回首页 | 网站口碑 | 服务申请表
客户评价
  • 英文论文数据统计,碰到很大的困难。在谷歌搜索看到旺登统计公司博士老师提供英文论文数据分析,把数据和要求发给博士,在博士老师的努力和辅导下,顺利跑出结果。对旺登统计公司博士老师的辅导和代跑,表示感谢。
    刘小姐
    来自: 新竹
  • 护理论文跑gee统计描述和统计推断,对我而言,是个难题,束手无策。在雅虎奇摩搜索看到旺登统计公司博士老师提供gee统计代跑及辅导,把资料、问卷表及要求发给博士老师,在博士老师的辅导下,顺利跑出结果,结果吻合期望。非常感谢旺登统计公司博士老师的严谨、认真的辅导,解决我一个难题。
    邵小姐
    来自: 高雄
  • 碰到论文stata跑统计,对我来讲,有点难。正束手无策。在雅虎奇摩上看到旺登统计公司博士老师提供stata论文统计代跑及辅导。把问卷表、数据发给博士老师,在博士老师的辅导下,顺利跑出结果。对旺登统计公司博士老师专业、严谨、认真的辅导表示感谢。
    邱小姐
    来自: 台中
  • 企业管理论文问卷统计碰到很大的困难,面对这些点,包括信度分析、独立样本T检定、单因子变异数分析、皮尔森相关分析、回归分析,简直蒙了,不知道怎么处理。在雅虎奇摩上看到旺登统计公司博士老师提供论文统计代跑及辅导,把资料、问卷表等资料发给博士老师,在博士老师的辅导下,顺利跑出结果。对旺登统计公司博士老师认真、严谨的服务能力表示赞赏,收费也比较公道。
    李先生
    来自: 台北
  • 之前委托一个香港本地的统计公司,没能把医学统计做好;焦急中,看到旺登统计公司博士老师提供统计代跑及辅导,把资料和要求发给博士老师,在博士老师的努力下,顺利做出分析结果。感觉还是台湾的统计公司比较专业,收费也公道。
    ML先生
    来自: 香港
  • 已经完成爬虫抓取PTT资料,但如何正确使用k-means找出最佳分群数后利用LDA主题模型分群,却成为难点。在朋友推荐下,选择旺登统计公司博士老师协助和辅导,跑出正确的结果,对旺登统计公司博士老师的服务质量和服务水平表示认可与感谢。
    王先生
    来自: 新北
  • 英文论文数据统计,碰到很大的困难。在谷歌搜索看到旺登统计公司博士老师提供英文论文数据分析,把数据和要求发给博士,在博士老师的努力和辅导下,顺利跑出结果。对旺登统计公司博士老师的辅导和代跑,表示感谢。辅导还免费,台北最人性化的统计代跑公司。
    刘小姐
    来自: 台北
  • 有一个贸易模型的matlab数据处理,有点难。在雅虎上看到旺登统计公司提供matlab数据处理和跑统计辅导。把数据和要求发给博士老师。博士老师跑统计过程中,对模型存在的问题进行修改,得出了比较可靠的结果。对旺登统计公司的博士老师严谨、认真的态度和能力表示赞赏。
    罗博士
    来自: 台北
  • 碰到论文跑统计,对统计不是很懂。在百度上看到旺登统计公司提供统计代跑及辅导,把问卷表、数据及要求发给博士,在博士老师的辅导下,顺利跑出结果。非常感谢旺登统计公司的 博士老师的认真、严谨,解决我一大障碍。
    陆小姐
    来自: 北京
  • 护理论文跑统计,把我难住了。实在没办法,在雅虎奇摩搜索,看到旺登统计公司博士老师辅导统计分析,把问卷表、资料及分析要求发给博士老师。在博士老师的认真辅导下,顺利完成。谢博士老师的辅导,协助我顺利完成论文的统计分析,让心中的大石头终于可以放下。再次感谢博士老师。
    连小姐
    来自: 宜兰
  • 论文问卷统计分析,在卡方检定及回归分析这2个问题碰到很大的困难。在谷歌上看到旺登统计公司博士老师提供统计代跑及辅导,把问卷表、资料及要求发给博士老师,在博士老师的协助下,顺利跑出结果。对博士老师认真、严谨的做法表示认可和感谢,解决我一个难点。
    陈先生
    来自: 台中
  • 企业管理论文问卷统计碰到很大的困难,面对这些点,包括信度分析、独立样本T检定、单因子变异数分析、皮尔森相关分析、回归分析,简直蒙了,不知道怎么处理。在雅虎奇摩上看到旺登统计公司博士老师提供论文统计代跑及辅导,把数据、问卷表等数据发给博士老师,在博士老师的辅导下,顺利跑出结果。对旺登统计公司博士老师认真、严谨的服务能力表示赞赏,收费也比较公道。
    李先生
    来自: 台北
  • 碰到医学论文统计难点,要求跑描述性统计、t 检定、单因子变异数分析(ANOVA)、卡方检定、皮尔森积差相(Pearson correlation)检定、罗吉斯回归分析(Logistic regression),真是一头雾水。在雅虎奇摩上看到旺登统计公司博士老师提供统计代跑和辅导,把量表和资料及要求发给博士老师,在博士老师的辅导下,顺利跑出结果。博士老师实在厉害,技术专业,作风严谨,态度认真。
