量表编制：理论与应用（原书第3版） pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

罗伯特·F.德威利斯 著，席仲恩，杜珏 译

图书标签:

• 量表编制
• 心理测量
• 统计学
• 问卷设计
• 研究方法
• 社会科学
• 数据分析
• 信效度
• 测量理论
• 应用心理学

出版社： 重庆大学出版社

ISBN：9787568901727

版次：1

商品编码：12017921

包装：平装

丛书名： 万卷方法丛书

开本：32开

出版时间：2016-11-01

用纸：胶版纸

页数：238

字数：262000

编辑推荐

　　顾名思义，这本小书是关于量表工具的原理、编制和使用，以及如何评价测量效果。它的前两版受到多个领域工作者的广泛欢迎。它出现在美国国家宇航局科学家的桌面上，也远游到欧洲、亚洲、非洲的许多国家。
　　《量表编制：理论与应用》这本书打开了社会科学测量的黑箱，全方位介绍关于量表的基础知识，提供清晰、详细的量表和问卷编制步骤。它的大优势在于讲解浅显易懂，读者不需要多少预备知识就足以读懂，并根据作者的指引自行编制出合格的量表。这一点，对于那些之前没有多少社会测量经验的读者尤为重要。

内容简介

　　本书揭开社会测量的神秘面纱，联系常人的生活经历强调对测量概念的理解，弱化对测量的严格数学定义。全书分为7章，从测量的历史渊源、潜变量、量表的信度和效度、量表的编制步骤等多个方面讲解如何编制出有效、好用的量表。

作者简介

　　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。

　　席仲恩，重庆邮电大学教授，主要从事心理测验和教育测量研究、翻译理论与翻译教学研究、国际学术论文写作规范与教学研究等工作，有丰富的学术翻译、学术写作、以及论文润色和修改经验。关于心理测验和教育测量，席博士近期的主要研究兴趣是其中的计量学原理。

　　杜珏，重庆邮电大学教师，主要从事语言测试和外语教学研究。

目录

1概貌
测量概述
社会科学中的测量史源
测量的后续发展
测量在社会科学中的作用
小结与预览
2解读潜变量
构念及其度量
作为项目得分假设原因的潜变量
路径图
测量模型的进一步讨论
平行测试
其他模型
3信度
基于方差分析的方法
连续项目与二分项目
内部一致性
基于量表分数相关程度的信度
信度系数与统计力度
概化理论
4效度
内容效度
效标关联效度
构念效度
表面效度有是怎么回事儿
5量表编制指南
步骤1：明确你到底要测量什么
步骤2：建立一个项目池
步骤3：决定项目形式
步骤4：请专家评审最初项目池中的项目
步骤5：考虑把效验性项目包括进去
步骤6：在样本身上施测项目
步骤7：评价项目
步骤8：优化量表长度
6因素分析
因素分析概貌
因素分析的概念
因素解释
主成分与共同因素
确认性因素分析
量表编制中因素分析的使用
样本大小
7项目反应理论概述
项目难度
项目区分度
猜测度
项目特征曲线
IRT应用于多反应项目
IRT的复杂性
8广阔研究背景下的测量
编制量表之前
量表施测之后
最后的思考
参考文献
附录：现行效度理论的外延和内涵

