测量的基本概念及理论

测量的基本概念及理论第1页，课件共58页，创作于2023年2月大綱量化構念古典測量理論(classicalmeasurementtheory)共同因子(commonfactor)的概念效度(validity)的相關概念

--構念關係網(nomologicalnetwork) --多元特質和多重方法矩陣(multitrait- multimethodmatrix)第2页，课件共58页，创作于2023年2月測量尺度(MeasurementScale)數字的精確程度:(1)類別尺度(NominalScale)(2)等級尺度(OrdinalScale)(3)等距尺度(IntervalScale)(4)等比尺度(RatioScale)第3页，课件共58页，创作于2023年2月量化「離職意向」的構念

請您圈選您對以下描述的同意程度：

1=極不同意；2=不同意；

3=沒所謂同意或不同意；

4=同意；5=極同意--我常想到辭職。--我很可能于明年另尋新的工作。--如果能自由選擇，我不會喜歡留在這機構工作。第4页，课件共58页，创作于2023年2月古典測量理論

(classicalmeasurementtheory)ObservedScore(OS)受三個影響:(1)真實得分(TrueScore;TS)(2)獨特得分(UniqueScore;US)(3)誤差得分(ErrorScore;ES)「離職意向」的例子:OS1=TS+US1+ES1(第一題)OS2=TS+US2+ES2(第二題)OS3=TS+US3+ES3(第三題)第5页，课件共58页，创作于2023年2月變異量(Variance)及

共變量(Covariance)--以變異量及共變量驗證構念間之關係--樣本整體變異量(ObservedVariances;O),

包括:(1)真實差異(TrueVariance；T)(2)獨有因素帶來的差異(UniqueVariance；U)(3)隨機誤差帶來的差異(ErrorVariance；E)

O=T+U+E第6页，课件共58页，创作于2023年2月信度(reliability)

(1)E佔O的比重(2)因為E是隨機的，信度為測量的工具免於 隨機誤差的程度(3)測量結果的一致性或穩定性第7页，课件共58页，创作于2023年2月信度係數的估計:

為了與統計上的相關係數看齊，我們一般會取兩次測量的共變量比例的平方根，來合計信度，稱之為信度係數(reliabilitycoefficient)。E1E2T+U第8页，课件共58页，创作于2023年2月信度係數的方程式信度係數=第9页，课件共58页，创作于2023年2月信度(reliability)的估計--兩次測量的相關係數:（a）再測信度(test-retestreliability)（b）複本信度(alternativeformsreliability)（c）折半信度(split-halfreliability)（d）項目間的一致性(internalconsistency reliability):Coefficientalpha;α (SPSS“reliability”的指令)--一般來說信度係數要在0.7以上

第10页，课件共58页，创作于2023年2月信度對檢定構念關係的影響兩個構念的共變量(假設最理想情況):兩構念在測量時的獨有變異量均為零T1p+E1T2p+E2C第11页，课件共58页，创作于2023年2月兩個構念觀察所得的相關係數

第12页，课件共58页，创作于2023年2月兩個構念真實的相關係數

第13页，课件共58页，创作于2023年2月測量工具的信度係數

第14页，课件共58页，创作于2023年2月把R0除以r1及r2的平方根，

便可求得Rt

第15页，课件共58页，创作于2023年2月Rt

與Ro的關係

(CorrectionforAttenuation)第16页，课件共58页，创作于2023年2月影響信度的主要因素受測量者方面主持測量者方面測量內容方面測量情境方面時間影響方面第17页，课件共58页，创作于2023年2月共同因子(commonfactor)的概念CommonFactor=CFEF1+UF1EF2+UF2EF3+UF3OS1OS2OS3CF第18页，课件共58页，创作于2023年2月共同因子(commonfactor):共變量T=共同因子的變異量

(各項目的共變量:沒有測量誤差的變異量)C13C12U1+E1C23U2+E2TU3+E3第19页，课件共58页，创作于2023年2月因子的設定:項目的加權總和

(LinearCombination)第20页，课件共58页，创作于2023年2月負荷量(L值;factorloadings)及

「固有值」(eigenvalues)

