首页> 正文

人格测验的项目反应过程与数据分析方法研究 ——以生活取向测验及其修订版为例

2020-12-07阅读(621)

人格测验的项目反应过程与数据分析方法研究 ——以生活取向测验及其修订版为例

论文摘要

为研究人格测验的项目反应过程与数据分析方法,该博士论文选取了生活取向测验（LOT）及其修订版（LOT-R）作为例子。因为这两个测验具有典型人格测验的特点,即项目数少,并由相同数量的正负性词项目组成。这两个测验的维度在西方研究者中引起了广泛的争论。争议的焦点是测验编制者根据自我调节理论认为这两个测验的维度是单维的,但采用因素分析方法分析时却得到两个维度。为了验证这两个测验单维性的违背并不是西方文化特有的产物,也不是项目因素导致的方法效应,而主要是由于研究者所采用的因素分析方法对测验的项目反应过程作了错误的限定,作者在中国文化背景下采用传统的因素分析方法和理想点方法同时对两个测验的维度和反应过程进行了验证,结果验证了两个测验单维性的违背具有跨文化的一致性,LOT和LOT-R的项目反应过程是一种理想点过程,LOT-R的单维性之所以违背主要是由于因素分析方法对它的项目反应过程错误地限定为优势过程。由于LOT-R的项目反应过程是一种理想点过程,作者假设建立在该过程基础上的展开模型比优势模型更拟合该测验的项目反应数据。通过比较拓广等级展开模型（GGUM）、等级反应模型（GRM）和拓广分部评分模型（GPCM）的模型-数据拟合发现,GGUM的模型-数据拟合确实优于其它两个模型,但该模型的绝对拟合仍不是很好,作者尝试从减少数据的复杂性和增加模型的复杂性两个方面改善模型-数据拟合。当对LOT-R的反应数据重新编码为2种类别的数据后,GGUM的模型-数据拟合确实得到了进一步的改善;当对GGUM进行拓展,使之变为更复杂的拓广分部展开模型（GPUM）后,新模型的模型-数据拟合也变得较原有的GGUM更拟合LOT-R的反应数据。进而,作者提出对一些人格测验的数据应该减少数据的复杂性或采用更复杂的模型才可能取得更好的拟合。在考查展开模型对LOT-R反应数据的拟合的同时,作者也对展开模型的参数估计方法进行了研究。结果发现,当对5种反应类别的LOT-R数据进行分析时,边际极大似然（MML）方法估计的GGUM项目参数不太准确,LOT-R的反应数据重新编码为2种类别的数据之后,GGUM的项目参数估计值的准确性得到了一些改善。同时,对GGUM中的阈限参数施加一定限制之后,大多数项目的参数估计值的准确性也得到了改善。但是MML方法仍存在高估项目位置参数及其标准误的情况。为了消除上述不良影响,作者引入马尔科夫链蒙特卡洛（MCMC）方法对GGUM的参数进行估计,结果发现这种方法得到的估计值显得比MML方法得到的项目位置参数和标准误估计值都更合理。并且它能用于估计更复杂的GPUM的参数。因此作者认为MCMC方法相对于MML方法更不会限制复杂模型的使用。该博士论文中还开发了一个用于检验模型.数据拟合的计算机程序,其计算结果与广泛使用的MODFIT程序计算得到的结果几乎是一致的。与MODFIT相比,新开发的程序不需要对样本容量和项目数进行限制,并可用于新模型的模型-数据拟合研究,但是该论文中开发的程序不能用于计算校正的χ2/df。

