專題研究與論文指導
貳、態度量表(問卷)之討論
一、用以衡量態度的問卷
(一) 問卷設計步驟
(二) 問卷結構
(三) 問卷的衡量尺度
二、量表的效度與信度
(一) 名詞之煩
(二) 理論部份
(三) 誤差問題
三、實例－市場區隔因素之一─生活型態量表之討論
一、用以衡量態度的問卷
社會行為的研究常用態度量表，常用的態度衡量表有評價尺度法、等級法、對比法、語意差異法、史德培尺度法、索斯洞尺度法及李克特綜合尺度法等。問卷（questionnaire）可分開放式（open end）及封閉式（closed end），前者允許受訪者任意作答，後者只許受訪者在已設計妥之表內選取某些項目。以下提出問卷設計步驟、問卷結構及衡量尺度。
(一) 問卷設計的步驟
取得初級資料之工具為量表，量表為社會行為面研究之常用工具，常稱訪查表、訪問表、問卷或態度量表。
量表設計常常要依賴研究人員的經驗和技巧，迄今似尚無一個標準的程式可供研究人員遵循，Boyd等人曾提出問卷設計的十個步驟，或可幫助研究人員做好問卷的設計工作，改善問卷的品質。這十個步驟是：①決定所要收集的資訊，②決定問卷的類型，③決定個別問題的內容，④決定問題的型式，⑤決定問題的用語，⑥決定問題的先後順序，⑦預先編碼（Preceding），⑧決定問卷版面的佈局，⑨預試，⑩修訂及定稿。
(二) 問卷的結構
量表的結構通常包括：
1. 確認身份的資料：問卷的第一部分通常是要確認受訪者的資料，包括受訪者姓名、地址和電話號碼。另外，可能還包括訪問的日期和時間、訪問員的姓名和編號。
2. 合作的要求：這是用來取得受訪者協助的開場白；通常首先指明訪問員及（或）訪問的組織，其次解釋研究的目的以及完成訪問所需的時間。
3. 指令：這是對訪問員或受訪者就如何填答問卷所作的說明。如採郵寄調查，這些說明是直接印在問卷上；如採電話或人員訪問，可印在另外一張紙上。
4. 尋求的資訊：這是問卷的主要部分。
5. 分類資料：指受訪者的特徵。在郵寄調查時，這些資料直接由受訪者提供。
擬定問卷時應考慮問卷之結構程度及偽裝的程度。所謂「結構程度」（Degree of structure）是指將問卷中的問題以及可能的答案予以確定的程度，而「偽裝」程度（Disguise）則指是否向受訪者表明研究的贊助或主辦人以及研究的目的。
(三) 衡量尺度
問卷內的題目應加以衡量（Measurement），衡量尺度可分為：名目尺度（Nominal scale）、順序尺度（Ordinal scale）、區間尺度（Interval scale）及比率尺度（Ratio scale）四種。名目尺度及順序尺度屬於間斷變數，以間斷機率分配說明之；區間尺度與比率尺度屬連續變數，以連續機率說明之。
1. 名目（名義）尺度
名目尺度係為了標示目的而指定的數字，譬如身分證件的號碼、學生的學號、性別的代號、職業的代號，又如有ABCDE五人，在喜愛的人的地方打勾…等等，均為名目尺度。名目尺度無法用來衡量態度，其加減乘除的運算也毫無意義。
2. 順序（次序）尺度
順序尺度在行銷研究中應用最廣，它可依據受訪者的某些特性，如對某品牌的喜愛程度，將受訪者按順序排列，也可依照消費者的偏好程度，將產品、品牌或商店排列，又如對ABCDE五人之喜愛程度加以排序。順序尺度只指出人或事物的順序，但不表示不同順序或等級間的差異程度；換言之，它只能指出等級或順序，但不能衡量不同等級間的距離。如學生上課隨機座、編號、距離不同。若利用順序尺度進行統計分析時，應先假設各區間相等。
