性评分S-CVI量表内容效度指数整体量表内容效度2、结构效度1简单说明结构效度关注量表的“维度结构”是否成立即题项能否按预期聚集成相应的因子维度这是效度检验中最核心、最常用的部分。结构效度的验证方式包括探索性因子分析EFA探索量表潜在结构适用于初次构建或改编量表。验证性因子分析CFA检验既定模型是否与数据匹配进行区分效度和聚合效度检验。2结构效度分析步骤第一首先分析KMO值如果此值高于0.8则说明研究数据非常适合提取信息从侧面反映出效度很好如果此值介于0.7~0.8之间则说明研究数据适合提取信息从侧面反映出效度较好如果此值介于0.6~0.7则说明研究数据比较适合提取信息从侧面反映出效度一般如果此值小于0.6说明数据不适合提取信息从侧面反映出效度一般(如果仅两个题则KMO无论如何均为0.5)第二接着分析题项与因子的对应关系如果对应关系与研究心理预期基本一致则说明效度良好第三如果效度不佳或者因子与题项对应关系与预期严重不符也或者某分析项对应的共同度值低于0.4(有时以0.5为标准);则可考虑对题项进行删除第四删除题项共有常见标准一是共同度值低于0.4(有时以0.5为标准)二是分析项与因子对应关系出现严重偏差第五重复上述1~4共4个步骤直至KMO达标以及题项与因子对应关系与预期基本吻合最终说明效度良好3软件操作在SPSSAU【进阶方法】模块选择【探索性因子分析】或【问卷研究】模块【效度】将量表题拖拽到右侧分析框选择预设维度操作如下图按照上文探索性因子分析步骤最终经过调整发现删除D3题目后得到因子与题项对应关系与预期相符的结果旋转后因子载荷系数表格如下关于结构效度分析的完整分析过程可点击查看下方帮助手册说明效度分析‌下面介绍聚合效度‌和‌区分效度‌具体使用验证性因子分析进行检验。3、聚合效度1简单说明聚合效度用于判断同一潜在变量下的题项是否有效收敛即题项之间是否指向相同概念。2软件操作在SPSSAU【问卷研究】模块选择【验证性因子分析】将变量按维度拖拽至右侧对应分析框中输入因子名称操作如下图注意上文删除的变量不参与分析3检验方法聚合效度常用的有2种检验方法①标准载荷系数值均大于0.7为佳0.5以上也可以接受②AVE和CR指标常情况下AVE大于0.5且CR值大于0.7说明聚合效度较高。标准载荷系数值标准载荷系数是指经过标准化处理的因子载荷系数。验证性因子分析使用标准载荷系数判断聚合效度。各个测量项的标准载荷系数值大于0.7说明量表的聚合效度好或者放宽要求在0.5以上也能接受社会学科研究编制的量表因子载荷量都不会太高。SPSSAU输出因子载荷系数表格如下分析上表标准载荷系数值绝大部分均在0.7以上说明该量表的聚合效度较高。AVE和CR指标AVE平均方差萃取AVE值 Average(loading平方然后求和)loading值为标准化载荷系数。通常需要AVE值大于0.5。CR组合信度CR值Sum(loading)^2 / [sum(loading)^2 sum(e)]e为残差标准载荷系数。通常需要CR值大于0.7。综上当AVE值大于0.5且CR值大于0.7时量表的聚合效度较高。SPSSAU输出模型AVE和CR指标结果如下分析上表本例中4个因子的平均方差萃取AVE值均大于0.5且组合信度CR值均大于0.7说明本次分析的量表数据具有良好的聚合效度。4、区分效度1简单说明区分效度确保量表的各维度之间是有界限的能够相互区分而不是测量相同的东西。即两个不同的构念在测量上不应高度混同。2检验方法区分效度常用的有3类检验方法AVE平方根判断法、HTMT法、MSV和ASV法。接下来将分别进行介绍。AVE平方根判断法AVE平方根值可表示因子的‘聚合性’相关系数表示相关关系如果因子‘聚合性’很强明显强于与其它因子间的相关系数绝对值则能说明具有区分效度当每个因子的AVE平方根值均大于“该因子与其他因子的相关系数的最大值”此时说明具有良好的区分效度。SPSSAU输出Pearson相关与AVE平方根值结果如下分析上表可知针对因子A其AVE平方根值为0.778大于因子间相关系数绝对值的最大值0.734意味着其具有良好的区分效度。同理分析因子B、C、D都具有良好的区分效度。HTMT法HTMTheterotrait-monotrait ratio异质-单质比率也就是特质间相关与特质内相关的比率。他是不同构面间指标相关的均值相对于相同构面间指标相关的均值乘积的开方的比值。如果HTMT值小于0.85有时以0.9作为标准则说明该两因子之间具有区分效度。SPSSAU输出HTMT分析结果如下分析上表可知HTMT值均小于0.85意味着因子间存在良好的区分效度。MSV和ASV法MSV最大共同方差和ASV平均共同方差这两个指标也可用于区分效度判断当MSV值小于AVE的值并且ASV值小于AVE值则说明具有区分效度。SPSSAU输出区分效度指标MSV和ASV结果如下分析上表可知大部分因子的MSV值和ASV值都不小于AVE值说明因子之间的区分效度并不好进而量表的区分效度也比较差。【提示】在实际应用中需注意不同的效度检验方法可能产生不一致的结果。例如同一份量表的数据采用不同方式进行检验结论可能存在差异。面对此类情况一般的处理原则是只要有一种检验方法能够证明量表的区分效度或聚合效度达到可接受水平即可认为该量表具有良好的效度水平。这属于一种相对宽松且务实的判断标准并不要求所有检验方法必须全部通过。区分效度和聚合效度完整版分析可点击查看下方帮助手册验证性因子分析帮助手册