层面理论及其测量结构研究.ppt

科学研究中几种数据技术比较及MDS,贵州师范大学教育科学学院 赵守盈 http:/hi1818.336.cc,学术研究及科学研究,学术是指专门的学问，是对存在物及其规律的科学化论证，泛指高等教育科研究。当代人学家张荣寰将学术的概念界定为对存在物及其规律的科学化论证。 1919年，梁启超写过一篇文章叫学与术。其中有一段写道：“学也者，观察事物而发明其真理者也；术也者，取所发明之真理而致诸用者也。例如以石投水即沉，投以木则浮。观察此事实以证明水之有浮力，此物理也，应用此真理以驾驶船舶，则航海术也。,学术研究及科学研究,学与术连用，学的内涵在于能够提示出研究对象的因果联系，形成在累积知识基础上的理性认知，在学理上有所发明；术则是这种理性认知的具体运用。所以梁启超又有“学者术之体，术者学之用”的说法。他反对学与术相混淆，或者学与术相分离。 严复对于学与术的关系也有相当明确的界说，此见于严译原富一书的按语，其中一则写道：“盖学与术异，学者考自然之理，立必然之例。术者据已知之理，求可成之功。学主知，术主行。“,科学研究,科学研究简称研究，是寻求问题解释、解决的过程，这个问题可能是自然现象，也可能是社会现象或是精神现象。广义的研究是指对一些现象或问题经过调查、验证、讨论及思维，然后进行推论、分析和综合，来获得客观事实的过程。狭义的研究是指运用一定的方式方法对限定的事物或现象进行分析、验证，来获得客观事实的过程。,科学研究,科学研究以系统的、实证的方法获取知识。科学研究要使用实验、观察、检验等实证方法，以保证所获得的知识是真实可靠的。科学判断知识真假的标准是客观事实与逻辑法则，不符合事实或逻辑的知识是虚假的知识。科学与形而上学是对立的，后者使用的是主观、思辨的方法，它对于同一事实可以有不同的理解和解释，而科学则是客观的，任何人只要采用同样的科学方法会得到出同样的结论。尽管科学是对普遍规律的说明，但是科学研究却是具体的、分析性的。,科学研究,科学研究过程并不以改造世界为直接目的，它的直接目的是认识世界。它要求认识和掌握研究对象的新特点和新规律，发现新对象，新领域，科学研究过程终了的时侯，不是要求重复已有的理论，而是要求提供新信息、新知识、新理论，将现有的理论和知识推向前进，丰富和发展现有的知识理论宝库。,科学研究,科学研究具有不同于一般认识过程的形式和特点： 科学研究都有比较系统的理论框架，有目的、有组织、有计划地通过实际调查与研究，检验理论的假设的正确性，解决实践中遇到的各种问题； 科学研究都有一定程度的控制机制。 严密的分析。科学研究中总是有意识地、系统地寻求研究对象之间的关系，从而对象做出严密、深入的分析与解释；,人物特征,数据采集（观察、实验、测验）,量表 称名量表（Nominal Scale） 顺利量表（Ordinal Scale） 等距量表（Interval Scale） 比率量表（Rational Scale） 信度 效度,抽样方法,简单随机抽样 系统抽样 分层抽样 整群抽样,Example of a curvilinear (or nonmonotonic) relationship:,In general, curvilinearity in a relationship will result in an r that underestimates the true relationship.,你相信自己的眼睛吗？,你相信自己的眼睛吗？,数据的变异,Variation Standard Deviation,Psychology Applied to Teaching. Snowman/Biehler. Copyright Houghton Mifflin Company. All rights reserved.,Relationship among z Scores, T Scores, and Percentile Ranks,Psychology Applied to Teaching. Snowman/Biehler. Copyright Houghton Mifflin Company. All rights