心理测量学.ppt

《心理测量学.ppt》由会员分享，可在线阅读，更多相关《心理测量学.ppt（336页珍藏版）》请在三一文库上搜索。

1、心理测量学 Psychological Testing 邱炳武 E-mail: 电话：64850861,心理测验的编制 项目分析（难度和区分度） 信度 效度 测验的实施和计分 测验结果的解释常模,学绩测验 智力测验 人格测验,绪论,第一章 绪论 第一节 心理测量的历史 一、国外心理测量的历史 （一）测量产生于实际社会的需要 l 法国医生沈干（Seguin）训练智力落后儿童（1837年） l 法国医生艾斯克罗尔（Esqurol）对智力落后和精神病人的区分（一个人驾驶语言的能力，是他智力水平的最可靠的标志）； （二）冯特的实验心理学 l 冯特建立第一个心理学实验室（1879年）； l 观察的个体

2、差异：格林威治天文台观察员的遭遇（1796）；,（三）高尔顿的遗传理论测量 达尔文的表兄弟，皮尔逊（Pearson）的老师，遗传的天才，人类测量实验室，高尔顿棒，高尔顿笛 高尔顿发现，白痴对于热、冷、痛鉴别能力较低。他还说：感觉辨别力“基本上是心智能力中最高的能力。” （四）卡特尔的个别差异研究 冯特的学生，高尔顿的朋友。 首次提出“心理测验”（mental test）这一术语； 心理测验与测量,（五）比纳和比纳-西蒙智力量表的产生 第一个智力测验量表比内-西蒙量表（1905年量表）1908年量表1911年量表 美国心理学家Pintner说：“在心理学史上，假使我们称冯特为实验心理学的鼻祖，我

3、们不得不称比奈为心理智力测量的鼻祖。” 波林说：“19世纪80年代是高尔顿的10年，90年代是卡特尔的10年，20世纪头10年则是比内的10年。”,（六）心理测量的蓬勃发展与应用 智力测验的发展 比内-西蒙量表斯坦福-比内量表（比率智商） 叶克斯（Yerkes）：陆军甲种测验、陆军乙种测验（19171919）20年代智力测验运动的狂热 斯皮尔曼的因素分析法和“二因素理论”瑞文推理测验（30年代） 韦氏智力量表（40年代60年代）（离差智商）,能力倾向测验的发展 特殊能力测验（音乐、文书、机械、美术） 成就测验的发展 桑代克编制了第一个标准化的教育成就测验，因此被认为是教育测验的鼻祖。（20世纪

4、初） 斯坦福成就测验（1923） ETS（Educational Testing Service）教育测验服务中心,人格测验的发展 最早进行人格测量克雷培林（Kraepelin）用自由联想法诊断精神病人。 最早的人格问卷武德沃斯的“个人资料调查表”（诊断士兵神经症） “卡特尔16种人格问卷”（16PF） “艾森克人格问卷”(EPQ) “明尼苏达多项人格调查表”（MMPI） 罗夏墨迹测验 主题统觉测验（TAT）,美国心理测验的三个发展期 l 19041915，Thorndike出版精神与社会测验学导论：“凡是存在的东西都有数量；凡是有数量的东西都可测量”（数量化，客观化和标准化）。 l 1915

5、1930，学历测验，智力测验（IQ），和人格测验大量出现。 l 19301940，从单纯测验法向心理评估和教育评价过渡（综合应用评定法；问卷法；交谈法；轶事记录法等）,心理测量的历史发展趋势 1 先是以解剖生理特征为根据，而后转向对心智活动的测量； 2 由测量简单的感知能力，发展到测量复杂的认知能力； 3 由笼统的单一量数转变为以多个量数来评定个别差异， 4 心理测量与实验心理学由合到分，又到合。 心理测量的当代趋势 信息加工测验的产生； 计算机化测验的产生； 项目反应理论和概化理论的兴起。,二、我国心理测量发展的历史 （一）我国古代的心理测量 能力测量 孔子：中上之人、中人、中下之人 董仲舒

6、：一手画方，一手画圆（分心测验） 刘邵：12种人才类型 抓周 七巧板、九连环,人格测量 孔子：狂者、狷者、中行 刘邵：12种性格类型 教育测量 西周：小成，大成 汉代：太学考试（口试、策试、射策） 隋朝：科举考试,对测验理论的最初探索 刘邵：九征，八观，五视 “居，视其所安；达，视其所举；富，视其所与；穷，视其所为；贫，视其所取。” 中国古代心理测量思想的特点： l 描述性 l 分类式 l 注重整体评价，和人的道德品质联系起来 l 实用性,（二）中国心理测验简史（解放前） l 1914年，Creighton比较中美儿童智力差异（广州，500人） l 1917年，樊炳清介绍“比内-西蒙智力量表”

