潜类别尺度分析_许多多，C.米切尔·戴顿著_9787543227033

本书系格致方法定量研究系列之一种，对于社会科学中的测量中的潜结构进行建模分析时，若测量的层次是定序的，则需要使用到潜类别尺度分析，戴顿博士在此书中使用了大量经过精挑细选的经验性例子，如学术舞弊的调查、肺部疾病的医疗诊断、对军队的态度等，并提供网站以追踪有关方法的*新发展。本书完整地阐述了很多可用的模型，对于那些在心理学，社会学和教育学方向需要做细致尺度分析的研究者来说意义非凡。

　　社会科学中的测量是可以被观察到的，而被测量的概念却不是。比方说，为了测量“政治野心”,一个政治学家可能会在问卷中设计多个相关题目并组织向一群政党活动家和准候选人们发放问卷。这些题目上的得分在某种程度上可以昭显野心这一变量，它虽然不能被直接观察到，但却是潜在的。如何来对这一潜结构进行建模呢？这取决于很多事情，其中一个便是显变量和潜变量的测量层次。如果两个都是连续变量，那么一些因子分析的方法可能是适宜的(在这一系列丛书中，请参考Kim和Mueller的《因子分析概论》和《因子分析》；Long的《验证性因子分析》；Dunteman的《主成分分析》)。然而，假设两个变量都是分类变量，那么一种“针对定类数据的因子分析”的潜类别分析则更受青睐(在这一系列丛书中，请参考McCutcheon的《潜类别分析》）。如果测量的层次是定序的呢？正如在我们的例子中，假设“政治野心”是一个被排序为“低，中，高”的尺度。如果变量是如此排序的话，那么我们就应该使用戴顿(Dayton)博士在这里将要详细阐释的潜类别尺度模型。
　　研究这类尺度的一个经典例子就是古特曼尺度（Guttmanscale)，其中的变量得分是依据某一次序排列的。例如，在政治野心调查中，也许有三个二分类变量，X，Y和Z。对于变量X，受访者被问到“你愿意在当地的俱乐部讲话吗？”；对于变量Y，受访者被问到“你愿意走上街头发表演说吗？”；对于变量Z，受访者被问到“你愿意到华盛顿演讲吗？”。这些变量是按照政治承诺的难易程度排序的。所以想必对Y回答说“是”的受访者应该对X也会回答“是”，而对Z回答“是”的受访者应该也会对X和Y回答“是”。总之，理论上的回答向量为{000}、{100}、{110}和{111}，其中1=是，0=否。显然，不可能所有的受访者都会给出一个“理论上正确”的回答。例如，有人可能对Y回答“是”而对X和Z回答“否”，即{010}。戴顿博士将这一错误的回答假设为一个误差，这一做法的优势是允许概率处理。
　　戴顿博士所关注的潜类别尺度模型适用于上述这类二分变量。他用大量经过精挑细选的经验性例子来教授这一技术。实例涉及有关对学术舞弊的调查、儿童对于空间任务的掌握、对肺部疾病的医疗诊断、对军队的态度，以及角色冲突中的行为。除此之外，他还仔细回顾了用于潜类别分析的计算机程序，并提供了一个网站以跟踪有关方法的最新发展。这一专著完整地阐述了很多可用的模型，对于那些在心理学、社会学和教育学方向需要做细致尺度分析的研究者来说意义非凡。
　　——迈克·S.刘易斯-贝克

你还可能感兴趣

我要评论