量表与广义估计方程

• 重测信度（test-retest reliability） 为相同量表前后两次测量同一批被访者量表 得分的简单相关系数，一般要求达到0.7以 上. • 分半信度（ split-half reliability ） 相同量表的调查项目分成两半，计算两个部 分得分的简单相关系数r，分半信度就为 R=2r/(1+r)
• 条目相互间的相关矩阵，可以观察相关系 数比较大的情况，如果相关系数太大，提 示有关条目的内容可能重复，为取舍的参 考依据之一。
• 条目间方差分析以及多重交互作用检验与等均数检验可得： • 32个条目均数间相差显著ຫໍສະໝຸດ BaiduF=28.836，P=0.000）。 • Tukey多重交互作用检验估计量为1.433，F=34.220， P=0.000.结论为条目间存在多重交互效应。 • Hotelling’s T^2检验结果为各条目均数不全相等。
量表的信度分析
• 信度
用来评价量表的精密度、稳定度和一致性， 即测量过程中随机误差造成的测定值的变 异程度的大小。 • 常用的信度指标有重测信度（test-retest reliability）、分半信度（split-half reliability） 和克朗巴赫α系数（Cronbach’s alpha）。
信度分析
• 点击Analyze->Scale>Reliability Analysis
结果
• 量表的Cronbach α系 • 量表的描述统计量， 数以及量表的条目数， 给出了均值、方差、 标准差和样本量 条目标准化后的系数 为0.941，可见内部一 致性信度较高。
• 条目的敏感性分析 包含了去掉当前条目量表的合计分的均数、 方差以及Pearson相关系数和Chronbach α 系数等。
量表的效度分析
• 效度 用来评价量表的准确度、有效性和正确性， 即测定值与目标真实值的偏差大小。意在 反映某测量工具是否有效的测定到了它所 打算测定的内容，即实际测定结果与预想 结果的符合程度。 • 常用的效度指标有内容效度、标准关联效 度和结构效度。
• 内容效度 指量表的各条目是否测定其希望测量的内 容，即测定对象对问题的理解和回答是否 与条目设计者希望询问的内容一致。内容 效度一般是通过专家评议打分。 • 结构效度 说明量表的结构是否与制表的理论设想相 符，测量结果的各内在成分是否与设计者 打算测量的领域一致。 • 内容效度与结构效度有相关性，因此评价 结构的量化指标也间接反映了内容效度。
• 标准关联效度 又称标准效度，是以一个公认的有效地量 表作为标准，检验新量表与标准量表测定 结果的相关性，以两种量表测定得分的相 关系数表示标准效度。
在spss中的实例分析
• 某研究应用癫痫患者生活质量评定量表对 198名癫痫的调查结果，包括了发作担忧、 感情、精力和药物作用等因素，对该量表 总的信度和各因素的信度进行分析。
量表的信度与效度分析 以及在spss中的应用
• 量表是什么？ • 量表的信度分析 • 量表的效度分析 • 在spss中的实例分析
量表是什么？
• 量表：
是由若干问题或自我评分指标组成的标准化测定 表格，用于测量研究对象的某种状态、行为或态 度，又称为测量工具。
• 量表与调查表的区别：
调查表可以完全包含不同的独立的内容，用于评 价不同指标；量表是用与描述研究对象的一个特 征，各条目都是相关联的。两个表格在设计和质 量考核时考虑的问题和评价指标也有所不同。
• 作业相关矩阵：
可知应变量的各次重复测量之间的相关关系。
作业相关矩阵的选择
• 上述模型选择了不确定型相关系数矩阵作 为组内作业相关矩阵。 • 从相关系数矩阵可见，组内相关系数（0． 309—0．441）。不一定是最好的。 • 重新定义其它的相关关系矩阵，然后通过 Quasi Likelihood under Independence Model Criterion (QIC)统计量的大小来决定 合适的作业相关矩阵，在同一个模型中统 计量(QIC)值越小模型越合适。
• 克朗巴赫α系数（Cronbach’s alpha） 又称内部一致性系数，是应用最广的评价 信度指标，取值在0和1之间，其值越大， 信度越高，一般以大于0.7为好。 • 计算Cronbach α系数的一个假设前提是， 条目之间呈正相关，如果条目之间较多的 呈现负相关时，说明条目设计出现了重大 错误，此时Cronbach α系数有可能为负数。