reserved.,The Normal Probability Curve,Normal distribution,The standard normal distribution has mean = 0 and standard deviation sigma=1.,Characterization,A normal distribution is bell-shaped and symmetric. The distribution is determined by the mean mu, m, and the standard deviation sigma, s. The mean mu controls the center and sigma controls the spread.,Z-Scores (no sleeping!),We can standardize the central tendency away from the mean across different samples with z-scores. The basic unit of the z-score is the standard deviation.,研究的类型,个案研究 相关研究 发展研究（趋势研究） 因果研究,因子分析,BARTLETT是检验总体变量不相关，即总体相关矩阵是单位矩阵，如果接受原假设，表明因子分析可能不适合。 KMO是用来比较变量间相关系数的大小。如果KMO接近1，表示适合做因子分析，如果KMO接近0，表示不适合做因子分析。 These two tests are often used to examine the appropriateness of data for factor analysis performance. It is often suggested that KMO should be of 0.5 as a minimal level. Bartlett test should be significant.,因子分析,However, these tests are only two common (but not the only two) tests to examine the appropriateness. Additional inspections could include, as suggested, researchers should consider the correlation coefficient matrix. Id like to recommend you to check: 1) whether you have many coefficent values less than 0.3 - which means that the correlations between the variables are too weak to (meaningfully) factor, and 2) whether you have many coefficent values greater than 0.7 - which indicates that the variables are highly correated and in fact they are measuring the same aspect of a construct. This could refer to multicollinearity issues. After you inspect for the extreme values of R, I suppose you would be a clearer position to answer your question:,聚类分析,聚类分析(Cluster Analysis)是物以类聚的一种统计分析方法。用于对事物类别的面貌尚不清楚，甚至在事前连总共有几类都不能确定的情况下进行分类的场合。 