Please enable JavaScript.

Coggle requires JavaScript to display documents.

Q方法, 最大變異法 (Varimax), 四次方最大值轉軸法(Quartimax), R方法(來自Pearson "R"…

- - - - 陳述句取樣基礎
- - - - WILLIAM STEPHENSON
        
        1935於《Nature》發表
        
        個體內部顯著性差異
        
        因子設計（factorial design）很快便被整合進 Q 技術之中　P37
        
        因為它們提供了一種在理論上選取 Q 樣本的合理方式，同時也使研究者不必再依賴從大量陳述句中進行抽樣
        
        Steven R. Brown
        
        Political Subjectivity- Applications of Q Methodology in Political Science
        
        舉例說明R方法將因素標準化比較的缺點 P24
        
        會導致各因素之平均值差異被消失（因為Avg=0）
        
        若兩組填答趨勢相同但平均值極大與極小會被誤認為正相關
        
        1 more item...
        
        作答者原始作答之趨勢會與各因素標準化後趨勢不一樣
        
        原始分數與標準化分數相關僅約0.27
        
        1 more item...
        
        Q方法原則
        
        情境性原則
        
        Lasswell（1948: 218）對「情境性原則」做出了極為精要的總結：「任何細節的意義，都取決於它與其所屬整體情境之間的關係。」這一原則的功能在於：將注意力從孤立詞語與片語的邏輯意義中移開，轉而在整個行為場域所「加添的風味」之中尋找其意義。 P53
        
        1 more item...
        
        動態性原則
        
        主體在進行 Q 排序時，並不是靜態地反映某些固定特質，而是在特定情境中，帶著欲望、焦慮、矛盾、防衛、合理化等心理動力，主動地建構其觀點。
        
        1 more item...
        
        CH1-3 應用
        
        陳述句從是從多種來源蒐集而來的，包括政府聽證會、報紙社論、利益團體的通訊與公告等等。
        
        以自身重要性排序各特質
        
        使個人之間可傳遞性提供一個操作性基礎
      - 想測試人的迴歸
        
        訂定"Q"用以跟R區分
        
        以個體差異心理學角度(難以做統計分析)(悲觀)
  - - - 研究者的心理構念 :check:
        
        R 因素分析係建立在一個以特質為中心（single-centered for traits）的資料矩陣之上；
        Q 因素分析則建立在一個以個人為中心（single-centered for persons）的、截然不同的資料矩陣之上。 P27
      - 受訪者內在世界 :red_cross:
        
        優點與特點
        
        轉向「內部立場」（Internal Standpoint）
        
        傾聽受訪者
        
        無正確答案
        
        強迫常態分佈
        
        允許未預期行為的浮現，從而促進新解釋的溯因（abduction），以及更一般性理論的成長（Stephenson，1961a）。 39
        
        並非為了預測，而是為發現潛在主觀類型
        
        重視整體性
        
        兩大特性
        
        原子均質性（atomic uniformity）
        
        在還沒分析之前，每一個人的觀點都一樣重要，沒有誰天生比較「關鍵」或「代表性」。
        
        在 Q 方法的脈絡中，「原子均質性」意味著：在尚未透過分析證明差異之前，Q 樣本中的所有觀點都被視為同等重要；而每一個 Q 排序中，單一陳述句的位置，都是無數微小影響因素交互作用的結果。儘管這些影響因素幾近無限，但最終實際出現的「明顯不同排序模式」並不會是近乎無限的，而是會收斂為有限數量的型態（亦即因素）。實務上，大多數 Q 研究中通常不會出現超過五個因素。 P 68
        
        有限獨立多樣性（limited independent variety）
        
        人的想法很多，但「真正不同的整體觀點型態」其實是有限的。
- - - - 找代表性的小樣本
        
        取三堂課受試者
      - 陳述句樣本建構 (Q Sample)
        
        Q 排序 (Q-sorting)
        
