如何编制、分析和修订问卷与量表

问卷编制主要涉及素材搜集、初稿编制、试测、分析以及修订等五个环节。下面，主要从素材收集与初稿编制、问卷分析与修订两个方面，对本章统计分析所涉及的个体化倾向量表，以及个体性公私表征与共享性公私表征问卷的编制进行简要介绍。

（一）问卷与量表的编制

1.个体化倾向量表

参考社会学等多个学科研究成果，着重从社会心理学的角度对“个体化”进行了操作化定义：个体意欲挣脱对长辈（包括父母）、领导、单位、社区乃至国家等在传统人己或群己关系中有着举足轻重影响的重要人物或组织的依从状态，进而增强在社会生活实践中（特别是人生抉择方面）的自主性、自决性的心理倾向。通过对经由焦点团体访谈收集到的条目进行筛选、归并，整理出反应频数在3次以上的16个条目（如表5-1所示），进而在此基础上编制出个体化倾向问卷。

表5-1　个体化问卷项目内容

在量表的具体设计上，选择使用李克特七点式量尺（Likert 7-point scale）进行计分，即让被调查者基于其真实感受和看法，在从“非常不同意”到“非常同意”的七等分量尺（1=“非常不同意”；2=“不同意”；3=“不太同意”；4=“中立”；5=“有点同意”；6=“同意”；7=“非常同意”）中，选出其对上述每项内容的同意程度。在上述题项中，有6个题项（A3、A9、A10、A11、A12、A13）为反向计分题项。总分越高表明个体化程度越高。

2.个体性公私表征与共享性公私表征问卷

为了便于进行分析与比较，在对个体性公私表征与共享性公私表征问卷的编制上，采用“同项目，不同指导语”的策略。其中，公私表征问卷素材，一部分来自于对上一质性研究中有关访谈资料的整理与归并，另一部分来自于陈弱水、沟口雄三等人的研究成果，研究者最终筛选并确定了21个问卷项目（如表5-2所示）、11个“私”概念表征问卷项目（如表5-3所示）。

在这两份问卷的具体设计上，均选择使用李克特七点式量尺（Likert7一point scale）进行计分，即让被调查者基于其对每一题项的典型程度的判断，再从“非常不典型”到“非常典型”的七等分量尺（1=“非常不典型”；2=“不典型”；3=“不太典型”；4=“一般”；5=“有点典型”；6=“典型”；7=“非常典型”）中选出相应的选项。三者均无反向计分题项。

在编制出这两份问卷初稿之后，邀请5位长期从事社会心理学研究的专家就问卷项目的表面效度、表述的清晰度及单义性做出评判与修改。而后使用修改完善后的问卷，在小范围内通过采用方便取样的方法进行了试测，并征求了被调查者的意见与建议。以下系最终定稿的问卷内容。

表5-2　“公”表征问卷内容

注：个体性“公”表征问卷各项目字母标号为B；共享性“公”表征问卷各项目字母标号为H。

表5-3　“私”表征问卷内容

注：个体性“私”表征问卷各项目字母标号为C；共享性“私”表征问卷各项目字母标号为I。

（二）问卷分析与修订

问卷分析包括项目分析与因子分析，因子分析可进一步分为探索性因子分析与验证性因子分析。通常来说，其具体操作是：将拟使用的总数据库随机分成A、B两个样本量大致相当的子数据库，而后基于A数据库进行项目分析与探索性因子分析，基于B数据库进行验证性因子分析。在本研究中，使用试测数据库（n=630）对个体化倾向量表进行分析，所分割出的A、B两个数据库的样本量分别是311、319；使用借由正式调查数据库（n=439）对个体性公私表征问卷进行分析，所分割出的A、B两个数据库的样本量分别为210、229。

项目分析旨在探察各项目（亦即观测变量）在表征相同潜变量方面的同质性程度，以及其鉴别力（或区分度）的高低，进而为剔除对测量没有显著贡献的项目提供依据。在项目分析中，主要采用校正项目与总分相关系数分析法和极端组地较法。前一方法系通过进行相关分析，以此检核各项目与对应总分是否具有显着相关性，相关性越高，说明同质性越高。后一方法系通过进行独立样本t检验，以此检核高分组（对已接受降序排序的总分取前27%）与低分组（对已接受降序排序的总分取后27%）在各项目上的得分均值是否存在显著差异。如存在显著差异，即意味着具有较高的鉴别力。通常所采用的剔除标准是：项总相关系数小于0.3，且删除此项目可提升整体信度；决断值（亦即独立样本t检验所得p值）小于3。