(1)每一因子抽取了這九個項目總體變異量的一部 分(2)每一因子抽取了九分一的總體變異量，由於不同 情況牽涉的項目數不一樣，所以我們把這平均 值標準化，以1為代表，稱為「固有值」 (eigenvalue)(3)「固有值」為該因子的所有L值平方的總和(4)因子抽取的總變異量的比率便是「固有值」除以 測量項目的總數(5)負荷量:由-1到1第21页，课件共58页，创作于2023年2月因子的數學背景如有兩個項目(V1及V2)，變異量為VA1及VA2，共變量為CA，它們的加權總和(F)的變異量(FA)的方程式是：

FA=(L1)2*VA1+(L2)2*VA2+(L1)2*(L2)2*CA(L1及L2小於1，所以FA是包含V1及V2部分的VA1、VA2及CA)。把共變量愈大的項目在同一個因子中的L值加大，這因子便能夠同時把這兩個項目更多的變異量和共變量都抽取。盡量用小數的因子來抽取最多的整體變異量，便會是相互間共變量大的項目在同一因子中的L值較大，而共變量大也符合了它們可能受同一原因影響的假定。第22页，课件共58页，创作于2023年2月因子分析的假設各因子抽取了總體變異量的不同部分儘量用較少的因子來抽取最大比率的總體 變異量;假設其他因子代表U及E的變 異量集中在少數因子，使少數項目的L值盡量擴大(rotation): (a)決定集中在多少個因子

(b)是否容許這少數因子有相關第23页，课件共58页，创作于2023年2月「探索性因子分析法」的例子

(ExploratoryFactorAnalysis；EFA)

182名香港的中學教師三題測量「同意特質」(A1、A2及A3)、三題「工作滿意度」(JS1、JS2及JS3)、及三題「自評的工作表現」(JP1、JP2及JP3)第24页，课件共58页，创作于2023年2月EFA的SPSS指令在沒有特定原因的情況下，我們以固定值等於1來抽取少數因子；另外，由於老師的「同意特質」性格可能與其「工作滿意度」及「自評的工作表現」有關，因此在「rotation」時我們不應假定因子之間是無關的，所以用SPSS的指令是：

getfile=’nameoffilecontainingtheSPSSsavefile’. factorvars=A1A2A3JS1JS2JS3JP1JP2JP3 /extraction=paf/rotation=oblimin.第25页，课件共58页，创作于2023年2月「探索性因子分析法」的結果第26页，课件共58页，创作于2023年2月「探索性因子分析法」的限制(1)L值的設定及最後抽出「固有值」大於1(或其他設定的標準)的因子數目，是完全取決於我們在實證研究所取得樣本資料(2)雖然我們說第一個因子的主要變異量是來自「工作滿意度」的三個測量項目，但它還是包括了其他六個測量項目的部分變異量，嚴格來說，這是不正確的第27页，课件共58页，创作于2023年2月「確認性因子分析法」的假設關係(ConfirmatoryFactorAnalysis；CFA)

C1C2C3第28页，课件共58页，创作于2023年2月「確認性因子分析法」的步驟

F1=L11*JS1+L12*JS2+L13*JS3 F2=L21*A1+L22*A2+L23*A3 F3=L31*JP1+L32*JP2+L33*JP3--其餘的L值為零--先對這些構念和它們的測量項目有一個清楚及符合測量理論的關係假設，然後以實證的樣本資料來驗證這關係假設

第29页，课件共58页，创作于2023年2月LISREL(CFA)指令ObservedVariables:A1A2A3JS1JS2JS3JP1JP2JP3LatentVariables:AGREEJOBSATJOBPERFRawDataFromFile:(datafilename)Relationships:A1A2A3=AGREEJS1JS2JS3=JOBSATJP1JP2JP3=JOBPERFEndofProblem第30页，课件共58页，创作于2023年2月CFA結果因子的相關(FactorCorrelationMatrix) AGREE JOBSAT JOBPERFAGREE 1.00JOBSAT 0.19 1.00JOBPERF 0.13 0.42 1.00第31页，课件共58页，创作于2023年2月第32页，课件共58页，创作于2023年2月檢定是否接受原來關係假設的標準指標(GoodnessofFitStatistics)

(1)常用:RMSEA(或RMR;最好是少於0.08)、NNFI(也稱為TLI；最好是大於0.90)和CFI(最好是大於0.90)。(2)我們一般會報告Chi-Square及其DegreesofFreedom(它們的比率最好少於2.5)、及GFI(最好是大於0.90)(3)Chi-Square和GFI與樣本數有很大的關係，很多時樣本數愈大，它們反而更不理想，所以相對而言，RMSEA、TLI和CFI在判定是否接受原來關係假設更為重要。第33页，课件共58页，创作于2023年2月效度(validity)的概念

