世新「真資管」「在職碩士專班」實驗保送計畫歡迎報名世新「真資管」「在職碩士專班」實驗保送計畫

世新「真資管」「在職碩士專班」實驗保送計畫請以谷歌搜尋「資管教育」,看誰是排名第一的資管系所?

世新「真資管」「在職碩士專班」實驗保送計畫適合非資訊本科在職者,發展第二資管專長。世新「真資管」「在職碩士專班」實驗保送計畫適合擬轉業者/退休者,發展人生第二春、第二樂趣!

1、形式與沿革

階式量表由一組相互連鎖的問題結合而成,所有問題均環繞同一主題,而按照認同主題強弱的程度,呈階梯狀排列,譬如在一個包含五個項目的「參與政治程度」量表(範例6-3)中,受訪者回答「是」以第一項最容易,第五項最難;理論上,第五項答「是」的人,第一至第四項均應該達「是」;第五項答「否」但第四項答「是」的人,第一至第三項也應該答「是」;以此類推。相反的,第一項就答「否」的人,第二項以下理論上不會答「是」;第二項答「否」的人,第三項以下也會答「否」......。

統雄社群-研究方法系列
統雄數學神掌系列目錄
分享意見反映
統計教學的內涵與取向
高考統計考題的解析
微積分精華篇
微積分思想篇
微積分進階精華篇
統計/數學符號與其英語讀法
資料型態與視覺呈現
敘述統計
機率論與機率分配
推論統計學精華篇
t分配與 t檢定
推論統計‧理論建構
資料分析程序與SPSS基礎
SPSS 資料清理
SPSS 轉換:Recode 重新編碼
SPSS 轉換:Compute 建構新變項
SPSS 選擇觀察值_SPSS 資料庫管理
樣本代表性檢定
單變項:類別_二元資料/詮釋
單變項:類別_二元資料/應用
單變項分析:連續資料
單變項連續資料視覺檢視與清理
卡方分析(雙向)
多向卡方分析
單向卡方分析
變異數分析(單因子):詮釋
變異數分析(單因子):應用
簡單迴歸/相關分析:詮釋
簡單迴歸/相關分析:應用
對數/邏輯相關分析
測量工具信度/效度分析
量表信度 檢定
量表效標關聯效度 檢定
因素分析_EFA
因素效度分析_CFA:詮釋
因素效度分析_CFA:應用
多變項分析精華篇
多元迴歸分析:詮釋
多元迴歸分析:應用
一般線性模型精華篇
廣義線性模型
雙因子/多因子變異數分析
調節模型與交互作用詮釋
調節模型分析與建構
SPSS 統計圖應用:調節模型檢定
共變數分析/詮釋
共變模型建構/應用
因果模型與因果邏輯
中介模型分析
因徑/SEM:模型詮釋與因果邏輯
因徑/SEM:探索式因徑模型建構
因徑/SEM:驗證式結構方程解析
多變項分析實例SEM
多變項分析實例SEM+調節篇
因徑/結構方程SEM:反省
無母數統計
統計研討篇
專題-卜豐投針實驗
專題-機率與統計悖論
1類知識計量工具
2類知識計量工具
3類知識計量工具
非等機率知識體系建構
TX空時座標建構
一般取用測量
信仰取用測量
研究方法/民調市調系列

當然,問題的語意可以是正面的,也可以是反面的,交互使用(範例6-4)。

範例6-3 「參與政治程度」階式量表

------------------------------------

1. 在中央選舉時,我多半會去投票。

2. 每一項選舉,我都會去投票。

3. 我曾擔任過與選舉事務有關工作。

4. 我曾經競選過公職。

5. 我曾經由選舉,擔任過公職。

------------------------------------

來源:修訂自Orenstein [260]

 

範例6-4 「種族整合程度」階式量表

---------------------------------------------

1. 黑人應有平等就業的機會嗎?(是)*

2. 公車上黑人、白人的座區應該分開嗎?(否)

3. 黑人有權去任何公園、餐廳、旅館嗎?(是)

4. 黑白學童應該同校嗎?(是)

5. 你反對邀請黑人來你家便飯嗎?(否)

6. 你同意黑人無權遷入白人住宅區嗎?(否)

7. 你反對黑白聯姻嗎?(否)

8. 黑人不可以去他們不受歡迎的地方嗎?(否)

---------------------------------------------

*答案與括弧中相同者,表示「整合」程度高,「歧視」心理少。

來源:Treiman [346]

這一類型的量表首先由Bogardus[105]創設,稱為「社會距離量表」(Social distance scale),後來經由Guttman[188]改良,發展出較為完整的理論,故又稱為「蓋特曼量表」,當時電腦不若今天發達,編製時要先用手工繪製一個階梯形式的矩陣圖,根據圖形來淨化測量項目,乃定名「階式量表」(Scalogram,黃榮村[56]譯為「表圖」)。

