Please enable JavaScript.

Coggle requires JavaScript to display documents.

ch7指數與量表 - Coggle Diagram

- - - - 雙變項關係
        
        e.g.同意受強暴婦女有墮胎權利的人，通常也會同意因懷孕而有生命危險的婦女有墮胎權利
        
        必須檢視指數所包括的題項間，所有可能的雙變項關係，以便決定這幾對題項之間的關係之相對強度
        (e.g.相關係數、百分比分配表)
        關係低的題項必須注意，是否是測量同一變項
        
        若兩個問項都可以反映相同事情的不同程度
        →可以期待兩個問題的答案之間，彼此會有些關聯
        
        若是指標是變項的「原因」而非結果→指標之間不一定有相關，或是呈現負相關或無相關
        e.g.以「性別」和「種族」做為受到歧視的指標→非白人以及女性都可能受到歧視，但性別和種族間沒有關係(性別和種族是受到歧視的「因」)
        
        指標必須是變項的「結果」，反映出變項，才能預期指標間有關係存在
        
        兩個變項之間的關係
      - 題項之間具有關聯，讓我們可以主張每一題項代表的是相同變項
        →將題項納入同一指數
      - 多變項關係
        
        每一題項間的原始關係，並不會因第三個題項的存在而有顯著改變
      - 有經驗關係的題項：
        受訪者回答一個問題，可以幫助預測他如何回答其他問題
      - 題項間關係
        
        無相關：可能不是在測量同一變項，經觀察確認後可以刪除
        
        完全相關：只需保留其中一個題項就可以傳達要標示的意義
    - - step1：決定分數範圍→變項的測量有漸進的變異範圍(e.g.非常不同意0分~非常同意5分)
        但過度延伸的範圍對結果沒有意義，因為出現在兩極的研究個案會很少
      - step2：決定每一題的權重是否相同，配合指數代表的面向之權重
        (基本上使用相同權重，若使用不同權重，需要提出理由)
      - 選定適當題項後，可以針對每一個特定的回答指定分數
      - e.g.若認為前兩題代表的面向相同，第三題是不同面向，則第三面向的權重可以是前兩題的加總，讓兩個面向的代表性相同
    - - 不良指數與
        不適當的鑑別題項
        
        檢視外在鑑別題項與指數內每一個別題項間的關係
        
        若發現指數的某些題項與鑑別題項有關，有些則無關
        →能進一步改善指數
        
        若是外在鑑別題項無法鑑定指數的效度時，必先重新檢視指數，再決定是否外在鑑別題項有問題
      - 外在鑑別external validation
        
        考驗測量的效度之過程，檢視此測量與其他同樣被假設為同一變項的指標之間的關係
        e.g.某指數被視為可以測量偏見，則它與其他測量偏見的指標應該相關聯
      - 題項(項目)分析item analysis
        (內在鑑別度)
        
        檢視指數以及構成指數的題項的關聯
        
        評估構成複合測量的每一個別題項是否具有獨立貢獻，或僅是複製測量中其他題項的貢獻
        如果發現某題項對指數的貢獻不大→可能是指數中的其他題項抵銷掉此題的貢獻→可刪除該題項
        
        分析各題項內的內在鑑別度：
        根據試測結果對組成測驗的各個題目（項目）進行分析，從而評價題目適切性、對題目進行篩選
      - 證明指數是有效的
    - - 要包含的題項的首要指標為表面效度
        →題項在字面上應與研究主題相關
      - 題項的單一層面性(unidimensionality)：一個複合測量應該僅代表變項的一個層面
        (e.g.測量宗教研究的題項，不可做為測量政治傾向的題項)
      - 測量的層面其中會有細微差異(e.g.測量宗教虔誠度時可從多方面再深入探討)
        聚焦於較細的指標→使用特定題項；測量一般性的層次→用較平衡的題項代表層面的不同型態
        →題項的性質會決定被測量變項的一般性/特定性程度
      - 考量題項的變異性：
        如果測量結果，研究對象的選擇一致→題項在指數建構是沒有用處的(測量不出差異，有做跟沒做一樣)
        →1.就變項的性質，選擇能將受訪者反應均分的題項(e.g.每一題都有人站在兩邊不同立場，數個題項累積起來就可以看出受測者的傾向)
        2.選擇的題項，具有不同變異性(能分辨的程度不同，e.g.某題能分辨半數受測者為保守派，而另一題僅能辨別少數受測者為保守派)
    - - 可能的狀況：受試者缺席實驗、受訪者問卷中有問題沒作答、選(回)答不知道...等
      - 1.若是只有少數個案遺漏資料，剩下的個案還足以做分析，
        可以將個案排除在建構與分析指數的過程之外
      - 2.可以掌握一些依據，判斷遺漏資料的可能回答
        e.g.受測者的作答結果是勾選「是」或者空白無做答，可以判斷將無做答的題目視為「否」
      - 3.分析遺漏的資料並詮釋為什麼
        e.g.沒有作答a題的受訪者，在其他題的表現如何？其他相同做答模式的人，在a題的回答是什麼？
      - 4.配予中間值的分數
      - ※運用一種以上的方法建立指數，並觀察結果是否相同，是最保險的方法