7、 l 1918年，Walcott用推孟修正量表施测（清华） l 1918年，俞子夷编制“小学生毛笔书法量表” l 1920年，廖世承、陈鹤琴在南京开设测验课 l 1921年，廖世承、陈鹤琴合作出版心理测验法一书 l 1921年，费培杰将比内智力测验翻成中文 l 1922年，张耀翔在北京将心理测验列为入学考试科目 l 1924年，陆志伟发表订正比内西蒙智力测验说明书； l 1931年6月，在南京成立中国测验学会,l 1932年，测验杂志创刊。 l 1935年，沈有乾用“朋洛德人格问卷”测量中国学生。 l 1936年，陆志伟和吴天敏进行第二次修订比内西蒙智力测验。 l 1937年，周先庚使用“塞斯

8、顿情绪稳定性测验” l 1943年，林传鼎试用“普莱西X-O测验” l 1948年，刘范试用“罗夏克墨迹测验”。,（三）中国心理测验简史（解放后） l 1979年，林传鼎，吴天敏，张厚粲在武汉举办全国测验培训班； l 1979年，龚耀先主持修订“韦克斯勒成人智力量表”； l 1979年，林传鼎、张厚粲编制“少年儿童学习能力测验”； l 1980年，林传鼎、张厚粲主持修订“韦克斯勒儿童智力量表”； l 1980年，北师大开设心理测验课； l 1980年，张厚粲开始对高考试卷做系统分析； l 1981年，刘绍衣修订“卡特尔16种人格因素问卷”； l 1982年，吴天敏第三次修订中国比内测验； l

9、1982年，宋维真修订“明尼苏达多相人格调查表”；,l 1983年，龚耀先、陈仲庚修订“艾森克问卷” l 1984年，中国心理学会成立心理测量专业委员会； l 1984年，我国正式加入“国际教育成就评价协会”； l 1985年，张厚粲主持修订“瑞文标准推理测验”； l 1986年，龚耀先主持修订“韦克斯勒幼儿智力量表”； l 1987年，张明园修订“生活事件量表”； l 1989年，李丹修订“瑞文测验（联合型）”； l 1990年，中国加入国际测验委员会（ITC）； l 1990年，吴文源修订“症状自评量表（SCL-90）”； l 1992年，戴忠恒修订“一般能力倾向测验”；,l 1992年，

10、宋维真编制“心理健康调查表”； l 1992年，沙毓英等编制“学生性格量表”； l 1993年，宋维真等编制“中国人个性测量表”（CPAI）； l 80年代，编制超常、弱智儿童筛查量表；03（6）岁儿童发育、发展量表；CPM领导行为评价量表 韦氏儿童智力测验第4版 MMPI-2,第二节 心理测量的性质 一、测量的基本概念 （一）测量的定义 测量就是依据一定的法则，使用量具对事物的特征进行定量描述的过程。 l 一定的法则 l 事物的特征 l 量具 l 定量描述,测量精确度的影响因素： 测量对象的性质：确定型、随机型、模糊型 测量工具的精密性 测量的类型：物理测量、生理测量、社会测量、心理测量,（

11、二）测量的基本要素 1 参照点 绝对参照点（绝对零点） 相对参照点 2 单位 好的单位须符合两个条件： 确定的意义，即同一单位对所有人来说意义相同。 相等的价值，即第一单位与第二单位之间的距离等于第二单位与第三单位之间的距离。,（三）测量的量表 使事物的特征数量化的数字的连续体就是量表（scale）。 Stevens将量表从低到高分为4个等级。 1 命名量表(Nominal Scale) 用数字来代表事物或对事物进行分类。 代号 类别 数字只是一种名称的替代物。不同的个体用不同的数字标志。如球员的号码，各种分类标志（男或女；正常或异常，等）,2 顺序量表(Order Scale) 给个体赋值，

12、使数值的大小次序与个体在所测量的心理特性上的多少、大小、高低等的次序相符合。 次序量表在心理和教育中十分常见（如竞赛成绩排名等） 3 等距量表（Interval Scale） 给个体赋值，使数值间的差不仅能够反映出对应个体在所测量心理特性上的排序，而且能够反映出对应个体在该特性上的差异程度。（如温度计，偏爱程度等） 但建构间距量表不是容易的事，常常只能做到次序量表。,4 比率量表(Ratio Scale) 给个体赋值，使数值间的比率能够反映对应个体在测量心理特性上比率。（如身高、体重、速度等）。 但在心理学中是极少见的。 心理测量通常都是次序量表，为方便比较，通常把次序量表转换为等距量表。,测

