玩转量表量表设计与分析实战
⇨⇦
测量就是按照一定的法则，用数据方法对事物的属性进行数量化描述的过程。这是对一切事物差异进行区分的测量定义。
——史蒂文斯（心理物理学家）
一、初识量表
所谓量表，简单来说就是一种测量工具，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。
提到量表，容易联想到心理学的各类量表，如测量心理健康、人格特点、临床诊等。研究人员通过量表了解个体的心理特征，如通过人格测量，预测个体的兴趣爱好、行事风格、在特性情境中的表现、可能存在的性格弱点等。例如：MBTI职业性格测试就是常见的人格评测量表，通过量表测试可以得出16类不同的性格特征，可以帮助人们认识自己，选择更更符合自己性格特点的职业。
1. 量表编制流程
面对研究主题时，如果有现成可用的量表当然最理想的，因为编制一份正规量表的成本较高，一方面需要具备一定的专业知识，如相关理论、信度和效度检验等，另一方面需要花费较多的时间通过数据检验量表是否可用。因此如果不是必须，更推荐使用已有成熟的量表进行研究。这里先简要介绍下量表编制的基本步骤和关键要点，后面会结合案例详细介绍。
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。
2. 信度和效度
信度和效度是评价一个量表可靠性和有效性的基本尺度。信度分析的目的是检验数据是否真实可靠，即多次重复测量的结果很接近，常用的信度有Cronbach-α系数、折半信度、重测信度等。
效度分析是测量结果是否准确有效，包括内容效度、校标效度、结构效度三种类型。内容效度是通过专家进行评价有效性，校标效度是参照一定的效度标准评价有效性，结构效度是衡量实际结果和测量概念之间的对应关系，通常用因子分析进行探索。
以上就是量表的一些基本概念、典型量表的介绍。对量表有一些初步了解后，我们接下来将结合具体的项目案例，详细介绍消费价值观量表的设计和分析过程，手把手教你怎么完成一份量表的编制。
二、消费价值观量表设计
如前文所述，编制一份量表需要花费较多时间，在量表进行正式测试前包括四个环节：文献研究、编制题库、专家评估、题型设计。
下面详细介绍消费价值观量表设计过程：
1. 文献研究与编制题库
通过梳理价值观的文献资料发现，常见的消费价值观量表有VALS模型（价值观念及生活方式）、LOV量表（价值观量表）、CHINA-VALS模型（中国消费价值观）。虽然VALS模型和LOV量表在国外有广泛的应用，但因为文化上差异较大，直接应用在国内的研究难免有一定局限性。CHINA-VALS模型是消费价值观本土化研究，但由于模型距今时间较长，直接应用也可能存在风险。
综上，我们决定自己开发一个消费价值观量表。但考虑到项目的时间成本，本次研究中消费价值观主要通过文献资料编制题库。
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。
2. 专家评估
由于初步整理的量表语句过多、涉及范围广，直接测试这些题目肯定是不可能的，需要在正式测试开始前对项目进行筛选评估，增删部分测量语句。在邀请专家评估题库时，可以从以下四个方面进行评估，提高量表的内容效度。
通过上述四个方面的评估，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，我们选择了7级量表，即1代表很不符合、4代表中立、7代表非常符合。
3. 题型设计
虽然通过专家评估，一定程度上精简了题库数量，但在预测试时，我们仍发现填答时间较长，这无疑会影响线上问卷的填答率。同时，由于所有语句测试均为李克特量表形式，通常在问卷设计以矩阵题出现。但同一类题型反复出现，容易产生乱填的情况，如所有题目都填写同一个选项。
为了提高数据收集效率和填答体验，我们在问卷设计时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。
以上就是消费价值观量表设计过程及注意事项，当然，这只是量表编制的第一步，量表的信度和效度检验、量表使用分析，都需要通过一定的数据进行探索和分析，下面会详细介绍量表由初稿如何一步一步到定稿的全过程。
三、量表的数据分析实战
通过线上问卷回收量表的填答结果后，就可以开始对量表进行数据检验和分析，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。
1. 清洗数据
数据分析开始前，需要先评估下问卷的样本容量。因为效度检验会用到因子分析，通常来说，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。逻辑矛盾和胡乱填答可以在问卷设计时梳理好题目之间的逻辑，时间过短则是在问卷回收后再分析，这里推荐排除下四分位数的填答时间，即填答时间较短的前25%的样本，以保证填答结果的可靠性。
2. 信度检验
完成数据清洗后就可以开始进行初步的信度检验了。如前文所述，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：
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。在实际量表分析时，除了关注Cronbach-α系统外，还需要关注删除某一个题目后Cronbach-α系数的变化情况，如果删除该题目后系数上升，说明该提的区分性不好，可将其删除提高信度。
由于在信度检验时需要多次尝试不同题目的信度检验，这里推荐使用SPSS语法脚本，可以快速地修改变量，实现快读处理。语法脚本可参考：
3. 效度检验
完成信度分析后，接下来需要进行量表的效度检验和分析。如前文所述，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：
以量表定稿的数据为例，使用SPSS进行因子分析，通过KMO和Bartlett检验可知，KMO值为0.929，Bartlett检验为p＜0.05，说明非常适合做因子分析。
本次研究中采用主成分方法提取公因子，以量表定稿的数据为例，发现提取到第4个因子后，特征值均小于1，因此最多考虑前4个因子即可。同时，为了使因子载荷矩阵的系数更加显著，采用方差最大进行正交旋转，前4个因子的累积方差为60.77%。在心理测量等学术研究中通常要求累积方差在90%以上才算是理想的，但在实际项目中累积方差在60%以上也是可以接受的。
4. 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：
通过因子分析的方差最大转换后得到成分矩阵，如果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。
严格来说在探索因子载荷时，每删除一个变量后，都需要重新检验量表的信度和效度，因此这里推荐使用SPSS语法脚本，可以快速地进行因子分析。
语法脚本可参考：
反复删除测试的变量后，消费价值观量表最终确定了20个变量（题目），通过方差最大正交旋转后，每个变量在对应的因子载荷均大于0.5，满足对量表的效度要求。
以下是量表的数据分析结果：
5. 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：
确定因子命名后，然后基于这4个因子对样本进行聚类分析，由于本次样本量较大，推荐使用K-means聚类方法进行探索。经过反复比较后，最终选择了3类聚类结果。
聚类结果的数据越正向，说明消费者在这个因子上的倾向性越高。根据因子特征和得分高低，对三个聚类结果进行命名，分别是精明实用型、从众消费型、时尚冲动型。值得一提的是，从众消费型样本在每个因子的得分均偏低，在检查量表的原始得分后发现，这类人群消费观念偏中立，没有明显的消费倾向性，因此命名为从众消费型。
写在最后
总体来说，量表编制是一个非常耗时耗力的工作，需要具备一定理论和数据分析知识。最后结合项目实战，总结一下量表设计与分析全过程。
参考文献：
[1]RobertF. DeVellis，量表编制：理论与应用，2016年
[2]吴垠，关于中国消费者分群范式（China-Vals）的研究，南开管理评论，2005年
[3]张文彤，SPSS统计分析高级教程，2013年