探索性因子分析旨在探索问卷的潜在结构，或者更进一步说，找出影响变量的更具本质性的公共因子（亦即潜变量）个数，以及各个公共因子与各项目之间的相关程度（其实也反映了各变量彼此之间的相互依存程度），而验证性因子分析则旨在以此为基础，进一步考察问卷的结构效度。在因子分析中，将探索性因子分析（Exploratory Factor Analysis，EFA）与验证性因子分析（Confirmatory Factora Analysis，CFA）配合使用。在探索性因子分析中所采用的剔除标准是：最大因子载荷值小于0.4；公因子载荷值小于0.3；多重载荷，且彼此趋近，难以解释；在一个因子上的项目少于2个。

1.个体化倾向量表分析

基于A数据库数据（n=311），采用校正项目与总分相关系数分析法和极端组比较法进行项目分析（如下表5-4所示）。结果表明，所有项目均符合要求，予以全部保留。

表5-4　个体化倾向量表项目分析结果

续表5-4

在完成上述项目分析之后，基于A数据库进行探索性因子分析。统计检验显示，取样适当性测度值（KMO）为0.814，巴特雷特球形检验（Bartlett Test of Sphericity）显著（=580.556，df=36，p=.000）。这表明该数据适合进行探索性因子。采用主成分分析法（Principal Components），选用最优斜交法（Promax）旋转方式，要求抽取特征根指大于1的因子。由此抽取出2个因子，同时发现项目A05（我会像尊重自己一样尊重陌生人）、A08（各人要管好自己事）横跨两个因子，且因子载荷值均大于.40，符合剔除标准，故而选择予以剔除。而后重新进行探索性因子分析，最终得到如下结果。联系前面所作文献综述，可将项目A01、A02、A03、A04共同荷载的公因子命名为“自立自恃”；将项目A06、A07、A09共同荷载的公因子命名为“人我区隔”。

表5-5　个体化倾向量表探索性因子分析结果

在完成探索性因子分析之后，利用B数据库（n=319）进行验证性因子分析，以探查所得因子结构是否稳定可靠（以“载荷系数不低于0.32”为项目取舍标准）。经过不断修正，最终得到如下模型（参见图5-1），其主要拟合指数为：x2（df）=8.226（8）；RMSEA=0.009；CFI=0.999；TLI=0.998；SRMR=0.019；CD=0.844。参照有关评价标准来看，该模型的拟合程度较好。^[1]最为确定保留以下7个项目：A01（自己的幸福由自己决定）、A02（自己的事情自己干，靠人靠天靠祖上，不算是好汉）、A03（只有那些自立的人才算是生活中的强者）、A04（态度决定一切）、A06（我不赞成干涉别人的事情，也不愿意别人来干涉我的事情）、A07（走自己的路，让别人去说吧）、A09（我的人生应该由我自己来规划，不希望，也不愿意长辈或领导介入）。

图5-1　个体化倾向验证性因子分析结构方程模型

2.个体性“公”表征问卷分析与修订

首先基于A数据库（n=210），通过采用校正项目与总分相关系数分析法和极端组比较法进行项目分析（结果如表5-6所示），最终确认这些项目均可保留。(www.xing528.com)

表5-6　个体性“公”表征问卷项目分析结果

而后基于同一数据库进行探索性因子分析，以探查问卷的潜在结构。统计显示，取样适当性测度值KMO为.880，巴特雷特球形检验显著（x2=2390.141，df=210，p=.000），这表明数据适合进行探索性因子分析。此后，采用主成分分析法，选用最大变异法（Varimax）旋转方式，抽取特征根大于1的因子。结果抽取出四个因子，同时发现项目HA5（“正直无私，为大家利益的”）、HC4（“贵”）、HC5（“官”）、HA4（“爵位”）明显横跨两个因子，且因子载荷值高于.40，符合剔除标准，故在探索性因子分析中予以剔除。而后重复上述操作，最终得到17个项目、4个因子，累积方差贡献率为66.282%（如表5-7所示）。根据各因子所含项目内容及其特征，可将所抽取出的四个因子依次命名为“同构性‘公’”、“领域性‘公’”、“污名化‘公’”以及“称谓性‘公’”。

