在对构念进行操作化定义时首先考虑的应是其测量尺度。测量尺度也叫做评点量表,它指的是指标的取值(而不是指标本身)。比如,男性和女性(或M和F,或1和2)是“性别”的两个取值水平。在心理学家斯坦利·史密斯史蒂文斯(1946)的一篇发表于《科学》的题为“测量尺度理论”的开创性文章中,作者定义了科学测量中的四种广义的评点量表:即名义、顺序、等距和等比量表。这些量表的统计特征如表格 6.1所示。
量表 | 集中度 | 统计量 | 转换 |
名义 | 众数 | 卡方检验 | 一对一的(平等) |
顺序 | 中位数 | 百分位数,非参数统计 | 单调递增(顺序) |
等距 | 算术平均值、范围、标准差 | 相关分析,回归分析,方差分析 | 正向线性相关(仿射) |
等比 | 几何平均值、调和平均值 | 变异系数 | 正相似性 (乘数, 对数) |
注: 所有高等级量表均可用于低等级量表 |
名义量表又称类别量表衡量的是类别型数据。这种量表常用来衡量具有互相排斥属性的变量或指标。比如性别(两种取值:男性和女性),行业类别(制造业,金融业和农业等)和宗教信仰(基督教徒、穆斯林和犹太信徒等)。即使我们对不同的属性赋不同的值,比如衡量性别时,若为男性则赋值为1,女性则赋值为2,但是,这些数值并不真的意味着什么。
(比如,1并不代表其比2小,或是2的一半),这些属性可以通过非数值型数据进行替代,比如用M代表男性,用F代表女性。名义量表仅仅提供不同属性值的名称或者标识。衡量名义量表的集中度的最佳统计量是众数,而不是平均数或者中位数。可用的统计量包括卡方和频率分布,并且只允许一对一的(等价)转换(比如1=男性,2=女性)。
顺序量表衡量的是排序型数据,比如基于学生的平均成绩所得出的第一,第二和第三等的排序。然而,这类数据属性的真实值,相对值或者属性值之间的差异却不能体现出来。比如,学生在班级的排名不能反映学生真实的考试成绩或者绩点,也不能反映学生之间的差距。在自然科学中涉及到顺序量表的典型例子是摩氏硬度。摩氏硬度利用一种矿物相对另一种矿物的刮伤力来衡量矿物之间的硬度。比如,钻石可以在地球上的任何其他天然矿物上留下刮痕,所以,钻石是“最硬的”矿物。然而,这种测量不能反映矿物的真实硬度也不能够反映各类矿物硬度之间的差距。顺序量表也进行属性(锚点)的定义,比如定义“严重”、“中等”、“良好”,或者“强烈不满”、“稍微不满意”、“中立”,或者“稍微满意”、“非常满意”。在对满意程度进行衡量时,我们可以认为回答“稍微满意”的被调查者比回答“非常满意”的被调查者有较低的满意度,但是我们不可以量化他们的满意程度。可以用中位数或者众数来衡量顺序量表数据的集中度。因此,可以对顺序数据进行百分位数统计分析和非参数分析,但是不可以进行如相关分析,回归分析,方差分析等更高级的分析。我们也可以对数据进行单调增的变换(即保留原有排序)。
等距量表的数据不仅是有序的并且彼此相邻之间是等距的,比如温度标(华氏度或者摄氏度)中30华氏度与40华氏度的差距和80华氏度与90华氏度的差距是一样的。同样地,当用如0到10000美元,10000美元到20000美元,20000美元到30000美元等属性(范围)来问受访者的年度收入时,由于每个范围的中间值(即5000美元,15000美元和25000美元等)之间是等距的,因此得到的数据就属于等距量表。智商的衡量也是运用定距量表,因为这样才使得智商得分100与110的差距和智商得分110与120的差距是相等的(虽然我们不知道真正的情况是否是这样)。运用等距量表,我们可以衡量变量之间的差距,但是运用名义量表或者顺序量表却不可以做到这一点。我们可以用平均数,中位数或者众数来衡量等距数据的集中度,用范围和标准差来衡量数据的离散程度。我们除了可以利用名义和顺序数据中的统计分析方法对等距数据进行分析外,还可以利用相关分析,回归分析和方差分析等方法。我们同样也可以对量表数据进行正线性的变换。需要注意的是,上文讨论的衡量顾客满意度的量表并不严格是等距量表。因为我们不能获知“非常满意”与“稍微满意”的差距和“中立”与“稍微满意”的差距或者“稍微不满意”与“非常不满意”之间的差距是否相等。但是在社会科学的研究中我们常“假称”(不正确地)这些差距是相等的,所以可以运用统计方法对这些数据进行分析。
等比量表除了具有名义、顺序和等距量表的特征外,还有“绝对零点”这一特征(零值意味着缺乏或不存在这一基本构念)。很多自然科学和工程学中变量的测量,如质量,平面倾斜度,电荷量等都用到等比量表。同样的,社会科学研究中的变量,如年龄,在单位的任期和公司规模(用员工数或者总收入来衡量)等也运用等比量表。比如公司规模为零时表示公司不雇佣员工或者公司没有收入。绝对温度不同于华氏或者摄氏温度,因为绝对温度中的零值(即-273.15摄氏度)不是任意的值而是代表在这一温度下,物质粒子没有动能,所以绝对温度属于等比量表。由于等比量表中数据之间的比值是有意义且是可解释的,因此这些数据就属于等比量表。比如公司的雇员数为10人时,表示其规模是雇员数为5人的公司规模的两倍。同样地,公司的雇员数为10000时表示其规模是雇员数为5000的公司的两倍。所有可以衡量集中度的统计量都适用于等比数据,比如几何平均值和调和平均值等。所有衡量离散程度的统计量也适用于等比数据,比如范围或者变异系数等。所有统计方法都适用于等比数据的分析。正相似(如乘数或者对数)的复杂变换也可以在等比数据中使用。
