量表编制(原书第3版) pdf epub mobi txt 电子书 下载 2026

作  者:(美)罗伯特·F.德威利斯(Robert F.DeVellis) 著；席仲恩,杜珏 译 定  价:34 出 版 社:重庆大学出版社 出版日期:2016年10月01日 页  数:218 装  帧:平装 ISBN:9787568901727 ●1概貌
●测量概述
●社会科学中的测量史源
●几个早期的例子
●统计方法的出现和智力测验的作用
●心理物理学的作用
●测量的后继发展
●基本概念的演进
●智力测验的演进
●心理统计方法领域的扩展
●测量在社会科学中的作用
●理论与测量的关系
●理论量度与非理论量度
●量表
●量表并非个个造来平等
●劣质测量的代价
●小结与预览
●2解读潜变量
●构念及其量度
●作为项目得分假设原因的潜变量
●部分目录

内容简介

测量是社会和行为研究中重要的手段，不论研究的其他方面计划和执行得多好，测量可以使一项研究成功或者失败。由罗伯特·F.德威利斯著的《量表编制——理论与应用(第3版)》可以为您在测量中的量表编制工作提供有效的帮助。采用图表的形式，使复杂的统计和测量学原理直观明了地展现于读者面前；采用类比的方式宋代替数学化的术语，使内容浅显易懂；本书中大量的量表编制方面的实例，为读者提供了可操作性的范本。 (美)罗伯特·F.德威利斯(Robert F.DeVellis) 著；席仲恩,杜珏 译 罗伯特·F.德威利斯：美国北卡罗来纳大学教堂山分校公共卫生学院卫生行为和卫生教育系教授。拥有30多年的关于心理和社会测量的实践经验。他是美国国立卫生研究院《患者结局报告测量信息系统》路线图项目中的活跃分子。他曾担任过美国心理学协会第38分会心理卫生分会的理事，参加过美国关节炎基金会临床/结局/治疗研究组的工作，参加过美国老兵事务测量计划。此外，他还担任过《关节炎护理与研究》学刊的副主编以及二十几本学术刊物的客座主编、客座副主编、审稿人等。目前，德维利斯博士的研究兴趣有：配偶及其他亲密关系对病情的不良影响，与健康和病情有关的社会变量及行为变量的测量。

量表编制（原书第3版） 一、 引言 在心理学、教育学、社会学、医学等诸多领域，量表的编制与应用是科学研究不可或缺的重要环节。一个信效度俱佳的量表，能够有效、客观地测量心理特质、态度、认知水平、健康状况等复杂概念，为我们理解人类行为、评估干预效果、制定科学决策提供坚实的基础。然而，量表的编制并非易事，它涉及严谨的理论基础、系统的研究设计、精密的统计分析以及细致的修订过程。 《量表编制（原书第3版）》一书，正是这样一本聚焦于量表编制全过程的权威著作。它以其详实的内容、清晰的逻辑、丰富的案例，为研究者提供了关于如何从零开始构建一个高质量量表的完整指南。本书不仅涵盖了量表编制的核心理论和方法，更深入探讨了实际操作中的各种细节和潜在挑战，旨在帮助读者掌握科学、严谨、高效的量表编制技能。 二、 量表编制的核心理念与原则 本书在开篇便旗帜鲜明地阐述了量表编制的核心理念，强调量表不仅仅是题目的集合，更是对某一特定建构（construct）进行科学测量的工具。因此，量表编制的首要任务在于清晰地界定和操作化所要测量的建构。这要求研究者深入理解理论，明确建构的内涵与外延，并将其分解为可观察、可测量的维度和指标。 在此基础上，本书详细阐述了量表编制的几个关键原则： 理论驱动： 任何量表的编制都必须建立在扎实的理论基础上。研究者需要充分回顾和整合现有文献，理解建构的理论模型，并以此为依据设计量表。 目的明确： 量表的编制需要有清晰的应用目的。是用于诊断、评估、研究还是筛选？不同的目的会影响量表的维度设置、题目类型以及施测方式。 系统性与科学性： 量表编制是一个系统性的过程，每一个环节都应遵循科学的研究方法。从建构界定、维度划分、题目编写，到项目筛选、信效度检验，再到结果解释和修订，每一步都至关重要。 