階式量表經過Robinson [290], Green [178], Schooler [303]不斷修訂愈趨成熟,它有一個特質:編製時需要謹慎從事,使用時卻簡明方便。譬如:新產品行銷人想要知道受訪者是不可能說服的顧客、精神病醫師想要知道病人性知識的程度,只消用幾個問題就能探知梗概,而比僅靠察言觀色有效。

2、測量理論

a.累積性(cumulative)

假設一個人對一件強烈的行為表示贊同,那麼他的態度一定是先由贊同較弱的行為、贊同中庸的行為,逐步累積起來的。

b.單向性(unidimensional)

假設一個量表能夠測量出上述累積性的現象,那麼這組量表便具有「單向性」,能夠測量一種比較基本的態度 (underlying attitude)。

3、編製程序

a.設計題庫

實用的階式量表,在一般行為科學界中約含四至十個項目,而在教育心理學界可四十個項目左右。研究者可根據研究目的,把所需的實際項目數增列若干,成為題庫。

b.淨化測量

抽選一個小樣本,利用題庫做一次「前測」,以鑑別項目的好壞。早期鑑別方法是用手工計算「切點」(cut point)及「複製係數」(coefficient of reproducibility),手續繁瑣,鑑別能力也較不嚴謹。

歸納學者研究成果,有五種鑑別指標:

(a) 複製係數(簡稱Cr)表示這組量表應用到別的受試者身上,可「複製」出相同結果的百分比,一般而言應該等於或大於 .09。

(b) 最低複製力(minimum marginal reproducibility, 簡稱mmr)在有關情況中,至少可以「複製」出相同的結果的百分比。

(c) 改善率(percent improvement, 簡稱PI) 改善率等於複製係數減去最低複製力之值(PI= Cr - mmr)。PI數值高,表示量表真正具有累積性、複製力,而不是因為項目之間彼此高度相關,造成假性的複製力。

(d) 可測係數(coefficient of scalability, 簡稱 Cs)表示量表具有累積性和單向性的程度,良好的Cs應大於 .60。

(e) 尤魯相關係數矩陣(Yule's correlation coefficient, 簡稱Q或Y)提供一個相關矩陣。如果Cr及Cs數值太低,則在矩陣中剔出不理想的項目,亦即產生負相關或低相關的項目。再從頭檢定,直到Cr和Cs達到最低要求為止。

c.量表的項目數

如果一個經過淨化,Cr 和 CS 達到最低標準的量表,項目數少於四個,就表示這個研究主題不是單一向面能夠區分的,應該就此放棄。

譬如一位家用電腦生產、行銷商,發展出了多種性能不同、價格不同的電腦,他想知道:(a)那一種電腦的市場最大? (b)那一種顧客最可能購買那一種品級的電腦,而不必浪費唇舌於介紹其他不會吸引顧客的電腦?

他假設:顧客會買那一種電腦,會和他目前擁有那些種類和品級的家電相關,因此他便打算擬訂一組「擁有家電品級」的階式量表,如果這個量表構建成功,他就可以掌握顧客心理,推薦顧客最可能購置的電腦,進一步分析市場,調整各種電腦生產量的大小。

4、優點與限制

階式量表的優點有:

a.計量方式具說服性

有些學者如Campbell [116]認為,測量人類態度頂多只能做到「等序」畫分,「等序」資料 比「等距」資料更接近人類真實的感官世界,因此階式量表是比較不勉強、比較合乎人性的測量法。

b.促進訪問效果

訪問的過程很像普通對談,一直有新鮮的話題,不會反覆要求受訪者評分而使他厭煩,更特別利於電話訪問的特性。對受訪者而言,不勉強他把一些觀點量化,回答起來也覺得比較方便,使他樂於合作,也促進了訪問的正確性。

c.兼適於抽象 或實質的問題

階式量表不僅可衡量態度,測量實質也很有效。如Locander [236]用階式量表研究家庭經濟情況,發現比用其他的量表都準確。

本項量表的限制包括:

a.研究主題涵蓋面窄

主題較寬的研究,往往無法構建出何合乎Cr,CS要求的階式量表;否則就是編出來的量表項目太少,可信性因而降低。

b.有時會不符「單向性」

有些階式量表幾乎百分之百符合「累積性」的要求,但無意中卻喪失了「單向性」,譬如 範例6-5就是一個極端的例子。因此研究者必須審慎檢查各項目是否環繞同一個主題,否則便違背了階式量表的假設。

 範例6-5 極端的階式量表

1、 你什麼時候要用雨傘?

2‧ 10*38等於多少?

3‧ severe是什麼意思?

4、 分解因式,求x之值:x2+2x+9=16

c.測量資料無法做更精緻的統計分析

階式量表所提供的「等序」資料,有人認為是合乎真實的;有人卻認為是近於原始、粗糙的,化了很多力氣去收集資料,卻無法做更縝密的分析、無法知道更多的訊息,不如採用其他在理論上也很站得住腳的量表。

回頁首 Up to page head 至頁尾 Down to page bottom
上一頁 Back to previous page 回頁首 Up to page head 下一頁 Go to nex page  
請點這裡看所有留言分類 Please click here to view categories of comments
同類別內相關主題