Ағылшыншамен салыстырыңыз: абзацты басыңыз — түпнұсқа терезеде ашылады. Абзац астындағы EN түймесі оны мәтін ішінде көрсетеді.
Мазмұны
Кіріспе
Әлеуметтік ғылымдарда масштабтау – сандық атрибуттар мен қасиеттерге қатысты объектілерді өлшеу немесе реттеу процесі. Мысалы, масштабтау техникасы адамдардың экстраверсия деңгейін немесе өнімдердің қабылданатын сапасын бағалауды қамти алады. Кейбір масштабтау әдістері үздіксіздіктегі шамаларды бағалауға мүмкіндік береді, ал басқалары объектілерді салыстырмалы түрде реттеуге ғана мүмкіндік береді. Өлшем деңгейі – өлшенетін деректердің түрі. «Шкала» деген сөз, тіпті ғылыми әдебиетте де, кейде басқа бір күрделі өлшемді, яғни индексті білдіреді. Алайда, бұл екі ұғым әртүрлі.
In the social sciences, scaling is the process of measuring or ordering entities with respect to quantitative attributes or traits. For example, a scaling technique might involve estimating individuals' levels of extraversion, or the perceived quality of products. Certain methods of scaling permit estimation of magnitudes on a continuum, while other methods provide only for relative ordering of the entities. The level of measurement is the type of data that is measured. The word scale, including in academic literature, is sometimes used to refer to another composite measure, that of an index. Those concepts are however different.
Үлкендік құрылыстың әдісі
Құрылған шкалалар өлшенетін құрылымды дұрыс бейнелеуі керек. Адам жасағысы келген шкалаға ұқсас шкалалар бұрыннан болуы мүмкін, сондықтан оларды және мүмкін тәуелді айнымалыларды сауалнамаға қосу шкаланың жарамдылығын арттырады. Әрбір субшкаланың өкілдігін қамтамасыз ету үшін кем дегенде он элементтен бастаңыз. Сауалнаманы жүргізіңіз; үлгінің көлемі неғұрлым үлкен және өкілдік ететін болса, шкаланың сенімділігі де соғұрлым жоғары болады. Элементтердің орташа мәні мен стандартты ауытқуларын қарап шығыңыз, қиық орташа мәні немесе өте төмен дисперсиясы бар элементтерді жойыңыз. Шкалалар үшін элементтерге көлбеу айналымды қолдана отырып, зерттеу факторлық талдау жүргізіңіз. Құрылымды бейнелейтін субшкалаларды құру үшін оларды факторларға жүктемелеріне сәйкес бөліп қарастыру маңызды. Өзіндік мәні 1-ден жоғары факторларды анықтаңыз (әр фактордың өзіндік мәнін есептеу үшін факторлық жүктемелерді квадраттап, бағандарды қосыңыз). Элементтерді мақсатты шкалалар бойынша топтастыру оңайырақ. Басқа элементтер неғұрлым ерекшеленсе, олар өз шкалаңызға сәтті жүктелу мүмкіндігі де соғұрлым жоғары болады. "Таза жүктелген элементтер" – бұл бір факторға кем дегенде 0,40 және басқа факторларға қарағанда 0,10-нан жоғары жүктеме берген элементтер. Факторлық үлгіде оларды анықтаңыз. "Қиылыс жүктелген элементтер" – жоғарыда көрсетілген критерийлерге сәйкес келмейтін элементтер. Олар жоюға үміткерлер. Нақты ұғымдарды білдірмейтін, аздаған элементтері бар факторларды анықтаңыз – бұл "түсіндіруге келмейтін шкалалар". Сондай-ақ, бір ғана элементі бар факторларды анықтаңыз. Бұл факторлар мен олардың элементтері жоюға үміткерлер. Жоюға үміткер элементтер мен факторларды қарап шығыңыз. Құрылымыңыз үшін маңызды болғандықтан сақтап қалу керек нәрсе бар ма? Мысалы, егер маңызды тұжырымдамалық элемент тек жойылатын факторға ғана қиылыс жүктемесін берсе, оны келесі кезеңге сақтап қоюға болады. Элементтерді жойып, түсіндіруге келмейтін және бір элементті жойғаннан кейін факторлардың санын ғана беруді сұрап, растау факторлық талдау жүргізіңіз. 3-қадамнан бастап процесті қайталаңыз. Мұнда сынақтың сенімділігін бағалау үшін әртүрлі шаралар қолданылуы мүмкін. "Таза факторларды" алғанға дейін (барлық факторлар таза жүктелгенге дейін) процесті жалғастырыңыз. Статистикалық бағдарламада Альфаны есептеңіз (әрбір элемент жойылған жағдайда Альфа мәнін сұраңыз). Альфа жеткіліксіз болса, оны жойып, 3-қадамнан бастап процесті қайталаңыз. [Альфа коэффициенті = элементтер саны² x әртүрлі элементтер арасындағы орташа корреляция / корреляция матрицасындағы барлық корреляциялардың қосындысы (диагональдық мәндерді қоса алғанда)]. Шкаланың жарамдылығын қамтамасыз ету үшін корреляциялық немесе регрессиялық талдау жүргізіңіз. Жақсы тәжірибе үшін соңғы факторлар мен олардың жүктемелерін, сондай-ақ ұқсас шкалаларды құрылған шкаланың қосымшасында келтіріңіз.
