第十三章 量表的發展，信度和效度
13-1 量表的發展
13-2 量表的信度和效度
13-3 量表發展實例
13-4 探索性和驗證性研究的信度和效度
13-5 探索性因素分析(EFA)和驗證性因素
分析(CFA)之比較
13-6 研究作業
13-1 量表的發展
量表對於社會科學研究中從事量化研究的人員而言，是相當重要的一環，少了量表，我們就無法作到量化的效果，從事社會科學研究的人員常常會遇到在進行問卷調查設計時，找不到想要的量表或則是有找到類似的量表，但經過討論後，覺得並不適用，這時候，惟一的選擇，就是發展一個適合自己測量的工具 – 量表。有一些研究人員，對於發展量表視為畏途，原因是對於發展有用的測量工具 – 量表的方法不熟悉，以致於只能依賴別人所發展的量表，當場囉！發展量的確是一件不輕鬆的事，必須經過嚴謹的處理，才能發展出一份適當的、穩定的量表，關於量表的發展，有一定的步驟可以遵循，我們列出三種量表發展的方式如下：
1. Robert F. De Vellis 所寫的 Scale Development ：Theory and Application一書，由
吳齊殷所譯的中文書 p 87 ~148，所提到發展量表的八大指導原則如下：
步驟1. 清楚地界定什麼是你所想要測量的
步驟2. 建立題庫
步驟3. 決定測量的格式
步驟4. 請專家檢視最初的問題群
步驟5. 考慮加入效度評估問項
步驟6. 對選定的樣本，進行問項施測
步驟7. 評估問項
步驟8 選擇量表長度
3. Churchill (1979)的量表發展有八大步驟，如下：
步驟1. Specify the domain of the construct 確認構面的領域
步驟2. qenerate a sample of items建立樣本項目(問項)
步驟3. collect data 收集資料
步驟4. purify measures 淨化量測項目(刪除不適當的問項)
步驟5. collect mew data 收集新的資料
步驟6. assess reliability 評估信度
步驟7. assess validity 評估效度
步驟8 develop norms 發展常模
資料來源：Churchill, ., Jr, A Paradign for Developing Better Measures of Marketing Constructure Research, 16 (1979), 64-73
13-2 量表的信度和效度
量表經由實測 (收集實際的資料)後，我們必須檢驗量表的信度和效度，為什麼檢驗量表的信度和效度呢? 原因是因為量表本身在進行測量時會產生 (測量誤差)，若是測量誤差大，則會有信度低，没有效度的情形發生。
信度；指的是量表的一致性，有三個指標可以使用，我們整理如下：
內在信度：是指內部一致性，使用 Cronbach’s α 。
重測信度：是指穩定性，對於相同的樣本，在一段時間的前後，各施測一
次，所取得的信度，稱為重測信度。
複本信度：是指等值性，也就是對於不同的樣本，各施測一次，所取得的
信度，稱為複本信度。
效度：指的是量表的正確性，有3個常用的指標一起使用，我們整理如下：
內容效度 (content validity)，量測的題向和數量要足以代表量測的概念。
收歛效度 (convergent validity)，量測相同構面項目間的相關性要高。
區別效度 (Discriminate validity)，量測不同構面項目間的相關性要低。
13-3 量表發展實例
量表發展：實例一
我們以期刊文章 Vijay Sethi William Development of measures to assess the extent to which an information technology Application Provides Competitive Advantage. Management Science , , December 1994. 為範例，這篇文章是以Churchill (1979) 量表發展的八大指導原則為基礎，有稍做修正，其量表發展的步驟如下：
