## 2.3 什么是良好的測量？ 在心理學等許多領域，我們所測量的不是物理特征，而是一個不可觀測的理論概念，我們通常稱之為 _ 結構 _。例如，假設我想測試一下您對上述四種不同測量尺度之間的區別有多了解。我可以給你一個彈出測試，問你幾個關于這些概念的問題，并計算你有多少是正確的。這個測試可能是或者可能不是對你實際知識結構的一個很好的度量——例如，如果我用一種令人困惑的方式編寫測試或者使用你不理解的語言，那么這個測試可能會建議你在真正的時候不理解這些概念。另一方面，如果我給你一個有著非常明顯錯誤答案的多選測試，那么你可能在測試中表現得很好，即使你并不真正理解材料。 在沒有一定誤差的情況下，通常不可能測量結構。在上面的例子中，您可能知道答案，但您可能誤讀了問題并弄錯了。在其他情況下，被測物本身存在誤差，例如，當我們測量一個人在一個簡單的反應時間測試中需要多長時間做出反應時，由于許多原因，從一個試驗到另一個試驗都會有所不同。我們通常希望我們的測量誤差盡可能低。 有時有一個標準可以用來測試其他的測量，我們可以稱之為“黃金標準”——例如，睡眠的測量可以用許多不同的設備（例如測量床上運動的設備）來完成，但它們通常被認為不如多導睡眠圖的黃金標準（使用腦電波測量來量化一個人在睡眠的每個階段所花費的時間）。通常金本位制的執行難度更大或成本更高，即使可能存在更大的誤差，也會使用更便宜的方法。 當我們思考什么是一個好的度量時，我們通常會區分一個好度量的兩個不同方面。 ### 2.3.1_ 可靠性 _ 可靠性量化了我們測量結果的一致性。一種常見的可靠性形式被稱為“測試-再測試可靠性”，它測量如果相同的測量進行兩次，測量結果的一致性。例如，我可能會給你一份關于你今天對統計的態度的調查問卷，明天重復同樣的調查問卷，并在兩天內比較你的答案；我們希望它們彼此非常相似，除非在兩次測試之間發生了一些應該改變了你對統計的看法（比如讀這本書！）. 另一種評估可靠性的方法是在數據包括主觀判斷的情況下。例如，假設一個研究人員想確定一種治療是否會改變自閉癥兒童與其他兒童的互動程度，這是通過讓專家觀察兒童并對他們與其他兒童的互動進行評級來衡量的。在這種情況下，我們希望確保答案不依賴于評級機構——也就是說，我們希望有高 _ 的評級機構間可靠性 _。這可以通過讓多個評級者執行評級來評估，然后比較他們的評級，以確保他們之間的一致性。 如果我們想將一個測量值與另一個測量值進行比較，可靠性是很重要的。兩個不同測量值之間的關系不能比兩個測量值之間的關系強（即其可靠性）。這意味著一個不可靠的度量永遠不會與任何其他度量有很強的統計關系。因此，研究人員開發一種新的測量方法（如一項新的調查），通常會花很大的時間來測試它的可靠性。  圖 2.1 使用靶心射擊，顯示可靠性和有效性之間的區別的圖。可靠性是指射擊位置的一致性，有效性是指射擊相對于靶心的準確性。 ### 2.3.2_ 有效性 _ 可靠性很重要，但就其本身而言還不夠：畢竟，我可以用一個數字對每個答案進行編碼，從而在人格測試中創建一個高度可靠的衡量標準，不管這個人如何回答。我們希望我們的測量結果也是 _ 有效的 _——也就是說，我們希望確保我們實際測量的是我們認為我們正在測量的構造（圖[2.1](#fig:ReliabilityValidity)）。有許多不同類型的有效性被普遍討論；我們將集中討論其中的三種。 _ 人臉有效性 _。測量值在表面上有意義嗎？如果我告訴你我要通過觀察一個人的舌頭的顏色來測量他的血壓，你可能會認為這不是一個有效的測量方法。另一方面，使用血壓袖帶將具有面部有效性。這通常是我們深入到更復雜的有效性方面之前的第一個現實檢查。 _ 構造有效性 _。測量是否以適當的方式與其他測量相關？這通常被細分為兩個方面。_ 收斂有效性 _ 意味著度量應該與其他被認為反映相同構造的度量密切相關。假設我有興趣通過問卷調查或面試來衡量一個人的外向程度。如果這兩個不同的度量值彼此密切相關，則可以證明收斂有效性。另一方面，被認為反映不同結構的度量應該是不相關的，即 _ 發散效度 _。如果我的人格理論認為外向性和責任感是兩個不同的結構，那么我也應該看到我對外向性的測量與責任感的測量是無關的。 _ 預測有效性 _。如果我們的測量結果確實有效，那么它們也應該是對其他結果的預測。例如，假設我們認為，情感尋求的心理特征（對新體驗的渴望）與現實世界中的冒險有關。為了檢驗感覺尋求測量的預測有效性，我們將在一項不同的測量現實風險的調查中，測試測試分數對預測分數的影響。