适应性与普适性： 优秀的量表应具备一定的适应性和普适性，能够适用于不同的研究情境和人群。当然，在特定情况下，也需要进行文化调适和本土化。 伦理性考量： 量表编制和使用过程中，必须充分考虑伦理问题，保护被试者的权益，确保数据隐私和结果的公正性。 三、 量表编制的完整流程详解 本书将量表编制的过程分解为一系列逻辑严谨、循序渐进的步骤，并对每一步进行了深入的剖析和指导。 1. 建构界定与概念化（Conceptualization）： 这是量表编制的起点，也是最关键的一步。本书强调，研究者需要深入理解所要测量的抽象概念（如自尊、焦虑、工作满意度、学习动机等）。这包括： 理论文献回顾： 梳理现有关于该建构的理论定义、研究发现、测量方法等，形成对建构的全面认知。 操作化定义： 将抽象的建构转化为具体、可观察、可测量的内容。例如，将“自尊”操作化为“对自我价值的肯定”、“对自身能力的信心”、“对他人评价的反应”等维度。 维度划分： 根据理论和操作化定义，将建构分解为若干个既相互独立又相互关联的维度。维度的数量和内容直接影响量表的结构效度。 2. 编制项目（Item Development）： 这是量表编制的核心技术环节。本书提供了多种项目编写的指导原则和技巧： 项目类型选择： 常见的有 Likert 式量表、语义差异量表、图示量表、选择题等。本书会分析不同类型题目的优缺点及其适用场景。 项目措辞： 强调语言的清晰性、简洁性、易懂性，避免模糊、歧义、诱导性、双重否定以及可能引起文化偏见的措辞。 项目数量： 初步编制的项目数量应显著多于最终目标数量，以备后续筛选。 内容效度考量： 确保编制的题目能够全面、充分地反映所要测量的建构的各个方面。 3. 专家评审（Expert Review）与预试（Pilot Testing）： 在项目初步完成后，需要经过专家评审和预试两个环节进行初步的筛选和修订。 专家评审： 邀请该领域专家对项目的清晰度、相关性、恰当性进行评估，提出修改意见。本书会指导如何设计专家评审问卷，以及如何分析专家的反馈。 预试： 选择与目标人群相似的样本，施测初步编制的量表，收集被试者的反应。预试的目的在于： 识别难以理解或存在问题的题目。 初步评估题目的难度和区分度。 收集关于施测过程的反馈。 了解量表的整体反应情况。 4. 项目分析（Item Analysis）： 预试数据收集后，需要进行严谨的项目分析，以筛选出符合要求的项目，淘汰不合格的。本书详细介绍了项目分析的常用指标和方法： 题项总计相关（Item-Total Correlation）： 评估单个项目与量表总分的关联程度，高相关性表明项目能有效区分高低分被试。 区分度分析： 通过比较高分组和低分组被试在某个项目上的得分差异，评估项目的区分能力。 难度分析（对于是非题等）： 评估项目被正确回答的比例。 内部一致性分析： 在项目分析阶段，通常也会初步计算量表的内部一致性信度（如 Cronbach's α），为后续的信度检验做准备。 5. 信度检验（Reliability Testing）： 信度是指测量结果的稳定性、一致性程度。本书详细介绍了多种信度检验方法： 重测信度（Test-Retest Reliability）： 考察同一量表在不同时间对同一群体进行测量时结果的一致性。 内部一致性信度（Internal Consistency Reliability）： 考察量表中各项目之间的一致性程度，最常用的是 Cronbach's α 系数。 复本信度（Parallel-Forms Reliability）： 考察两个等价量表版本对同一群体测量结果的一致性。 评分者信度（Inter-Rater Reliability）： 针对主观评分项目，考察不同评分者之间评分结果的一致性。 本书会指导读者如何选择合适的信度检验方法，如何解读信度系数，并指出影响信度的因素。 6. 效度检验（Validity Testing）： 效度是指量表是否真正测量到了它声称要测量的东西。