步驟1. 建立CAPITA構面的領域，有Efficiency、Functionality、Threat、Preemptiveness
和Synergy 五大構面
步驟2. 建立45個問項，形成假設模式
步驟3. 收集資料，由7位高階資訊人員逐一填答
步驟4. 淨化量測項目，由填答者提供意見，逐步修改問項，直到最後二位填答者對於
問項不再有重大意見為止
步驟5. 收集新資料，樣本是 (1) 美國前1000大製造業和服務業公司 (2) Strategic Data
Planing Institute 的251成員 (公司資料)
步驟6. 評估效度，以符合每個構面的收歛效度水準下，刪除16個問項，剩29個問項，
成7個構面
步驟7. 評估信度，每個構面信度值都要達到以上，可接受
步驟8. 建構常模，以結構方程驗證CAPITA完整模式，整體配適度是可接受的，而且比
假設模式有顯著的改善
量表發展：實例二
我們以期刊文章 G. Torkzadeh, . Doll, The development of a tool for measuring the perceived impact of information technology on work. Omegq, The International Journal of Management Science 27 (1999)：327-339 為範例
說明其量表發展的步驟：
步驟1. 文獻回顧：用來確認要測量的構面
步驟2. 建立題庫：建立39個問項
步驟3. 決定測量的格式：使用Linkert (李克特)5點量表
步驟4. 收集資料 (pilot test)：使用結構化的問卷進行訪談
步驟5. 評估問項：經由探索性因素分析和相關分析評估問項，並經過信度和
效度的檢驗，刪除不適的問項後，剩下12個問項
步驟6. 問項量表化：將12個問項製成量表
這篇期刊的大量問卷，除了自己發展的量表外，還結合了另外三篇發展良好的量表構面，形成完整的量表，再寄出並回收大量問卷，以進行自己發展的量表和其它量表構面的相關分析和比較，結論當然是自己的量表可以有效地測量資訊科技在工作上的衝擊。
13-4 探索性和驗證性研究的信度和效度
ㄧ般社會科學的研究可以分為探索性的研究和驗證性的研究，因此在信度和效度的處理上，也分為探索性研究的信度和效度和驗證性研究的信度和效度，我們分別介紹如後。
探索性研究的信度和效度
在在社會科學研究的探索性因素分析EFA中，是最常出現的量表是李克特量表(Likert scale)，李克特量表廣泛的應用在行銷、組織行為、人力資源、學習科技、教育、財務管理、心理測驗、…等等，特別適用於感受或態度上的衡量，在李克特(Likert scale )量表法中常用的信度考驗方法為「Cronbach α」係數及「折半信度」(Split-half reliability)。也就是說在探索性因素分析EFA中，一般都是使用Cronbach’s a 值來計算信度，Cronbach’s α係數是Cronbach在1851年提出，提供計算類別變數以及區間尺度變數。「Cronbach α」係數及「折半信度」(Split-half reliability)都是屬於內部一致性信度係數(internal-consistency reliability coefficient)，也就是施測一次量表的結果，立即進行估計量表的信度係數，若是一個量表的信度愈高，代表量表愈穩定(stability)，而 Cronbach’s α係數值介於0與1之間，α值愈大的話，相對的表示信度愈高，Cronbach’s α值至少要大於，在實務上最好是α＞(Nunnally, 1978)。
本研究問卷共發出100份，回收有效問卷74份。經編碼輸入資料後，存檔成Reliability 。對於這份量表(問卷)，想知道是否具有可靠性或穩定性，也就是測量一致性的程度，俗稱信度，經過因素分析後，可以分成四個構面，分別是 CEO，Benefit，Cost 和 Technology，各自的題項如下：
CEO構面
1. 企業經營者參加資訊相關研討會的頻率?
2. 企業經營者在公司使用電腦的頻率?
3. 企業經營者參加企業E化相關研討會的頻率?
4. 企業經營者閱讀資訊相關雜誌或書刊的頻率?