Scales constructed should be representative of the construct that it intends to measure. It is possible that something similar to the scale a person intends to create will already exist, so including those scale(s) and possible dependent variables in one's survey may increase validity of one's scale. Begin by generating at least ten items to represent each of the sub scales. Administer the survey; the more representative and larger the sample, the more credibility one will have in the scales. Review the means and standard deviations for the items, dropping any items with skewed means or very low variance. Run an exploratory factor analysis with oblique rotation on items for the scales it is important to differentiate them based on their loading on factors to create sub scales that represents the construct. Request factors with eigenvalues (for calculating eigenvalue for each factor square the factor loading's and sum down the columns) greater than 1. It is easier to group the items by targeted scales. The more distinct the other items, the better the chances the items will load better in one's own scale. “Cleanly loaded items” are those items that load at least .40 on one factor and more than .10 greater on that factor than on any others. Identify those in the factor pattern. “Cross loaded items” are those that do not meet the above criterion. These are candidates to drop. Identify factors with only a few items that do not represent clear concepts, these are “uninterpretable scales.” Also identify any factors with only one item. These factors and their items are candidates to drop. Look at the candidates to drop and the factors to be dropped. Is there anything that needs to be retained because it is critical to one's construct. For example, if a conceptually important item only cross loads on a factor to be dropped, it is good to keep it for the next round. Drop the items, and run a confirmatory factor analysis asking the program to give only the number of factors after dropping the uninterpretable and single item ones. Go through the process again starting at Step 3. Here various test reliability measures could also be taken. Keep running through the process until one get “clean factors” (until all factors have cleanly loaded items). Run the Alpha in the statistical program (asking for the Alpha's if each item is dropped). Any scales with insufficient Alphas should be dropped and the process repeated from Step 3. [Coefficient alpha=number of items2 x average correlation between different items/sum of all correlations in the correlation matrix (including the diagonal values)]
Run correlational or regressional statistics to ensure the validity of the scale. For better practices, keep the final factors and all loadings of yours and similar scales selected in the Appendix of the created scale.
Масштабты бағалау
Өлшемдер сенімділік, жалпылану және жарамдылық тұрғысынан тексерілуі керек. Жалпылану – таңдалған өлшемді ескере отырып, үлгіден популяцияға қорытынды жасау қабілеті. Сенімділік – өлшемнің тұрақты нәтижелер беретін дәрежесі. Сынақты қайталау арқылы сенімділікті тексеру зерттеу ұқсас жағдайларда қайталанғанда нәтижелердің қаншалықты үйлесетінін анықтайды. Баламалы нысандардың сенімділігі өлшемнің әртүрлі нысандарын пайдалана отырып зерттеу қайталанғанда нәтижелердің қаншалықты үйлесетінін тексереді. Ішкі сәйкестік сенімділігі өлшемге кіретін жеке өлшемдердің біртұтас өлшемге қаншалықты жақсы айналатынын бағалайды. Өлшемдер мен индекстер жарамдылығын растауы тиіс. Ішкі жарамдылық өлшемге кіретін жеке өлшемдер мен біртұтас өлшем арасындағы байланысты тексереді. Сыртқы жарамдылық біртұтас өлшем мен өлшемге кірмейтін басқа да көрсеткіштер арасындағы байланысты тексереді. Мазмұндық жарамдылық (беттік жарамдылық деп те аталады) өлшемнің өлшенетін нәрсені қаншалықты дұрыс өлшейтінін бағалайды. Критериалдық жарамдылық басқа мүмкін критерийлерге қатысты өлшемнің критерийлерінің маңыздылығын анықтайды. Құрылымдық жарамдылық өлшеніп отырған негізгі құрылымды анықтайды. Құрылымдық жарамдылықтың үш түрі бар: конвергенттік жарамдылық, дискриминанттық жарамдылық және номологиялық жарамдылық (Кэмпбелл және Фиске, 1959; Крус және Ней, 1978). Қайта өндіру коэффициенті өлшемге кіретін жеке өлшемдердегі деректерді біртұтас өлшемнен қаншалықты жақсы қалпына келтіруге болатынын көрсетеді.
Scales should be tested for reliability, generalizability, and validity. Generalizability is the ability to make inferences from a sample to the population, given the scale one have selected. Reliability is the extent to which a scale will produce consistent results. Test retest reliability checks how similar the results are if the research is repeated under similar circumstances. Alternative forms reliability checks how similar the results are if the research is repeated using different forms of the scale. Internal consistency reliability checks how well the individual measures included in the scale are converted into a composite measure. Scales and indexes have to be validated. Internal validation checks the relation between the individual measures included in the scale, and the composite scale itself. External validation checks the relation between the composite scale and other indicators of the variable, indicators not included in the scale. Content validation (also called face validity) checks how well the scale measures what is supposed to measured. Criterion validation checks how meaningful the scale criteria are relative to other possible criteria. Construct validation checks what underlying construct is being measured. There are three variants of construct validity. They are convergent validity, discriminant validity, and nomological validity (Campbell and Fiske, 1959; Krus and Ney, 1978). The coefficient of reproducibility indicates how well the data from the individual measures included in the scale can be reconstructed from the composite scale.