3. 區間尺度
區間尺度具有一個相同的衡量單位，不僅可表示順序或等級，也可表示不同等級間的距離。在此種尺度上的第n個點與第n+1個點間的距離，相等於第n-1個點與第n個點間的距離，例如有ABCDE五人，以很不喜歡、不喜歡、喜歡、很喜歡等為選擇條件，而勾其中一種。區間尺度的零點因係任意選定，因此，我們不能說第2n個點的強度比第n個點高（或低）一倍。譬如，華氏或攝氏溫度即為區間尺度，溫度從攝氏10℃上升到攝氏20℃，並不表示溫度上升了一倍。
4. 比率尺度
比率尺度與區間尺度的區別在於前者有一個獨一無二的零點，後者的零點則自行選定。長度、重量、銷售量、所得等都是比率尺度，因為其距離都是從一個絕對的零點算起，如平均體重，小學生10kg/人；國中生30kg/人；高中生60kg/人，是從0開始，故可說出倍數，又如將一百分依喜愛程度分配給ABCDE五人。
二、量表的效度與信度
(一) 名詞之煩
常提到之效度與信度之名詞有：外部效度、內部效度、效標關聯效度(準則攸關效度)、構念效度、信度、效標效度(實用效度)、同時效度、預測效度、建構效度、收斂效度、區別效度、內部一致性信度、複本信度、再測信度、外在信度、內在信度、學說效度(通則化效度)等17個，另寇克與米勒(Kirk & Miller)提出狂想信度(Qisotic reliability)-指對相同個案持續採用不同應對方式，不同個案持續採用相同應對方式；歷史信度(Diachronic reliability)-指不同時間所測結果相類似；同步信度(Sychronic reliability)-同時間內產生相似結果；明顯效度(apparent validity)-指測量工具與觀察現象有非常密切的結合；工具效度(instrument validity)-指利用某一測量工具所得到的資料與另一個被實證有關工具所得到的資料相類似；理論效度(Theoretical validity)-指所收集的資料與研究所根據的理論架構相呼應。以上合計有23個名詞，若再加上庫爾信度，共24個名詞，實讓研究人員不知所從。
(二) 理論部分
筆者以歸納法及演繹法推理，對社會行為研究之量表之效度與信度提出筆者個人見解，結論為：
1. 社會行為之研究，量表之題項與題目（一個題項內有數個題目）是為達到研究目的之最重要工具，故此量表設計必須慎重，所謂慎重即提出效度與信度之說明。
2. 筆者對效度提出定義為：「量表之效度為量表之題項與題目之建構，此建構用以衡量研究目的所具備理論基礎之程度。」對信度提出定義為：「量表之信度為個別受訪者回答量表題目，以題項為單位之變異程度或相關程度。」
3. 為說明量表具有良好內容效度，可說明之方法有：
(1) 量表要有理論基礎之支持(學理基礎，或理論效度)。
(2) 量表要有專家之認可(專家效度)。
(3) 量表要能引用相關文獻之題項與題目(文獻引用，或文獻效度)。
(4) 量表題目對不同受訪者應具備鑑別力(CR值)。
(5) 量表題目應去蕪存菁(或建構效度) (因素分析)。
(6) 量表題目對不同受訪者之回答之變異要小(Cronbach’s 說明信度)。
4. 內容效度之意與建構效度、表面效度與邏輯效度相同，為避免混淆，是否只提一項：內容效度或建構效度。
5. 若量表已舉證說明具有內容效度，似乎不必再提收斂效度、符合效度、區別效度、學說效度。
6. 效標關聯效度(或準則攸關效度)、預測效度、同時效度等是指事後預測能力，在設計量表時，是否在量表使用後才說明此三項效度較妥?