13、量量表的等级（功用） l 命名量表： 识别、区别个体； l 次序量表： 识别、区别个体；按特性排序个体； l 间距量表： 识别、区别个体；按特性排序个体；指出个体特性的差异； l 比率量表： 识别、区别个体；按特性排序个体；指出个体特性间的差异；指出个体特性间的比率。,二、 心理测量的基本概念 （一）心理测量的理论基础 l 孟子说 “权，然后知轻重；度，然后知长短；物皆然，心为甚。” l Thorndike：“凡客观存在的事物都有其数量。” l McCall：“凡有数量的东西都可以测量。” 心理测量的准确性、可靠性、精确度还有待提高，但测量不准不等于不能测量，现在测量不准也不意味着将来永远测不

14、准。,（二）心理测量的定义 心理特质具有内隐性，只能通过人的外显行为来推断。 Anastasi：“心理测验实质上是对行为样本的客观的和标准化的测量。” Brown：测验是“测量一个行为样本的系统程序。” 书本：依据一定的心理学理论，使用测验对人的心理特质进行定量描述的过程。 郑日昌：心理测验就是通过观察人的少数有代表性的行为，对于贯穿在人的全部行为活动中的心理特点作出推论和数量化分析的一种科学手段。,1 行为样本 从总体行为中抽取出来的、能够反映个人特定心理特质的一组行为，作为直接的测量对象。 l 取样研究的有效与否，关键在于样本的代表性，即不是任何部分都可代表全体。 l 构成样本的行为应当是

15、系统的，有理论思考的； l 不可能包括所有可用来测量或定义某种心理特性的具体行为； l 因此，心理测验质量的高低很大程度上决定于行为样本的代表性。 l 只有在全部了解行为样本的意义以后，才能正确使用心理测验。,心理测量的最终目标不是对行为样本的测量，而是通过行为样本的测量来预测被试以后将会出现的行为。 行为样本与所要预测的行为并不一定相似，可以相似，也可以完全不同。如投射测验和能力倾向测验，其测查的行为与将来要预测的行为有很大的差异，但两者之间有必然的联系（相关）。,2 标准化 测验内容的标准化 施测条件的标准化 测验情境、指导语、测验时限 评分规则的标准化 测验常模的标准化,3 难度或通俗性

16、 4 信度和效度,（三）心理测量的性质 1 心理测验的间接性 通过测量外显行为来推断内隐的心理特质 2 心理测验的相对性 没有绝对的标准 3 心理测验的客观性 标准化,第三节 心理测验的种类和功能 一、心理测验的种类 （一）按测量的功能分类 1能力测验 智力测验、特殊能力测验、能力倾向测验 2学绩测验 已获得的学业成就 3人格测验 兴趣、态度、动机、气质、性格,（二）按测量的对象分类 1个别测验 优点：获得的信息多；容易建立融洽的合作关系；特殊被试（幼儿、盲人） 缺点：费时、复杂、对主试要求高。 2团体测验 优点： 缺点：,（三）按测验材料分类 1文字（纸笔）测验 2非文字（操作）测验 文化公

17、平测验 （四）按测验的目的分类 1. 描述测验 2. 诊断测验 3. 预示性测验,（五）按测验的难度和时限分类 1难度测验 2与速度测验 （六）按测验的要求分类 1最高行为测验 2典型行为测验 （七）按测验的性质分类 1构造性测验 2投射性测验,（八）按测验的应用分类 1教育测验 2职业测验 3临床测验 （九）按评价所参照的标准分类 1常模参照测验 2标准参照测验 内容参照测验 结果参照测验,二、心理测验的功能 双刃剑 （一）理论研究功能 1收集研究资料 2建立和检验理论假设 3实验分组,（二）实际应用功能 1选拔人才 2人员安置 3心理诊断 4描述评价 5心理咨询,第四节 心理测量工作者的素

18、质要求及道德准则 一、心理测量工作者的素质要求 （一）心理测量工作的知识结构 基础知识： 专业知识： （二）对心理测验的科学态度 错误观念： 万能论 无用论 心理测验就是智力测验（心理测验 = 智力测验 = 智商 = 遗传决定论）,对待测验的正确态度： 心理测验是研究心理学的重要方法之一，是决策的辅助工具； 心理测验作为研究方法和测量工具尚不完善； 防止乱编和滥用心理测验。,二、心理测量工作者的道德准则 （一）测验的保密和控制使用 测验信息和样题的公布 有助于消除公众对心理测验的神秘感及误解 有关测验的技术程序以及信度、效度和其他测验属性应向所有人公开 让受测者熟悉测验，以消除焦虑，保证测验结

