科研 | 心理学量表开发/修订流程及工具包第二期
![](http://static.careerengine.us/api/aov2/http%3A_%7C__%7C_mmbiz.qpic.cn_%7C_mmbiz_jpg_%7C_6G3tEQTiacLukdhPcDAgUq5frianGdbRbj3icDFNibg1lqKvooLdhRRyU85WmVhrYjicVlibVwN1OYuJcBLGp0WZsKsw_%7C_0%3Fwx_fmt%3Djpeg.jpg)
![](http://static.careerengine.us/api/aov2/https%3A_%7C__%7C_mmbiz.qpic.cn_%7C_mmbiz_gif_%7C_6G3tEQTiacLu547ULx4icEDaLWh9hjzsaYXTFib4AJm9exwQbrOAKljLnFJ7TtVibmKxYzWM5CUWibWS1JsDZegqkcQ_%7C_640%3Fwx_fmt%3Dgif.jpg)
![](http://static.careerengine.us/api/aov2/https%3A_%7C__%7C_mmbiz.qpic.cn_%7C_mmbiz_png_%7C_6G3tEQTiacLtu0TDfjdBqn2MEYURBawjWkeWGT2hxduflDMNxwcyZPVabialLQvPM0hPEeqzXNghEgJwn6BN8ugg_%7C_640%3Fwx_fmt%3Dpng.jpg)
Hello,
这里是
行上行下,我是
喵君姐姐~
此次和大家分享的是一个系列——心理学量表开发/修订流程及工具包,第一期为对心理学量表开发/修订流程及工具包的简单介绍(点击可查看:科研 | 心理学量表开发/修订流程及工具包第一期),本次为第二期——包括量表理论基础、前期质性资料、条目池建立,量表数据清洗与流程概和量表第一轮数据处理。
PS:后台回复关键词“量表开发”即可获得所述的PDF原文啦!
![](http://static.careerengine.us/api/aov2/https%3A_%7C__%7C_mmbiz.qpic.cn_%7C_mmbiz_png_%7C_6G3tEQTiacLt8abSKEc8ZNbeIHyj0j8K0OicB4n2aicBN8bFwMylQxICOWLiciaGVONJjsiciabS5IdMJibKONey47uxvw_%7C_640%3Fwx_fmt%3Dpng.jpg)
Part 1
作者说
大家好,我是张正,一个心理学摸鱼生。
为了帮助和我一样不懂代码/统计废柴的小伙伴进行量表开发修订,特意准备了这个流程和工具包,保证都是低成本且几乎不用搞原理的方法,希望可以帮到大家。
但是我仍然主张研究者在有能力的情况下应当深入了解数据的逻辑,学习统计与测量理论并严格遵循数据伦理。这不仅有助于不断修正研究思路,更是对研究成果的负责和奠基。
工具内容可能会涉及到版权问题,如有冒犯,麻烦邮箱联系删除。
遇到问题先看文献,然后带着具体问题和思考成果去问导师,如果没有解决请重复第一步。
Part 2
1 量表理论基础、前期质性资料、条目池建立
检索相关理论基础,基于前人量表基础进行解读。
例如【大学生对同性恋态度量表】,可以基于态度本身的认知、行为、情绪因子进行开发,也可以基于态度的积极消极倾向性进行开发。
量表开发本质上是对某种心理品质的摹写,一定要基于定义和操作性定义进行反复揣测。
例如【大学生焦虑量表】,既可以基于广泛性焦虑等定义,也可以细分诸如考试焦虑等内涵进行开发。
同时也可以使用自下而上的方法,通过访谈、问卷等形式,收集被试群体对于该概念的理解和描述,提取公因式,并且深刻汇总大多数人对于该核心概念的理解和表达。
可以使用NVIVO进行条目编码,具体操作方法可以参考《质性研究数据分析工具NVivo 12实用教程》。
Part 3
2 量表数据清洗与流程概览
2.1 量表数据清洗的Tips
1. 结合作答时长筛选无效数据。
2. 结合三个标准差筛选无效数据。
3. 结合注意力检验题筛选无效数据。
4. 由于网上有丰富的资料,该部分也不是本文主旨,故此处省略,有需要可以结合上面提及的关键词,自行在知乎、百度、百度学术、Google Scholar等地方检索。
2.2 流程概览
a) 项目分析
b) 萃取共同因素(主成分分析、主轴因子分析)
c) 保留共同因素(特征值>1、限定萃取个数)
d) 决定因素转轴方法(最大变异法、斜交转轴法)
e) 检验共同因素结构
f) 命名构面检验
g) 生成量表
Part 4
3 量表第一轮数据处理
3.1 条目分析(item analysis)
对测验或量表的项目质量的分析研究。广义还包括定性分析,即从题目的思想性、内容取样的适切性以及表达是否清楚等方面加以评鉴。就是根据试测结果对组成测验的各个题目(项目)进行分析,从而评价题目好坏、对题目进行筛选。 分析指标包括项目难度和区分度。