7. 外部效度指收集資料時之狀況是否有效，在設計量表時不必提及。
8. 內部效度是實驗設計中之名詞，其意義等於內容效度，在設計量表時，只提及內容效度(或建構效度)已足以包括所謂內部效度。
9. 使用Cronbach’s 說明信度，大可不必再提外在信度，且信度應屬效度討論內之ㄧ項。
10. 庫李信度公式不適於封閉式量表之統計。
11. 量表之使用當然應考慮實際條件，如經濟、便利及可解釋問題等。
(三) 誤差問題
使用具有良好內容效度(或建構效度)之量表，收集到受訪者之資訊不一定能達成研究之目的，原因有下列5項可能之誤差存在，研究者應加以妥善處理。
1.由訪問者產生之誤差及受訪者回答時產生之誤差-調查行為誤差。
2.由情境因素造成回答時之誤差-系統性誤差。
3.由受訪者不願回答產生之誤差。
4.由抽樣方法非隨機產生之誤差。
5.由樣本大小不妥產生之誤差。
三、案例─市場區隔因素之ㄧ－生活型態量表之討論
行銷學之市場區隔(market segmantation) 指將一個市場分隔成幾個不同的消費群，每個消費群有不同的消費習性或需求，依此發展出不同的產品與行銷組合，來滿足消費者的需求。市場區隔的因素，理論上可分四種，即地理變數(如區域、城鎮、人口密度、氣候、…)、人口變數(如年齡、性別、家庭人數、家庭生命週期、所得、職業、教育、宗教、種族、籍貫、…)、心理變數(如社會階級、生活型態、人格、…)及行為變數(購買時機、追尋利益、使用情況、使用頻度、忠誠度、對產品喜歡程度、…)。
劉岳鴻(2003)之優酪乳市場區隔之研究(屏科大碩士論文)，以心理變數中的生活型態為優酪乳市場之市場區隔變數，茲就此說明所使用之量表，是否能有效達成研究目的？
(一)理論基礎(理論效度)
本段為該文內所提：
生活型態的觀念在1990年帶被導入行銷領域後，逐漸受到行銷學者的重視，因為人口統計變數所能提供的訊息有限，無法洞悉消費者行為的全貌，然而生活型態不僅包含人口統計變數的優點，還有豐富的心理特質色彩與多向度，可以描繪出消費者的人性剖面，使行銷人員更加瞭解消費者的行為。
1.生活型態的定義
Lazer(1963)、Kolter(1998)等學者曾就不同的角度來探討生活型態的意義，以下茲就各學者對於生活型態的看法彙整如下表所示：
表 ：生活型態的定義
學者 定義
Lazer(1963) 一種系統性的觀念，它代表整個社會或某一群體在生活上所具有的
特徵，是文化、價值觀、資源、法律等力量所造成的結果。
Andreason(1967) 是一種社會科學的概念，它是個人或群体獨特行為的統合。
Engel, Kollat , and
Blackwell(1984) 人們生活及支配時間與金錢的方式。
Hawkins et al.(1995) 是一個人的生活方式，受個人特質及社會環境交互作用而產生。
Kollter(1998) 個人表現在活動、興趣及意見上的生活方式。
謝文雀(1998) 就是生活在世的方式，它描繪一個完整的人與其環境互動的情
形。
資料來源：該研究整理
Wells(1974)針對許多學者對生活型態的定義，綜合整理出幾項共通特點，包括：(1)較人口統計變數的資料更為豐富；(2)定量而非定性的，並且採用大量的統計資料；(3)使用一般口語化方式而非專業術語來設計問卷。最後，本研究匯整前述學者的定義，認為生活型態就是一個人表現在活動、興趣及意見上的生活方式，由人們的文化、價值觀、資源與法律等所構成，會影響消費行為。
2.生活型態的衡量方法
Wind and Green(1974)歸納出五種衡量生活型態的方法，包括：(1)衡量消費者所消費的產品和勞務；(2)衡量消費者的活動(Activity)、興趣(Interest)及意見(Opinion)，亦卻AIO變數；(3)衡量消費者的價值觀;(4)衡量消費者的人格特質與自我概念。(5)衡量消費者對各種產品的態度及其追求的產品利益。
實務上以第二種方法最常被研究使用，即衡量消費者的活動、興趣及意見之AIO量表。而Reynolds and Darden(1974)對於AIO變數的意義也有詳細說明如下表：
表 ：AIO變數的定義
變數名稱 定 義 說 明
活動 指一種具體而明顯的活動，通常可以直接觀察，不過很難加以直接衡量。 (Activity)
興趣 指對於某些事物、事件或主題興奮程度，可以使人們產生特別且持續的
(Interest) 注意。
意見 個人處於某種問題刺激的情境下，所給予口頭或書面陳述的反應，可用
(Opinion) 來描述個人對於事情的解釋、期望與評估。
資料來源：Reynolds, F.D. and W.R. Darden, 1974, Constructing Life Style and Psyhographics, Chicago :AMA.
學者Plummer(1974)將人口統計變數納入在生活型態構面之內，如下表所示，即除了涵蓋活動、興趣與意見三個層面外，在研究過程中同時配合人口統計變數的應用。此外，Berman and Evans(1982)也認為人口統計變數與生活型態變數是影響消費者決策的主要變數。
表 ：Plummer之生活型態構面
活動 興趣 意見 人口統計變數
工作 家庭 自己本身 年齡
嗜好 家事 社會事件 教育
社交 工作 政治 所得
渡假 社區 商業 職業
娛樂 娛樂 經濟 家庭大小
社團成員 流行 教育 住宅種類
社區 食物 產品 地理位置
購物 媒體 未來 城市大小
運動 成就 文化 家庭生命週期
資料來源：Plummer, J.T., 1974, The Concept and Application of Life Style Segmentation, Journal of Marketing, Vol.38, pp.33-37.