聚类分析可分为对变量聚类（如在儿童的生长发育研究中，把以形态学为主的指标归于一类，以机能为主的指标归于另一类等）和对样品聚类（如解剖学上依据骨骼的形状和大小等，不仅可以区别样品是人还是猿，还可以区别性别、年龄等）。,聚类分析,聚类方法大致可归纳如下： 系统聚类法 先将个元素（样品或变量）看成类，然后将性质最接近（或相似程度最大）的类合并为一个新类，得到n-1类，再从中找出最接近的类加以合并变成了n-2类，如此下去，最后所有的元素全聚在一类之中。 分解法 其程序与系统聚类相反。首先所有的元素均在一类，然后用某种最优准则将它分成类，再用同样准则将这类各自试图分裂为类，从中选个使目标函数较好者，这样由类变成了类。如此下去，一直分裂到每类中只有个元素为止，有时即使是同一种聚类方法，因聚类形式(即距离的定义方法)不同而有不同的停止规则。 动态聚类法 开始将个元素粗糙地分成若干类，然后用某种最优准则进行调整，一次又一次地调整，直至不能调整了为止。 有序样品的聚类 个样品按某种因素（时间或年龄或地层深度等）排成次序，要求必须是次序相邻的样品才能聚在一类。 其他还有加入法、有重叠的类、模糊聚类等。,聚类分析,其他还有加入法、有重叠的类、模糊聚类等。 聚类分析实质上是寻找一种能客观反映元素之间亲疏关系的统计量，然后根据这种统计量把元素分成若干类。常用的聚类统计量有距离系数和相似系数类。距离系数一般用于对样品分类，而相似系数一般用于对变量聚类。距离的定义很多，如极端距离、明考斯基距离、欧氏距离、切比雪夫距离等。相似系数有相关系数、夹角余弦、列联系数等。,层面理论,层面理论,把理论构建和实证研究系统地结合起来,“迫使”研究者用一种范式化的研究方式组织研究所涉及的所有概念,界定研究范畴,形成个研究的理论框架( framework) ;依据这个框架设计或选择研究工具(问卷和项目) ,提出假设,再通过独特的数据分析方法(如最小空间分析)来检验这种假设,从而探索和验证理论结构。,映射语句,映射语句,在一个映射语句中,研究的特定对象被称作目标人群(population)层面,简记为P层面,在映射语句中常用X标记。A、B、C层面则被称为内容( content)层面,涉及与所研究问题有关的一系列核心概念,即观察变量。值得注意的是,每一个层面都包含了若干元素( elements) ,这些元素之间的相互区别使得每一个层面具有了“可被观察”的性质。每一个映射语句还有一个反应范围( range)层面,记为R,由所有可能的应答构成。,映射语句,映射语句中包含两种成份,一种是严格的、规范化的成份,就是所有的层面部分。另一种成份则比较灵活随意,就是连接这些层面的连接语词。所有的映射语句都可以归结为这样的一般表达式。,层面理论的应用,层面理论最初多用于态度的研究,下面是这方面的一个简单例子:比如要研究大学生对大学生结婚的态度,可以设计如下的映射语句:,层面理论的应用举例,层面理论评价,映射语句之所以能够帮助研究者穷尽和区分概念和变量, 从而使构建起来的理论结构更加科学,主要在于它充分运用了两种基本的思维途径:归纳和演绎。对于大量散乱的直观材料,通过仔细分析归纳其共同性,可以找到隐藏在直观材料背后的,可能被我们忽视的层面,并列出它的元素,且保证层面的底层性(代表性) ,通过演绎,找出其他超出我们视野之外的元素。,层面理论的研究设计,项目设计和研究假设及其验证 元素组和测验项目设计 从每个内容层面中各抽出一个元素,就会联合形成一个元素组合。 每一个结构侧面代表了一个具体的刺激变量,通过它可以设计研究的刺激。 比如例2中的a1 b1 ,可以设计“我认为爱情是人生中最重要的,但是大学生结婚太影响学习。”,元素组的作用,通过元素组,层面理论在刺激项目的设计上提供了如下便利:1、可以方便地增加测验的同质项目;2、可以编制新的测验来验证已有测验的功用;3、编制项目较少的问卷 ;4、保证问卷的内容效度。,邻近性、区域性和研究假设,包含相同元素越多的元素组(代表刺激变量)它们之间的相关越高,这一特性被称为邻近性( contiguity)原理。比如a1 b1 c1 与a1 b2 c1 的相关(我们用r1 表示)高于它与a1 b2 c3 的相关( r2 ) , r2又高于它与a2 b3 c2 的相关( r3 ) 。