- 最后登录
- 2024-11-29
- 注册时间
- 2010-6-8
- 威望
- 119
- 金钱
- 35257
- 贡献
- 33459
- 阅读权限
- 255
- 积分
- 68835
- 日志
- 7
- 记录
- 0
- 帖子
- 0
- 主题
- 0
- 精华
- 0
- 好友
- 0
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
|
(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。
|
|