3.生活型態在行銷上的應用
生活型態運用的範圍十分廣泛，Wells(1974)認為在行銷方面的應用包括：(1)作為市場區隔化之研究；(2)研究零售通路的顧客；(3)發展廣告行銷策略；(4)研究廣告媒體的定性層面；(5)作為行銷人員對於消費者行為的分類研究；(6)在目標市場中，可對產品與服務之定位和重新定位。
然而Wind and Green(1974)站在行銷策略的觀點上，認為生活型態研究可以下列兩種形式來建立和進行：(1)進行市場區隔時，可選擇生活型態變數與其他研究變數如人口統計變數、消費實態變數等之間的關係，作為市場定位與促銷之訴求。(2)可藉由發展新的產品、包裝設計及促銷訊息，吸引某些生活型態的消費群。
(二) 文獻效度
本段為該文內所提：
有許多學者曾利用生活型態變數做為區隔變數，進行市場區隔化之研究，其應用範圍涵蓋各種飲料、水果、行動電話、數位相機及運動鞋等市場，而該研究將這些以生活型態做為區隔變數的相關文獻，就研究主題、研究對象與分析方法作一彙整，如下表所示：
表 ：生活型態與市場區隔之相關實證研究
作者 研究主題 研究對象 分析方法
耿 珮
(1991) 碳酸飲料市場區隔及定位分析之研究─以台中縣市學生為例 台中縣市國中、高中(職)與大學學生 因素、集群、區別、變異數、多元尺度等分析
許慶賜
(1993) 行動電話使用者生活型態與市場區隔之研究 企業經理人 因素、集群、鑑別、卡方、變異數等分析
劉文浩
(1995) 茶類飲料消費者行為與市場區隔化之研究─以臺北縣市為例 台北縣市居民 因素、集群、卡方、變異數、多變量變異數等分析
王建旺
(1997) 台北市數位式行動電話消費者之市場區隔及其購買決策之研究 台北市中華電信之用戶 因素、集群、卡方、多變量變異數等分析
林豐瑞
(1998) 茶類飲料區隔及產品定位之研究─以屏東科大學生生活型態為例 屏東科技大學學生 因素、集群、卡方、變異數等分析
林豐瑞、彭克重
、黃瑞娟(1999) 生鮮蓮霧市場區隔及其產品定位─以產地消費者生活型態別為例 屏東地區
產地消費者 因素、集群、卡方、變異數等分析
彭克仲
林豐瑞
(2000) 生鮮芭樂之消費者偏好行為與市場區隔之研究 台北、台中和高雄居民 因素、集群、卡方、變異數等分析
魏錫鈴
(2000) 行動電話消費者購買行為及其市場區隔之研究 北部地區居民 因素、集群、卡方、雪費、變異數等分析
黃志建
(2002) 數位相機消費者購買行為與市場區隔之研究 台北地區居民 因素、集群、卡方、變異數等分析
陳志鴻
(2002) 市場區隔研究─以運動鞋市場為例 台北縣六所大學學生 因素、集群、鑑別、卡方、變異數等分析
資料來源：該研究整理
上述研究均透過生活型態或特殊生活型態做為區隔變數，探討各種飲料、水果、行動電話、數位相機及運動鞋等消費市場，進行市場區隔化或消費者行為之研究。由此可見生活型態已廣泛應用在許多方面，且可進行市場區隔化之研究，同時王建旺(1997)與黃志建(2002)亦利用產品屬性與人口統計變數作為投入變數，透過消費實態變數來描述消費行為。
故該研究採用生活型態變數做為區隔基礎，針對優酪乳市場進行區隔，然後對各個區隔的特徵予以描繪，探討各區隔消費者再人口統計變數與一般消費行為(購買行為、產品通路與促銷方式、資訊來源和產品屬性偏好)的態度上有何不同，同時以集群區隔化模式做為分析方法。
(三)專家效度
經由理論基礎及文獻參考，劉岳鴻擬定出衡量優酪乳市場區隔的變數─生活型態共22個題目採用名目尺度李克特五點量表(生活型態量表)
