首页 理论教育 小样本数据分析的方法

小样本数据分析的方法

时间:2023-06-11 理论教育 版权反馈
【摘要】:在小样本测试阶段,本研究主要通过小样本的信度和效度分析来筛选各变量的测量题项。由于本研究所使用的调查问卷是采用李克特7级量表,且没有进行多次重复测量,所以主要采用内在信度检验。本书通过文献分析和访谈的方式,对测量题项的合理性和代表性进行检测。本研究对KMO值在0.7以上的进行因子分析。

小样本数据分析的方法

在小样本测试阶段,本研究主要通过小样本的信度和效度分析来筛选各变量的测量题项。尽管调查问卷中使用的对概念测量的题项均是借鉴已得到实证检验的外文文献,但我们在使用这些题项进行调研之前仍需对其在中国本土和酒店企业的适用性等方面进行检验,根据初步检验结果对调查问卷的题项设置进行信度、效度检验,并在检验的基础上予以精简,以期采用更为科学、合理的调查问卷测量工具来开展后续的大样本正式调研。

信度(Reliability)是指调查问卷中设置的不同题项对同一潜变量的测量程度,信度分析的主要作用是用来检验基于问卷调查获得的数据是否具有一致性和稳定性。信度越大,说明用于解释一个潜变量的各观测变量具有共方差的程度越高。信度可分为两大类:内在信度和外在信度。内在信度是指对一个潜在变量进行测度的量表题项的内在一致性程度,是运用多项量表进行测度中主要考察的内容,以此判断不同题项是否是对同一概念进行测量,尤其以李克特分级量表特别重视内在一致性程度的检验(王鹏耀,2011);外在信度是指衡量不同时间量表测量的一致性程度。由于本研究所使用的调查问卷是采用李克特7级量表,且没有进行多次重复测量,所以主要采用内在信度检验。内在信度检验的方法有折半信度和克朗巴哈(Cronbach’s α)系数两种方法。本书选用Cronbach’s α系数方法检验测量项目的信度,其计算公式为:

其中,k代表某一潜变量的测量题项数目;代表每一题项得分的变异量;s2代表该潜变量测验总分的变异量。Cronbach’s α系数的大小代表问卷的信度水平,就一般情况而言,Cronbach’s α系数越大说明调查问卷的信度越高。本研究采用SPSS 18.0软件中刻度(Scale)模块的信度分析对变量进行信度检验,用两种标准来判断变量的可信度:(1)按照农纳利(Nunnally,1978)提出的测量项目Cronbach’s α信度系数的标准作为参考依据,即当该Cronbach’s α值大于0.7时是可接受的范围;(2)选用修正的题项—总体相关系数(Corrected Item-Total Correlation,CITC)来反映,李怀祖(2004)认为CITC值大于0.35是样本数据的信度通过检验的最低限度。本研究利用Cronbach’s α信度系数法检验测量题项的信度,如若删除某测量条款后Cronbach’s α信度系数增大,说明可以删除该题项,并以0.35作为纯化(Purify)问卷中各变量测量题项的标准(Field,2005;李怀祖,2004)。

效度是指研究中所运用的测量工具能正确测量出所要衡量的性质的程度,即测量的准确性程度,包括内容效度(Content Validity)和构思效度(Construct Validity)。内容效度旨在检测测量题项涵盖研究主题的程度,主要通过定性的判断来检测其内容效度。本书通过文献分析和访谈的方式,对测量题项的合理性和代表性进行检测。由于本研究所采用的测量题项均是已被有关文献实证检验的量表,并结合本研究实证调研和专家意见加以修正,因此认为具有较高的内容效度。构思效度旨在检验所测题项能测度相关变量的程度。在小样本测试阶段,本研究采用探索性因子分析(Exploratory Factor Analysis,EFA)对问卷的构思效度进行检验,并寻找多元观测变量的本质结构,将具有错综复杂关系的变量综合为少数几个核心因子。(www.xing528.com)

在进行探索性因子分析之前,本研究选用抽样适度测定值(Kaiser-Meyer-Olykin,KMO)对样本充分性进行测度并进行巴特莱特球体检验(Bartlett Test of Sphericity)来判断是否可进行因子分析。马庆国(2002)认为KMO在0.5以下,不合适;0.5~0.6,很勉强;0.6~0.7,不太合适;0.7~0.8,合适;0.8~0.9,很合适;在0.9以上,表示非常合适。巴特莱特球体检验的统计值显著性概率小于等于显著性概率时,可以做因子分析(马庆国,2002)。本研究对KMO值在0.7以上的进行因子分析。

本研究使用SPSS18.0软件中数据精简(Data Reduction)模块的因子分析(Factor Analysis)来进行探索性因子分析,采用主成分分析(Principle Component Methods)的因子提取方法和最大方差的旋转(Varimax)方法,按照特征根(Eigenvalue)大于1的方式提取因子(Field,2005)。在对各个题项的效度进行评价时,遵循以下几个判断原则:(1)题项在所属因子的载荷量,大于0.5说明具有收敛效度,否则予以删除;(2)每一题项所对应的因子载荷必须越大越好,但如若某题项在两个或以上因子的载荷大于0.5,属于交叉载荷(Cross-loading)现象,本研究予以删除,以提高不同变量测量题项之间的区分效度,而若某题项在所有因子上的载荷均小于0.5,亦予以删除。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