前言/序言

　　布赫瓦尔德（Buchwald，2006）在其关于测量结果偏差及其对知识的影响的评论中指出，在1660年代后几年和1670年代前几年，还是二十几岁的艾萨克·牛顿就显然首次使用了平均多次观测结果的方法。牛顿的目的是，在自己关于天文现象的观察值之间有差异时，用各次观测结果的平均值代表观测结果，以得到一个更为准确的测量结果。有趣的是，牛顿在其原初报告中并没有记述自己使用平均值这一做法，而且一直隐瞒了几十年。这一隐瞒，与其说是学术诚信问题，不如说是当年人们对于误差及其在测量中作用理解的局限问题。在评论另一位近代天文学家隐瞒自己观测结果的偏差时，艾尔德（Alder，2002）指出，即使到了1700年代后期，隐瞒观测结果偏差这一做法“不仅普遍，而且被看作智者的特权；而把误差却看作道德的欠失”（P. 301）。
　　在1600年代晚期和1700年代早期，需要对自然现象进行系统观测的科学家当中不仅有天文学家，还有其他方面的。1660年代，在根据英格兰罕不什尔郡的洗礼及葬礼记录编制当地的出生率和死亡率时，约翰·格朗特（John Graunt）就使用了平均值（这种方法现在已不常用）来总结自己的发现。根据布赫瓦尔德（Buchwald，2006）的记述，格朗特使用平均值的动机，是要捕获住那瞬息可变的“真”值。当时他的想法是，出生率与死亡率之比遵循某种自然法则，但是，那些发生在任何一个年度的不可预测事件可能会掩盖那一基本事实。这种关于观察是通往自然真理的有缺陷窗口的观点间接表明，当时人们对于测量的看法已经变得越来越成熟：除了观察者的局限之外，其他因素也可能败坏经验信息；因此，对观测值的适当调整处理，可能会更准确地反映出所感兴趣自然现象的真实情况。
　　尽管有这些早期的洞见卓识，但只是在牛顿首次使用平均值一个世纪之后，科学家才开始广泛地认识到，凡测量皆有误差，平均值能使该误差降到最小（Buchwald，2006）。根据物理学家及科普作家列纳德·蒙洛迪诺（Leonard Mlodinow, 2008）记述，在18世纪后期和19世纪早期，天文学和物理学的发展，迫使当时的科学家更加系统地对待随机误差问题，因此也导致了数理统计学科的诞生。到了1777年时，丹尼尔·伯努利（更著名的雅克布·伯努利的侄子）对天文观测结果的分布和射箭飞行轨迹的分布进行了对比发现，两者都是围绕着某个中心分布，距中心越近分布的密度越大，距中心越远分布的结果越稀少。尽管说关于该观察结果的理论处理在某些方面是错误的，但它标志着对测量误差进行形式分析的开始（Mlodinow, 2008）。布赫瓦尔德（Buchwald，2006）指出，18世纪的这种对于测量误差的解读，存在一个基本缺陷。那就是，未能区分随机误差和系统误差。直到19世纪初，人们才更深刻地理解了随机性问题。随着人们对随机性理解的加深，测量也有了长足的进展。随着测量的发展，科学也向前迈进了一步。