论文目录

  • 中文摘要
  • 英文摘要
  • 内容目录
  • 表格目录
  • 图形目录
  • 符号表
  • 引言
  • 第一部分 文献综述
  • 1 数据理论与项目反应过程
  • 1.1 Coombs的数据理论
  • 1.2 两种项目反应模型的一般形式
  • 1.3 认知和态度项目的反应过程
  • 2 概率展开模型的提出和发展
  • 2.1 两种传统的态度测量方法
  • 2.1.1 两种态度测量方法概述
  • 2.1.2 两种方法的信度比较
  • 2.1.3 两种方法的效度比较
  • 2.1.4 两种测量方法的效率比较
  • 2.1.5 瑟斯顿和利克特方法暗含的项目反应过程假设
  • 2.1.6 利克特方法仍有较高效度的原因
  • 2.1.7 错误限定项目反应过程导致的问题
  • 2.2 态度测量的概率展开模型
  • 2.2.1 评定量表模型
  • 2.2.2 双曲余弦模型
  • 2.2.3 等级展开模型
  • 2.2.4 拓广等级展开模型
  • 3 拓广等级展开模型的参数估计
  • 3.1 GGUM的概率函数
  • 3.2 项目参数估计
  • 3.2.1 项目参数初值的选取
  • 3.2.2 项目阈限或单位参数的额外限制
  • 3.3 个人参数估计
  • 3.4 模型参数的返真性
  • 3.5 参数估计的标准误
  • 4 展开数据的单维性检验和GGUM的模型-数据拟合指数
  • 4.1 展开数据的单维性检验
  • 4.1.1 展开数据的结构
  • 4.1.2 展开数据的项目相关矩阵
  • 4.1.3 主成分分析和对应分析
  • 4.2 GGUM的模型-资料拟合
  • 4.2.1 GGUM2004系统中的拟合统计量
  • i2*统计量'>4.2.2 χi2*统计量
  • 2/df'>4.2.3 单项目、两项目对和三项目组的校正χ2/df
  • 5 人格测验的项目反应过程研究
  • 6 乐观的研究和乐观测验的维度争议
  • 6.1 乐观研究的源起
  • 6.2 乐观的理论
  • 6.2.1 自我调节理论
  • 6.2.2 解释风格理论
  • 6.3 乐观的测量工具
  • 6.3.1 生活取向测验及其修订版
  • 6.3.2 拓展的个人和社会乐观评估问卷
  • 6.3.3 归因风格问卷和言语解释的内容分析
  • 6.3.4 我国学者编制的乐观测量工具
  • 6.4 气质性乐观的维度争议
  • 6.4.1 两维论
  • 6.4.2 单维论
  • 6.4.3 调和论
  • 6.4.4 维度争议的原因和意义
  • 7 研究问题的提出和意义
  • 7.1 问题的提出和假设的形成
  • 7.2 研究的意义
  • 第二部分 实证研究
  • 8 研究一: 采用传统的因素分析方法对乐观维度的验证
  • 8.1 研究目标
  • 8.2 研究方法
  • 8.2.1 对象
  • 8.2.2 工具
  • 8.2.3 实施程序
  • 8.3 研究结果
  • 8.3.1 描述统计量
  • 8.3.2 主成分分析结果
  • 8.3.3 验证性因子分析结果
  • 8.4 讨论
  • 9 研究二: 采用理想点方法验证LOT和LOT-R的单维性
  • 9.1 研究目标
  • 9.2 研究方法
  • 9.3 三种展开技术的原理
  • 9.3.1 主成分分析作为一种展开技术的原理
  • 9.3.2 对应分析作为一种展开技术的原理
  • 9.3.3 相关矩阵法用于考查项目反应理想点过程的原理
  • 9.4 分析结果
  • 9.4.1 主成分分析的结果
  • 9.4.2 对应分析的结果
  • 9.5 验证结果
  • 9.5.1 主成分分析验证结果
  • 9.5.2 对应分析的验证结果
  • 9.6 讨论
  • 9.7 需要进一步研究的问题
  • 10 研究三: GRM、GPCM和GGUM之间的比较
  • 10.1 研究目标
  • 10.2 研究方法
  • 10.3 研究结果
  • 10.3.1 项目参数估计值及其标准误
  • 10.3.2 模型-数据拟合
  • 10.4 讨论
  • 11 研究四: GGUM和2PLM的比较
  • 11.1 研究目标
  • 11.2 研究方法
  • 11.3 研究结果
  • 11.3.1 项目参数估计值及其标准误
  • 11.3.2 模型-数据拟合
  • 11.4 讨论
  • 12 研究五:阈限参数施加限制后项目参数估计值的变化
  • 12.1 研究目标
  • 12.2 研究方法
  • 12.3 研究结果
  • 12.3.1 5种反应类别的项目参数估计值及其标准误
  • 12.3.2 2种反应类别的项目参数估计值及其标准误
  • 12.4 讨论
  • 13 研究六: CGUM中项目参数MCMC估计值的考查
  • 13.1 研究目标
  • 13.2 研究方法
  • 13.3 研究结果
  • 13.3.1 五种反应类别时项目参数估计值及其标准误
  • 13.3.2 两种反应类别时项目参数估计值及其标准误
  • 13.4 讨论
  • 14 研究七: GGUM拓展后模型的参数估计值及模型-数据拟合
  • 14.1 研究目标
  • 14.2 GGUM的拓展
  • 14.3 研究方法
  • 14.4 自编程序与MODFIT的比较
  • 14.5 研究结果
  • 14.5.1 项目参数估计值及其标准误
  • 14.5.2 模型-数据拟合
  • 14.6 讨论
  • 15 综合讨论
  • 15.1 关于人格项目反应过程
  • 15.2 关于人格反应数据的维度
  • 15.3 关于参数估计的方法
  • 15.4 关于模型-数据拟合
  • 15.5 关于模型的简洁性和准确性
  • 15.6 关于模拟研究和实际研究
  • 15.7 关于人格测验的编制方法
  • 15.8 需要进一步研究的问题
  • 第三部分 结论
  • 参考文献
  • 附录1 拓广等级展开模型及其七个限制模型
  • 附录2 LOT、LOT-R和LOT-M合在一起施测的问卷
  • 附录3 PLOT和PLOT-R合在一起的问卷
  • 附录4 NLOT和NLOT-R合在一起的问卷
  • 附录5 RLOT和RLOT-R合在一起的问卷
  • 附录6 几个乐观测验的平行分析结果
  • 附录7 几个乐观测验方差极大正交旋转后的主成分负荷
  • 附录8 GRM和GPCM的校正卡方与自由度比
  • 附录9 CGUM和2PLM的校正卡方与自由度比
  • 读博期间科研成果
  • 后记