(1)測量結果是否正確，便是效度(validity)的 問題(2)從O=T+U+E的方程式來理解，效度是指 T佔O的比重(3)信度是效度的必要條件，而非充分條件(4)檢定效度的主要方法，最好是檢定構念間 的關係網(nomologicalnetwork)第34页，课件共58页，创作于2023年2月檢定效度的方法內容效度(contentvalidity)效標關聯效度(criterion-relatedvalidity): --同時效度(concurrentvalidity); --預測效度(predictivevalidity); --增加效度(incrementalvalidity)(3)建構效度(constructvalidity): --輻合效度(convergentvalidity); --辨別效度(discriminantvalidity)第35页，课件共58页，创作于2023年2月多元特質和多重方法矩陣

(multitrait-multimethodmatrix)

第36页，课件共58页，创作于2023年2月多元特質和多重方法矩陣的分析比較各相關係數的大小CFA: C1的因子:M1C1,M2C1,M3C1 C2的因子:M1C2,M2C2,M3C2 C3的因子:M1C3,M2C3,M3C3 M1的因子:M1C1,M1C2,M1C3 M2的因子:M2C1,M2C2,M2C3 M3的因子:M3C1,M3C2,M3C3第37页，课件共58页，创作于2023年2月影響效度的主要因素

測量組成方面測量實施方面受測者反應方面效標方面樣本方面第38页，课件共58页，创作于2023年2月建立測量尺度的例子--情緒智能(1)從文獻及邏輯推論中確立構念的定義和範圍(DefinitionandDomainoftheConstruct)；(2)證明發展測量工具的必要性；(3)發展測量的項目(ItemGeneration)；(4)選擇測量項目(ItemSelection)；(5)測量工具的效度檢定(ConstructValidation)。第39页，课件共58页，创作于2023年2月EI構念在文獻中的混亂DifferentresearchershaveuseddifferentdefinitionsofEISomeresearchersincludenotonlyemotionandintelligence,butalsomotivation,non-abilitydispositionsandtraits,etc.Forscientificconstruct,EIhastoconcentrateon“abilitytohandleordealwithemotions”第40页，课件共58页，创作于2023年2月EI構念的定義和範圍(1)Appraisalandexpressionofemotionintheself(SelfEmotionalAppraisal,SEA)

Thisrelatestotheindividual’sabilitytounderstandtheirdeepemotionsandbeabletoexpresstheseemotionsnaturally.Peoplewhohavegreatabilityinthisareawillsenseandacknowledgetheiremotionswellbeforemostpeople.第41页，课件共58页，创作于2023年2月EI構念的定義和範圍(2)Appraisalandrecognitionofemotioninothers(Other’sEmotionalAppraisal,OEA) Thisrelatestotheindividual’sabilitytoperceiveandunderstandtheemotionsofthepeoplearoundthem.Peoplewhoarehighinthisabilitywillbemuchmoresensitivetothefeelingsandemotionsofothersaswellasreadingtheirminds.第42页，课件共58页，创作于2023年2月EI構念的定義和範圍(3)Regulationofemotionintheself(RegulationofEmotion,ROE) Thisrelatestotheabilityofapersontoregulatetheiremotions,whichwillenableamorerapidrecoveryfrompsychologicaldistress.Apersonwithgreatabilityinthisareamaintainspositiveemotionsmostofthetime.Asaresult,thisdimensionissometimesreferredtoas“self-motivation”ortheabilityofapersontobeself-encouragingandbepositivetolifestresses.第43页，课件共58页，创作于2023年2月EI構念的定義和範圍(4)Useofemotiontofacilitateperformance(UseofEmotion,UOE) Thisrelatestotheabilityofapersontomakeuseoftheiremotionsbydirectingthemtowardsconstructiveactivitiesandpersonalperformance.Apersonwhohashighabilityinthisaspectisabletokeeptheirbehaviorundercontrolwhentheyhaveextrememoods.Thepersonwillalsomaketheverybestuseoftheiremotionstofacilitatejobperformanceintheworkplace.第44页，课件共58页，创作于2023年2月證明發展測量工具(EI)的必要性(1)這構念在建立理論架構及增進我們知識領域的工作中是重要的: H1:Emotionalintelligenceispositivelyrelatedto jobperformance. H2:Emotionalintelligenceispositivelyrelatedto jobsatisfaction. H3:Emotionalintelligenceispositivelyrelatedto organizationalcommitment. H4:Emotionalintelligenceisnegativelyrelated toturnoverintention.第45页，课件共58页，创作于2023年2月證明發展測量工具(EI)的必要性(2)文獻中沒有現存適當的工具