19、果的准确性 对测验结果的反馈 （二）测验中个人隐私的保护,第二章 心理测验的编制 第一节 编制心理测验的基本程序 一、确定测验目的 （一）明确测量对象 年龄、性别、职业、受教育程度、经济状况、民族、文化背景等。 （二）明确测量目标 心理变量或行为特征。 必须有操作定义，目标要非常具体。 （三）明确测量用途 用于描述、还是诊断，或用于预测？,二、制定编题计划 通常是一张双向细目表，指出测验所包含的内容和要测定的各种技能，以及对每一个内容和技能的相对重视程度。 例：小学自然常识测验编题计划,三、编辑测验项目 （一）收集测验资料 （1）资料要丰富 （2）资料要有普遍性 （3）资料要有趣味性,（二）选

20、择项目形式 纸笔测验还是操作测验？是客观题还是主观题？ 概念和原理的记忆简答题 辨别和判断选择题 综合运用论文题 幼儿口头测验 文盲、半文盲、聋哑操作测验 人多、经费有限团体测验 人少个体测验,（三）编写测验项目 题目范围要与双向细目表一致； 题目数量要比最终所需要的数量多，以便筛选或编制复本； 题目的难度应有一定的分布范围； 用词力求清楚明白。 四、试测与项目分析 试测 取样 施测过程与施测情景 时限可稍宽一些 记录被试的各种反应。,项目分析 质的分析：内容取样、题目的思想性、表达是否清楚 量的分析：难度、区分度、备选项分析 五、合成测验 （一）测验项目的选择 指标有三： 要选择那些能够测量

21、所要测量的东西的项目； 难度 区分度,（二）测验项目的编排 并列直进式 混合螺旋式 （三）编制复本 各份复本必须等值。等值要符合下列条件： 各份测验测量的是同一种心理特性。 各份测验具有相同的内容和形式。 各份测验的题目不应重复。 各份测验题目数量相等，难度和区分度大体相同。 各份测验的分数分布（平均数和标准差）大致相等。 复本编好后，应再测一次，以确保各份测验的等值。,六、测验标准化 测验的标准化是指测验的编制、实施、评分以及分数解释都有统一的标准，以减少无关因素对测验的影响。 （一）测验内容 指测验内容对所有被试都一样。 （二）施测过程 测验情景 指导语 时限,（三）测验评分 为使评分尽可

22、能客观，有三点要求： 对被试反应的及时和清楚的记录。特别是对口试和操作测验。 要有一张标准答案或正确反应的表格，即计分键。 将被试的反应和计分键比较，对反应进行分类。 （四）测验分数的解释 常模参照 标准参照：内容参照，结果参照,七、鉴定测验 （一）信度 （二）效度 （三）测验量表与常模 八、编写测验说明书 测验的目的和功用； 编制测验的理论背景以及选择题目的根据和测验的构成； 测验的实施方法、时限及注意事项； 测验的标准答案和评分方法； 测验的信度和效度资料； 常模资料。,第二节 测验题目的编制技术 一、命题的一般原则 试题要符合测验的目的。 内容取样要有代表性。 题目格式不要使被试产生误解

23、。 文句要简明扼要，既排除与解题无关的因素，又不可遗漏解题所依据的必要条件。要避免使用艰深的字词。 应有不致引起争论的确定答案（创造力测验、人格测验除外）。 各个题目必须彼此独立，不可互相牵连，不要使一个题目的回答影响另一个题目的回答。 题目中不可含有暗示本题或其他题正确答案的线索。 题目内容不要超出受测团体的知识和能力。 所提问题应避免涉及社会禁忌与个人隐私。 施测与评分省时。,二、测题的种类及编制 固定应答型题目，即客观题，包括：选择题、是非题、匹配题等。 自由应答型题目，即主观题，包括：填充题、简答题、应用题、论文题、联想题、操作题等。 （一）选择题 题干 + 选项（正确选项与诱答选项）

24、 多项条件选择题： 例如：已知小明的心理年龄是8岁4个月，实际年龄是9岁，其智商是多少？ (a)85 (b)90 (c)92 (d)92.6 (e)100,类别选择题 例如：艾森克是著名的_心理学家。 (a)儿童 (b)工程 (c)管理 (d)人格 (e)社会 异类选择题 例如：下面哪位与其他人不属于同一类人？ (a)小布什 (b)普京 (c)胡锦涛 (d)希拉克 (e)科尔 多项是非选择题 例如：下面两个陈述哪一个正确？ （1）2008年奥运会在北京举行。 （2）美国首都是费城。 (a)1和2都对 (b)1对2错 (c)1错2对 (d)都错,因果条件选择题 例如：如果测验的真方差增加，但误差