1.此22題目應先訪談優酪乳專家，是否能達成研究目的？若已經過不同專家認可，對此量表應具有專家效度。
2.此22題目即是將有關優酪乳市場區隔的生活型態予以量化，用以說明生活型態之定義，此即是操作性定義(operational definition)。
非 不 沒 同 非
常 常
不 同 意
同 同
意 意 見 意 意
1.買優酪乳時，購買地點的方便性對我而言很重要 □ □ □ □ □
2.我經常購買引用同一品牌的優酪乳 □ □ □ □ □
3.買優酪乳時，我通常會細心比較各品牌的價格 □ □ □ □ □
4.我常常在便利商店購買東西 □ □ □ □ □
5.我經常比朋友早購買新上市的產品 □ □ □ □ □
6.購物前，我通常會詢問別人該買什麼品牌的產品 □ □ □ □ □
7.高知名度品牌的優酪乳，通常其品質也會較好 □ □ □ □ □
8.飲用優酪乳有助於塑身減肥 □ □ □ □ □
9.廣告可以幫助我選擇和比較優酪乳的優劣 □ □ □ □ □
10.經常作廣告的優酪乳品牌，喝起來比較安全 □ □ □ □ □
11.我經常注意健康方面的相關訊息報導 □ □ □ □ □
12.看到喜歡的東西，我通常就直接買回家 □ □ □ □ □
13.我會充分利用商品的折價卷或打折期間購物 □ □ □ □ □
14.購買優酪乳時，我會關心產品的營養成分與標示 □ □ □ □ □
15.我喜歡購買較常廣告的產品 □ □ □ □ □
16.平常購買東西時，我有光臨同一家商店的習慣 □ □ □ □ □
17.買東西時，我通常貨比三家以免買貴吃虧 □ □ □ □ □
18.我經常就近購買物品，即使多花一點錢也沒有關係 □ □ □ □ □
19.我通常會注意廣告傳單的內容 □ □ □ □ □
20.我時常從商店目錄中得到我想要購買產品的資訊 □ □ □ □ □
21.我喜歡購買使用各種不同的新產品 □ □ □ □ □
22.喝優酪乳有益於幫助消化 □ □ □ □ □
(四)量表題目之鑑別力檢定
題目鑑別力檢定又稱項目分析，在求題目之決斷值(CR值)，將未達顯著水準者刪除。檢定步驟如下：
1. 以具有理論效度，文獻效度及專家效度之量表，進行試調，一般試調之受訪者以100人左右為宜，將調查結果整理成下表(本例以SPSS內之4點量表說明之)
題目
受訪人 a1 a2…………….…a22
001
002
︴
100 3 2 3
3 2 4
︴ ︴ ︴
3 3 4
2. 反向題重新計分(若a9到a16是反向，調整前a9是4，調整後是1)
spss操作程序：轉換→重新編碼→成同一變數→將在左邊a9到a16移入
右邊→新值與舊值→舊值內取「數值」→空格輸入1-新值
取「數值」→空格中輸入4→新增(重覆操作到4轉為1)
→繼續→確定
3. 求出量表總分
spss操作程序：轉換→計算→目標變數空格輸入新變項名稱（如tota）→右邊空格輸入加總[sum(a1,a2,…a22) →確定
題目
受訪人 a1 a2……a22 總計
001
002
︴
100 3 2 3
3 2 4
︴ ︴ ︴
3 3 4 45
49
︴
53
4. 照總分高低排序(結果受訪者之排列不是001-100、而是依受訪者22題目的總分高低度變化位置)
spss操作程序：(1)資料→觀察值排序→遞減→左邊之tota輸入右邊之依…排列→確定(將總人數27%之分數記下，設56分)
題目
受訪人 a1 a2..…………...…a22 總計
