关于构念

理论构念

构念：描述、抽象不可直接观察的概念

*操作化：基于构念，找到合适的指标，对构念进行描述、区分、解释、预测

*指标类型

反映型指标：构念是指标的共同原因。构念的外在表现形式。通过“有益重复”，清楚自身误差。

构成型指标：指标是构念的影响因素。构念的不同方面，组合成构念，指标之间相关性不高。

组合型指标：不考虑指标之间的关系。

指标决策

反映型测量模型：接近实证主义的认识论传统

构成型测量模型：概念模糊；信度系数评估难；统计不精确；构念效度推断难；因果关系模糊

Edwards(20 I I)建议我们避免使用构成型指标。如果研究确实需要这类指标，我们可以考虑将异质性的指标分解成不同的维度，从而使得单维构念变成多维构念(有关概念请详见本书第 14、15 章)，使用反映型指标去测量每一个维度，从而使得构念得到恰当的测量。

构念效度

我们必须对开发出的量表进行评价，以确保它能够稳定、有效地反映所要研究的对象。

*效度更多通过概念定义来判断

影响效度因素

研究者的操作性定义出现了偏差

测量内容没有充分地反映目标概念

量表缺乏信度

量表污染

实际测量中，包含的，不属于构念定义范围的成分

测量中的随机误差变异(randomerrorvari- ance) 。一般而言，一个量表分数包含的随机误差成分越大，该量表的信度就越低，实际测量结果也就越不可靠(我们在稍后对信度有较为详细的讨论)。

量表内容包含了除目标构念外的系统性变异 (systematic variance) :这一部分变异主要是由于研究者在操作理论概念时的不精确而造成的。

量表开发原则

详细定义目标构念，并最大涵盖此概念

测量指标清晰，尽可能降低其他无关概念的影响

努力控制各种随机因素的影响

量表开发一般步骤

构念说明

清晰定义目标构念性质

明确解释和目标构念与其他概念之间的差异

清楚确认理论构念的层次

确认构念包含的内部成分

明确内部结构，说明与之明确相关的前因变量与后果变量

测量题目

演绎法：通过整合现有文献，进行构念定义，并确认测量指标范围。根据自己理解操作化

归纳法：不了解具体内容与结构，需要定性归纳，广泛征求描述，筛选、分类、发展出量表

测量题目应该比构念涵盖更广

没有充分把握时，测量题目可包含一些，可能被证明与构念无关的内容，保证充分性。

内容效度

目标：删除不能反映目标构念实质的、容易引起误解的、影响测量质量的题目。不同概念能有效区分。

概念：内容多大程度反映需测量的构念。是否遗漏测量指标；是否包含无关测量指标；成分比例是否失调。

定性评价方法：专家主观判断。检查每一项指标是否具有概念代表性；测量指标是否涵盖了构念的理论边界，实现与构念定义的一一对应；测量指标的分配比例，是否反映其在构念中的重要性。

方法1（常用）：直接评价测量题目与构念定义的匹配程度，逐一匹配。

方法2：通过评价测量题目区分度，如某个指标应该有较高的得分，测量指标也应如此

*内部结构检验

可以发现与测量内容无关的指标，或不符合预期的指标，决定指标的增删，适用于测验初期

反射性量表：

*探索性因子分析EFA（构念中的因子有哪些）：推荐使用 oblique，对内部结构缺乏清晰理论分析时，一起测量，进行因子分析。因子负荷值在某一维度大于0.4，且在其他维度上较小，则表示内部结构越清楚。

*验证性因子分析CFA（验证预先设计好的构念结构）：测验与构念之间的关系有清楚预期，通过观察测验指标与假设模型的契合度来推断测量结构，若模型与抽样数据契合，则效度良好。

结构模型方程SEM

构成型量表？非理论度量：

*主成分分析PCA：推荐正交，可以看出量表中有哪些主成分，主成分之间是独立的。

*内部一致性与稳定性评价（信度）

信度：测量结果免受误差影响的程度，通过测量（随机）误差大小来估计："reliability analysis"针对反应性指标，指标之间的相关性应该很高，删除一个指标时，检查系数是否升高。

*1、cronbach alpha系数：信号方差在总方差中所占的比例：误差方/总方差

*2、Omega系数 CR

*两种系数均高于0.7，认为可靠，形成性的构念没有信度检验的意义。

*先检测相关，看是否有指标需要反向。

方法1：同时发放两份等效但不同的量表，每个受试者同时回答两分量表，分析两分结果的相关系数

方法2（常用）：评价量表的内部一致性，测量指标之间的同质性。

内部一致性评价