    • 相关论文文献

    • [1].并行数据库下的海量数据分析方法[J]. 中国新通信 2020(06)
    • [2].基于数据挖掘的金融数据分析方法[J]. 电子技术与软件工程 2020(06)
    • [3].交通大数据分析方法在大型活动交通协同中的研究与应用——以中国国际智能产业博览会实践为例[J]. 智能城市 2020(17)
    • [4].探讨基于并行数据库的海量数据分析方法[J]. 冶金管理 2019(17)
    • [5].大数据分析方法在量化评级中的应用探讨[J]. 时代金融 2016(33)
    • [6].大数据分析方法在防范保险欺诈中的应用[J]. 审计月刊 2016(11)
    • [7].数据分析方法一点通[J]. 数据 2013(12)
    • [8].基于数据血缘构建数据分析方法[J]. 中国新通信 2020(20)
    • [9].有限资源下的大数据分析方法（英文）[J]. 数据分析与知识发现 2017(09)
    • [10].天然气管网大数据分析方法及发展建议[J]. 油气储运 2020(10)
    • [11].大数据分析方法与关键技术研究[J]. 产业创新研究 2020(20)
    • [12].大数据分析方法及应用初探[J]. 科技资讯 2017(18)
    • [13].《数据分析方法与应用》课程的研究性教学探讨[J]. 中国科教创新导刊 2010(11)
    • [14].大数据时代数据分析方法概述[J]. 电脑知识与技术 2019(14)
    • [15].高速铁路无砟轨道精测数据分析方法探讨[J]. 高速铁路技术 2015(01)
    • [16].大数据分析方法在管理会计中的应用探索[J]. 中国总会计师 2015(03)
    • [17].基于主动维保的城轨列车停车精度数据分析方法研究[J]. 科技视界 2019(35)
    • [18].大数据分析方法在企业档案管理中的应用[J]. 黑龙江科技信息 2017(12)
    • [19].基于大数据分析方法的微博热点建模与预测[J]. 现代电子技术 2019(21)
    • [20].JMP、JMP Clinical新品发布暨先进数据分析方法研讨会盛大开幕[J]. 中国医药导刊 2011(04)
    • [21].基于密度聚类的网络性能故障大数据分析方法[J]. 电信科学 2020(09)
    • [22].大数据分析方法在企业档案管理中的应用[J]. 办公室业务 2019(18)
    • [23].运用关系型数据分析方法规划企业级IT系统模型[J]. 电信技术 2010(04)
    • [24].大数据分析方法在企业档案管理中的应用[J]. 智能城市 2019(21)
    • [25].环境监测过程中数据分析方法研究[J]. 节能 2018(01)
    • [26].基于数据分析方法的动力电池系统滥用故障诊断[J]. 新能源进展 2020(01)
    • [27].一种应用于轨道自动测量车的组合传感器的数据分析方法[J]. 传感器世界 2019(11)
    • [28].质量管理数据分析方法在船舶设计中的应用[J]. 广东造船 2014(01)
    • [29].基于Hadoop的大数据分析方法优化策略研究[J]. 科技展望 2016(26)
    • [30].呈现数据分析的基本过程,体现数据分析方法的合理性——人教A版普通高中数学教科书必修第九章“统计”编写思考[J]. 中学数学教学参考 2020(25)

    标签：;  ;  ;  ;  ;  ;  ;  

    人格测验的项目反应过程与数据分析方法研究 ——以生活取向测验及其修订版为例
    下载Doc文档

    猜你喜欢

    © 2024 毕速过 版权所有 鄂ICP备12018319号-5