Benefit 構面
5. 企業E化系統可以增加收益的好處, 是否為導入企業E化系統的重要考量
6. 企業E化系統可以擁有較好的系統整合, 是否為導入企業E化系統的重要考量
7. 企業E化系統可以降低存貨的好處, 是否為導入企業E化系統的重要考量
Cost 構面
8. 企業E化系統的總費用很高, 是否為導入企業E化系統的重要考量
9. 企業E化系統的顧問費用佔總花費(導入企業E化費用)的50%, 是否為導
入企業E化系統的重要考量
10. 企業E化系統的維護人才相當難找並且維護費用很高, 是否為導入企業E
化系統的重要考量
Technology 構面
14. 企業E化系統的技術成熟程度, 是否為導入企業E化系統的重要考量
15. 以新技術開發的企業E化系統取代現有老舊系統 (企業E化系統的開發技
術較現有系統 新) , 是否為導入企業E化系統的重要考量
16. 維護企業E化系統需要資源的難度, 是否為導入企業E化系統的重要考量
在作其它統計分析之前，需先對這些量表(問卷)做各個構面和總構面(所有題項)的
信度分析，操作步驟如下：
請先將隨書光碟Ch13目錄複製成C:\Ch13目錄
1. 開啟範例檔 Reliability
2. 按Analyze Reliability Analysis
3. 在 Reliability Analysis 視窗，點選我們需要的變數 s1 s2 s3 s4
4. 按 >，將變數 s1 s2 s3 s4 選入 Items，Model 選 Alpha(預設)
5. 按 Statistics，選取 Scale if item deleted
6. 按 Continue，回到 Reliability Analysis
7. 按 OK，出現報表結果
報表分析結果如下：
CEO構面 Cronbach’s α值＞，代表具有良好的信度。
Benefit 構面的信度分析
Benefit 構面的題項如下：
5. 企業E化系統可以增加收益的好處, 是否為導入企業E化系統的重
要考量
6. 企業E化系統可以擁有較好的系統整合, 是否為導入企業E化系統
的重要考量
7. 企業E化系統可以降低存貨的好處, 是否為導入企業E化系統的重
要考量
我們重複信度分析的操作步驟，將題項變數 s5 s6 s7 選入分析
，得到報表結果如後。
我們也可以在範例資料檔下，直接執行下列語法，會得到相同的報表結果：
RELIABILITY /VARIABLES=s5 s6 s7 /FORMAT=NOLABELS
/SCALE(ALPHA)=ALL/MODEL=ALPHA /SUMMARY=TOTAL .
報表分析結果如下：
Benefit 構面的信度 Cronbach’s α值 ＞，代表具有良好的信度。
Cost 構面的信度分析
Cost 構面的題項如下：
8. 企業E化系統的總費用很高, 是否為導入企業E化系統的重要考量
9. 企業E化系統的顧問費用佔總花費(導入企業E化費用)的50%, 是否為導
入企業E化系統的重要考量
10. 企業E化系統的維護人才相當難找並且維護費用很高, 是否為導入企業
E化系統的重要考量
我們重複信度分析的操作步驟，將題項變數 s8 s9 s10 選入分析，報表結果
如後。
我們也可以在範例資料檔下，直接執行下列語法，會得到相同的報表結果：
RELIABILITY /VARIABLES=s8 s9 s10 /FORMAT=NOLABELS /SCALE(ALPHA)=ALL/MODEL=ALPHA /SUMMARY=TOTAL .
報表分析結果如下：
Technology 構面的信度 Cronbach’s α值 ＞，代表具有良好的信度。
Technology 構面的信度分析
Technology 構面的題項如下：
14. 企業E化系統的技術成熟程度, 是否為導入企業E化系統的重要考量
15. 以新技術開發的企業E化系統取代現有老舊系統 (企業E化系統的開
發技術較現有系統新) , 是否為導入企業E化系統的重要考量
16. 維護企業E化系統需要資源的難度, 是否為導入企業E化系統的重要
考量
我們重複信度分析的操作步驟，將題項變數 s14 s15 s16 選入分析，報表結果如後。
我們也可以在範例資料檔下，直接執行下列語法，會得到相同的報表結果：
RELIABILITY /VARIABLES=s14 s15 s16 /FORMAT=NOLABELS /SCALE(ALPHA)=ALL/MODEL=ALPHA /SUMMARY=TOTAL .