        將語句放入強制分布（如 +4 到 -4）的結構中
        
        「自我」始終而且深刻地參與其中，因為最終決定陳述排序的，永遠是那個人的想法、評價與詮釋。 P51
        
        客觀的測量與觀察，在原則上可以由任何人（或任何儀器）進行；但對一個人主觀性的測量與觀察，則只能由那個人自己完成。（Stephenson, 1972a: 17）P51
        
        客觀=能力分數教育程度
        
        主觀=喜歡厭惡意義
        
        統計分析 (Statistical Analysis)
        
        相關分析、因素分析（Factor Analysis）與因素旋轉（如理論旋轉）
        
        相關分析 :arrow_forward:相關矩陣
        
        因素分析 :arrow_forward:重心法（centroid method）
        
        1 more item...
        
        因素解釋 (Factor Interpretation)
        
        利用因素得分（Factor Scores）合成出代表性的因素圖譜
        
        因素結構本身不一定是一個用來檢驗的假設（雖然它可以被如此使用）；它僅僅提供了一種「可能的」解釋而非「必然的」解釋，用來說明最後出現的因素 P46
        
        在 Q 方法中，因素的重要性應以其理論與實質意義來判斷，而非僅依據特徵值大小或解釋變異比例等統計指標。 P47
        
        Brown 在這裡特別引入 Thompson 的 intensity（強度）概念：即使因素之間在某一陳述句上有差異但如果分數沒有超過 Q-sort 的標準差就代表這個議題對該觀點型態而言不是情緒或價值核心
        
        Q排序法是獲取因子分析資料的技術手段。簡而言之，該方法包括讓受試者在特定條件下對一組陳述進行排序。 P25
        
        以操作性的方式表達他的主觀性，並以某種形式將其建模為一個 Q 排序。那仍然是他的觀點」（Stephenson, 1968: 501） P53
        
        篩選出具備代表性且刪除觀念重複的語句
        
        N = mAB
        
        A、B：理論上「不同的分類軸線」
        
        A: 7 (主題構面)
        
        B: 3 (正向認同、保留/矛盾、負向否定)
        
        AB：所有「理論組合的格子數」
        
        21
        
        m：「每一個理論格子中，抽取幾個能代表該位置的陳述句」
        
        2 or 3
        
        N：最後 Q 樣本「總共有幾句話」
- - - - 在「兩個因素」上都表現得很接近
        
        Varimax 可能會
        
        把其中一部分 Q-sort 推向 Factor A
        把另一部分推向 Factor B
        只因為這樣可以讓「數字更乾淨」
      - 反映的是「介於兩種立場之間的觀點」
- - - - 問項間不可互動
  - - - 一次只測一個 trait
      - 其他條件假定不變
        
        被假設為一種穩定、跨情境、可普遍適用的個人屬性。
    - - trait 與情境無關
      - 任何人、任何時間、任何地方都可測
    - - 受試者怎麼想、在不在乎，不影響結果
    - - Q觀點是可以並存的愉快vs.憤怒
- - - - 反映的是『研究設計的結果』，不是『世界本來長怎樣』。

相關與因素分析假設資料具線性關係

- - - - 可辨識的極端陳述句
      - 清楚的定義者（defining Q-sorts）
        
        透過 Q 樣本所蒐集到的資料，完全可能引導研究走向截然不同的方向；因為理論旋轉可能產生一種因素結構，而這種結構與原先的陳述句設計幾乎沒有關聯。換言之，研究結果並不保證會回到最初出發的地方 P46
  - - - 檢視 factor loadings，找「理論上重要的 Q-sort」
        
        設定旋轉「意圖」（rotation intention）
        
        進行判斷式旋轉（手動或半手動）
        
        反覆檢查「詮釋品質」
        
        停止旋轉（stop rule）

因素的「統計重要性」與「實質（社會）重要性」並不等同。 P49

相關矩陣對角線上置入共同性（communality）估計值

主觀性並非由研究者定義的特質，而是個體在特定情境下自然展現的行為（Operant）

強迫每一個人「只能選邊站」

為了讓 factor 清楚拆散整體意義上屬於同一立場的人

我希望凸顯的是哪一種「觀點結構」？

每個 factor 是否有清楚的 defining Q-sorts？