表5-7　个体性“公”表征问卷探索性因子分析结果

在完成探索性因子分析之后，基于B数据库（n=229）进行验证性因子分析，以探查所得因子结构是否稳定可靠（以“载荷系数不低于0.32”为项目取舍标准）。经过不断修正，最终所得模型的主要拟合指数为：x2（df）=94.777（68）；RMSEA=0.041；CFI=0.984；TLI=0.969；SRMR=0.040；CD=0.995。参照有关标准来看，该模型的拟合程度较好。基于此，最终确认在个体性“公”表征中，因子“同构性‘公’”由项目H7（“主要的”）、H8（“重要”）、H9（“天理”）、H13（人人之“私”的集合）、H14（“上”）、H15（“大”）、H18（“道德的”）、H19（“责任或义务”）共同测度；因子“领域性‘公’”由项目H2（“政府”）、H6（“共有”）、H10（“国家或社会”）、H11（“公共”）、H12（“大家都知道”）共同测度；因子“污名化‘公’”由项目H20（“强势”）、H21（“欺骗”）共同测度；因子“称谓性‘公’”由项目H1（“长辈和老年人”）、H3（“敬称”）共同测度。

3.个体性“私”表征问卷分析

首先基于A数据库（n=210），通过采用校正项目与总分相关系数分析法和极端组比较法进行项目分析（结果如表5-8所示），最终确认这些项目均可保留。

表5-8　个体性“私”表征问卷项目分析结果

而后基于同一数据库进行探索性因子分析，以探查问卷的潜在结构。统计显示，取样适当性测度值KMO 为.852，巴特雷特球形检验显著（x2=1031.602，df=55，p=.000），这表明数据适合进行探索性因子分析。此后，采用主成分分析法，选用最大变异法（Varimax）旋转方式，抽取特征根大于1的因子。结果抽取出两个因子，同时发现项目I9（“权利”）、I5（“邪，不正（不道德）”）明显横跨两个因子，且因子载荷值高于.40，符合剔除标准，故予以剔除。而后重复上述操作，最终得到9个项目、2个因子，累积方差贡献率为62.828%（如表5-9所示）。根据各因子下所包含的项目内容和特征，可将所抽取出的两个因子依次命名为“同构性‘私’”、“领域性‘私’”。

表5-9　个体性“私”表征问卷探索性因子分析结果

在完成探索性因子分析之后，基于B数据库（n=229）进行验证性因子分析，以探查所得因子结构是否稳定可靠（以“载荷系数不低于0.32”为项目取舍标准）。经过不断修正，最终所得模型的主要拟合指数为：x2（df）=23.578（19）；RMSEA=0.032；CFI=0.995；TLI=0.990；SRMR=0.043；CD=0.973。参照有关标准来看，该模型的拟合程度较好。基于此最终确认在个体性“私”表征中，因子“同构性‘私’”由项目I3（“小”）、I6（“次要的”）、I7（“民”）、I8（“下”）、I10（“弱势”）、I11（“本性”）共同测度；“领域性‘私’”由项目I1（“个人的，自己的”）、I2（“暗地里”）、I4（“不公开，秘密而又不合法的”）共同测度。

4.共享性“公”表征问卷分析

首先基于A数据库（n=211），通过采用校正项目与总分相关系数分析法和极端组比较法进行项目分析（结果如下表5-10所示）。最终确认这些项目均可保留。

表5-10　共享性“公”表征问卷项目分析结果

而后基于同一数据库进行探索性因子分析，以探查问卷的潜在结构。统计显示，取样适当性测度值为.885，巴特雷特球形检验显著（x2=2701.782，df=210，p=.000），这表明数据适合进行探索性因子分析。此后，采用主成分分析法，依方差最大正交旋转法（Varimax）进行探索性因子分析，抽取特征根大于1的因子，载荷值大于0.4的因子。通过对横跨两个及以上因子，且载荷值较为相近的项目进行慎重取舍（项目B17、B19被剔除），最终得到19个条目以及4个因子，累积方差贡献率为58.585%（如表5-11所示）。根据各因子所包含的项目内容及其特征，可将其依次命名为“同构性‘公’”、“领域性‘公’”、“污名化‘公’”以及“称谓性‘公’”。

表5-11　共享性“公”表征问卷探索性因子分析结果

在完成探索性因子分析之后，基于B数据库（n=219）进行验证性因子分析，以探查所得因子结构是否稳定可靠（以“载荷系数不低于0.32”为项目取舍标准）。经过不断修正，最终所得模型的主要拟合指数为：x2（df）=121.974（100）；RMSEA=0.026；CFI=0.991；TLI=0.985；SRMR=0.036；CD=1.000。参照有关标准来看，该模型的拟合程度较好。基于此，最终确认在共享性“公”表征中，因子“同构性‘公’”由项目B07（“主要的”）、B08（“重要”）、B09（“天理”）、B13（“人人之‘私’的集合”）、B14（“上”）、B15（“大”）、B16（“贵”）、B18（“道德的”）共同测度；因子“领域性‘公’”由项目B02（“政府”）、B05（“正直无私，为大家利益的”）、B06（“共有”）、B10（“国家或社会”）、B11（“公共”）、B12（“大家都知道”）共同测度；因子“污名化‘公’”由项目B20（“强势”）、B21（“欺骗”）共同测度；因子“称谓性‘公’”由项目B01（“长辈和老年人”）、B03（“敬称”）、B04（“爵位”）共同测度。