--Carson,CarsonandPhilips(1997) developeda14-itemmeasureofEI --TraitMeta-MoodScale --Bar-OnEQiinstrument --Goleman’s10-itemmeasure --Multi-facetEmotionalIntelligenceScale (MEIS;laterversion:MSCEIT)第46页，课件共58页，创作于2023年2月發展測量的項目(ItemGeneration)定性(Qualitative)的Askingmanagersandstudentstogenerateitemstocapturetheconstruct(n=120)FirstintroducedtothefourdimensionsofemotionalintelligenceTheywerethenaskedtogenerateself-reporteditemsoneachdimensionthatwoulddescribeapersonwithahighlevelofemotionalintelligence.Preliminarydeletionof(1)overlappingorsimilaritems;(2)itemswithunclearmeaning;and(3)itemsthatdidnotmatchthedefinitionofemotionalintelligenceResultedina36-itempreliminarymeasureofEI.第47页，课件共58页，创作于2023年2月選擇測量項目(ItemSelection)定量(quantitative)的牽涉構念的不同構面(Dimensions)和關係網(nomologicalnetwork)189undergraduatestudentsExploratoryFactorAnalysis(Itemswithhighloadings):Chose4itemsforeachdimension(total=16items)InternalConsistencyReliability(.83to.90)CorrelationswithIQtest,Lifesatisfaction,Powerlessness第48页，课件共58页，创作于2023年2月Correlations的結果--TheEIdimensionswereallmildlycorrelated(rangingfromr=.13to.42),whichindicatedthattheywererelatedbutnotidenticaldimensions.--AllEIdimensionscorrelatedsignificantlywithlifesatisfaction.Thecorrelationrangedfrom.16to.46.--AllEIdimensionscorrelatedmoderatelyandnegativelywiththepowerlessnessmeasures.Thecorrelationrangedfrom-.13to-.39.--Finally,theEIdimensionshadminimalcorrelationswiththeIQestimate.第49页，课件共58页，创作于2023年2月測量工具的效度檢定

(ConstructValidation)-172undergraduatestudentsample--WiththespecifiedfouritemsloadingontheirrespectiveEIdimensions,CFA:(1)2=132.41(d.f.=98);(2)StandardizedRMR=.08,CFI=.95;TLI=.93.--Negativelycorrelatedwithpowerlessness--Positivelycorrelatedwithlifesatisfaction第50页，课件共58页，创作于2023年2月測量工具的效度檢定

(ConstructValidation)-2146undergraduatestudentsample--WiththespecifiedfouritemsloadingontheirrespectiveEIdimensions,CFA:(1)2=179.33(d.f.=98);(2)StandardizedRMR=.07,CFI=.91;TLI=.89.--Negativelycorrelatedwithpowerlessness--Positivelycorrelatedwithlifesatisfaction第51页，课件共58页，创作于2023年2月測量工具的效度檢定

(ConstructValidation)-3110undergraduatestudentsampleEFAtogetherwithBig-FivepersonalitydimensionsTMM(anotherEImeasure)AftercontrollingforBig-FiveandTMM, R2=.077(p<.01)inpredictinglifesatisfactionAftercontrollingforBig-FiveandTMM, R2=.059(p<.10)inpredictingpowerlessness第52页，课件共58页，创作于2023年2月測量工具的效度檢定

(ConstructValidation)-3116non-teachingemployeesampleinuniversityTwomeasuresofBig-FivedimensionsandEICFA(3indicatorsoreachBig-Fivedimensionand4forEI):2=591.59(d.f.=398);StandardizedRMR=.08;CFI=.90;TLI=.89.AftercontrollingforBig-FiveandEQ-i(anotherEImeasure),R2=.023(p<.10)inpredictingjobsatisfaction第53页，课件共58页，创作于2023年2月MTMM第54页，课件共58页，创作于2023年2月他評的EI測量工具-1444Parent-StudentsampleinPRCBothparentandstudentratedstudents’Big-FivePersonalityandEI;Studentsalsoratedtheirown,LifesatisfactionandPowerlessnessAftercontrollingforBig-Fiveanddemographics,parents’ratingsofstudent