体育科学研究方法

体育科学研究方法 郑旗(教授)主编

第八章量表编制与应用研究 • 体育科学研究是一个不断提出问题到解决问题的过程，在这个过程中，搜集资料是研究者的主要任务。纸笔测验是应用非常广泛的方法之一，其多数内容见诸于体育测量与评价等学科。量表作为纸笔测验和研究工作中一种有效的测量工具，近年来已被广泛地应用在体育科学研究的诸多领域中。然而，在研究工作中能否真正找到适合其研究目的的量表，或者如何选择一个好的量表，需要对量表编制的基本理论及其应用有一个入门的了解。本章结合学生的需要和实际研究案例，介绍量表编制理论与应用的基础知识。

第八章量表编制与应用研究 • 第一节量表概述 • 第二节量表编制与选用 • 第三节量表的信度与效度

第一节 量表概述

一、测量与测量量表 • 测量是一个基本的科学活动。史蒂芬斯（S.S.Sstevens）曾说：“广义而言，测量是根据法则给事物赋予数量”也就是说，用一定规则给事物属性指派数字或符号的过程即是测量（measurement）。例如，要衡量人的形态、身体素质等属性，就可以根据某种相应法则制成量具，比如尺子、磅称等，再利用量具将物体的属性表示成数字。可见，测量这一定义包含三个要素： • （一）事物及属性 • 事物及属性即研究者要测量的对象和目标。 • （二）法则 • 法则（rule）是指衡量事物属性的规则与尺度，或者说法则是一套能显示事物属性的程序。 • （三）数字或符号 • 数字（number）是代表某一事物或事物某一属性的量。数字本身只是一种符号，只有当研究者赋予它意义时，它才变成量化的数。

二、测量量表的基本类型与结构 • （一）测量量表的基本类型 • 从广义上讲，任何可以使事物数量化的值或量的渐进系列都可称为量表（scale）。一般说来，根据数值中所包含的信息量及其特征，有四种范畴的不同水平的测量量表，即称名量表、顺序量表、等距量表和比率量表。按打分或量表测出的信息的量化性质和程度，这四种量表构成了一个等级分类体系，所包含的信息由最少到最多依次递增。 • 1．称名量表 • 称名量表（nominal scales）又称定类量表，是最简单的量表，只给出不分次序的类别。 • 2．顺序量表 • 顺序量表（ordinal scales）又称定序量表，除了表明性质的不同，还根据高低、多少等特征排出次序，其特征是一个观察值高于或低于另一个观察值。 • 3．等距量表 • 等距量表（interval scales）又称定距量表，不仅给出顺序，还确定了等距的单位。 • 4．比率量表 • 比率量表（ratio scales）又称定比量表，有等距特征，并且有绝对零点。

（二）测量量表的结构 • 一个完整的量表通常包括量表名称、指导语（告诉量表填答者如何正确的填写量表）、量表正文（通常由一些陈述句子和可供选择的答案组成）、评分方法、量表应用指南（量表的测量目的，适用范围和使用注意事项）和量表信度、效度检验结果组成。 • 在实际研究工作中，为了便于深入分析，根据研究目的和研究对象的背景情况，在应用量表收集资料的过程中，常常设计人口统计学变量及相关变量附属在量表中。 • Franzoi,S.L.和Shields,S.A.编制的《身体自尊量表》。

三、量表与调查问卷的异同 • 从体育类学术刊物发表的论文来看，涉及到研究方法与工具陈述时，部分研究者没有将调查问卷与量表做出区分或交代不清。广义而论，量表可看作问卷的一种，问卷与量表都是研究者用来收集资料的一种工具，二者在研究某一问题中同时采用或设计在一起，但严格来讲，量表与社会调查问卷存在着某些异同。 • （一）在编制结构上的异同 • 1．量表是对变量或概念属性强度的复合测量，问卷则没有 • 2．量表编制需要理论导向，调查问卷则突出主题 • 3．量表的各分量表都要有明确的定义，调查问卷则无此要求 • （二）在标准化与计分方式上的差异 • 1．量表编制必须满足标准化，而调查问卷没有此要求 • 2．量表以各分量表为计分单位，问卷以各题为单位来计次 • （三）在数据统计分析上的差异 • 每个量表都有明确定义和设想的关系，这使得量表更适合于特定的统计分析与检验。一般地，随着量表类型测量层次的提高，测量的精确性在递增，可适用的数据统计分析方法也在增多。而调查问卷以定类和定序问题居多，从而使常用的统计分析方法受到限制，或者要选用适合于定类和定序统计的方法，具体应用可参考第六章的社会调查相关内容。