通过数据分析检验这些邻近性关系即可检验层面的设计是否恰当,理论建构是否合理。,层面理论的测量结构,多维尺度分析技术(multidimensional analysis, MDS)是层面理论中探索观察数据是否相关系时的核心技术。其中最小空间分析（Smallest Space Analysis)用得最多 ,最小空间分析也叫做相似结构分析（Similarity Structure Analysis)简称SSA。,层面理论的测量结构,SSA亦是先计算项目或变量之间的两两相关。后在一个n维的欧氏空间中用点将这些项目表出来。使得点际之间的距离关系能够代表项目间的相关系数大小关系(或者相似程度关系) 。,层面理论的测量结构,运用多维尺度技术分析被试的反应结果，研究者往往期望得到能够反映各层面的多维空间结构，这样可以通过各层面的不同水平对空间结构进行分割。但是：多维尺度分析所得出的空间结构中，每一维度所反映的是一个具体的被试类群而不是一个或几个层面。,测量有前提,人与人之间存在差异 传统的分析数据结构的技术是FA，但其前提是变量之间存在相关（也就是在进行FA分析之前须先做KMO球形检验和Bartlet检验）：,估计箱子大小,假设长、宽、高这三个层面的最小值为1，中等为2，最大值为3，那么可以得出27个大小不同的箱子，这就是层面理论中的组。这些组从(1，1，1)到(3，3，3)共有27个。以层面理论中收集数据时最常用的方法，将这27种不同大小的箱子呈现给被试，让他们对箱子的大小做出估计。于是，每个被试会给出27个估计结果。,实例,严格同质性被试样本,假设所有被试都将箱子大小理解为体积，而且他们用相同的量杆来决定箱子的长、宽、高，那么这一组被试就是严格同质的一组被试。他们以完全相同的方式做出反应，所得数据见表1。 由于施测于严格同质性的被试样本，每一个被试都会得出高度一致的反应结果，所以对于数据的每一列来说，不存在变异。这样，我们可以非常肯定地得出三个一般意义的结论：,严格同质性被试样本,1)因为变异不存在，就不能求相关系数。因此，通过因子分析(FA)或者主成分分析(PCA)来探索数据的内存结构就不可能了。 2)但相似性测度(或称为距离)是可以求出的，因为相似性测试不依赖于被试之间的变异，但依赖于刺激之间的变异。 3)但是在社会科学研究中，这种严格同质的被群体是不可能存在的。 4)对于一组映射来说，如果被试具有严格意义上的同质性，那么我们对数据进行MDS分析就肯定会得出一个压力指数为零的单维结构。 5)对于一个映射关系来说，如果一组被试具有严格意义上的同质性，那么单一维度结构中的维度呈现的是这种映射关系，而不是原初的变量自身。 6)在同质性被试团体中，各组之间的相关系数几乎等于零。因此需要大量的因子来解释这些随机变异。但这些因子都不是原初的变量，也不是变量之间的关系。,严格同质性被试样本对箱子大小估计结果矩阵,实例,误差的参与,严格同质的被团体是一种例外。一般说来由于人们在进行心理操作时都难免有误差，所以严格意义上的同质性被试团体很少出现。假设所有的被都按同一规则对箱子的体积做出判断，在被试判断过程中会出现随机误差。这种被试团体被称为终结同质性被试团体。假设随机误差是符合标准误很小的标准正态分布，误差中的负值可以通过将所有误差值加上一个合适的常数而变为正值，这样就可以求出被试之间的相关系数。因为它们是随机误差之间的相关，所以所有的相关系数都接近零。如果运用因子分析的方法分析这种数据资料，就会得到大量因子。,主成分分析中的误差作用,另外，运用主成分分析时，因子的个数与误差的大小无关。当误差的标准差增大到=8时，用主成分分析将得到如图2（b）所示的碎石图。这一碎石图与图2（a）大致相同。这就说明，数据中所包含的因子数目是相同的，值得注意的是，这些因子也同样是无法解释的。这一结果不只是对于当前这一例子成立，如果被试团体是同质的，他们用相同的规则做出判断，且在判断过程中存在相互独立的误差，这种结果就会普遍存在。,误差标准差为1和8时的因子分析碎石图,误差的参与,我们从图2(a)中可以看出，如果用碎石图来确定因子个数，那么所取因子个数将远远超过三个。