    廖先生
    来自: 台中
  • 碰到expert choice AHP问卷资料分析难点,在雅虎奇摩看到旺登统计公司博士老师提供expert choice AHP问卷资料统计代跑和辅导,把20份问卷样本发给博士老师,在博士老师的认真辅导下,顺利跑出结果。对博士老师认真、严谨、专业的分析表示赞赏。
    徐先生
    来自: 新竹
  • 30份AHP问卷跑统计,真是头疼,不懂怎么下手。在雅虎上看到旺登统计公司提供AHP数据跑统计及辅导,把AHP问卷表和数据发给博士老师,在博士老师的辅导下,顺利跑出结果,对旺登统计公司博士老师认真、严谨的数据分析能力表示赞赏,解决我一大难题。
    赖先生
    来自: 逢甲大学
  • 碰到医学跑统计,变量之多,让人头疼。在雅虎看到旺登统计公司博士老师提供医学数据分析辅导。把数据和要求发给博士,在博士团的努力下,经过不断调整,才跑出结果。非常感谢旺登统计公司的博士团老师,解决我一个难点。
    李小姐
    来自: 醫學院
  • 碰到一阶及二阶验证性因素分析,有点头疼。在雅虎奇摩上看到旺登统计公司博士老师提供一阶及二阶验证性因素分析统计辅导,把数据和要求发给博士。在博士老师的认真协助下,顺利跑出结果。感谢旺登统计公司专业的技术服务。
    韩老师
    来自: 台中
  • 二阶因子理论模型和一阶因子理论模型数据分析,有点难。在雅虎上看到旺登数据公司博士老师提供验证性因子分析。把数据和要求发给博士老师,在博士老师的努力下,顺利跑出结果。对旺登数据公司博士老师优秀的数据分析能力表示赞赏。
    韩老师
    来自: 台中
  • 碰到cma软体做meta analysis,束手无策。在雅虎上看到旺登统计公司博士老师提供meta分析及辅导服务,把检索的文献发给博士,在博士老师的辅导下,顺利做出分析结果,感谢旺登统计公司博士老师的专业和辅导,解决我一大难题。
    李小姐
    来自: 台北
  • 使用amos软件跑论文的验证性因素分析以及路径分析,碰到很大的困难。在雅虎奇摩上看到旺登统计公司博士老师提供统计代跑辅导。把数据和问卷表发给博士老师,在博士老师的辅导下顺利跑出结果,解决我一个课业难点。真是感谢旺登统计公司博士老师的认真专业统计代跑辅导。
    林先生
    来自: 台北
2022-05-14 18:41:54 | 点击: | 心理学统计博士谈编制量表繁考虑需周全

人们倾向于认为,心理属性的测量比物理属性的测量要困难一些。原因很简单,一方面,心理属性不易界定,另一方面,测量工具不够精良。其实,这两个方面是相互联系的,前者决定了后者,后者又反作用于前者。在具体研究中,对所考察心理属性的界定,尤其是统计分析,实乃基于所用的测量工具。从这种意义上讲,心理属性的测量工具,就事实性地成为心理学研究的关键。测量心理属性的常见工具是心理量表。编制心理量表较为繁琐,整个过程需要周全考虑。
目前,编制心理量表的流行取向是因素分析技术。统计软件的普及,促进了这种取向的量表编制工作,同时,也容易使量表编制研究流于形式,让有的研究者以为按照相应流程去做,就能得到符合心理测量学要求的量表。实际上,因素分析技术带有明显的主观性和广泛的选择性,如果对此认识不足,简单参照别人的作法而行事,很可能产生诸多不当,从而,难以取得预期效果。
有研究者(Worthington & Whittaker, 2006)通过考察专业期刊中心理量表编制类论文,发现了一系列问题。
这些问题,主要是原则性的,例如:(1)在做探索性因素分析之前,先做结构方程模型;(2)对于探索性因素分析与验证性因素分析的样本充分性,采用的标准不合适,甚至没有提及标准;(3)对于选择正交旋转或斜交旋转方法,没有报告充分的理由;(4)尽管因素之间存在中到高的相关,然而,探索性因素分析仍然采用正交旋转方法;(5)在探索性因素分析中,当确定和报告最后的因素解时,采用不合适的理由或者忽略相反的数据;(6)删除或保留题项时,依据的标准有问题;(7)没有考虑最终的因素解达到简单结构的充分近似程度;(8)在探索性因素分析结束与结构方程模型开始之间,对题项内容进行修改,或者添加、删除题项;(9)在做结构方程模型时,模型错设和修正之后,没有进行新的交叉验证。
同时,也有细节性的问题,例如:(1)在做结构方程模型阶段,判定整体模型拟合情况时,采用的标准和拟合指数过于多样,特别地,研究者可能并不理解有关拟合指数的意义与作用;(2)当采用RMSEA时,没有报告置信区间;(3)在量表编制时使用题项小包。