量表编制：理论与应用（原书第3版） 内容简介 《量表编制：理论与应用》（原书第3版）是一部全面深入探讨量表开发与应用的重要学术著作。本书系统性地阐述了量表编制过程中的关键理论基础、核心方法论以及实际操作技巧，为研究者、教育工作者、心理咨询师、市场调研人员以及任何需要设计和使用标准化测量工具的专业人士提供了一份不可或缺的指南。本书不仅聚焦于量表的统计学原理，更强调了其在实际情境中的应用价值与伦理考量。 一、 量表编制的理论基石 本书首先深入剖析了量表编制背后的心理测量学理论。它详细介绍了测量的基本概念，包括信度（Reliability）与效度（Validity），并将其置于量表编制的核心地位。 信度： 信度是指测量工具在重复测量时的一致性程度。本书不仅介绍了多种信度估计方法，如重测信度、复本信度、内部一致性信度（包括Cronbach's α系数、Kuder-Richardson公式等），还探讨了影响信度的各种因素，以及如何通过优化量表设计和施测程序来提高信度。例如，在内部一致性方面，本书会详细讲解项目分析（Item Analysis）如何帮助识别和剔除低效度项目，从而提升量表的整体一致性。 效度： 效度是指测量工具能够准确测量其所要测量的特质的程度。本书系统梳理了不同类型的效度，包括内容效度（Content Validity）、构念效度（Construct Validity）和效标关联效度（Criterion-Related Validity）。 内容效度 强调测量内容是否充分代表了被测量概念的全部范围。本书会指导读者如何通过专家评审、文献回顾等方法来确保量表的内容效度。 构念效度 是指测量结果在多大程度上反映了潜在的理论构念。本书将重点介绍因子分析（Factor Analysis）等统计技术，用以检验量表是否能够有效地测量预设的理论结构，包括探索性因子分析（EFA）和验证性因子分析（CFA）。读者将学习如何解释因子载荷、确定因子个数以及评估模型的拟合优度。 效标关联效度 则关注测量结果与外部效标的相关性。本书会区分预测效度（Predictive Validity）和同期效度（Concurrent Validity），并指导读者如何选择合适的效标，进行相关性分析，以及理解效标的局限性。 此外，本书还探讨了其他重要的理论概念，如测量误差（Measurement Error）、测量尺度（Scales of Measurement，如定类、定序、定距、定比），以及潜在特质理论（Latent Trait Theory）等，为量表编制提供坚实的理论支撑。 二、 量表编制的实践流程与方法 本书为量表编制提供了一个系统化的、循序渐进的实践指南。它将理论与实际操作紧密结合，指导读者完成从构思到最终定版的每一个环节。 1. 明确研究目标与测量对象： 这是量表编制的第一步。本书强调清晰界定研究目的、明确测量目标（例如，特定的态度、技能、人格特质、疾病症状等）、锁定目标群体，以及定义核心概念的内涵与外延。 2. 概念界定与维度划分： 准确定义所要测量的概念是量表编制的基础。本书指导读者如何进行概念分析，将其分解为可操作的维度或构念，并为每个维度提供操作性定义。 3. 条目（Item）生成： 条目的生成是量表编制的核心工作。本书提供了多种条目生成策略，如文献回顾、访谈、焦点小组、已有量表改编等。它强调生成条目时应遵循的原则，包括明确性、简洁性、避免引导性、避免双重否定、避免模糊词汇等。同时，会详细阐述不同类型条目的设计，例如李克特（Likert）量表、图画量表、视觉模拟量表（VAS）等，以及如何根据测量目标选择合适的条目格式。 4. 初步筛选与专家评审： 生成大量条目后，需要进行初步筛选。本书介绍了如何通过专家评审来评估条目的清晰度、相关性、代表性以及是否存在文化偏见。专家评审的反馈是优化条目的重要依据。 5. 预试（Pilot Test）与项目分析： 预试是检验量表初步效度和信度的关键环节。本书详细讲解了如何设计预试样本、进行数据收集，以及如何运用项目分析技术来评估每个条目的难度（Difficulty）、区分度（Discrimination）以及与总分的关联度。通过项目分析，可以识别出表现不佳的条目，并对其进行修改或删除。 6. 统计分析与信效度检验： 这是量表编制过程中最为技术性的部分。本书将深入介绍各种统计分析方法，包括： 描述性统计： 用于了解样本特征和条目分布。 因子分析： 如前所述，用于检验量表的结构效度，确定潜在的因子结构。 信度分析： 如Cronbach's α系数，用于评估量表的内部一致性。 效度分析： 包括效标关联效度、构念效度（如因素区分效度、聚合效度）等。 回归分析、相关分析： 用于检验量表与其他变量的关系。 本书会提供清晰的统计软件（如SPSS, R）操作指导，并详细解释如何解读输出结果，做出统计决策。 7. 量表修订与终版确定： 基于预试和统计分析的结果，对量表进行修订。这个过程可能需要反复进行条目修改、删除或增加，直至量表在信度和效度上都达到令人满意的水平。本书强调迭代修订的重要性。 8. 常模（Norms）制定： 对于需要进行常模参照的量表，本书会介绍如何构建具有代表性的常模样本，并进行数据标准化（如T分数、Z分数），以便于对个体得分进行解释和比较。 9. 量表的使用与解释： 即使量表已开发完成，如何正确地使用和解释测量结果同样重要。本书会指导读者如何撰写量表的使用手册，包括施测要求、计分方法、解释说明，以及注意事项。 三、 量表的应用领域与伦理考量 本书不仅关注量表的开发过程，更着眼于其在不同领域的实际应用，并强调了量表应用中的伦理规范。 应用领域： 心理学研究： 评估人格特质、心理状态、认知能力、心理障碍的严重程度等。 教育评估： 测量学习成绩、学习动机、学习风格、教师效能等。 医学与健康： 评估患者的病情、生活质量、健康行为、治疗依从性等。 社会科学： 调查公众态度、社会价值观、政治倾向、消费行为等。 人力资源： 招聘选拔、员工绩效评估、培训需求分析等。 伦理考量： 知情同意： 确保被试者在充分了解量表使用目的、过程和数据保密性后自愿参与。 数据保密与隐私保护： 严格遵守数据保密原则，保护被试者的个人隐私。 公正无偏： 确保量表的设计和使用不存在歧视性，公平对待所有被试。 避免滥用： 警惕量表被用于不当目的，例如不负责任的诊断或分类。 结果的解释与沟通： 谨慎、准确地解释测量结果，避免误导或过度解读。 四、 前沿趋势与未来展望 本书的第3版很可能包含了关于量表编制领域最新的发展和趋势，例如： 计算机化自适应测量（Computerized Adaptive Testing, CAT）： 这种方法能够根据被试者的反应动态调整题目难度，提高测量效率和精度。 人工智能在量表编制中的应用： 利用机器学习和自然语言处理技术辅助条目生成、项目反应理论（Item Response Theory, IRT）模型拟合等。 跨文化量表编制： 考虑文化差异，确保量表在不同文化背景下的适用性。 项目反应理论（IRT）： IRT模型提供了比传统经典测量理论（CTT）更先进的统计框架，本书会详细阐述其基本模型（如一参数、二参数、三参数逻辑斯蒂模型），以及如何利用IRT进行项目和量表评估。 总结 《量表编制：理论与应用》（原书第3版）是一部内容翔实、理论扎实、实践指导性强的著作。它不仅教会读者“如何”编制量表，更帮助读者理解“为何”这样做，以及量表在现实世界中的重要作用和责任。无论您是量表编制的初学者，还是希望深化理解和提升技能的资深研究者，本书都将是您宝贵的参考资料。通过学习本书，读者将能够掌握一套科学、严谨的量表开发方法，从而设计出具有高度信度和效度的测量工具，为各自的研究和实践领域贡献有价值的洞察。

