量表设计与分析实战：从理论到应用

创作时间:

作者:

@小白创作中心

引用

人人都是产品经理

https://www.woshipm.com/pd/2382884.html

量表是一种测量工具，通常由多个项目组成，形成一个综合的分数，旨在分析较难以直接方法测量的变量。例如，当研究人员打算描述个体的人格特点，但又无法直接进行测量时，就需要借助量表。

量表编制流程：

明确测量目的和对象：开始编制量表前，建议根据一定的理论模型，明确测量的目的和对象，澄清想通过量表测量哪些内容。如果缺少经典的理论支持，也推荐梳理已有的研究资料，明确研究的框架，如需要测量哪些概念，概念之间的关系等。
编制题库：编制题库时，除了选择恰当的测量语句外，还需要选择合适的测量形式。李克特量表是最常用的量表形式之一，题干是一个陈述句，选项是对陈述内容的赞同程度，通常由五个等级组成，即非常同意、同意、不一定、不同意、非常不同意。当然，有的量表为了避免填答者倾向于选择“不一定”等中间选项，也会使用偶数等级量表，如6级量表。虽然有研究表明，5级、7级、10级量表在可信度方面没有明显差异，但如果量表的题目数量较多，容易增加填答时间，影响完整填单率，因此不推荐使用过多等级。

消费价值观量表设计过程：

文献研究与编制题库：通过文献研究发现，消费价值观包含了四个方面：消费态度、生活方式、个性特点、社会关系。其中，消费态度和生活方式是消费价值观的核心内容，个性特点和社会关系是作为消费价值观的相关因素纳入题库框架中。结合已有的人格量表、消费态度量表、生活方式量表等，初步整理了122条语句。
专家评估：通过专家评估，共筛选出了71条语句，并在一定程度上简化了语句的表达方式，避免可能的歧义。在量表等级设计上，为了弱化填答者可能出现的“中立”倾向，选择了7级量表，即1代表很不符合、4代表中立、7代表非常符合。
题型设计：为了提高数据收集效率和填答体验，采用了不同的题型变化，如1-3题为矩阵题、第4题为单选题，有效地避免了同一类题型带来的填答疲劳感。

量表的数据分析包括五个环节：清洗数据、信度检验、效度检验、量表定稿、结果应用。

清洗数据：数据分析开始前，需要先评估问卷的样本容量。因子分析的样本量理想情况需要100个以上，且样本量是变量数的10倍以上，本次项目通过线上问卷回收了7000多个样本，完全满足样本量的要求。在信度和效度分析前，需要对填答情况进行清洗，清洗时需要考虑三个方面：逻辑矛盾、胡乱填答、时间过短。
信度检验：信度检验的方法有很多，这里选择内在信度（Cronbach-α系数）来衡量问题之间的内在一致性。α系数的判断标准为：0.7-0.8为良好，0.8以上为优秀。本次项目使用SPSS对量表信度进行检验，以量表定稿的数据为例，从Cronbach-α系数结果可知，本次量表的信度为0.897，表明量表的内在信度较好。
效度检验：效度检验包括内容效度、校标效度、结构效度。在编制题库初期，通过专家评估方式完善内容效度。在数据上主要检验量表的结构效度，采用的是因子分析方法。在因子分析前还需要根据KMO检验、Bartlett检验判断是否适合进行因子分析。检验的判断标准为：KMO值大于0.6，Bartlett检验的p值小于0.05。

确定量表：通过初步的信度和效度检验后，接下来需要根据每个题目变量的因子载荷，判断是否需要删除。删除题目的判断标准为：某个变量在一个因子载荷上大于0.5且在其他因子载荷上小于0.5，说明该变量在这个因子的贡献较高，可以保留该变量。如果某个变量的因子载荷小于0.5，则需要考虑删除。
量表应用：确定量表后，接下来就可以使用量表对不同消费人群进行细分。在实际应用过程包括两个步骤：因子分析和聚类分析。在效度检验时，其实已经完成了因子分析，现在结合量表的变量，对提取的因子进行命名，本次项目共提取了4个因子：精明实用型、从众消费型、时尚冲动型。