1 / 20

發展調查問卷測量工具之簡要教學

發展調查問卷測量工具之簡要教學. 學號： 0253206 姓名：黃律 雅 報告日期 ： 4/22. 前言. 組織行為：對抽象構念進行測量 構念是一些無法被直接觀察的行為 表徵 越抽象 的構念，測量的困難度越 高 實地 研究時，重視問卷的信度及效 度 缺乏 健全的 架構，導致 發展量表的過程中產生測量 問題. 量表發展過程. 提出 一個概念架構和簡明易懂的指引或指南，供研究者發展量 表. 第一步驟：產生題項. 第二步驟：施測問卷. 第三步驟：初步題項精簡. 第四步驟：驗證性因素分析. 第五步驟：聚合 / 區別效度. 第六步驟：重複測試.

tamas
Download Presentation

發展調查問卷測量工具之簡要教學

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 發展調查問卷測量工具之簡要教學 學號：0253206 姓名：黃律雅 報告日期：4/22

  2. 前言 • 組織行為：對抽象構念進行測量 • 構念是一些無法被直接觀察的行為表徵 • 越抽象的構念，測量的困難度越高 • 實地研究時，重視問卷的信度及效度 • 缺乏健全的架構，導致發展量表的過程中產生測量問題

  3. 量表發展過程 • 提出一個概念架構和簡明易懂的指引或指南，供研究者發展量表 • 第一步驟：產生題項 • 第二步驟：施測問卷 • 第三步驟：初步題項精簡 • 第四步驟：驗證性因素分析 • 第五步驟：聚合/區別效度 • 第六步驟：重複測試

  4. 第一步驟：產生題項 • 用以評估所要驗證的構念 • 建立初步題項之方法： • 演繹法(deductive)/邏輯分割(logical partitioning)：由上而下分類法 • 歸納法(indictive)/群集(grouping)：由下而上

  5. 第一步驟：產生題項 • 演繹法： • 理論基礎已提供足夠的資訊以產生最初的題項組合，須對欲調查之對象有所了解，並做發展題項的指引 • 優點：確保最後量表的內容效度 • 缺點：耗費時間 • 歸納法： • 當構念的概念基礎未能得出易於辨識的向度 • 優缺點：需內容分析的專門技術，倚重事後的因素分析

  6. 第一步驟：產生題項 • 陳述盡可能簡短扼要 • 使用目標填答者所熟悉的用語 • 維持題項觀點前後一致性 • 題項內容每次只處理單一議題 • 內容效度評估(content validity assessment)： • 亦稱為「前測」 • 可將評估與概念不一致的題項刪除 • 填答者正確地分類題項的百分比

  7. 第一步驟：產生題項 • 題項數目： • 每個量表至少需要四個題項，才能針對每個潛在構念進行題項同質性檢定 • 三個題項，便可獲得足夠的內部一致性信度 • 不斷增加題項對信度提升的影響會越來越小 • 確保研究範疇有足夠的樣本 • 往往是測量誤差的主要來源

  8. 第一步驟：產生題項 • 題項量尺： • 李克特式(Likert-type) • 適合用於因素分析 • 透過測量工具取得最大的變異量

  9. 第二步驟：施測問卷 • 將經由內容效度評估之題項進行測量 • 新題項應該搭配其他已確立的測量工具執行，以驗證「構念關係網絡」(nomological network)，即現存測量工具與新發展量表之間的關係

  10. 第二步驟：施測問卷 • 許多多變量(multivariate)方法的結果可能與特定樣本有關，可藉由增加樣本數改善 • 大樣本：取得穩定的標準誤估計值，確保因素負荷量能精確反映真實的母體參數值 • 只要題項間的相關性夠強，不需要非常大的樣本即可在探索性分析取得精確的結果

  11. 第三步驟：初步題項精簡 • 探索性因素分析： • 藉由因素分析改善新量表 • 先檢查變項的題項間之相關情形，相關係數<0.4，即可在分析中刪除 • 檢驗潛在因素之題項負荷量以驗證預期的結果 • →目標是識別哪些題項最能清楚代表潛在構念的內容範疇

  12. 第三步驟：初步題項精簡 • 信度：指一個量測工具的正確性或準確性 • 確立單一向度後，要評估量測之信度 • Cronbach‘sα的內部一致性信度： • α越大(0.70)，表示有較強的題項共變、抽樣範疇已有充分取樣 • 可刪除對量表信度不會有負面影響的題項 • 保留促進內部一致性信度及能充分擷取抽樣範疇的題項

  13. 第四步驟：驗證性因素分析 • 典型因素分析方法無法量化出因素結構的配適度(goodness of fit) • 驗證性因素分析： • 使用獨立樣本蒐集之資料進行計算而得的變異數-共變異數矩陣進行分析 • 可以量化方式評估因素結構的品質，提供新量表構念效度的進一步證據

  14. 第四步驟：驗證性因素分析 • 目的有二： • 以測量模型的適配度比較單一共同因素模型 • 使用修正指數與t值去驗證特定模型中個別題項之適配度 • 卡方統計： • 可進行兩模型間之比較，卡方值越小，表示模型適配度越高 • 卡方值會受到樣本大小的影響，假如其他適配度指數高，則卡方值大的模型仍有好的適配度

  15. 第五步驟：聚合/區別效度 • 聚合效度：驗證該量表與其他測量類似構念之量表的高度相關 • 區別效度：驗證該量表與測量不同構念之量表的低度相關 • 效標關聯效度：檢測與其他預期有相關之變數間的關係

  16. 第五步驟：聚合/區別效度 • 多特質-多方法矩陣(MTMM)： • 由新發展的量表與其他測量工具的相關性比較 • 例如：單一特質-不同方法，「顯著地異於0且數值夠大」，則達聚合效度

  17. 第五步驟：聚合/區別效度 • 多特質-多方法矩陣(MTMM)： • 區別效度： • 不同方法-相同構念>不同方法-不同構念 • 不同方法-相同構念>相同方法-不同構念 • 「相同方法-不同構念」相關矩陣相似「不同方法-不同構念」

  18. 第六步驟：重複測試 • 共同來源/方法變異可能造成問題→不宜以同一樣本發展量表與評估新測量工具之心理計量特性 • 分析新測量工具所產生之因素可能具有樣本特定性，且信度傾向偏高

  19. 第六步驟：重複測試 • 應盡量蒐集除填答者之外的其他資料來源(如同事)，以提供構念效度的證明 • 包括驗證性因素分析、內部一致性信度評估、聚合/區別/效標關聯效度的評估

  20. 報告結束，謝謝大家!

More Related