相应地,研究者推荐了一套编制量表的最佳作法(Worthington & Whittaker, 2006)。他们指出,首先,这些推荐意见的某些内容,主要适用于同质性题项分组取向,不能直接迁移到量表编制的其他取向,例如,标准组取向。其次,探索性因素分析是一个灵活性很高的统计程序,旨在得到最可解释的因素解,从而,这样的因素解可能在实践上出现各种变式。第三,探索性因素分析与结构方程模型的文献依然充满争议,各种推荐意见也不一致,从而,他们推荐的作法,是为了提高量表编制的标准化和严谨性,不是为了解决这些争论和数据驱动的问题。
具体而言,这套编制量表的最佳作法如下:
1、对于打算测量的结构,总是提供一个量表定义。
2、请专家对题项进行评议,然后再把它们用于探索性因素分析。
3、一般地,先做探索性因素分析,再做验证性因素分析。
4、当用探索性因素分析时,预先设定一个最小的样本量,然后以初始探索性因素分析的共同度、因素饱和度、因素载荷标准为基础,评估是否需要收集额外的数据:(a)对于共同度>.50或因素载荷约为|.40|且题项与因素比为10:1的数据,150~200的样本量可能是充分的;(b)如果共同度≥.60或者题项与因素比≥4:1且因素载荷>|.60|,那么,较少的样本量也是充分的。
5、当被试与题项比在3:1~5:1时,用显著的Bartlett球形检验,验证数据的可成因素性,当被试与题项比>5:1时,用取样充分性的KMO度量指标(值>.60),验证数据的可成因素性;也可用二者共同验证可成因素性。
6、认识和理解主成分分析与共同因素分析提取因素方法之间的基本区别。对于量表编制来说,在大多数情况下,共同因素分析法都优于主成分分析法。
7、即使理论认为因素之间是不相关的,当数据中的因素是相关的时,应当采用斜交旋转。对每个因素解的第一次探索性因素分析,均考虑使用斜交旋转,用实证方法确定因素是否相关。
8、事先确定因素保留和题项删除的标准(例如,删除因素载荷<.32或交叉载荷<.15的题项、近似简单结构、平行分析、删除少于两个题项的因素——除非相应的两个题项有高的相关,比如,r>.70)。
9、在做判断时,避免先入为主偏见的影响(例如,研究者想要最后的因素解是什么样的)推翻重要的统计结果。如果从探索性因素分析结果的概念解释中区分研究者的偏见显得困难,那么,就考虑使用独立的判断来帮助做出决策。
10、如果对量表长度进行了优化,那么,重新运行探索性因素分析是很重要的,以便保证题项删除没有造成因素结构、因素之间的相关、项目的共同度、因素载荷或交叉载荷有变化,从而,符合对应于这些结果的所有原来确定的标准。
11、在做验证性因素分析前,不要对由最后探索性因素分析得到的量表进行改变(例如,添加新的题项、删除题项、改变题项的内容、改变评定量尺)。如果觉得探索性因素分析的结果不能让人满意,或者对量表进行改变是必须的,那么,在做验证性因素分析前对改变的量表重新做一次探索性因素分析是合适的。
12、在结构方程模型中,竞争模型取向超过了单一模型取向,说明研究者应当从理论上考虑评估嵌套模型或非嵌套模型或等效模型的可能性。
13、当用结构方程模型时,在做验证性因素分析前,把模型复杂性作为确定所需最小样本量的核心指标,推荐的最小样本量是要被试与参数比为5:1。
14、至少应当报告如下结构方程模型的拟合指数:(a)χ2检验统计量及其自由度和显著性水平;(b)RMSEA及其90%的置信区间;(c)CFI;(d)SRMR。
15、当用结构方程模型比较竞争模型时,在上述标准指使指数的基础上,再加一个合适的预测拟合指数。
16、做结构方程模型时的模型修正的数据驱动方法对于微调是更合适的,对于严重错设的模型而大量重新设定的模型是不太合适的。
17、在重新设定中,如果需要在模型中添加参数,可以使用拉格朗日乘子修正指数;如果需要从模型中去掉参数,可以使用沃德统计量。不过,最终使用这些修正指数时,修正过程中应当考虑理论基础。
18、在量表编制研究中,做结构方程模型不建设题项打包,因为题项小包不仅可能隐藏量表中题项之间的真实关系,而且可能隐藏模型错设,这与验证性因素分析的目的不一致。
19、在量表编制研究中,当使用探索性因素分析与验证性因素分析时,清晰地报告所有决定、理由、程序。
由此可见,编制心理量表是非常复杂的工作,虽然最后得到的量表可能就是若干个题项,然而,背后的过程十分繁琐,特别地,各个细节都有很多选项,都有不少需要注意的地方。按照有关要求,才可能编制一个真正符合心理测量学要求的量表。
 

  发表留言
电子邮箱: *
联系电话: *
验证码:
  最新留言
[ LIST | TOP ]