通常情况下，运用因子分析对P个变量进行分析时，如果用Gutmann特征根的值大于1作为抽取因子的标准，将会得到p/2 个因子。在这种情况下，碎石图中的曲线拐点取决于随机误差的作用。因此，所得因子都与长、宽、高这三个变量没有清晰的关系，从这些因子中也看不出长、宽、高之间的关系。可是，当被试团体有严格同质性时，这种误差的存在对于MDS分析的结果却不会造成大的影响，这是层面理论结构测量的又一大优势。,MDS中误差的作用,在误差标准差为=1的情况下，用MDS方法分析这一组数据会得出压力指数为0.01的单一维度结构，这一维度反映的是箱子的体积，如图3（a）所示。因为相对于全距来说，较小的标准误对点际之间距离的改变是非常微小的，所以MDS分析结构不变这一现象并不值得惊奇。当标准误增至=8时，如果要求Stress值不大于0.04会得出六个维度的结构。如图3（b）所示，第一维与体积有关，第二维及其余这维度都无法解释。如果只取一个维度，压力指数为0.15，按照Kruskal 1964年所提出的标准，这一结果是不可以接受的。,图,误差与反应结果相关时,如果“无关因素”所造成的误差与被试对任务所做出的反应相关时，它也会成为有意义的维度。在本例中，假设反应误差的标准误随着体积的增大而增大，并且误差标准误的增加幅度对于每一个被试都相同，比如说=体积/4，对数据做MDS分析就会得出一个压力指数为0.043的二维结构（见图4）。不过，单一维度结构也是可取的，压力指数为0.064。在图4中，第一维度对应于箱子的体积，第二维度对应于误差标准误的递减关系：误差的标准误随着箱子体积的减小而递减。,如果参与误差,误差在MDS分析中的不同作用,图4还显示出反应误差影响MDS结构类型的可能性，比如圆形（一种同心区域类型）。在本例中，如果误差标准误的增加与体积离均值的距离成反比的话：在箱子体积特别大和特别小时误差标准误小，体积越靠近均值误差就越大，这时就会得出圆形结构。,异质性被试团体的反应结果可以得出多维结构,所谓异质性团体是指个体之间在对任务做出反应时所使用的规则存在差异。例如，假定60个人依据边长的和估计27个箱子的大小，另外60个人依据乘积估计箱子的大小。如果两种估计方法都排除误差，这两个组就是同质性团体。如果这将两组被试看作一个被试团体，我们可能就会预计在结果中会有两个不同的维度分别与这两组被试相对应。实际上，分析结果只有一个维度，而且压力指数为0.000，这一维度完美地反映箱子体积的大小（见图1 ）。从附录中的数据中可以明显看出，在体积与和之间存在较强的相关性（r=0.922），与积的全距（值为27-1=26）相比和的全距（9-3=6）相对较小。所以，体积的测量要比和的测量优势大的多。,如果销除两种反应结果之间的相关会有什么变化呢?,这一结果明了对于两个彼此使用不同标准但又同质的被试团体来说，在什么情况下才能得出多个维度。两个组解决问题策略之间的相关必需销掉，和的全距必须升级。做到这一些并不难，例如，如果将长乘以常数8，宽和高不变。这时，体积与升级后的和的相关为0.655，升级后和的全距由原来的6变为20。分析这一组的全部数据，可以得出2维结构结果（如图5），其压力指数为0.0000，表明其拟合度非常好。,两组被试以不同的规则反应,两个维度的意义,第一维度代表了箱子的体积，与第一维度直交的第二维度代表了升级后的边长的和即：8长+宽+高。在长度这一变量来说，对应于其每一个值表现出变化的不是单一的长度而升级后的和。,进一步分析,如果第二个层面（也就是和）的影响再扩大一些，这一点就表现得更加清楚。比如，将长度乘以8的同时，宽度乘以4，高不变。将所得数据做MDS分析，会得出如果图6所示的二维结构，压力指数为0.000。,图,解释,图的结构比图5更为复杂。可以画出两个非直交的轴分别代表升级后的和即8长+4宽+高和长宽高的积。体积可以由平行于连接s18和s21这两点的轴表示，因此，体积相同的点(如s26,s24和s18)在这一轴上有相同的坐标值。代表升级后的和的轴则与连接s26,s24以及s18的线平行，因此，升级后和相等的点(如s18和s21)在这一轴上坐标值相同。