25、方差不变，结果是： (a)测验信度增加 (b)测验信度下降 (c)测验总方差减小 (d)测验的信度和总方差不变 选择题的优点：适用范围广；计分客观；题意明确。 缺点：编制诱答选项较难；答案固定，测量范围有限。,编写选择题的原则： 题干所提的问题必须明确 选项要简短，必要的叙述或相同的修饰语应放在题干中； 每个选项的性质要一致； 选项最好按逻辑顺序排列； 选项之间不应有重叠； 诱答选项的错误不要太明显； 不要把选项夹在题干中间； 每题只能围绕一个中心，不能有歧义。,（二）是非题 每题只包含一个概念，避免两个以上的概念在同一题中出现，造成题目似是而非，或半对半错。 避免使用具有暗示性的特殊词语，如

26、“绝对”、“完全”、“有时”、“可能”等。 尽量采用正面肯定的叙述，避免反面陈述或双重否定的句子。如“生物没有不是由细胞组成的。” “是”与“非”的题数应大致相等，且随机排列。 （三）论文题 对答题有时间限制； 不要有任选的题目，因为两题很难做到等值； 客观、统一的评分细则。,第三章 测验的项目分析 项目分析包括定性分析和定量分析。定性分析包括考虑内容效度、题目编写的恰当性和有效性等；定量分析主要是指题目难度和区分度的测量。 对项目进行筛选和修订，可以提高测验的信度和效度。 第一节 测验的难度 一、难度（difficulty）的意义 难度，指项目的难易程度。 在最高作为测验中，称为“难度”，而

27、在典型作为测验中，则指“通俗性”。两者都是指在总体中，能够正确或确切回答某项目的人数。,二、难度的计算 （一）二分法记分项目的难度 1通过率 P=R/N 2极端分组法（上下27%） P=（PH+PL）/2 （二）非二分法记分项目的难度 P=X / Xmax X为所有被试在该项目上的平均得分， Xmax为该项目的满分。,三、测验难度水平的确定 效标参照测验、掌握测验：不考虑难度； 选拔测验：难度=录取率； 对于选择题来说，难度一般应大于猜测概率； 无论是速度测验，还是难度测验，一般都应防止被试得满分，因为满分的意义是不明确的。 大体而言，难度为0.50时最理想，此时项目具有最大的鉴别力。但在实际

28、操作中，让所有项目难度都到达0.50困难很大，而且也不必要，一般只需使项目的平均难度接近0.50，而各个项目的难度在0.50 0.20之间变化。,四、难度的等距变换 根据正态分布表，将难度P作为正态曲线下的面积，转换成相应的Z分数，这就是等距量表。 P Y 0 Z,美国教育服务中心以 作为难度指标： =13+4Z P = .0013 Z = +3 = 25 P = .16 Z = +1 = 17 P = .50 Z = 0 = 13 P = .84 Z = -1 = 9 P = .9987 Z = -3 = 1,五、难度对测验的影响 （一）测验难度影响测验分数的分布形态 难度大，正偏态 难度低

29、，负偏态,（二）测验难度影响测验分数的离散程度 测验过难或过易，分数全距缩小，信度降低。 P=0.50时最佳,第二节 测验的区分度 一、区分度的意义 区分度（discrimination）是指测验项目对被试心理品质水平差异的区分能力或鉴别能力。 项目的区分度是测验是否有效的“指示器”。 二、区分度的计算 （一）项目鉴别指数法 1鉴别指数（index of discrimination，D）的计算 D = PH - PL 取值范围：-1 +1,2极端组的划分 27%规则 一般情况下，取上下25%33%均可。 样本少时，可以取50% 注意： 由于计算机的方便使用，可以上下50%作为划分高低组的标准

30、，或者多分几组，对区分度和难度作详细分析。因为只取上下两端，只利用了一部分资料，浪费了很多信息，有可能得出错误结论。,（二）相关法（项目-总分相关） 1点二列相关 Xp-Xq rpb= pq St 2二列相关 Xp - Xq pq Xp - Xt p rb= 或 rb= St y St y,3 相关 ad-bc r= (a+b)(c+d)(a+c)(b+d) 4四分相关 5. 项目和总分相关重叠的校正 当测验项目超过20个项目时，校正法通常毫无意义。 rtpSt Sp rpq = St2+ Sp2 2rtpStSp,（三）项目特征曲线（item characteristic curve, IC