第二节 量表编制与选用

一、量表编制的基本程序 • 量表编制一般包括下列内容：明确研究目的或主题；确定概念的操作定义；建立题项库；筛选条目，形成初步量表；预试验，考核量表；修改和完善量表。量表编制的基本程序如下： • （一）明确研究目的或测量主题 • 1．确定量表编制的理论 • 2．确定量表编制的内容结构

（二）建立量表的题项库 • 1．编写量表题项的要求 • （1）在编写题项时，应考虑被试的特点。 • （2）在编写题项时，内容要紧扣主题。 • （3）在编写题项时，要注意问题形式和文法。其一，要求使用通俗的现代语言，不要使用晦涩难懂的词句；其二，文句应简明扼要，既排除与题项无关的因素，又不遗漏题项的必要条件；其三，应尽量减少使用双重否定句。 • （4）在编写题项时，最好是一句话说明一个问题，不要涉及两个或两个以上的事件，意义必须明确，不应含混。 • （5）在编写题项时，应尽量避免主观性和情绪化的词语，以保护被试感情；避免涉及社会禁忌和隐私的问题；避免被试羞于启齿的问题；还应避免诱导与提示答案的问题。 • （6）好的题项其内容对所有的被试者来说，应具有适当的困难度；好的题项其内容对所有的被试者都应该是等值的，而不应有差异。

科学(science) • 2．题项的来源 • （1）通过文献查询已有的量表。 • （2）通过座谈会。 • （3）通过开放式问卷调查。 • （4）通过被试的作品建立题项。 • 3．题项中的题干与反应选项类型 • 一般量表的题项包括两个部分：题干和一系列反应选项。题干（stem）即给被试呈现的问题情景，由直接问句或不完全的陈述句构成。而与每个题干相伴随的反应选项（options or alternatives）是一系列表示对该陈述句的赞同程度的描述。反应选项有不同的形式，下面介绍在量表编制中常用的两种： • （1）李克特式（2）语义差异式

4．题项的数量 • 建构量表的形式很多，李克特式最为常用。李克特式量表编制的最大特点是重视其内在一致性程度，它是量表题项两两之间关系强度的函数，也是题项与潜在变量间的关系指标。一般函数值大小与题项数多少有密切关系，题项数愈多，愈有可能包括所要测量的潜在变量，但题项数过多，对实际作答带来困难。因而，题项库一般是正式题项的3-4倍，如果有些题项设计不容易，或者先前相关研究显示，这些构思不需要过多的题项即可获得良好的一致性，则题项库约为正式题项的1.5倍。一般一个正式的量表题项在20个左右。

（三）专家评价题项库 • 量表编制的第三步是请一些这个领域的专家来评价已编写好的题项。其目的主要是检测量表的内容效度及构想效度。专家评价题项库的主要内容有下述几方面： • 第一，专家评价题项库，确认变量或概念的定义。请专家组对每个题项与所要测的内容之间的相关程度作出评估。如果正在编制的量表是由各个分量表所组成的话，采用专家评价效果最好。 • 第二，通常要把所研究的变量或概念的操作定义提供给专家组。请求专家就每个题项与操作定义之间的相关性进行评价。对每个题项给出“适合”、“修正后适合”、“不适合”评定，便于研究者选择和修改题项，具体应用的范例见本章第三节。 • 第三，请专家对每个题项的清晰性和简洁性进行评价。根据专家评价意见修改题项，完善题项库的内容。

（四）编制预试量表 • 把经过专家评价后认为合适的题项，进行编排，并加上指导语，初步形成预试量表。编制预试量表要注意三个方面的问题。 • 1．李克特式量表的编制应注意的问题 • （1）大多数情况下，5点量表是最为可靠的，选项超过5点，一般人难有足够的辨别力。 • （2）3点量表限制了温和意见与强烈意见的表达，5点量表是温和意见与强烈意见的最好区分。 • （3）由于人口变量的异质性关系，对于没有足够辨别力的人而言，使用7点量表，往往会导致信度的丧失。 • （4）量表的点数愈多，选答分布就愈广，方差也会变得更大，增加了抽样误差。

