社科研究中的问卷设计详解——结合论文具体例子来看

东方-教育技术博主

已于 2022-11-30 16:51:29 修改

阅读量1.7k

点赞数

分类专栏：教育技术文章标签：问卷设计

于 2022-11-08 17:33:32 首次发布

本文链接：https://blog.csdn.net/qq_41517071/article/details/127550560

版权

教育技术专栏收录该内容

65 篇文章

订阅专栏

文章目录

参考的文献和网站等资源：
参考的up主的讲解
- B站北师大钱婧老师、
- 参考B站up除草姬：
参考的书籍
查阅过程中给自己补充的问卷基础知识
cssci一篇关于兴趣问卷的案例分析
- 看懂这篇论文需要补充的知识点
SPSS和Mplus中如何操作

序：
本文撰写过程参考多方资料，力求准确，若有疏漏，欢迎联系我：897354667@qq.conm
本文最终汇总整理如下一个思维导图：
在这里插入图片描述

参考的文献和网站等资源：

spss官方百度账号
在这里插入图片描述

MBA智库百科

参考的up主的讲解

B站北师大钱婧老师、

【调查问卷设计，工具 + 保姆级教程【钱婧】】

在这里插入图片描述
第一步让他知道是干啥的，又不能完全告诉全貌

参考B站up除草姬：

【社会科学研究中的问卷设计流程详解】
在这里插入图片描述

匿名自填式问卷，在设计隐私方面更可靠。
缺点是设计不到位会降低信效度。

在这里插入图片描述

参考的书籍

《教育研究定性定量和混合方法》
在这里插入图片描述

查阅过程中给自己补充的问卷基础知识

李克特量表
 语义差异量表
 数值分配量表
 瑟斯顿量表
 加特曼量表
 指数的介绍
 【B站：问卷及量表设计中的探索性因子分析详解】

cssci一篇关于兴趣问卷的案例分析

论文：

初中生数学学习兴趣问卷编制与现状调查吴洪艳 1，刘晓琳 2

看懂这篇论文需要补充的知识点

信度计算公式
了解即可，SPSS会自动帮你算。

信度系数汇总

共同性与因素负荷量

这个知乎链接介绍的很详细，也包含了具体的SPSS中操作。可以重点参考。对小白也很友好

共同性（communalities）：因子能解释共同特质、属性的变异量，则保留。
因素负荷量（factor loading）：因子与总分变量关系的程度，越高越紧密，同质性越高。
一般而言，共同性值若低于0.2（因素负荷量小于0.45），表示因子与总分变量直接的关系较弱，可删除。
可以看到论文里面也是做了处理：

根据共同性与因素负荷分析的结果，
删除共同性<0.20、因素负荷量<0.45 的 4 个条目．
项目分析共删除 5 个条目，保留 51 个条目参与探索性因素分析．

在这里插入图片描述

特征根越大，说明公共因子越重要。

这里的λ表示的是特征根。n是样本数量。

在这里插入图片描述
检验假设，比较重要，用到再看

在这里插入图片描述
主成分分析和
公因子分析

公共因素确定

特征根大于一的比例，大概如上。

因素旋转

在这里插入图片描述

因子矩阵解释步骤

潜变量比较权威的介绍
心理学论文可以只做观察变量不做潜变量吗? - Rowlin的回答 - 知乎

极大似然估计MLR
累积方差贡献率
验证性因子分析节点！较为全面
 CSDN 验证性因子分析博客

SPSS和Mplus中如何操作

具体操作的讲解

【问卷及量表设计中的探索性因子分析详解】【精准空降到 11:15】

Mplus软件探索性因素分析操作
回答了为啥作者后面不用spss来进行探索性因素分析的原因。
对于参考的论文也解释清楚了。

Mplus更适合探索性因素分析。

前面提到，在SPSS中，最常用的因素提取方法为主成分法 (Principal Components Analysis, PCA)。然而事实上，主成分分析和因素分析是有一定差别的。

也给出了具体的操作步骤。
这些是Mplus相对于SPSS来说的一些优势
在这里插入图片描述