31、C） 项目特征曲线描述了效标分数不同的被试在该项目上的通过率。 曲线坡度越陡，鉴别力越好，预测的误差越小。,率 概 的 目 项 答 回 确 正,1.00,0.00,0.50,低 中 高 能力,鉴别力较好,低 中 高 能力,鉴别力为负,鉴别力较低,难度不同的3个项目的ICC,多项选择中每个选项的ICC,三、区分度与难度的关系,难度和区分度都是针对一定团体而言的。 一般来说，较难的项目对高水平被试区分度高，较易的项目对低水平被试的区分度高。,四、区分度的相对性 （一）不同的计算方法，所得区分值不同 区分度有几种计算方法？ （二）样本容量大小影响相关法区分度值的大小 样本越大，区分度越 （三）分组标

32、准影响鉴别指数 分组越极端，区分度越 （四）被试样本的同质性程度影响区分度值的大小 样本越同质，区分度越,第三节 项目分析的特殊问题 一、多重选择题的项目分析（诱答分析） 对于多重选择题，除了分析难度和区分度外，还要对每个选项进行分析。 下列哪一个最有可能是偏执型精神分裂症患者的次级症状： A 幻听 B 瘫痪 C 记忆丧失 D 厌食,如果所有被试都选择某一正确的选项，说明该选项 如果没有一个被试选择某个错误选项，说明该选项 如果所有被试都选择某个错误选项，说明该选项 如果高分组被试的选择集中在两个选项上，说明该选项 如果高分组和低分组对正确选项的选择没有区别，说明该选项 如果所有被试都未回答某

33、个题目，说明该题 如果选择各个选项的人数几乎相等，说明该题,二、速度测验的项目分析 对前面部分的测验项目，难度和区分度都 对后面部分的测验项目，难度和区分度都 三、标准参照测验的项目分析 在标准参照测验中，无须考虑项目的难度和区分度，只要项目的内容很重要就行。 也可以通过比较教学或训练的前测和后测结果来进行项目分析，用来说明教学或训练的效果以及项目编制是否适当。,四、项目-团体的相互作用 具有不同性质（性别、种族、职业等）的团体，在测验得分上也存在差异，即同样的项目可能有不同的难度。 如果测验要求对所有个体都相对“公平”，那么，就应该排除那些有利于或不利于不同性质的亚团体的项目； 如果测验的目

34、的就是为了考察不同亚团体的差异，那么，就应选择使团体差异尽可能大的题目。,五、有效性与可靠性的矛盾 同质性信度要求项目之间有高相关，各项目的难度均等； 对于预测效度来说，因为效标的变异范围较大，如果项目越同质，那么效标关联效度则低；因此，效标关联效度要求各项目之间要有一定的差异，即项目之间相关低，这样才能保证测验得分与效标之间有高相关，即高的效标关联效度。 因此，对于多数心理测验来说，项目之间中等程度的相关，可使二者调和，获得较为满意的（同质性）信度和（效标关联）效度。,第四章 经典测验理论的基本假设 第一节 心理特质及其可测性假设 一、心理特质的含义 心理特质就是表现在一个人身上所特有的相对

35、稳定的行为方式。 l 一组内部相关的行为的概括，如善良、聪明； l 比较稳定，对不同的刺激做相同的反应； l 通过特质可以对人的行为作出预测； l 特质可以分为多个层次，智力可以分语言和操作，语言可以分为词汇和文法。,二、心理特质的可测性 l Thorndike“凡客观存在的事物都有其数量。” l McCall“凡有数量的东西都可以测量。”,第二节 测量误差及其来源 一、测量误差的含义 测量值与实际值的差异 二、测量误差的种类 系统误差：测量工具本身引起的误差（稳定）； 随机误差：由不稳定因素引起的误差（不稳定）。,三、测量误差的来源 （一）测量工具（测验内部）引起的误差 1 题目取样 2 指

36、导语 3 难度 4 时限 5 测验复本不等值,（二）由测量对象引起的误差 1 测验的经验 2 练习因素 3 应试动机 4 测验焦虑 5 反应定势 6 生理因素,（三）由施测过程引起的误差 1 物理环境 2 主试者方面 3 意外干扰 4 评分计分,第三节 真分数及其有关的假设 一、真分数的含义 真分数（True Score）：一个测量工具在没有测量误差时，所得到的纯正值。 操作定义：经过无数次测量所得到的平均值。 观察分数（Observed Score）：,二、数学模型及其假设 X = T + E 测量误差的假设： （X）= T 或 （E）= 0 （T，E）= 0 （E1，E2）= 0 SX2

