效度概念的演進(jìn)、新進(jìn)展及效度的估計(jì)方法-資料下載頁(yè)
2025-05-11 14:12本頁(yè)面
【正文】 tor analysis) 因素分析的基本思想是，根據(jù)測(cè)驗(yàn)的相關(guān)系數(shù)表把變量分組，使得同一組的變量間的相關(guān)較高，不同組的變量間的相關(guān)較低 。每組變量就代表一個(gè)因素即基本結(jié)構(gòu)。 因素分析的主要目的是，將用于描述每個(gè)被試表現(xiàn)的變量的數(shù)目，從最初較多的分測(cè)驗(yàn)數(shù)目減少到幾種因素，從而簡(jiǎn)化對(duì)行為的描述。 因素效度實(shí)際上是該測(cè)驗(yàn)與一組測(cè)驗(yàn)所共有的特性的相關(guān)，這組變量包括測(cè)驗(yàn)資料和非測(cè)驗(yàn)資料，因此可以利用其他的效標(biāo)度量來(lái)探究一個(gè)特定測(cè)驗(yàn)的因素組成，并定義它所測(cè)量的共同特質(zhì)。 （四）內(nèi)部一致性 (internal consistency) 內(nèi)部一致性方法尤其適合于人格測(cè)驗(yàn)的效度分析。 這種方法中的效標(biāo)恰恰是自身測(cè)驗(yàn)的總分。有時(shí)也采用對(duì)照組方法的一種改變形式，即根據(jù)測(cè)驗(yàn)總分來(lái)選取高分組和低分組，然后比較高分組和低分組在每個(gè)項(xiàng)目上的成績(jī)。如果高分組的通過(guò)率沒有顯著大于低分組，則該項(xiàng)目無(wú)效。相關(guān)方法也可用于這種目的。例如，可以計(jì)算每個(gè)項(xiàng)目上 “ 通過(guò)或失敗 ” 與測(cè)驗(yàn)總分的二列相關(guān)，只保留與測(cè)驗(yàn)顯著相關(guān)的那些項(xiàng)目。 許多智力測(cè)驗(yàn)由若干分測(cè)驗(yàn)組成，例如詞匯、理解、積木、拼圖等，內(nèi)部一致性效標(biāo)的另一種用法是分測(cè)驗(yàn)分?jǐn)?shù)與測(cè)驗(yàn)總分的相關(guān)，與總分相關(guān)太低的分測(cè)驗(yàn)應(yīng)淘汰或修改。 （五）幅合效度和區(qū)別效度 (convergent and discriminant validity) 坎貝爾 (,1960)指出，為了證實(shí)結(jié)構(gòu)效度，我們必須表明，一個(gè)測(cè)驗(yàn)不僅與理論上應(yīng)該相關(guān)的那些變量具有高相關(guān)，而且與理論上應(yīng)該區(qū)別的那些變量具有低相關(guān)?？藏悹柡头扑箍?()把前者稱為幅合效度，把后者稱為區(qū)別效度。 例如，一個(gè)數(shù)量推理測(cè)驗(yàn)與后來(lái)數(shù)學(xué)課成績(jī)的較高的相關(guān)，就是幅合效度 。而同一個(gè)測(cè)驗(yàn)與閱讀理解測(cè)驗(yàn)分?jǐn)?shù)的較低的相關(guān)，則為區(qū)別效度。 區(qū)別效度特別適用于人格測(cè)驗(yàn)的效度分析，因?yàn)闊o(wú)關(guān)變量會(huì)以多種方式影響人格測(cè)驗(yàn)的分?jǐn)?shù)。 坎貝爾和菲斯克提出一種適合于幅合效度和區(qū)別效度雙重分析的方法，稱之為多重特質(zhì) —— 多重方法矩陣。這種方法必須采用兩種或以上的方法來(lái)測(cè)量?jī)煞N或以上的特質(zhì)。 例如：用自陳問(wèn)卷、投射技術(shù)、同伴評(píng)定等三種方法來(lái)測(cè)量支配性、社交性、成就動(dòng)機(jī)等三種人格特質(zhì)，分別計(jì)算 4種系數(shù)： ①使用相同方法測(cè)量相同特質(zhì)的相關(guān)系數(shù) —— 信度系數(shù)； ②使用不同方法測(cè)量相同特質(zhì)的相關(guān)系數(shù) —— 效度系數(shù)； ③使用相同方法測(cè)量不同特質(zhì)的相關(guān)系數(shù) —— 方法系數(shù)； ④使用不同方法測(cè)量不同特質(zhì)的相關(guān)系數(shù) —— 交互作用系數(shù)。 對(duì)于令人滿意的結(jié)構(gòu)效度來(lái)說(shuō)，效度系數(shù)應(yīng)該分別顯著高于后兩種相關(guān)系數(shù)。 坎貝爾和菲斯克的 多特質(zhì) —— 多方法矩陣 （六）實(shí)驗(yàn)干預(yù) (experimental interventions) 通過(guò)實(shí)驗(yàn)來(lái)研究經(jīng)過(guò)選擇的變量對(duì)測(cè)驗(yàn)分?jǐn)?shù)的影響，是提供結(jié)構(gòu)效度資料的另一種方法。 對(duì)被試實(shí)施焦慮傾向測(cè)驗(yàn)，隨后讓被試置身于一種喚起焦慮的情境，例如在干擾和緊張條件下參加考試。然后計(jì)算最初的焦慮測(cè)驗(yàn)分?jǐn)?shù)與考試期間和考試之后焦慮表現(xiàn)的生理等指標(biāo)之間的相關(guān)。要評(píng)價(jià)關(guān)于焦慮測(cè)驗(yàn)的一種不同的假設(shè)，可以在焦慮體驗(yàn)前后分別實(shí)施測(cè)驗(yàn)，再看后測(cè)分?jǐn)?shù)是否顯著提高。 （七）結(jié)構(gòu)方程建模 (structural equation modeling) 結(jié)構(gòu)方程建模使用回歸方程，根據(jù)假設(shè)的因果模型中的自變量來(lái)預(yù)測(cè)因變量。由于使用偏相關(guān)得出回歸系數(shù)，因此考慮到變量之間的所有相關(guān)，以及測(cè)量誤差和取樣誤差，甚至另外的沒有測(cè)量到的因果變量。 另外，結(jié)構(gòu)方程建模計(jì)算結(jié)構(gòu)之間典型的因果關(guān)系，而不是計(jì)算孤立測(cè)量的變量之間的因果關(guān)系。 例如，評(píng)價(jià)學(xué)生的數(shù)學(xué)態(tài)度，可以采用若干指標(biāo)，諸如興趣、目標(biāo)定向、數(shù)學(xué)能力傾向的自我概念，以及其他有關(guān)的情感變量等。這些指標(biāo)之間的共同方差就界定學(xué)生數(shù)學(xué)態(tài)度的一種結(jié)構(gòu)，它本身與隨后的數(shù)學(xué)成績(jī)有關(guān)。如此使用結(jié)構(gòu)，各個(gè)指標(biāo)的誤差方差和特定方差相互抵消，因而提供更為穩(wěn)定和可靠的估計(jì)值。
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1