1、信度和效度

测量的尺度或规则是测量观察结果的特定水平。每一个水平都有特定的属性特征集。测量尺度以4中形式出现：

定类：定类测量水平是以观察结果的属性特征定义，也就是观察结果只适合一个而且唯一的一个分类或层级。例如性别、种族等。定类测量水平的各个类别相互排斥。

定序：定序测量水平的“序”表示次序，被测量的食物按照他们的属性特征排序。例如去应聘时的排号等。

定距：当谈到定距测量水平，一般指的是检验或者评估工具是基于某种连续体，这样我们可以讨论一个较高的成绩比较低的成绩高多少。而定序测量水平只有次序，次序之间的差距不能体现。但是定距测量水平就可以。比如你的数学成绩是90分，是数学成绩为45分的同学的两倍高。

定比：定比测量水平的评估工具的特征是测量尺度中绝对零值的存在。这意味着没有要测量的任何特征。让人迷惑的是，这不就是说我们要测量的观察结果是否可能是没有任何可以测量的？后来在网上查找，确实存在这样的学科，例如心理学和生物学中你可以有不存在属性特征的情况，例如绝对零值（没有分子运动）或者零光程。但是在社会学和行为科学中，这种情况就比较让人无法理解了。即使你的数学成绩为0，也并不意味着你的数学能力为0。

 

信度

所谓信度，通俗的理解就是“我如何知道我每次使用的检验、量表和工具等都能发挥作用？”。也就是一个测试或者你使用的其他任何测量工具对事物的测量可以保持一致性。但是，有很多因素会影响测试结果，导致结果产生误差。墨菲定律告诉我们，世界并不是完美的。因此，我们看到的结果是观察值而非真实值。

观察值=真实值+误差值。

而我们的工作就是尽量减少误差，增加信度，这样观察值和真实值才能更匹配。

信度有如下几种类型：

信度类型	何时使用	如何计算	举例说明所得结果的含义
再测信度	当你想知道一个测试在不同时间是否可信	计算时期1和时期2相同测试的两次值之间的相关系数	不同时期的青少年认同的形成的邦左（Bonzo）测试是可信的。
复本信度	当你想知道一个测试的几个复本是否可信或者是否等价	计算一个复本测试的值与相同内容的另一个复本的测试（不是完全相同的测试）的测试值之间的相关系数。	人格测试的两个复本是等价的，而且表现出复本信度。
内在一致性信度	当你想知道一个测试的项目是否评价一个而且只评价一个维度	每一个项目的得分与总得分之间的相关系数	SMART创造性测试的所有项目评价相同结构。
评分者信度	你想知道对一个观察结果的评价是否具有一致性	检验不同评分者一致结论的百分比	最佳着装足球运动员评价的不同评分者信度是0.91，表示不同裁判的一致程度很高。

 

效度

效度可以这样理解：效度是来帮助判断我每次使用的检验、量表和工具等是否能够测量我想测量的内容。效度类型总结：

效度的类型	何时使用	如何计算	举例说明所得结果的含义
内容效度	当你想知道一个特定主题的项目样本是否能够反映项目总体	请教专家，让专家判断测试的项目是否反映将要测量的主题的项目总体	我的统计学课程的而每周测试可以评价每章的内容。
准则效度	当你想知道测试成绩是否和其他标准系统相关，这个标准表明被测试者具备某个领域的能力。	计算测试成绩和其他有效的测量之间的相关系数，并评价相同的一组能力。	研究显示烹调技能的EAT测试与结束烹饪学习后两年内成为主厨相关（预测效度的一个案例）
建构效度	你想知道测试是否测量一些基本的心理结构	计算测试成绩和反映测试设计的结构的理论结果之间的相关系数	这是真实的——参与身体接触和危险性运动的男性的侵略性TEST测试的得分较高

信度和效度很重要，如果工具急不可信又无效，你的实验结果也就让人怀疑。

 

2、假设检验

零假设

零假设总是表示研究的两个变量无关。零假设是提供与观察到的结果进行比较的基准，进而分析是否是由于其他因素引起这些差异。零假设有助于定义观察到的群体间的差异范围是由偶然性引起（这是零假设的论点）还是由偶然性之外的因素（这可能是其他变量影响的结果）引起。

除了零假设，还有研究假设，包括无方向研究假设和有方向研究假设，都非常好理解。这里不再赘述。

好假设的标准

（1）一个好的假设一般是以陈述句形式出现

（2）一个好的假设提出变量间预期的关系。

（3）假设反映他们建立的理论和文献基础。

（4）假设应该简短并切中要点。

（5）好的假设是可检验的假设。

标准值：z值

标准值是以标准差为单位进行了标准化，是可比较的。计算公式为：

z=X-X~s

其中，z是标准值z值，X是具体数值，X~是数据分布的均值，s是数据分布的标准差。

不同分布的z值具有可比性。z值越大，表示该数值距离均值越远。需要记住如下结论：

（1）84%的数值落在值为+1的z值之下（50%落在均值之下，34%落在均值和值为+1的z值之间）。

（2）16%的数值落在值为+1的z值之上（曲线下的全部面积是100%，84%的数值落在值为+1的z值之下）

转载本文请联系原作者获取授权，同时请注明本文来自张琳艳科学网博客。
链接地址：https://blog.sciencenet.cn/blog-477668-591060.html

上一篇：再来一则学习笔记
下一篇：统计学二——检验统计推论