3.1.1 使用SPSS的情况
【分析】→【描述】→【频率】→【计算前后27%作为高低组得分】→【比较平均值】→【独立样本t检验】→【CR值不显著即删除】
【分析】→【相关】→【双变量相关】→【总分与所有条目】→【<0.4删除】
【分析】→【降维】→【因子分析】→【将待分析条目拖入右侧】→【因子固定数量:1】→【提取值若<0.2删除】→【成分矩阵因素载荷<0.45删除】
注:共同性与因素负荷量用于揭示共同特质与条目-总分之间的相关程度
3.1.2 使用SPSSAU的情况
【项目分析】 → 【27/73分位法】→【将待分析条目拉入右侧】→【输出结果】
为进一步确认上述【独立样本t检验】的效应量,可以使用Cohen‘s d 系数进行评估。
3.2 探索性因素分析(Exploratory Factor Analysis,EFA)
一项用来找出多元观测变量的本质结构、并进行处理降维的技术。因而,EFA能够将具有错综复杂关系的变量综合为少数几个核心因子。对于主因子分析法来说,不存在异常值、等距值、线形值、多变量常态分配以及正交性等情况。
3.2.1 使用SPSS的情况
【分析】→【降维】→【因子分析】→【描述】→【初始解+巴特利特球形度检验】→【提取】→【碎石图】→【旋转】→【最大方差法】→【得分】→【显示因子得分系数矩阵】
3.2.2 使用JASP的情况
【Factor】→【Exploratory Factor Analysis】(将条目拖入分析栏)→【Parallel analysis】通过平行分析得到因子数量参考值→【Manual】→【number of factors】可以指定因子数量进行分析→【Output Options】→【因子载荷标准】→【KMO】→【Bartlett's test】→【Scree Plot】
KMO值0.9以上为极佳,0.6以上尚可接受,0.6以下不建议进行因素分析;通过碎石图转折点、平行分析、特征根>1等标准对因子数量进行判断;通过因子载荷系数0.4/0.5标准对各条目因子载荷进行判断。
3.3 内部一致性系数分析
3.3.1 使用SPSS的情况
【分析】→【度量】→【可靠性分析】→【Cronbach's α】
【分析】→【度量】→【可靠性分析】→【模型】→【半分/平行】
3.3.2 使用SPSSAU的情况
【问卷研究】→【信度】→【输出结果】
3.3.3 使用JASP的情况
【Reliability】→【(Bayesian)Single-Test Reliability Analysis】→【McDonald's ω+Cronbach's α/Guttman】
贝叶斯分析方法(Bayesian Analysis)是贝叶斯学习的基础,它提供了一种计算假设概率的方法,这种方法是基于假设的先验概率、给定假设下观察到不同数据的概率以及观察到的数据本身而得出的。
其方法为,将关于未知参数的先验信息与样本信息综合,再根据贝叶斯公式,得出后验信息,然后根据后验信息去推断未知参数的方法。
Alpha系数认为条目之间所有的相关都可以由量表核心潜变量来完全解释,其取值高并不代表量表只有一个维度。且包含量表中条目的tau-等价(tau equivalence)假设,即所有条目在潜变量(外向性)上的载荷是完全相同的,这显然不可能。有学者建议使用ω(omega)系数替代。
Part 5
参考文献
向下滑动阅览
1 DeSimone, J. A., Harms, P. D., & DeSimone, A. J. (2015). Best practice recommendations for data screening. Journal of Organizational Behavior, 36(2), 171-181.
2 Kung, F. Y., Kwok, N., & Brown, D. J. (2018). Are attention check questions a threat to scale validity?. Applied Psychology, 67(2), 264-283.
* ω系数的参考文献:
1 McDonald, R. (1999). Test Theory: A Unified Treatment. Mahwah, NJ: Lawrence Erlbaum Associates.
2 Hayes, A. F., & Coutts, J. J. (2020). Use omega rather than Cronbach’s alpha for estimating reliability. But…. Communication Methods and Measures, 14(1), 1-24.
PS:后台回复关键词“量表开发”即可获得所述的PDF原文啦!
