Summated Rating Scale Construction

出版者:SAGE Publications, Inc

作者:Paul E. Spector

页数:80

出版时间:1991-11-26

价格:USD 22.00

装帧:Paperback

isbn号码:9780803943414

具体描述

The goal for any social scientist doing a survey is to develop a rating on some attitude, value or opinion - a summated rating scale. Aimed at helping researchers construct more effective scales, Spector shows how to determine the number of items necessary, the appropriate amount of response categories and the most productive wording of items, how to sort good items from bad (including item-remainder coefficients and Cronbach's alpha) and how to validate a scale, including dimensional validity from factor analysis. Written in a user-friendly manner, the book concludes with a step-by-step account of how to develop a summated rating scale based on classical test theory.

用户评价

我发现这本书的语言风格非常平实、贴近实际操作的案例，不像一些学术著作那样动辄抛出晦涩难懂的理论黑话，让人望而却步。作者似乎非常理解初学者在面对复杂量表构建流程时的那种困惑和迷茫，因此，每一个步骤的解释都像是一位经验丰富的导师在耳边细细道来，充满了耐心和鼓励。特别是对于那些涉及到心理测量学基础概念的阐述，作者总能找到最直观的比喻来帮助我们理解，比如用建筑工地的地基稳固性来类比信效度的重要性，一下子就让人茅塞顿开。这种叙事方式极大地降低了学习曲线，让原本感觉高不可攀的统计和测量学知识，变得触手可及，极大地激发了我继续深入探索下去的动力，感觉自己不再是孤军奋战。

这本书的结构组织逻辑清晰得令人赞叹，仿佛作者已经预先为读者规划好了一条从入门到精通的完美路径。开篇对研究背景和必要性的铺陈非常有力，迅速将读者带入情境，让人明白“为什么要做这个量表”比“怎么做这个量表”更加关键。随后，内容的递进犹如多米诺骨牌效应，环环相扣，从概念的界定、条目的初步起草，到专家的评审流程、预测试的实施与数据清洗，再到最终的因子分析和信效度检验，每一步都分门别类，讲解详尽。最难得的是，作者并未停留在理论层面，而是穿插了大量“最佳实践”的建议和“常见陷阱”的提醒，这种前瞻性的指导，让读者在实际操作中能够少走很多弯路，体现了作者深厚的实战经验。

这本书的装帧设计真是让人眼前一亮，封面采用了低饱和度的莫兰迪色系，配合着一种带有纹理感的纸张，拿在手里沉甸甸的，透露出一种专业而又不失品味的质感。内页的排版也处理得非常考究，字体大小适中，行间距留得恰到好处，即使是长时间阅读也不会感到视觉疲劳。装订工艺扎实可靠，可以平铺翻开，这点对于需要经常查阅和做笔记的读者来说，简直是福音。整体而言，从物理接触到视觉体验，这本书在设计上的用心程度，无疑为阅读过程增添了不少愉悦感。它不仅仅是一本工具书，更像是一件精心制作的工艺品，摆在书架上也是一道亮丽的风景线，让人忍不住想时常把它拿出来把玩一番。这种对细节的关注，往往预示着内容本身也经过了精雕细琢，让人对即将开启的阅读之旅充满了美好的期待和敬意。

这本书的价值并不仅仅体现在它提供的具体步骤上，更在于它所构建的一种“研究者心智模型”。作者在章节结尾处经常设置一些开放性的思考题和案例对比，引导我们去反思现有量表存在的局限性以及未来改进的方向。这种互动式的学习体验，让阅读不再是单向的信息输入，而变成了与作者进行的一场深刻的学术对话。我能感觉到，作者是真正希望读者能够超越书本的限制，建立起一套属于自己的、能够适应未来研究变化的量表构建哲学。它激励我去质疑那些看似理所当然的测量标准，去追求更精细、更贴合实际需求的工具开发。读完之后，我感觉自己对如何科学地捕捉和量化复杂的人类特质，有了一种全新的、更具批判性和创造性的视角。

阅读过程中，我深刻体会到作者对量化研究领域那种近乎偏执的严谨态度，尤其是在方法论的选择和论证上，绝不含糊其辞。对于任何一个关键的统计检验，比如探索性因子分析（EFA）和验证性因子分析（CFA）的使用时机和结果解读标准，作者都给出了非常细致的区分和权衡。他没有强行推销某一种“万能”的方法，而是引导读者思考不同研究情境下，哪种方法论架构最为稳健可靠。这种基于证据的、批判性的思维训练，远比单纯学习“如何操作软件”来得宝贵。它培养的不是一个机械的执行者，而是一个能够独立判断和设计出高质量测量工具的研究者，这种思想层面的升华，是任何一本纯粹的操作手册都无法给予的深度。