科学(science) • 2．量表题项排列时应注意的问题 • （1）将测量相同因素的题项排列在一起。 • （2）将同一类型的题项组合在一起。这样安排，可以对每一类型的题项仅做一次说明，也使被试可用相同的反应方式来回答，同时，还可以简化计分工作和统计工作。 • （3）题项按由易到难的顺序安排。这种安排也可以使被试解除紧张情绪，进入测验状态；同时，还可以避免被试在难题上耽搁太长时间而影响了后面的回答。 • （4）如果量表的题项过于敏感，应在量表中穿插数个“测谎题”，以探知被试是否据实填答。

3．偏差控制的问题 • 量表编制过程中，有时不可避免地会涉及一些敏感的话题，如兴奋剂使用问题、早恋问题等。被试在回答时，往往存在着某种潜意识的倾向，这种倾向不受题目内容的影响。通常有回答的定势（response set）、回答风格（response style）、回答的偏向（response bias）等。这种偏差，即使在询问事实问题中也可能产生。诸如此类的问题主要有下述几种： • （1）装假倾向。（2）社会赞许性。 • （3）防卫倾向。（4）顺从偏差。 • （5）两极偏差。

（五）抽样施测 • 当题项编好后，编制者即需进行预试。预试对象的性质与将来正式量表测试的对象性质一致。预试对象的人数以量表中包括最多题项的“分量表”的3-5倍人数为原则，如一个量表包括3个分量表，每个分量表的题项分别是40题、35题、25题，预试对象最好在120-200人之间。结合统计分析，一般的原则是：量表的题项数与预试人数的比例是1比5。

（六）项目分析 • 在编制量表时，将已做成的项目进行预备实验，根据对其反应结果的统计分析来进行项目的选择和改造称之为项目分析(item analysis)。它包括项目的质的分析和量的分析。前者是就项目内容和形式进行考察，其结构形式要符合量表的原则和要求。后者包括各个项目的难度系数、反应分析和辨别力的考察等。

（七）建立信度与效度 • 一份好的量表必须具有相当的信度和效度。信度与效度是量表编制的重要组成部分。关于信度与效度的一般设计原理在第四章中已做过介绍，量表的信度主要是内部一致性系数、再测信度，效度主要是内容效度、构想效度等。量表的信度和效度应该如何建立，在本章第三节结合具体案例来介绍。

（八）编制量表应用手册 • 标准化的量表必须提供给用户相应的量表应用手册。手册是培训施测人员和进行实际测验需要遵循的依据，也是研究人员比较和评价不同测验优劣的重要依据。应用手册一般包括以下内容： • 第一，一般情况。包括标题名称、作者、施测形式和计分形式。 • 第二，目的和功能。通常手册应说明量表可用于何种情景（选拔、指导、临床或课堂），以及将要测量的能力倾向、态度倾向、人格特质或行为类型等。 • 第三，理论背景和依据。如果测验的解释是建立在某种理论和测验内容的基础上的，那么题目的来源特别重要。应用手册还应提供题项的统计指标。 • 第四，实施方法。包括测验的环境限制、测验的时间限制、对被试的指示语、对主试的训练要求以及其他注意事项。 • 第五，标准答案和计分方法。 • 第六，常模资料。常模资料包括样本的选择方法；量表总分的平均数和标准差；原始得分转换规则；对分数的解释等。 • 第七，信度和效度资料，以及获取这些资料的测试条件，包括调查样本和调查时间等。

二、体育科学研究中的量表选用 • 量表的编制，是一项很复杂的工作，它需要花费大量的时间和精力，需要编制者具备良好的科研素养和编制技能，对普通的研究者来说，编制量表是一件非常困难的事情。因此，在研究中选择量表之前，应进行十分仔细的文献检索，以发现已有的研究中相关量表能否用来测量研究中因变量或自变量。总的原则是，如果可利用的量表在性质上有效度、信度和效用，则这个量表可以被采用。大学生学位论文中多数的情况下会选用他人已编制好的量表。

