设为首页 登录 注册
首页 中人社区 中人博客
查看: 2456|回复: 28
打印 上一主题 下一主题

[系统转发] 研究中的测量模型 1

[复制链接]

0

主题

319

听众

6万

积分

管理员

Rank: 50Rank: 50Rank: 50Rank: 50Rank: 50

签到天数: 15 天

[LV.4]偶尔看看III

注册时间
2010-6-8
最后登录
2024-11-29
积分
68835
精华
0
主题
0
帖子
0

中人8周年纪念勋章

跳转到指定楼层
楼主
发表于 2008-8-25 13:40:00 |只看该作者 |倒序浏览
(1)古典测量模型 我们研究的都是看不见的构念(比如是工作满意度),为了对看不见的“工作满意度”进行研究,我们首先要测量它。用什么测量呢?问卷调查一般都是用量表(measurement scales)。现在我们假设我们用两个项目来“测量”看不见的“潜变量” 「工作满意度」(我们暂时叫这个看不见的“潜变量”做T)。 1. 我对我的工资很满意。      1  2  3  4  5        (这个变量叫x1) 2. 我对我的主管很满意。      1  2  3  4  5        (这个变量叫x2)  现在我们有两个看得见的项目的打分x1和x2,他们分别代表了同一个看不见的构念(潜变量)T。明显的x1和x2在表现T的时候都有误差的。误差有随机的因素,也有不随机的固定因素。前者叫信度,后者叫效度。 因为有误差,x1和x2与T是不一样的,我们怎么知道看得见的x1和x2与看不见的T有什么关系呢?这就需要假设了。不同的假设就叫做我们的测量模型(measurement model)。 最简单的测量模型是: xk = T + εk        [εk 是随机误差;εk ~N(0,1) 正态分布,预期值是0,方差是1] 这个叫做“古典测量模型”(classical measurement model)。   根据“古典测量模型”,因为εk是随机的,T与εk 完全没有关系,所以:    Var(xk)= Var(T)+ Var(εk)          ;如果我们用σ2  来代表Var 的话,    σ2 xk =σ2 T  + σ2εk                    因为信度(rxx)的定义是“观察到的方差中有多少是真的方差”,观察到的方差就是σ2 xk;真的方差就是σ2 T;所以:               可是T是看不见的,εk也是看不见的,我们只看见σ2 xk。我们怎么知道σ2 T、σ2εk、和信度rxx 是什么呢?Cronbach α是其中一种估计的方法(估计的内容比较复杂,可能要我写书的时候才解释吧)。同时,根据“古典测量模型”,如果Corr(x,y)代表x与y的相关系数(correlation);Cov(x,y)代表x与y的共变(covariance),我们有如下的推导:                     上面的推论的结果是「测量项目的分数」(xk)与「真实分数」(T)的相关系数的平方就是信度(rxx)。因此,根据“古典测量模型”,我们可以从两个角度来看“信度”: 第一、信度是「真的方差」(σ2 T)与「观察到的方差」(σ2 xk)的比例; 第二、信度是「测量项目分数」(xk)与「真实分数」(T)的相关系数的平方。 如果你喜欢的话,你可以把: 第一种叫做信度的「方差比例」看法; 第二种叫做信度的「相关系数」看法。   (2)陶性等性测量模型 结构方程建模(SEM)里面用的测量模型不是“古典测量模型”,而是: xk = λk T + εk        [λk是项目k的权数;εk ~N(0,1)] 这个叫做“陶性等性测量模型”( tau-equivalent measurement model;我也不知道翻译为什么这样古怪!)。   本来对于“陶性等性测量模型”也有方法可以估计信度的,但是有了「结构方程模型」后,我们可以直接估计λk和εk   了,信度rxx的估计就进入了新的纪元了。「组合信度」和「方差析出量」是把「结构方程模型」用在“陶性等性测量模型”中的两种对「信度」的估计方法。 (1)  「组合信度」是信度的「相关系数」看法; (2)  「方差析出量」是信度的「方差比例」看法。   (3)问题出来了 如果我们用「古典测量模型」,「相关系数」与「方差比例」看法估计到的信度是全等的,而Cronbach α是其中一个最常用的合理估计。但是如果我们用「结构方程模型」的「陶性等性测量模型」的话,信度的估计就变成是「组合信度」和「方差析出量」。这两个值肯定是不等如α系数的。这样问题就来了。 第一、到底是「古典测量模型」对,还是「陶性等性测量模型」对呢? 第二、如果是「陶性等性测量模型」的话,到底「组合信度」还是「方差析出量」才是信度的估计呢?(注:古典测量模型时,两者是全等的,所以没有这个问题)。   第一个问题的答案是“我们不知道”!因为我已经讲过,真实数值(T)和误差(ε)都是看不见的。两个测量模型都是假设而已。   第二个问题的答案是“两个都可以”!我在回应Cecilia的问题时已经讲过了,在这里就不多讲了。    
沙发
匿名  发表于 2008-8-25 13:40:00 |自己
看了好晕
回复

使用道具

板凳
匿名  发表于 2008-8-26 02:49:00 |自己
To Y1919, 如果没猜错,你和我(以及我的同学)以前一样,都被符号吓到了。符号是"纸老虎",不用怕它的^_^  不明白的地方不妨在这里一点一点指出来,我猜也会代表很多人的问题,我们大家可以共同讨论学习哦。
回复

使用道具

mshch 中人网电话实名   

0

主题

4

听众

84

积分

书生

Rank: 3Rank: 3Rank: 3

签到天数: 1 天

[LV.1]初来乍到

注册时间
2003-7-29
最后登录
2016-5-20
积分
84
精华
0
主题
0
帖子
15
地板
发表于 2008-8-26 11:17:00 |只看该作者
很有用,多谢了!希望博主能够与我们分享更多的好东西!
回复

使用道具 举报

5
匿名  发表于 2008-8-26 20:48:00 |自己
请问 Kenny: 
1. 「Corr(x,y)代表x与y的相关系数(correlation);Cov(x,y)代表x与y的共变(covariance)」。我知道做研究时需呈报构念的相关系数表(correlation table),这表中何者是相关系数,我应还清楚,但对于其意涵就不是那么明白了。此外,何谓共变?共变与相关系数的差异为何?可以麻烦您再说清楚一点吗?