37、= ST2 + SE2 ST2 = SV2 + SI2 SX2 = SV2 + SI2 + SE2,SX2,ST2,第五章 测量的信度 第一节 信度概述 一、什么是信度？ 信度（reliability）是指测量结果的稳定性程度，也叫测量的可靠性。 操作定义： rxx=ST2 / SE2 rXX=TX2 rXX=XX 注意：（1）信度指的是一组测验分数或一系列测量的特性，而不是个人分数的特性； （2）真分数的变异数是不能直接测量的，因此信度是一个理论上构想的概念，只能根据一组实得分数作出估计。,二、信度系数与信度指数 信度指数：相关系数 信度系数：相关系数的平方 注意： （1）信度系数有多种。

38、（2）同一种信度系数也会因样本、测查时间不同而有多个。 （3）信度系数只是对测量分数一致性的估计，但并没有指出不一致的原因。 （4）获得较高的信度只是测验有效的必要条件。,第二节 信度的估计方法 一、重测信度 1含义和计算 重测信度（test-retest reliability）是指用同一量表对同一组被试施测两次所得结果的一致性程度。 皮尔逊积差相关系数 误差来源：测量时间不同所带来的随机误差 2使用的前提条件 所测量的心理特质必须是稳定的； 练习和遗忘的效果基本上相互抵消； 在两次施测的间隔时期内，被试在所要测查的心理特质方面没有获得更多的学习和训练。,二、复本信度 1含义和计算 复本信度

39、（Alternate-form reliability）是指两个平行的测验测量同一批被试所得结果的一致性程度。 皮尔逊积差相关系数 等值性系数：两个复本测验是同时连续施测的 稳定等值系数（重测复本信度）：两个复本测验是相距一段时间分两次施测的。 2使用的前提条件 l 两测验真正平行； l 被试要有条件接受两个测验。,三、分半信度 1含义和计算 分半信度（split-half reliability）是指将一个测验分成对等的两半后，所有被试在这两半上所得分数的一致性程度。 校正后的皮尔逊积差相关系数 校正公式：斯皮尔曼-布朗公式 rxx= 2 rhh /（1+ rhh）,常见的分半方法是按测题序

40、号奇偶分半： 测验题目按某种顺序（如难度）排列； 如果是随机排列的题目，则必须是所有题目是平等的（要么难度相等，要么性质一致，是测同一个心理特质的）； 如果测验有多个分量表，应在分量表内部排好顺序，再把各分量表的两半组合起来求相关。,弗朗那根公式： rxx = 2 1 -（Sa2 + Sb2）/ Sx2 卢仑公式： rxx = 1 - Sd2 / Sx2 2使用的前提条件 一个测验可以分为对等的两半时,四、同质性信度 1含义 同质性信度（homogeneity reliability），也叫内部一致性系数，是指测验内部所有题目间的一致性程度。 2计算及适用范围 rxx = K / rij 1

41、+（K - 1）rij ,KR20公式： rxx = K /（K - 1） 1-（piqi）/ Sx2 pi为答对第i题的人数的比例；qi为答错第i题的人数的比例。 K为题目数， Sx2为测验总分的变异。 KR21公式： rxx = K /（K - 1） 1 -（K p q ）/ Sx2 ,克龙巴赫系数： = K /（K - 1） 1 -（Si2）/ Sx2 菏伊特信度： rxx = 1 - MS人题/ MS人 因素分析 一般用于预测的测验或学绩测验可不考虑同质性。而验证理论构想时必须考虑同质性。因此，同质性不但与信度有关，还与效度有关。,五、评分者信度 1含义和计算 评分者信度（scorer

42、 reliability）是指多个评分者给同一批人的答卷进行评分的一致性程度。 2人时：相关系数 多人时：肯德尔和谐系数 W=12 R i2 -（R i）2 / N / K2（N3 -N） （评分者人数 K=3 20；被评者人数 N=3 7时，查W表检验） R I为第i个被试被评的水平等级之和,若N7，用2 检验。 2 = K（N - 1）W，df = N - 1 若评分中有相同等级时，需校正： W=12R i2 -（R i）2 / N / K2（N2 -N）- K（n3 - n）/12,各种信度系数相应误差变异的来源,第三节 提高测量信度的方法 一、影响测量信度的主要因素 （一）被试方面 被