報表分析結果如下：
Cost 構面的信度 Cronbach’s α值 ＞，代表具有良好的信度。
總構面(所有題項)的信度分析
我們重複信度分析的操作步驟，將所有題項變數 s1 s2 s3 s4 s5 s6 s7 s8 s9 s10 s14 s15 s16 選入分析，報表結果如後。我們也可以在範例資料檔下，直接執行下列語法，會得到相同的報表結果：
RELIABILITY /VARIABLES=s1 s2 s3 s4 s5 s6 s7 s8 s9 s10 s14 s15 s16 /SCALE(ALPHA)=all /MODEL=ALPHA /SUMMARY=TOTAL.
報表分析結果如下：
總構面(所有題項)的信度Cronbach’s α值 ＞，代表具有良好的信度。
結果:
我們整理信度分析的結果如下表：
本範例的各個構面和總構面 Cronbach’s α值＞，代表具有良好的信度。
驗證性研究的信度和效度
在在社會科學研究的驗證性因素分析CFA中，最常出現的量表也是李克特量表(Likert scale)，李克特量表廣泛的應用在行銷、組織行為、人力資源、學習科技、教育、財務管理、心理測驗、…等等，特別適用於感受或態度上的衡量。驗證性研究(CFA)又稱實證研究，CFA驗證性因素分析的信度和效度指的就是結構方程模式(SEM)的信度和效度。
在探索性因素分析EFA中，我們可以使用Cronbach’s a 值來計算信度，在結構方程模式(SEM)的驗證性因素分析中，每個構面的信度是由標準化因素負荷量總和的平方，加上測量誤差之總和後，除以標準化因素負荷量總和的平方，數學式如下：
構面信度 =
我們以CIO的特質為例，如下圖：
計算方式如下：
標準化因素負荷量的總和 = + + + =
測量誤差的總和 = +++=
構面信度 = =
一般信度的標準為，至少要達到的標準
SEM的效度
SEM的效度指的就是CFA驗證性因素分析的效度。用來判定效度的方式是變異萃取大於構面的相關係數。 變異萃取是代表構面的解釋量，構面的變異萃取是由標準化因素負荷平方後的總和再加上測量誤差的總和，再除以標準化因素負荷平方後的總和，數學式如下：
變異萃取：
我們仍然以CIO的特質為範例，如下圖：
計算方式如下：
標準化因素負荷平方後的總和 = ()+ ()+()+ ()
=
測量誤差之總和 = + + + =
變異萃取 = =
平均的變異萃取 = = =
SMC是查看Squared Multiple Correlations 的值，一般平均變異萃取和構面的萃取差異很小，許多研究都以變異萃取代平均變異萃取，變異萃取的標準值，表示構面被解釋大於等於百分之五十。變異萃取大於構面的相關係數就表示各個構面之間有良好的區別效度，我們會在後面的範例中加以解釋。
13-5 探索性因素分析(EFA)和驗證性
因素分析(CFA)之比較
探索性因素分析是用來定義潛在的構面，由於潛在的因子 (例如：道德、勇氣、…等)無法直接量測，我們可以藉由因素分析來發掘這些概念的結構成份，以定義出結構的各個維度 (構面)，以及每個維度(構面)包含了那些變數。
因素分析的使用：
在確認結構成份後，我們經常使用因素分析於 彙總 (summarization)和資料縮減 (Data reduction)，我們分別介紹如下：
彙總 (summarization)
所有的變數經由因素分析後，可以得到少數的概念，這些概念等同於彙總所有的變數，經由適當的命名後，就成了我們所謂的構面。
資料縮減 (Data reduction)
我們可以經由因素分析後，選取具有代表性的變數，這些有代表性的變數仍然具有原有變數的大部份解釋量外，也保留了原始的結構，因此，透過因素分我們可以得到資料縮減的功能。
驗證性因素分析(Confirmatory factor analysis; CFA)是用來檢定理論模式下的因素結構，也可以用來檢驗量測項目的信度和效度，因此，具有理論檢驗和因素確認的功能，驗證性因素分析可以視為SEM的次模式，可以和結構模式結合，形成SEM的完整模式(Full model)，所以，驗證性因素分析和探索性分析的使用有很大的不同，研究人員可以依需要而使用這二種因素分析，但務必清楚使用的目的和方法，方能達到預期的效果。
