- 最后登录
- 2016-11-27
- 注册时间
- 2003-1-21
- 威望
- 250
- 金钱
- 16832
- 贡献
- 11934
- 阅读权限
- 255
- 积分
- 29016
- 日志
- 4
- 记录
- 0
- 帖子
- 1438
- 主题
- 69
- 精华
- 0
- 好友
- 380
    
- 注册时间
- 2003-1-21
- 最后登录
- 2016-11-27
- 积分
- 29016
- 精华
- 0
- 主题
- 69
- 帖子
- 1438
|
本帖最后由 Kenneth 于 2012-8-8 01:19 编辑 $ D# h5 h2 f, I
5 G- @1 y( i/ i" R" o1 f7 I4 t FXanadu-uiwltkyr,我猜有两个可能。% X6 g. C1 L9 H; L" E
$ y [; G( v! L4 [2 ~5 B第一个可能是他是统计的专家,与我们做实战研究的人要求不同。
9 U. q: j p5 N2 v$ ?2 A, h T3 x/ A9 H9 p5 y f1 m
如果要验证你的压力量表的有效性,自然是在不同的人群中,都试试这量表是否有效。不然,如果在医生中有效,你如何知道在老师中都有效?所以,用单一样本有好处(结论清晰,不会有其他的可能影响),但是不同样本也可以保证量表的多用性。我看不见有什么问题。
, l( L# p" v2 [1 H V- W! ]& c8 O- A$ }! O6 i. j
至于方便取样,这是管理研究的特征。能够找绝对适合的样本自然好,可是大部分情形,我们都是用方便取样的。只要这个“方便”的取样不会明显的造成什么偏差就好了。
7 s* y6 I% a0 v8 M; D/ y- T, Z
( y3 x% c+ x4 y5 c# a至于所谓“证明目前的样本量对于信效度验证有把握”,这明显是搞统计的人才会想的问题。我猜他的意思是对应不同的 effect size 和 统计项,我们都可以计算出要表现这个 effect size 所需要的样本数。比如当相关系数是0.9时,可能样本数是150 就足够找到显著的相关系数。但是如果总体的相关是0.0001的话,你的样本数可能就要超过1000 才可能可以找到显著的结果。越小的effect size,需要的样本数就越大。但是,这是针对过小的样本数,就算总体的effect size (比如相关系数)是不等如零,你也没有能力(statistical power)去把这个不是0的effect size表现出来而已。因为样本数太小,你总会发现结果是不显著的。
" W" F) u; h( I k8 Q8 T
6 O) H" T% q7 j" f) t5 @5 B) r第二个可能性是,这个所谓外审专家,可能根本不知道自己在说什么,只是以为身为评委,就要尽量找理由去批判你的研究。可能是我才疏学浅。我倒看不见压力量表有什么所谓适合的亚群体。这个评价唯一可能合理的情形,就是叫你去找一些特别有压力的行业。可是没有行业是不会有什么压力的。所以我完全同意你说。我不知道什么叫做“适合”的亚群体。. o) g/ ]' ]" f: E `( y
) I" O& [5 P# ?; Y; b9 t' o
再者,如果你的结果是统计上显著的话,其实也没有statistical power的问题。所以我也不知道他讲的是什么意思。
+ A+ y( ~6 c- H( y1 K2 I' X$ V$ y$ N1 j) `( g* U" R* f" Z9 R/ O- L
讲了这么多,具体意见是:# P4 |6 \* T* T0 e) ^1 M0 l
1. 随便找一个理由,比如找出几个压力可能是比较大的行业,或者是你的研究问题比较合用的行业,称他们为“适合”的亚群体。稍微加大样本。我个人不觉得有这必要。但是如果你要满足评委的话,你没有选择。- r ]; }. R0 Q3 D) H2 z# u- B
2. 看看 Cohen and Cohen 的 statistical power 一书。尝试计算你得到的相关系数(也就是评委说的效度),如果要一个你说假定的power的话,所需要的样本数。这一点完全是为了满足评委的需要。我个人对是否要如此做很怀疑。
1 `' l7 M( M0 k( \* O: V, `
/ C4 G( x7 y5 o( N& \& h( [# u1 Y2 k$ @
最后,我的理解是,如果量表是在open domain,比如项目已经打印在文章中,你就可以随意引用,只是一定要说明出处就好了。
( z/ {' o( s6 q, Z4 H5 J! ~# ^ |
|