这是量表编制中最复杂也是最重要的环节。本书系统介绍了多种效度类型及其检验方法： 内容效度（Content Validity）： 评估量表项目是否充分、代表性地反映了被测量建构的全部内容。通常通过专家评审来评估。 结构效度（Construct Validity）： 评估量表是否测量了预期的理论建构。这是量表效度检验的核心，本书会详细介绍： 聚合效度（Convergent Validity）： 测量结果与理论上应高度相关的其他变量的测量结果是否一致。 区分效度（Discriminant Validity）： 测量结果与理论上应低度相关的其他变量的测量结果是否不一致。 因子分析（Factor Analysis）： 通过统计方法检验量表结构是否与理论模型一致，是评估结构效度的重要手段。本书会区分探索性因子分析（EFA）和验证性因子分析（CFA）。 效标效度（Criterion-Related Validity）： 评估量表测量结果与某个外部效标（criterion）的一致性程度。 预测效度（Predictive Validity）： 量表测量结果能否有效预测未来的效标表现。 同时效度（Concurrent Validity）： 量表测量结果与当前效标表现的一致性。 本书还会讨论其他效度类型，如表面效度（Face Validity），并强调效度检验的动态性，即效度的证据需要不断积累。 7. 标准化（Standardization）与常模制定（Norm Development）： 一个成熟的量表，除了具备良好的信效度，还需要有可供解释的常模。 标准化： 指量表的施测过程、评分标准、结果解释等需要规范化，以保证测量的可比性。 常模制定： 选择具有代表性的样本，施测量表，收集数据，并计算出不同分组（如年龄、性别、教育程度等）的统计指标，如平均分、标准差、百分位数等，形成量表的常模。这使得个体得分能够与群体平均水平进行比较，从而得到有意义的解释。本书会指导如何进行抽样、数据分析以及常模的建立与应用。 8. 量表修订与再验证（Revision and Revalidation）： 量表编制并非一蹴而就，往往需要经过多次修订和再验证。本书强调，随着研究的深入、理论的发展以及应用场景的变化，量表可能需要进行调整和优化。 修订： 根据信效度检验的结果、实际应用中的反馈，对项目进行增删、修改。 再验证： 修订后的量表需要重新进行信效度检验，以确保其质量。 四、 现代量表编制的新发展与应用 本书不仅系统阐述了传统的量表编制方法，还关注了量表编制领域的最新发展。 计算机化自适应测验（CAT）： 介绍了如何利用计算机技术，根据被试者的回答动态调整题目难度，提高测量效率和准确性。 项目反应理论（IRT）： 深入探讨了 IRT 模型在量表编制中的应用，包括如何构建能力参数、项目参数，以及如何利用 IRT 进行项目筛选、能力估计和量表等价。 认知诊断模型（CDM）： 介绍 CDM 如何通过分析被试在不同项目上的表现，诊断其掌握的知识点或技能，为精准教学和干预提供支持。 测量不变性（Measurement Invariance）： 讨论在不同文化背景、不同群体之间进行量表测量时，如何检验量表的测量不变性，以确保跨群体比较的有效性。 五、 总结 《量表编制（原书第3版）》为研究者提供了一个全面、系统、深入的学习平台，帮助读者掌握量表编制的理论基础、技术方法、统计分析以及实际应用。本书的价值在于其严谨的学术性和实用的操作性并存，无论是初学者还是有经验的研究者，都能从中获得宝贵的启示和指导。通过遵循本书的原则和方法，研究者可以设计和开发出更具科学性、更可靠、更有效的测量工具，从而推动相关领域的理论研究和实践应用迈上新的台阶。掌握量表编制的精髓，意味着掌握了揭示复杂现象、理解个体差异、评估干预效果的利器，这对于任何致力于科学探索和解决实际问题的人来说，都具有极其重要的意义。