5.共享性“私”表征问卷分析

首先基于A数据库（n=210），通过采用校正项目与总分相关系数分析法和极端组比较法进行项目分析（结果如表5-12所示）。从中可以看出，项目C01（“个人的，自己的”）虽具有一定的区分度，但却有着较低的项总相关性，一旦剔除此项，即可提高问卷的整体信度；其余项目均具有相对较高的项总相关性和区分度。依据上述有关剔除标准，在探索性因子分析中理应将项目C01剔除，但是，考虑到此项目相对较为重要，建议予以保留。

表5-12　共享性“私”表征问卷项目分析结果

而后利用同一数据库进行探索性因子分析，以探查问卷的潜在结构。统计显示，取样适当性测度值为.823，巴特雷特球形检验显著（x2=956.012，df=55，p=.000），这表明数据适合进行探索性因子分析。采用主成分分析法，选用最大变异法（Varimax）旋转方式，抽取特征根大于1的因子。结果抽取出3个因子，同时发现项目C05（邪，不正）、C07（民）横跨两个因子，且因子载荷值均大于.40，故予以剔除。而后重新进行探索性因子分析，最终得到9个项目以及3个因子，累积方差贡献率为63.820%（如表5-13所示）。根据各因子所包含的项目内容及其特征，可将其依次命名为“同构性‘私’”“自足性‘私’”“领域性‘私’”。

表5-13　共享性“私”表征问卷探索性因子分析结果

在完成探索性因子分析之后，利用B数据库（n=229）进行验证性因子分析，以探查所得因子结构是否稳定可靠（以“载荷系数不低于0.32”为项目取舍标准）。经过不断修正，最终所得模型的主要拟合指数为：x2（df）=25.190（14）；RMSEA=0.050；CFI=0.990；TLI=0.975；SRMR=0.032；CD=0.999。参照有关标准来看，该模型的拟合程度较好。基于此，最终确认在共享性“私”表征中，因子“等级性‘私’”系由项目C03（“小”）、C06（“次要的”）、C08（“下”）共同测度；因子“自足性‘私’”系由项目C09（“权利”）、C10（“弱势”）、C11（“本性”）共同测度；因子“领域性‘私’”系由项目C01（“个人的，自己的”）、C02（“暗地里”）、C04（“不公开，秘密而又不合法的”）共同测度。

透过以上所作因子分析，可以粗略地看出个体性“公”“私”表征与共享性“公”“私”表征的异同：

第一，个体性“公”表征与共享性“公”表征有着相同的因子结构，具体而言，两者均含有“同构性‘公’”、“领域性‘公’”、“污名化‘公’”以及“称谓性‘公’”等四个因子，而且这四个共有因子所贡献的解释率的大小，在共享性“公”表征与个体性“公”表征中有着相同的排序，即以“同构性‘公’”为高，其次是“领域性‘公’”，再次是“污名化‘公’”，最后是“称谓性‘公’”。

第二，个体性“私”表征与共享性“私”表征在因子结构上有同有异：相同之处在于，两者均隐含有“同构性‘私’”与“领域性‘私’”因子，而且，无论在个体性“私”表征还是共享性“私”表征中，这两个因子在所贡献的解释率上均以“同构性‘私’”为高；相异之处在于，“自足性‘私’”这一因子仅仅在共享性“私”表征中显著凸显出来。基于此，可认为共享性“私”表征比个体性“私”表征，多了一层有关“私”本身的自足自为性的表征。那么，在个体性“私”表征中，这一层表征为何未能凸显出来呢？推测其原因可能是，相较于共享性公私表征而言，个体性“私”表征更为偏向于隐含性地肯定了（但未必认可）“私”对“公”的依附性的同构性“私”，而非明显肯定和认可“私”相对于“公”的自立自足性的领域性“私”，以致消解压制了对“私”本身的自足自为性的表征。

基于上述这一异同，可做出一个有待于进一步实证的判断：无论是个体性公私表征，还是共享性公私表征，都呈现出了双重取向——同构性“公/私”与领域性“公/私”，但个体性公私表征较共享性公私表征更为偏向于同构性“公/私”。