评分☆☆☆☆☆

说实话，这本书的实用性远不如它理论上的声誉来得响亮。它更像是一本给研究生的理论手册，而不是给一线实践者快速上手的工具书。书中充斥着大量的数学公式和符号推导，如果你不是经常跟统计分析打交道的用户，光是阅读那些公式就够让人头疼的了。我本来是想找一本能指导我快速设计出一个符合行业标准的企业内部满意度量表的书，结果发现这本书的案例分析都非常学术化，大多基于心理学或教育学的经典研究背景，跟我们日常的商业应用场景脱节太远。讲解的步骤虽然详细，但缺乏那种“傻瓜式”的操作指南，比如，它会告诉你信度系数是多少，但对于如何在SPSS或R语言中具体操作得到这个系数，或者如何解读非正态分布下的结果，并没有提供足够直观的指导。对于那些急需在项目中使用量表的专业人士来说，这本书的“干货”密度偏低，更像是理论储备库而不是实战手册。

评分☆☆☆☆☆

这本书的作者团队显然对测量领域抱有极高的热情和极端的控制欲，每一个章节都力求涵盖所有可能的变体和例外情况，这使得内容极其详尽，但也导致了阅读上的巨大障碍。初学者很容易被这种百科全书式的叙述淹没，因为作者没有清晰地划分出“核心必备知识”和“进阶选读内容”。读完前几章，我感觉自己好像进入了一个巨大的知识迷宫，每条路径都通向一个深奥的细节，却鲜有清晰的路线图指引我走向最终的实践应用。对于那些只需要掌握基础问卷设计和分析技能的人来说，这本书提供的知识密度过高，冗余信息太多。如果能有一个明确的导读，或者用不同的字体/颜色来区分核心概念和深入探讨，阅读体验会大大改善。它更像是一部学术辞典，而非一本循序渐进的教程，需要读者本身已经具备一定的统计学基础才能有效吸收。