基于上述讨论的四种基本类型的量表,我们还可以开发出特别的量表进行社会科学研究。常见的量表包括二元量表,李克特量表,语义差分量表或者格特曼量表。其他一些不常见的量表在此不做讨论。
二元量表。二元量表对衡量变量的语句,只提供是还是不是,或正确还是错误等两种可供选择的答案。比如,“政治活动”构念中典型的二元量表可能包含如表格 6.2所示的六个语句。量表中的每个语句都只有两种选择。被调查者选择“是”的次数(0到6)可以全面衡量其“政治活动”。如果要理解是怎样确定这六个语句的,可以参考这章后面的"量表开发"部分的说明。二元量表中也可以有其他值,比如性别构念中的男性或者女性,雇佣状态构念中的全职或者兼职等。如果对雇佣状态构念进行修改,使其包括两个以上的选择时,它就不再属于二元量表,但是仍然是常见量表的语句。
你曾经给政府工作人员写过信吗? |
是 |
否 |
你曾经在政治请愿书上签过名吗? |
是 |
否 |
你曾经捐钱支持过政府事业吗? |
是 |
否 |
你曾经捐钱给候选人帮助其竞选公职吗? |
是 |
否 |
你曾经写过政治信并将其寄给报纸或者杂志社的编辑吗? |
是 |
否 |
你曾经试图说服他人改变其投票计划吗? |
是 |
否 |
李克特量表。这量表是由伦西斯·李克特设计的,它是社会科学研究中普遍的衡量有序数据的评估量表。李克特量表中对包含的语句进行简单说明,使得被调查者可以用0-5分或者0-7分之间的分值反映自己从“强烈反对”到“强烈赞同”的不同程度的态度。衡量“雇员自尊”构念的包含六个语句的典型李克特量表如表格 6.3所示。李克特量表对各个语句中被调查者所做的选择进行加总,最终得到量表各个语句所反映的受访者态度的加总值。
非常不赞同 |
稍微不赞同 |
中立 |
稍微赞同 |
非常赞同 |
|
我对自己的工作感到很满意 |
1 |
2 |
3 |
4 |
5 |
在工作中,我能与他人和睦相处 |
1 |
2 |
3 |
4 |
5 |
在工作中,我为我和上司之间的关系感到自豪 |
1 |
2 |
3 |
4 |
5 |
我能肯定工作中的其他人很乐意和我相处 |
1 |
2 |
3 |
4 |
5 |
我能肯定我的同事是尊重我的 |
1 |
2 |
3 |
4 |
5 |
我觉得我在工作中做了有用的贡献 |
1 |
2 |
3 |
4 |
5 |
李克特量表比二元量表更能够反映更多不同程度的回答(即得到更加细致的回答),包括受访者是否对这一论点持中立态度的回答。可以用0-3或者0-9的值来代表受访者的不同态度,但是,考虑到受访者可能保持中立(既不同意也不反对)的态度,我们应该取奇数值进行衡量。在有些研究中,研究人员去掉了中立态度的选项并用偶数值来衡量受访者的不同态度,强制受访者进行“同意”或者“反对”的选择。因为有的受访者确实对某一论点持中立态度,如此"强制选择法"不能反映受访者中立的立场。虽然李克特量表中各个语句涉及不同的内容,但是对每个语句均有相同的选择范围(从“非常不赞同”到“非常赞同”)。即使有时我们将其视为等距量表,但李克特量表中各个集合锚点之间并不是等距的,基于此,李克特量表还是顺序量表。
你怎样评定你对国民健康保险的意见等级? |
||||||
非常 |
稍微 |
中立 |
稍微 |
非常 |
||
好的 |
□ |
□ |
□ |
□ |
□ |
坏的 |
有用 |
□ |
□ |
□ |
□ |
□ |
无用 |
关注 |
□ |
□ |
□ |
□ |
□ |
不关注 |
引起兴趣的 |
□ |
□ |
□ |
□ |
□ |
令人厌烦的 |
语义区分量表是复合(多项)量表。在量表中,受访者对一组完全对立的形容词之间的不同程度进行选择,这一组形容词仅仅是对一个语句的描述。例如"对国民健康保险的态度"这一构念可以通过表格 6.4进行衡量。在李克特量表中,总体得分是每个语句所反映的受访者态度的得分的加总,需要注意的是,在李克特量表中,可能有不同的语句描述,但是形容词的不同程度的描述是一样的,但是会有不同的对立形容词组。在衡量人们对客观物体,事件或者行为的看法和感受时,我们认为运用语义区分量表是很好的方法。
格特曼量表是由路易斯·格特曼设计的。这个量表由程度从最轻到最重的语句组成。比如,"对移民者的态度"这一构念的衡量可用表格 6.5中的五个语句。在格特曼量表中,根据语句程度轻重的不同对语句赋予权重,对这些语句进行选择后的得分进行加权组合就得到量表的综合衡量得分结果。
对下述有关移民者的陈述,你有怎样的观点? |
||
你愿意移民者成为你国家的公民吗? |
是 |
否 |
你愿意移民者生活在你社区里吗? |
是 |
否 |
你愿意移民者居住在你隔壁吗? |
是 |
否 |
你愿意接受移民者作为你的密友吗? |
是 |
否 |
你愿意你家庭成员中有人与移民者结婚吗? |
是 |
否 |
- 11765 reads