- 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 $ g) ? F" a0 \) A; ~
0 h+ J) h; h$ I2 Y; |: L; c3 {- ^
Xanadu-uiwltkyr,我猜有两个可能。
: P: r$ J0 Y& O' ?. X& ?' f3 _) R5 \+ D! }6 O% z0 M! J# D5 V2 ?
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。
- b& {. G( u5 d( l0 @" e* e6 r% ^* I6 x5 i* e5 Z1 ]
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。
, P- N; ~" {- \# E# ^: n& [7 c5 t! B }
0 M+ j, [6 Q* w8 G: i. D: R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。/ f- O; s, n: F) G7 P2 ^
3 M. l$ q7 y6 U7 g* L0 }) n
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。
T4 z$ Y( {' g" j# n5 o' {
- |0 }# Q: w5 I1 `* E) ~, j, b7 O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。. J- h& i% C1 R# n6 M9 i* e
" B. B. n- }9 ^* A0 X+ |' W" d" X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。9 T7 H7 a! W+ P' V
0 v! x. j& f( J1 K( v* i! w
讲了这么多,具体意见是:
$ @* B- p( Z; y$ B, a3 k1. 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。+ Q* \ @- V- _, @8 R3 m- z7 ?5 V
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。6 F' a- Q: p% v- A& z: f
8 M0 U) M. s% e0 K/ N$ T; O5 |# D$ k8 X8 L1 f
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。
/ E( c! \' C6 B |
|