评分☆☆☆☆☆

这本书的排版简直是一场灾难，感觉像是直接把老旧的英文原版资料扫描进来，然后草草地用翻译软件过了一遍。字号忽大忽小，专业术语的翻译更是令人摸不着头脑，很多地方的逻辑跳跃得让人不得不反复琢磨，才能勉强理解作者想表达的意思。比如，涉及到某些复杂的统计模型描述时，中文的表达生涩晦涩，完全没有国内教材那种清晰的逻辑引导。更要命的是，图片和图表的清晰度极差，很多关键的示意图模糊不清，上面的文字根本看不清，这对于学习一门实践性这么强的技术是致命的缺陷。如果不是因为手头实在找不到其他更权威的替代品，我真想直接把它扔到一边。希望未来再版时，能真的重视一下本地化工作，别让这些宝贵的理论知识，因为糟糕的呈现方式而被埋没了。阅读过程极其消耗心力，我不得不借助网络上的其他资源来辅助理解那些被翻译得七零八落的概念，这极大地降低了学习效率和阅读体验。

评分☆☆☆☆☆

这本书的内容深度和广度绝对是顶级的，即便是带着批判的眼光来看待它的形式问题，我也必须承认，它在方法论的探讨上无可替代。作者对于量表设计各个阶段的考量，从最初的概念界定到最终的信效度检验，都展现出了一种近乎偏执的严谨性。特别是关于不同测量理论（比如经典测量理论和项目反应理论）的对比分析部分，处理得极为细致，不是那种浮于表面的介绍，而是深入到数学模型和实际操作的细节中。我特别喜欢它对于“文化公平性”和“多维测量”的讨论，这在很多国内教材中是被一带而过的。这本书提供了一套非常扎实的理论框架，让你不仅仅是学会“怎么做”，更重要的是理解“为什么这么做”。虽然阅读起来需要极大的耐心，因为它几乎没有使用什么花哨的例子来“讨好”读者，但一旦你消化了其中的内容，你会发现自己对测量学的理解上了一个大台阶，看待数据和问卷的视角都变得更加专业和批判化了。

评分☆☆☆☆☆

这本书的装帧设计完全体现了“重量级学术著作”的风格，拿在手里沉甸甸的，散发着一种不容置疑的权威感，但这种厚重感带来的副作用就是，它非常不便携带和阅读。我试着把它带到咖啡馆去翻阅，但厚达几百页的篇幅和密集的文本排版，让它在短时间的阅读中显得压迫感十足。更让人抓狂的是，书中的索引系统做得非常混乱，很多关键的定义和术语，在书中出现的页码很难通过目录或索引快速定位，每次想回顾某个知识点，都像是在一本老旧的百科全书里大海捞针。我更倾向于使用电子版进行检索，但原书的扫描质量使得OCR识别效果极差，这使得这本书的“物理存在”成了一个负担而非助力。它适合放在书架上镇场面，但并不适合伴随研究者进行日常的、碎片化的学习。

评分☆☆☆☆☆

比较好，比较满意，一直在京东购物，值得信赖。

评分☆☆☆☆☆

很好的工具书，值得购买

评分☆☆☆☆☆

正在使用中，看着不错，后期再补充，先给个好评先

评分☆☆☆☆☆

喜歡這套工具書，簡單，明瞭。

评分☆☆☆☆☆

不错，速度快，活动力度大

评分☆☆☆☆☆

送货快，物美价廉。

评分☆☆☆☆☆

一如既往的好，给京东速度点赞

评分☆☆☆☆☆

正版书，送货快

评分☆☆☆☆☆

好