（一）体育科学研究中量表运用的主要领域 • 人们编制了许多量表来方便对于人类社会及关系中的各种要素做定量描述。在体育科学研究中主要有下述的几个领域。 • 1．体育运动心理学等相关领域 • 2．体育社会学等相关领域 • 3．体育教育训练学等相关领域

（二）国内量表的选用 • 如上所述，体育科学研究中有一些较成熟的量表可以借用，但在运用中应注意以下问题。 • 1．判断欲选用量表是否是一个正规的量表 • 一个好的正规的量表至少应包括以下内容： • （1）量表编制的理论基础。 • （2）量表的使用对象和范围。 • （3）量表信度与效度检验结果。 • （4）量表应用指南和评分方法。 • 2．量表与研究目的或调查主题是否一致 • 对照量表编制的理论依据，分析与研究课题所提出假设是否一致。量表与调查对象（年龄、性别和职业等）及适用范围是否一致。 • 3．通过测量部分调查对象，重新判断量表的信度与效度 • 在学术论文中应提供原量表的信度与效度，并提供通过测量研究课题的部分调查对象或全部对象所得到的信度与效度，如果与原量表不一致，要说明存在的可能原因。

（三）国外量表的选用 • 在移用国外量表时除注意以上问题，还应特别注意本土化的问题。使用外国量表首先面临的问题就是翻译问题，要将某种语言表达的概念用另一种语言准确恰当地表达出来，这确实有一定难度。为了保证概念上或意义上翻译的准确性，可采用往返翻译，即请一个双语者先将量表从原本语言翻译为译本语言，再请另一个双语者将译本语言翻译回原本语言。然后，将量表的正本与经过往返翻译地量表进行比较，做出必要的改造和修改。

第三节 量表的信度与效度

第三节量表的信度与效度 • 通常一个好的量表应当具有效度、信度、实用性与常模等特质。其中效度是测验特质中最重要的。一个量表没有效度，无论它在实用、美观、信度等方面做得多么好，这个量表都是没有价值的。在第四章体育科学研究设计的讨论中，已经明确了信度与效度的概念、分类及其关系，在此主要结合量表编制的实例，对信度与效度问题在操作层面进行初步的介绍。

一、量表信度与效度 • （一）量表效度的估计方法 • 对量表编制而言，效度具有目标导向。如前所述，每个量表均有其特殊目的与功能。因而，一个量表的效度高，指的是其特殊的用途，有其适用的特殊群体，而非一般的推论。量表编制中，通常要估计内容效度、效标关联效度、构想效度和专家效度。 • 量表的内容效度是指一个测验本身所包含的概念意义范围或程度。通常根据题项的代表性和适当性来判断，属于一种命题的逻辑分析，虽然有些研究者试图对内容效度作实证性的或统计分析，但多数人依然把内容效度看作是一种质性类型的效度。因此，理论的定义就显得相当重要，当理论的定义没有共识的时候，内容领域就变得相当模糊。所以，内容效度依赖于某领域研究者对理论定义的认同，一般采用“双向细目表”来判断选择的项目能否涵盖内容领域，或需要多名专家来判断测验项目与欲测主题在内容上是否相符。效标关联效度指量表与外在效标之间的关联程度。常用的外在效标有学习成绩、工作成就、运动成绩、人格量表、态度量表等。效标关联效度依其使用时间间隔的长短又分为预测效度和同时效度，预测效度指量表测得的分数与将来的效标之间关联程度；同时效度指测得的分数与目前效标资料之间关联程度。不同效标可能产生不同效度，使得效度系数的不确定性增加，对量表编制而言，如果没有合适的效标，当然就无法计算其效标关联效度了。在一个量表实际编制中，从入门的知识和操作层面来看，首先是建构其专家效度，其次是构想效度，在此基础上来验证其它效度。