![](http://static.careerengine.us/api/aov2/https%3A_%7C__%7C_mmbiz.qpic.cn_%7C_mmbiz_png_%7C_6G3tEQTiacLt8abSKEc8ZNbeIHyj0j8K0OicB4n2aicBN8bFwMylQxICOWLiciaGVONJjsiciabS5IdMJibKONey47uxvw_%7C_640%3Fwx_fmt%3Dpng.jpg)
![](http://static.careerengine.us/api/aov2/https%3A_%7C__%7C_mmbiz.qpic.cn_%7C_mmbiz_jpg_%7C_6G3tEQTiacLtJZQIJtWC2JIQqUghRf3fO11pxehR75AdepxgYvibIiaCO1IRczqmaaSpfLhKXOQia5XdWatjZ0c4jg_%7C_640%3Fwx_fmt%3Djpeg.jpg)
作者:张正 & 杨帆
排版:昆昆
校对:喵君姐姐
,华华
![](http://static.careerengine.us/api/aov2/https%3A_%7C__%7C_mmbiz.qpic.cn_%7C_mmbiz_png_%7C_lDt9micWnclSX9adeBibBQ3jiafmp0mw8Twria4K7Pasp21tkv7XYQnYrzIAEgqia1RFyiaUx16ObPuE1tlMXB7MWLLg_%7C_640%3Fwx_fmt%3Dpng.jpg)
![](http://static.careerengine.us/api/aov2/https%3A_%7C__%7C_mmbiz.qpic.cn_%7C_mmbiz_gif_%7C_lDt9micWnclReTtwmUZXr7BR9TXtUXkc4ftOjJkD9ygzfDJOdUQOVvnNawicA8cOYXkqUksG0ia4u0aaT9M0WJp0g_%7C_640%3Fwx_fmt%3Dgif.jpg)
书籍 |《研究方法、设计与分析》
2021-09-15
![](http://static.careerengine.us/api/aov2/https%3A_%7C__%7C_mmbiz.qpic.cn_%7C_mmbiz_jpg_%7C_6G3tEQTiacLuSwezPdFSXU9GKQACmO9K3AicbScctFfOhHwhZshSJvkeAnPajAqtbQX8rHMu49DVia4DvQoC25dKg_%7C_640%3Fwx_fmt%3Djpeg.jpg)
硕博平台分享 | 如何度过枯燥的科研时光?
2021-09-04
![](http://static.careerengine.us/api/aov2/https%3A_%7C__%7C_mmbiz.qpic.cn_%7C_mmbiz_jpg_%7C_6G3tEQTiacLv73pg3BIYukia5YiakticD9zibzjQV7IiaeTibNHJ4GdDPhsqR5DYjD11bcLicDOMSIich3c43PHicnlpgb1g_%7C_640%3Fwx_fmt%3Djpeg.jpg)
杂谈 | 脑科学专业的日常科研生活
2021-08-10
![](http://static.careerengine.us/api/aov2/https%3A_%7C__%7C_mmbiz.qpic.cn_%7C_mmbiz_jpg_%7C_6G3tEQTiacLtu0TDfjdBqn2MEYURBawjWWibYHZXicLeORAqECoWgD31C6iaxbf6MIFiayzI8bAvlCLFWsmSsTvnfibg_%7C_640%3Fwx_fmt%3Djpeg.jpg)
科研 | 心理学量表开发/修订流程及工具包第一期
2021-09-30
![](http://static.careerengine.us/api/aov2/https%3A_%7C__%7C_mmbiz.qpic.cn_%7C_mmbiz_jpg_%7C_6G3tEQTiacLukdhPcDAgUq5frianGdbRbjYibxLU3mUSjRHz3vsv6pGofiaEuTZma0NmAAJkLPRibF75bWLosibZOcuA_%7C_640%3Fwx_fmt%3Djpeg.jpg)
因为微信更改了推送规则,如果不想错过我们的精彩内容,请点『在看』以及星标⭐我们呦!
![](http://static.careerengine.us/api/aov2/https%3A_%7C__%7C_mmbiz.qpic.cn_%7C_mmbiz_png_%7C_6G3tEQTiacLsibgYCPPRpn9G8Ytwhx5IaMpvDLK76POd25JIwwLbkonR7IopUvTchTvSZF8FteSE5mzslC3jGib1A_%7C_640%3Fwx_fmt%3Dpng.jpg)
![](http://static.careerengine.us/api/aov2/https%3A_%7C__%7C_mmbiz.qpic.cn_%7C_mmbiz_png_%7C_6G3tEQTiacLukQWgeEJJLLa6w7wBUnXU7ItNbK9MSH7SAxpQjztEZjGRseIEG84pA7HYBxM3VZmI1HFdqw4TGhQ_%7C_640%3Fwx_fmt%3Dpng.jpg)
![](http://static.careerengine.us/api/aov2/https%3A_%7C__%7C_mmbiz.qpic.cn_%7C_mmbiz_png_%7C_6G3tEQTiacLsgG7Gy261icKF3ia2tBJiaOwsYnZgrFkGLjRZaxqEw5OHYDtWh0YQ2SjiaD08roI4UXKFZwUsfko8kjA_%7C_640%3Fwx_fmt%3Dpng.jpg)
最新评论
推荐文章
作者最新文章
你可能感兴趣的文章
Copyright Disclaimer: The copyright of contents (including texts, images, videos and audios) posted above belong to the User who shared or the third-party website which the User shared from. If you found your copyright have been infringed, please send a DMCA takedown notice to [email protected]. For more detail of the source, please click on the button "Read Original Post" below. For other communications, please send to [email protected].
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。