037
007
︴
074 75
74
︴
22
(2)資料→觀察值排序→重設→遞增→tota移入右邊之依...排序→確(將總人數27%之分數記下，設43分)
題目
受訪人 a1 a2……………...…a22 總計
030
074
︴
037 22
22
︴
75
(3)轉換→重新編碼→成不同變數→左邊tota輸入右邊數值變數→最右邊輸出之新變數名稱輸入gro→變更（tota-gro）→新值與舊值→左邊舊值之範圍中選「到最高值到」，空格輸入56，右邊新值中「數值」輸入1→新增→左邊舊值中「從最低值到」，空格輸入43→右邊新值中「數值」輸入2→新增→繼續→確定(顯示出56thur Highest→1，Lowest thru 43→2)
5. 高低分組題目t檢定
spss操作程序：統計分析→比較平均法→獨立樣本t檢定→左邊a1到a22移入右邊→左邊gro移入右邊分組變項→定義組別→group1數值輸入1，group2 數值輸入2→繼續→確定
(1)顯示組別統計量
題目 gro 人數 平均數 標準差
a1 1
2 30
27 3.37
2.07 0.56
0.78
a2 1
2 30
27 3.23
2.00 0.63
0.62
： ： ： ： ：
(2)獨立樣本T檢定
出來之表，每題都有①假設變異數相等之F值及t值，②變異數不相等之t值。先看F值，若F值不顯著（小於顯著性考驗值，如A1，F=0.2<0.657），則以上之t值為準，若顯著，表示兩組變異數不相等（如A10，F=15.302>0.00），則以下之t值為準。t值達顯著，表示此題目具有鑑別力；t值未達顯著，表示此題目不具有鑑別力，應予刪除不用。
(五)建構效度─因素分析（SPSS 資料是ch2原始資料，經「反向題重新計分」及「計
算量表總分」）
題目數之去蕪存菁目的在使題目更能突顯研究目的，可利用因素分析（Factor analysis），其目的在找出量表潛在的結構，減少題目數，其假設為所有題目由共同因素(common factor)及唯一因素(unique factor)組成，每一題目有一個唯一因素及某些程度相同之共同因素，共同因素會比題目少。在因素分析時，原則有：(1)檢求KMO值，此值越大表示題目間的共同因素越多，越適合進行因素分析（KMO<0.5不宜進行因素分析）。(2)檢定Bartett约s X2，達顯著時表示母體相關矩陣間有共同因素存在，適合進行因素分析。(3)根據Kaiser(1960)的觀點，保留特徵值大於1的因素，但此方法題目如果太多，可能會抽出較多的共同因素。避免抽出過多的共同因素，研究者也可限定因素抽取的數目，但此方面通常多用於「驗證性因素分析」上面。(4)根據陡坡圖（Scree plot）因素變異量遞減情形，如果因素變異量圖形呈現由斜坡轉為平坦，平坦狀態以後的共同因素可以去掉。(5)使用主成份分析法，因素負荷量(factor loading)≧0.3時，表示該題具有一定效度。
因素分析spss操作程序：統計分析→資料縮減→因子分析→左邊顯著性項移入右邊→描述性統計量→未轉軸統計量→KMO→繼續→萃取→相關矩陣、陡坡圖、特徵值→繼續→轉軸→最大變異數法→繼續→分數→因素儲存成變數、Bartlett→繼續→選項→完全排除遺漏值、依因素負荷排序、絕對值捨棄之下限0.10→繼續→確定
結果之表如下：
轉軸後的因素矩陣
Component(成份，因素)
1 2 3 4 5
A3
A2
A1
.
.
.
.