1．量表专家效度编制范例 • 在研究者根据理论假设编制量表后，如果无法编制双向细目表进行内容效度检验，可以将编制好的量表请相关的专家加以审查。专家包括有实际工作经验者、有此相关研究经验者、有学术背景的学者等等。根据量表编制的理论构想，请专家对各题项逐一审查，看题项内容是否能真正测出变量或概念的内涵，判定题项词句是否恰当并提供修正意见。编制者再根据专家的意见，统计分析适合的题项与不适合的题项，并修正不恰当的词句，编制成预试量表。专家效度的量表编制范例见表8-4。

科学(science) • 2．量表构想效度验证实例 • 如前所述，构想效度对量表来说是相当重要的效度指标，构想效度贯穿于各类效度之中。为检验量表的构想效度，通常进行因素分析。因素分析目的在于找出量表潜在的结构，减少题项的数目，使之变为一组较少而彼此相关较大的变量。因素分析分为探索性因素分析（exploratory factor analysis，简称EFA）和验证性因素分析（confirmatory factor analysis，简称CFA）。研究者事先对观测数据背后存在多少个基本维度一无所知，因素分析用来作为探索基础变量的维度即是探索性因素分析。如果研究者根据某些理论或其他的先验知识可能对因素的个数或结构作出假设，因素分析来验证这个假设即是验证性因素分析。验证性因素分析通过结构方程模型（structural equation model,简称SEM）来实现，它是衡量量表编制科学性的一项利器，SEM对量表编制的理论建构和检验具有非常重要的意义。基于SEM来验证量表的构想效度，是相当复杂的统计方法学，可参看有关专门书籍。在此以探索性的因素分析为例，结合一个应用实例来分析量表的构想效度。 • 量表编制实例来自于王瑞安（民87）公立非正规成人教育机构员工工作压力、工作倦怠与学习需求之关系研究（表8-5）。

科学(science) • 该量表共有22个题项，题项间是否适合进行因素分析及选取几个共同因素，应根据探索性因素分析的原理来判断。常用的判断原则是： • （1）根据学者Kaiser所提出的准则标准，选取特征值大于1的因素，该准则应用时，因素分析的题项最好不要超过30题，题项平均共同性最好在0.7以上。如果受试样本大于250位，则平均共同性应在0.6以上。如果题项数在50题以上，有可能抽取过多的共同因素，此时研究者要根据理论设想限定因素。 • （2）根据陡坡图（scree plot）因素变异量递减情形来决定。在陡坡图中，如果因素变异量图形呈现由斜坡转为平坦，平坦状态以后的共同因素可以去掉。 • （3）依据学者Kaiser的观点，可从取样的因素分析适当性数值（Kaiser-Meyer-Olkin measure of sampling adequacy，简称KMO）大小来判定。因素分析的KMO数值判定标准为（表8-6）

科学(science) • 在实际研究中，量表效度建构有时需要进行2-3次因素分析，因为部分量表在第一次因素分析时，其维度所涵括的题项内容差异太大，纳入同一维度，解释不合理，则需要删除，再进行因素分析。下面为100名预试对象进行工作倦怠感量表测试所得的资料，采用SPSS进行两次因素分析的结果。 • 其中抽样的适当性数值KMO为0.863，表明题项间有共同因素存在，适合于因素分析。因素选取的陡坡图见图8-1，选取4个因素较为理想，其构想效度主要结果见表8-7。

（二）量表信度估计方法 • 量表信度估计方法的发展归功于斯皮尔曼，他发明了积差相关理论，并将此观念融合于事物的测量上，而1904年发表了一篇名为《事物关联的证明与测量》，促进了信度估计方法的快速发展和日臻完善。如前所述，估计信度的方法有许多种，以何种方法来估计信度取决于测验的种类、目的及计算信度工具的可利用性。就量表编制来说，尤其是李克特式量表的信度检验，Cronbach's Alpha系数最受青睐。通常它会和探索性因素分析（EFA）合在一起使用。具体量表编制中如果一组题项通过EFA而获得因素之后，Alpha系数就被用来估计每个因素的一致性，同样，也可估计整个量表的信度。上述例子中，采用SPSS计算得到各分量表及整个量表的Cronbach's Alpha系数（见表8-8）。量表的分半信度也可采用同样的方法进行。重测信度需要间隔一定时间，计算两次测量的积差相关系数。

