|
 
|
遗憾的是，并非所有的题项合成都是认真地编制而成肋。对许多量表来说，汇编可能比编制更合适。研究者常常匆匆拼凑成挖掘一些题项并假定他们能组合成一个合适的量表，井未考虑这些题项是否有共同的原因(因此产生一个量表)或有共同的结果(因此产生一个表征)。仅仅因为都是一个更上位水平类别内的成员，也并不意味着这些题项要么由共同的原因引起，要么导致共同的后果(因此建构一个突发变量)。
研究者可能在编制量表时不会利用理论，也可能因为错误地解释了一个量表所测量的内容而产生一个错误的理论结论。一个不幸的问题是，研究者在莱一测量可能不能反映其所假定的变量时，便得出了某一建构是不重要的或莱一理论内部是不一致的结论。之所以产生这种情况，是因为我们在研究中很少直接检查变量之间的关系。如先前历很到的，一个我们容易忘肄的事实是，许多有趣的变量并不能直接铂现察到。可观察的中介和不可观测到的变量之间会产生混淆。例如，乍想起来似乎可以直接观察到血压和体温两个变量．而我们实际观察到的是作为中介的水银注。我们假定可观测的中介与它们打算表现的陋含变量之间是密切联系的。正如温度计这一例子，我们把温度计的水银水平作为“温度”，尽管严格地说，它只是对温度的一个可檄化的表现。实际温度和测量到的遏度之间密切相关，而沙及的测量(水银所达到的澜量价值)变量(热能量)几乎总是无足轻重的。
当变量和它的指标之间的关系比温度计那个例子中的关系要弱得多时，这种微弱的关系试图要揭示的现象可能使测量变得混淆起来、从而得出了错误的结论。考虑这样一个假设情形：研究者希望在现存的数据集上进行一个二次分析。我们假定研究者对社会支持在后来的职业成就上的作用感兴趣。研究者发现，可利用的数据集包含了许多有关被试在一段时间内的社会地位的信息，并且要求他们回答是否已经结过婚。事实上，在不同时间所收集的几个题项都是关于娟姻的。再做更深一步的假设，在缺乏能提供更详尽的社会评估数据的情况下，研究者会把收集到的陌翅题项组合成一个量表，并把它作为擒量社会支持的量表。而许多社会科学家都认为，把社会支持和婚姻状况等同起来是不合适的。这一等同不仅会忽视社会支持的其他重要方面(如对受到的支持的性质的感知)也会包含潜在的不相关的因素(如测量时成人与儿童的地位问题)。如果研究者在运用这一评估方法的基础上，由假设得出这一结论——社会支持在职业成就中不起作用，那么汉完全错了。事实上，这种对照是在职业成就和婚姻状况之间进行的．只有当婚姻状况实际显示了支持的水平，得出的结论才是有效的。论才是有效的。 |
|
QQ空间
腾讯微博
腾讯朋友