註1.只有二題時不用
2.摒棄後再一次因素分析
(六)信度題目對題項及題項（分量表）對總量表之一致性及穩定性
信度為個別受訪者回答量表題目，以題項為單位之變異程度或相關程度，若變異程度小或相關程度高，表示此量表具有高一致性及穩定性。可用下列二種方法說明信度。（SPSS ch4用ch3的資料）
1.Cronbachs α
spss之例子是設有4層面；a1－a8共8題，a10－a15共6題，a16－a19共三題，a20－a22共3題。
spss操作程序：統計分析→量尺法→信度分析→右邊第一層面移入右邊項目內(a1－a8)→模式內選alpha（如求折半信度，則選split-half）→統計量→在描述統計量對象中取刪除項目後之量尺摘要、相關→繼續→確定
回答者
編號 題目
（R） 人的
μ
(對受訪人)
a1 a2 a3 a4 a5
N=3 1
1 2 1 2 3 9 10 1
2 2 1 3 1 1 8 10 4
3 3 3 2 3 2 13 10 9
的 人之分數
6 6 6 6 6 註：
μ 2 2 2 2 2
(對每一個題目)
2.皮爾生積差相關分析(Pearson product – moment correlation coeficient)建檔資料
題目 人數 合計分數 平均分數
層面1（題項） A1
A2
A3 層面1
平均分數 層面2
平均分數 層面3
平均分數
層面2
A6
A7
A8 2
1
5
0 5
3
6
2 3
4
5
6
層面 1 2 3
1
2
3 1
0.93
0.12 0.93
1
-0.42 -0.12
-0.42
1
spss操作程序：統計分析→相關→雙變數→左邊變項清單移入右邊變數下的空格
→相關係數內取積差相關係數（Pearson相關係數）→在顯著性檢
定內取雙尾檢定→相關顯著性訊號→確定
(七)誤差問題
1. 訪問者與受訪者產生之誤差－調查行為誤差
訪問者及被訪問者所造成的誤差，訪問員素質不整齊、訪問員疲倦、飢餓、注意力分散、只訪問特殊人、特定安排受訪者、受訪者反應過度或不理踩、受訪者間互相影響…等，都會影響可收集資料及效度。又如只挑選前25％及後25％受訪者，前25％受訪者之分數會有下降趨勢，後25％受訪者分數含有上升趨勢，結果會有趨向長期平均數的情況，此稱迴歸效應。由訪問者及受訪者的行為所發生之誤差，研究者應善加描述有關收集資料行為的可靠性。
2. 環境因素造成回答時之誤差－系統性誤差
調查法都存有誤差，理論上都希望誤差出於機率，若誤差不是由機率產生，而是由忽略或立意產生，稱系統性差異(systematic error)（即誤差一再重覆的發生），，例如二次調查相隔時間太長、調查時的不適切時間、地點、氣氛、工具（沒注意某地區無電話設備）等，系統性誤差是人之行為以外之問題，研究者應善加描述所使用之調查工具或調查方式，以避免系統性差誤的發生。
3. 問卷之不回答者造成之誤差
採用郵寄調查不回應者常佔有大量比率。是否為造成收集到之資料存有「反應偏差」？此問題解決之方法為分二次寄出與回收，採用 獨立性檢定，檢定前後二次回收之受訪者屬性，如性別、教育程度、年次…是否存有顯著性差異，若未達顯著水準，表示回收問卷中的不回答者對研究結果不會造成太大偏誤。獨立性檢定計算式為：
自由度為 。式中i為觀察值，fi為觀察值項目，f0為期望值。各觀察值項目期望值＝（列總和行總和）/總樣本大小n1及n2分別為變數之各項目。
spss操作程序
獨立性檢定(test of independence)
例如抽1077(為事先知道)人調查結果如下：
年齡（B）
1(a) 2(b) 3(c)
學歷
（A） (1) 350（人） 150 48
(2) 120 102 88
(3) 30 87 102
H0：學歷與年齡有相關或不互為獨立
SPSS：資料建檔：同上之同質性檢定方法，先設「次數加權」開始。
(A) (B) (3)
1
2
3
1
2
3
1
2
3 1(a)
1(a)
1(a)
2(b)
2(b)
2(b)
3(c)
3(c)
3(c) 350
120
30
150
102
87
48
88
102
觀察值加權資料－加權觀察值－依據...加權觀察值－次數(3)移右－確定
求卡方分析－描述性統計量－交叉表－(A)移右列－(B)移右行－統計量－χ2－列聯系數、Lambda－繼續一格－觀察值、期望值、列、行、總－繼續－確定（χ2＝207.329，P=0.000<0.05，達顯著水準，拒絕H0，結論：學歷與年齡之間沒有顯著相關存在，亦即兩變項互為獨立。結果與列聯相關分析相同。）（(A)移右行，(B)移右列，結果χ²值相同）
4. 抽樣方法
抽樣方法（sampling）可分為下列五種，研究者應善加說明「隨機」而非完全立意取樣，否則分析資料時所用的統計推論方法就無法立足：