• 以下通过定义不同相关关系的作业矩阵得到 相应模型的QIC大小。
• 可以看出等相关和不确定相关作业矩阵的 QIC值最小，虽不同相关作业矩阵的QIC大 小相差不大。所以选择不确定相关作业矩阵 还是比较合适的。
结论
• 不同岁数测量的喘息性状况的组内相关系 数大致在(0．309—0．441)之间。 • 年龄在10岁与7,8,9岁相比是个高发的年龄 阶段，且有统计学意义。 • 母亲吸烟是个危险因素，但是没有统计学 的意义。
效度分析
• 结构效度的相关性分析 做所有因素的Spearman相关分析。 • 点击Analyze->Correlate->Bivariate • 可以得出各因素间相关系数表，以及所有 条目与因素的相关系数表，由此判断结构 效度的高低。
广义估计方程
想法来源：在审批论文过程中，在一篇《 城市公众健康素养快速评估与短信干预系 统的构建与应用研究》的论文中，在评价 干预组和对照组的基线和终期（基线和终 期是同一人群的不同时间的测量）的健康 素养时，使用了卡方检验（p195,p197等） 。而该资料的不同组之间的个体有相关关 系，不能用卡方检验。应用广义估计方程 进行检验。
广义估计方程在SPsS中的实现
• 该资料是空气污染对儿童健康影响的纵向 研究的一个子集，收集了俄亥俄州儿童在7 岁、8岁、9岁和10岁的喘息性状况，并记 录了母亲在研究第一年是否吸烟。 • 研究目的是分析儿童的年龄和母亲吸烟情 况对儿童喘息性状况是否是有影响
• 该资料包括537例儿童， • 变量(id)表示每个儿童个体的编号， • 变量(age)表示每个儿童个体的测量时的年 龄， • 变量(wheeze)表示每个儿童个体测量时的 喘息性状况，是二分类资料(“l”代表发生， “O”代表没有发生)， • 变量(smoker)表示每个儿童个体的母亲在 研究第一年吸烟情况，是二分类资料(“1”代 表吸烟，“O”代表不吸烟
• 作业相关矩阵是广义估计方程中的一个重要概念， 表示的是应变量的各次重复测量值两两之间相关 性的大小。有以下几种形式： (1)等相关，即任意两次观测之间的相关是相等的。 (2)相邻相关，即只有相邻的两次观察值间有相关。 (3)自相关，即相关与间隔次数有关，相隔次数越长， 相关关系越小。 (4)不确定型相关,即相关矩阵非对角线上的元素均不 等。 (5)独立，即不相关，即应变量之间不相关。
h(ij ) vij
表示Y的均数 与方差 的函数关系， Ri ( ) 称为作业相关矩阵

• 构建广义估计方程：
1 D V i i Ei 0 i 1 n
其中 需估计的参数： 一是解释变量的系数 二是离散参数 三是相关系数参
i Di ; Ei Yi i i
SPSS分析步骤：
结果分析：
模型中自变量的检验：
可见age有统计学意义，而smoker没有统计学意义。
• 广义估计方程的参数估计:
age等于7岁、8岁、9岁分别与10岁比较偏回归系数 0．375、0．429、0．348并且都有统计学意义，表明与10 岁相比7岁、8岁、9岁是一个高发年龄段。 smoker等于“0”与等于“1”比较偏回归系数为-0.261，表明 母亲吸烟是个危险因素，但没有统计学意义。
广义估计方程
• 实际中一些些资料由于部分观察值之间含 有非独立的或相关的信息，不能用传统的 一般线性模型进行分析，故而发展了广义 估计方程。 • 如纵向资料、重复测量资料、整群抽样设 计资料、聚集性资料或是多层次结构资料
广义估计方程原理简介
以重复测量资料为列： Yij :第i个观察对象的第j个观察值 (i=1,…,k, j=1,…,t) X ijm ：相应的协变量(m=1,…,p) 各观察对象相互独立，同一观察对象的观 察值之间存在相关性。
• 构建如下模型：
g (ij ) 0 1 X ij1 ... p X ijp
其中g(· )为联接函数，通过它把Yij的边际期望 表达成协变量Xijm的线性组合 1/2 1/2 Vi Ai Ri ( ) Ai / 其协方差矩阵Vi： 其中 Ai 为对角矩阵，其对角线上的元素是