二、量表信度与效度评鉴 • （一）量表效度应用评鉴 • 量表构想效度之所以重要，是因为它是理论发展与检验的必然条件。构想效度的核心是“构想”，所有的理论构想都有两个基本属性：一是对本质规律的抽象概括；二是与具体的可观察的本质或事件的联系。构想的第一个基本属性使之成为科学理论发展的基础，它使科学超越了直观的感性经验而进入更为抽象和概化的理性层次。构想的第二基本属性又使它成为可测量的。 • 在许多量表编制、修订、移植过程中，比较重视采集大样本数据制定常模，却忽视严格的效度分析与验证。许多研究表明，效度验证工作是一项极为重要而复杂的研究任务，其意义远远超过量表编制的本身或常模。 • 效度系数多大才算达到可接受的水平呢？众说不一。首先，要看测验的性质和所采用的效度种类，对于各自不同的目的，有着不同的效度；其次，要求效度系数具有统计意义；第三，对其作出符合理论构想或客观情况的解释。通常效度系数值在0.30-0.60之间，如果研究目的是用来筛选人员或普通诊断时，效度系数在0.30-0.40之间就认为是可接受的。需要强调指出的是，即使证明具有较高效度的量表，如果在使用时操作程序不当，或者条件控制得不严格，也无法取得可靠的数据，从而不能用之于研究工作。

（二）量表信度评鉴标准 • 信度系数应当到多大才能认为量表信度较高？这方面没有统一标准，与研究目的及测量得到的分数运用有关。根据多数学者的观点，任何测验或量表的信度系数在0.90以上，表示测验或量表的信度甚佳；如果信度系数在0.90-0.80之间，表示测验或量表的信度较好；如果信度系数在0.80-0.70之间，表示量表的信度系数一般；如果信度系数在0.70-0.60之间，信度系数可以接受；如果信度系数低于0.60，应考虑重新修订量表或增删题项。 • 一般量表编制中，Alpha系数受到量表中的题项、题项间的相关系数、量表维度等因素的影响。正常情况下，Cronbach's Alpha系数受题项多少的影响，题项间相关系数平均数愈低，则其影响愈大，题项愈多，相对的Alpha系数也会提高。量表维度愈多，则Alpha系数会变小。多数学者认为，如果量表包括若干个维度时，其分量表以3-7题项为宜，低于3个题项不足以说明问题。如果测量是特定的变量，以7-10题为宜。 • 此外，在研究报告或论文撰写中，不应只是显示信度系数值的大小，还应该说明测验或量表适用的群体，以提供有价值的信息，供未来发展者或其他研究者继续研究时参考。

三、量表信度与效度检验的发展 • 量表信度与效度检验的理论与技术发展很快，如前所述，因素分析作为量表编制的一个统计技术，常用来从一堆题项中抽取出来一些共同因素，用以呈现潜在的理论构想。但这种构想是在因素分析完后才依据题项的聚集情形来命名的。可以说是“事后诸葛亮”。那么，理论的角色是事后的，不是事前的，使得理论的角色顿然失色。所以，探索性因素分析是倾向于统计而非逻辑的，而且选取多少因素，研究者并没有把握获得多少因素作为最后的解释。 • 结构方程模式（SEM）是当代社会及行为科学研究量化典范最重要的新兴研究方法与统计技术之一。结构方程模式可作项目分析，可检验个别项目的测量误差，可依据理论，预先设定项目放置与哪一个因素中，或那几个因素中，一个项目可以分属于不同的因素，并可设定一个固定的因素负荷量，或设定任何几个项目的因素负荷量相等。同时，结构方程模式可依据理论，设想某些因素之间具有或不具有相关，对整体因素模式做统计分析，来了解理论所建构的因素模式与所收集资料的符合程度。SEM在量表效度检验上，就是先以健全的理论为模式，再依据模式所界定的变量来收集资料，又用资料来证明模式是可以接受的，达到检验效度和建构信度之目的。

复习思考题： • 1．量表与一般社会问卷有何异同？ • 2．简述量表编制的基本程序。 • 3．体育科学研究中如何选用一个量表？ • 4．从中文体育类核心期刊上检索2-3篇运用量表收集资料的论文，分析其信度与效度类型及估计方法，并提出可能存在的问题。

体育科学 研究方法