,提醒,显然，在结构图中没有代表原初连续变量的维度，维度所代表的只是原初变量之间的关系。当然，如果在不同的反应规则中加入误差，或者增加另外的以不同反应策略做反应的同质性被试组，就会得出更多的维度。,扩展思路,8)如果将被试分成多个内部同质的小组，各自采用不同的反应规则且两组反应结果之间没有较高的相关，则每一个同质性被试组都会给被试总体增加与其自身相关的维度。这一维度与被试总体的反应规则有关但与具体的连续性层面无关。 9)各同质性被试组的反应误差的标准误越大，要获得可以接受的结构需要的维度数目就越多。很显然，结构分析的维度与具体层面设计的对应关系只有在巧合的情况下才会存在，并且从图中很难得出被试做出反应时所依据的变量之间的函数关系。只有当某一连续性层面在决定被试反应结果中确实起到主导性作用时才会得出清晰反应这一层面的结构图。在本例中，不容忽视的一点是这些层面是反应规则的一个部分，在这种反应规则中其它层面也起部分作用。,结语,层面理论将理论建构、研究设计、变量选择、数据分析及解释系统地整合起来，具有诸多其它研究方法所不具备的优势。对于心理与教育测量实践来说，层面理论为测量工具的编制及测量结果的分析处理均提供了一套独特的模式。虽然这一方面的研究在国外取得了一定的进展，但在国内为大家所认可可能还需要一段时间。,相关研究,教师职业倦怠心理结构的深层探究.pdf 大学生金钱观结构模型的层面研究.pdf 行为科学研究设计与理论建构的一种重要策略层面理论述评.pdf 情绪自我：情绪研究的新视角.pdf 层面理论及其在护理研究中的应用初探.pdf 层面理论及其测量结构研究.pdf Youths who sexually harm.pdf Guilford intelligence stucture.pdf the facet of criminality.pdf,教师职业倦怠心理结构的深层探究,层面理论研究模式,贵州师范大学教育科学学院 赵守盈,荆其诚,张厚粲,张侃,车宏生,Arie Cohen,设想,本文对教师职业倦怠这一心理结构的独特内容，尤其是其核心成分的含义及各成分之间的内在联系做了深入讨论。,背景,作为一种综合性的心理问题，职业倦怠一方面表现为情绪枯竭的增强，另一方面也表现为对工作客体负性、厌倦态度的产生，再就是从工作及工作客体方面对自己产生的负性评价倾向1。Maslach 和 Jackson 依据他们提出的关于职业倦怠的操作性定义编制了由三个分量表组成的职业倦怠量表，即情绪枯竭分量表、人格解体分量表、低成就感分量表。这就是马斯拉职业倦怠量表（Maslach Burnout Inventory, MBI）1。,出处,Maslach, C. and Jackson, S. E. （1981）. The measurement of experienced burnout, Journal of Occupational Behavior, 2, 99-113.,背景 con.,随后很多研究对这一量表的效度进行了检验2, 3，这些研究大多采用因素分析方法来检验量表的结构效度。 在教师职业倦怠问题的早期研究中，一般将倦怠理解为包含教师面对工作压力所表现出的所有负性反应，比如受挫感、心理疲惫、过度忧虑、抑郁及焦虑、针对他人的防御性反应等4, 5。随后，美国及其它国家的一些学者开始运用MBI对教师的职业倦怠做实证性研究6, 7, 8。,现状,随着对倦怠概念探讨的不断深入，这一概念的边界及其内容成为人们关注的重点。1989年Shirom提出，总结以往人们关于倦怠概念的研究可以得出这样的结论，“倦怠的独特内容主要涉及个体心理资源的耗损。具体说来，倦怠就是指身体疲惫、情绪枯竭以及认知厌倦的综合状态。” 9,目的,本研究的一个主要目的就是依据Maslach 与Jackson提出的倦怠概念，从实证的角度对教师职业倦怠的“核心”内容加以检验，并对其各种成份的相对严重程度加以评估。就这一问题，以往的大部分研究采用的是因子分析方法，本研究将采用另外一种研究策略，运用层面理论研究方法探讨这一问题。在参考Maslach和Jackson的概念基础上，本研究将教师职业倦怠定义为资源耗损、负性自我评价（低成就感）以及对学生的负性态度。Ja