43、试团体同质性越高（个体差异越小），所得相关系数（信度）就越低。 被试团体异质性越高（个体差异越大），所得相关系数（信度）就越高。 （二）主试方面 指导语、态度、期望、评分主观等 （三）施测情境,（四）测量工具 测验长度：测验越长，信度越高。 测验难度：过难或过易都会使个体间得分差异减小，降低信度。 测验内容：试题取样不当，内部一致性低，题意模糊，信度则低。 （五）两次施测的间隔时间 间隔时间越短，信度越高； 间隔时间越长，信度越低。,二、提高测量信度的常用方法 1. 适当增加测验的长度 2. 使测验中所有试题的难度接近正态分布，并控制在中等水平 3. 努力提高测验试题的区分度 4. 选取恰当的

44、被试团体，提高测验在各同质性较强的亚团体上的信度 5. 主试者严格执行施测规程，评分者严格按照标准给分，施测场地按测验手册的要求进行布置，减少无关因素的干扰,第四节 信度的特殊问题 一、速度测验的信度问题 因为速度测验的题目难度都很低，所以不能用奇偶分半求分半信度；可以将测验分两半来施测。 因为几乎不可能把题目做完，所以同质性信度不适用。 可以用重测信度和复本信度。 二、标准参照测验的信度问题 总体越同质，相关系数越低。所以，用通常的方法来算标准参照测验的信度是不适当的。 可以用复本，通过人数的百分比差别越小，信度越高。,三、分测验的信度 除整个测验的信度外，各个分测验也应有信度，否则，从分测

45、验得分来做推论就会出问题。 四、差异的信度 比较两门课成绩的差异，若两门课的信度都不可靠时，二者的差别更不可靠。 五、行为改变（变迁）的测量 行为改变：要求测验对分数的差异越敏感越好 信度： 二者的矛盾难以调和,信度好坏的判断标准 标准化能力或学绩测验：0.90 人格测验：0.80 教师自编学绩测验：0.60 测验使用时的信度标准 一般来说，当信度0.70，测验不能用于对个人作出评价与预测，而且不能作团体间比较； 当0.70信度0.85时，可用于团体比较； 当信度0.85时，才能用来鉴别或预测个人成绩。,第六章 测量的效度 第一节 效度概述 一、什么是效度 效度（validity）是指一个测验

46、或量表实际能测出其所要测的心理特质的程度。 （1）效度是一个相对的概念：每个测量工具都有自己的目的；内隐特质是通过外显行为间接测得的。 （2）效度是测量的随机误差和系统误差的综合反映。 （3）判断一个测量是否有效要从多方面收集证据,操作定义： 效度=SV2/SX2=rXY2,SX2,ST2,二、效度与信度的关系 （一）信度高是效度高的必要而非充分的条件 一个测验效度高，其信度也必然高； 但一个测验信度高，其效度不一定高。,（二）测验的效度受它的信度制约 rXYrXX 一个测验的信度必然比效度高，至少相等。,第二节 内容效度 一、内容效度的性质 内容效度（content validity）是指测

47、验题目对有关内容或行为取样的适当程度，即一个测验实际测到的内容与所要测量的内容之间的吻合程度。 因此，一个测验要有内容效度必须具备两个条件： （1）要有定义完好的内容范围 （2）测验题目应是所界定的内容范围的代表性取样。,二、内容效度的确定方法 （一）逻辑分析法：专家判断 根据自己的知识经验对量表的有效性（逻辑性）作出判断，也称逻辑效度。 为使内容效度的判断过程更客观，一般采用下列步骤： 确定测验内容的总体范围； 编制双向细目表； 编制评定量表，从测验内容所测的技能、题目对所定义的范围的覆盖率、各种题目数量和分数的比例以及题目形式的适当性等方面，对测验作出总的评价。,（二）统计方法：用两个测验

48、复本来测同一批被试，若相关高，则内容效度可能高，但若相关低，则说明必有一个测验缺乏内容效度。 （三）经验法：再测法 前测教学后测 如果后测成绩优于前测成绩，说明该测验具有一定的内容效度。,三、内容效度的特点和评价 1. 适用范围： 内容效度主要应用于成就测验，也适合于某些用于选拔和分类的职业测验。但不适用于能力倾向测验和人格测验。 时间性 2. 缺乏理想的数量指标 3. 内容效度不是表面效度 表面效度（surface validity）：外行人对某个测验从表面上看好像是测某种心理特质的程度。并不是一种真正的效度。 人格测验要求表面效度不宜过高。,第三节 结构效度 一、构想效度的定义 结构效度（structure validity）是指一个测验实际测到所要测量的理论结构或特质的程度，或者说测验分数能够说明心理学理论的某种结构或特质的程度。 特点： （1）具有不同理论构思的测验，其结构效度是无法