(1) 簡單任意抽樣法：每一觀察值都有同樣。被抽出之機會。如：
A. 單純隨機抽樣法（Simple random sampling）：將母體的個數編號後，隨機取出，如果母體不大且觀察值具均質性時，不失為好方法，例如箱內抽獎。
B. 等距取樣法（Interval sampling）：每隔相等的若干個體，抽取一組樣品，間隔距離以R＝N/n，N為全部個體，n為樣品次數，例如品檢時每隔10分鐘抽一個觀察值。
C. 亂數表取樣法（Random number table sampling）：在亂數表內取樣，亂數表是0~9之十個數重複連續以隨機方式抽出，按先後抽出順序製成。若母體的觀察值為萬單位，在亂數表上取五位數，母體各觀察值應先編號，隨意在表上指出開始之五位數，而後由左而右或上而下查出號碼，遇有重複或超出母體觀察值數放棄不用，再查次號碼。
(2) 分層抽樣法（Stratified sampling）：母體有異質性時依性質分類，稱為分層（Stratum），隨機自各層抽取，各層抽取率應相同，故此方法又稱比率取樣法（Proportional sampling），例如從一、二、三及四年級中各抽取10人，進行調查。
(3) 系統抽樣法（觀察值都編順序號碼，如每組50號，從第一組抽一張，抽出為20號，第二組的50張抽出為20+50=70號…）。
(4) 簡單集團抽樣法：如學校班級，選舉的投票區等謂之集團（謂之原始樣本單位），從集團中抽m個，計算各數目，再從m個集團中各抽若干觀察值（謂之次級抽樣單位），次級抽樣單位的觀察值的總和，謂之最後集團，（集團抽樣法除簡單集團抽樣法外，尚有機率與集團數量成比例的集團抽樣法、比例的估計集團抽樣法，三段集團抽樣法、分層集團抽樣法）及重複抽樣。若母體很大，用集團抽樣可簡單又省調查費用。
(5) 非隨機抽樣法或立意取樣法（Non-random Sampling或Purposive ampling）：按方便性或缺乏足夠資料可用，而選出具有代表性個體為樣品。此方法常被用在市場調查、民意測驗、各種經濟指標編製。常見者有：①便利取樣法（Convenience sampling）：如問過路人，②配額取樣（Quota sampling）：如以職業為取樣，以研究設計者之主觀意願決定成份較重，③判斷取樣（Judgment sampling）：如訪問發出問卷的對象，④雙重取樣（Double sampling）：如先抽取市鎮之街名，而後依街名抽取住戶，⑤逐次抽樣（Sequential sampling）：如抽上班打卡15人，若準時就不抽了，若不準時，再繼續抽，⑥雪球抽樣（Snow ball sampling）：如訪問去過南美的人，再由被訪問的人介紹他知道的去過南美的人而訪問之。
5. 樣本大小(Sample sige)
樣本大小關係到研究結果之精確度(precision)及可信度(reliability)，統計上所提之精確度即樣本平均數與母體平均數之誤差大小，故精確度有時稱誤差大小。社會行為之量表有多種題目，很難說是某平均數，因此若是使用簡單任意抽樣法，大多採用樣本數量與比例P的計算式：
抽出不放回：
抽出再放回：
上兩式可變為：
n：抽出不放回之樣本觀察值數
：抽出再放回之樣本觀察值數
N：母體觀察值
：相對精確度
p：隨機樣本之成功機率
q：隨機樣本之失敗機率
例：
從N＝4000人中抽n＝50人，其中戴眼鏡者P＝30人，設Z＝3，P的準確度
±5％，要抽多少人？
以抽出不放回計算 人，還要再抽664人。可用抽出再放回，則 ，應抽864人。
已知抽出再放回 ，可用 ，計算抽出不放回，
（註：民意調查，常設d＝3％，z＝1.96，即95％可信度
p＝q＝50%，用抽出再放回 計算，得n＝1067人）
若是採用分層任意抽樣法，可用比例分層任意抽樣計算式：
，各層分配
N：抽樣樣本觀察值數
N：母體觀察值
Z：常態分布區線之相對累積次數可涵蓋面積，統計上稱信賴區間
D：樣本平均數對母體平均數的誤差
N：各層分配抽樣之觀察值數
N：各層數
P：隨機樣本之成功機率
g：隨機樣本之失敗機率
例：對A、B、C三城市作初步調查，A市有2000家，B市有3000家，C市有5000家，以估計每家有二汽車者，佔這三城市所有家庭的比例。PA＝0.1，PB＝0.15，PC＝0.20，假設精確度P在±3%以內，Z＝3（即99％可靠），各城市應抽多少觀察值？
城市 家庭數CNh Ph NhPh NhPhqh
A 2000 0.10 200 180
B 3000 0.15 450 382.5
C 5000 0.20 1000 800
10,000 1650 1362.5
家
A市分配 家
B市分配 家
C市分配 家
合計＝1,220家
文章定位：