2. 当我用SPSS回归分析检视调节作用时,模型比较后的结果,我是不是只需注意下列的数据就足够?:「调整后的R」、「R平方改变量」、「显著性F改变」
另外,有关于结果图表中所呈现「标准化系数的β分配」是代表什么意思?这数值有比较的意义吗?   谢谢解惑!                 Andy
回复

使用道具

6
匿名  发表于 2008-8-26 21:47:00 |自己
请问Kenny老师陶性等性测量模型是不是就是比古典测量模型多一个λ?为什么要叫它tau-equivalent呢?没有听说过哦。现在主要的测量模型是不是就这两类?谢谢您!
回复

使用道具

69

主题

219

听众

2万

积分

中人网专家

Rank: 50Rank: 50Rank: 50Rank: 50Rank: 50

签到天数: 3 天

[LV.2]偶尔看看I

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

2009年度勋章

7
发表于 2008-8-27 00:55:00 |只看该作者
(1)我叫Kenny,不是“Kenny老师”。哈哈 :-)
(2)陶性等性测量模型是不是就是比古典测量模型多一个λ?是的。
古典测量模型:          x = T + ε
陶性等性测量模型:     x = λ T + ε
在测量理论里,构念的真值是用一个希腊字母代替的。我用T只是为了方便,尽量避免符号而已。这个希腊字母是、τ(读成tau)。所以,古典测量模型的正确写法应该是:x = τ + ε。当我们用陶性等性测量模型时,每一个测量项目(x)所反映的真值的程度都不一样(因为有一个λ的权数),可是它们测量的真值是一样的(都是τ)。所以这样的模型叫做tau-equivalent ,意思是不同的测量项目所代表的真值(τ,tau)是一样(equivalent)的。    
还有一个常见的叫做congeneric model。不过用的人不太多。  Kenny
回复

使用道具 举报

8
匿名  发表于 2008-8-27 03:58:00 |自己
针对研究中的测量模型1与2,我问一些基本问题。
1. 误差有随机的因素,也有不随机的固定因素。前者叫信度,后者叫效度。这是什么意思?
2. 测量项目是指什么呢?
3.  共变与相关系数的差异为何? 彼此又有什么关系?
4.  当我们用陶性等性测量模型时,每一个测量项目(x)所反映的真值的程度都不一样(因为有一个λ的权数),可是它们测量的真值是一样的(都是τ)。  这又是什么意思?
回复

使用道具

9
匿名  发表于 2008-8-27 11:33:00 |自己
Kenny, 我澄清我7楼的问题:
1. 「误差有随机的因素,也有不随机的固定因素。前者叫信度,后者叫效度。这是什么意思?」是不是指当随机误差越大,信度就愈小?相同的,当固定误差越小,该量表的效度就越大?
1. 「测量项目是指什么呢」,懂了,就是问卷的题目啦,这问题真蠢。
2. 「共变与相关系数的差异为何? 彼此又有什么关系?」我翻了书籍也认真看相关的日志,大致搞懂了「「共变与相关系数的差异」,但仍不很清楚彼此的关系?
4. 「当我们用陶性等性测量模型时,每一个测量项目(x)所反映的真值的程度  都不一样(因为有一个λ的权数),可是它们测量的真值是一样的(都是τ)。  这又是什么意思?」现在,这几句话我懂了。
回复

使用道具

69

主题

219

听众

2万

积分

中人网专家

Rank: 50Rank: 50Rank: 50Rank: 50Rank: 50

签到天数: 3 天

[LV.2]偶尔看看I

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

2009年度勋章

10
发表于 2008-8-27 15:43:00 |只看该作者
1.Andy,我尽我的能力试图用“非数学化”的方法解释了「方差」、「标准差」、「共变」、「相关系数」等概念,写在新的日志上,希望你可以看得明白。
2.检验调节作用,要看y = a0 + a1 x + a2 m + a3 xm中的a3是否显著。也可以比较:
y = a0 + a1 x + a2m        模型R2    (叫R1)
y = a0 + a1 x + a2 m + a3 xm    模型R2    (叫R2)
      R2-R1 是否显著(你叫「R平方改变量」)。两个统计测验的结果应该是一样的。用什么来检查「R平方改变量」是否显著呢?(R2-R1)的「样本分布曲线」sampling distribution (参考「统计与测验」的日志)是一个F-分布,所以F-值就告诉你看见的「R平方改变量」是否显著的不等如0了。a3的「样本分布曲线」sampling distribution是一个t-分布,所以a3的t-值就告诉你看见的「a3」是否显著的不等如0了。
3.我找不到你说的「标准化系数的β分配」。下面是我的猜测。β本身就是一个“标准化系数”。同上面第二点一样,你要知道β的「样本分布曲线」,才可以知道你看见的β(一个样本的值)它背后所代表的“人口”β是不是0。如果我没有记错,β的「样本分布曲线」应该是t-分布来的。请参看「统计与测验」1和2的日志。          Kenny
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 注册