伍、蒐集資料─運用態度量表

本章大綱 態度量表的功用 發展態度量表所遭遇的困難 態度量表的類型 態度量表與測量尺度間之關係 總加量表法或李克特量表 等距量表法或瑟氏量表 累積量表法或古特曼量表 態度量表與測量尺度間之關係

態度量表的功用 測量受訪者對一情境或議題多種面向的態度﹔ 結合對不同面向的態度成一全盤性指標的技術﹔ 降低受訪者受到議題之一或二面向意見的影響，作出之意見表達的風險。

發展態度量表所遭遇的困難 量表應包括哪些面向？ 應採取何種程序以結合不同面向？ 如何確定量表能真確測量所欲評量之目標？

態度量表的類型 總加量表法(summated rating scale) 或李克特量表(Likert scale) 等距量表法(equal-appearing-interval scale) 或差異量表(differential scale) 或瑟氏量表(Thurstone scale) 累積量表法(cumulative scale) 或古特曼量表(Guttman scale)

總加量表法或李克特量表 以問題來反映受訪者對議題所持態度之強度的觀點。 每一敘述/項目皆具有同等的「態度價值」、「重要性」，或「權重」等之假設。 不就態度的本質進行測量。

建構李克特量表之注意事項 決定該態度是否可區分為一、二或三種向度類別。 決定使用類別或數字量表。

類別量表的範例

七點數字量表的範例

建構李克特量表之程序 組織或建構反映問題中主要議題之態度的敘述。 步驟一 步驟二 針對小群體進行這些敘述之測試。 針對所回收的答案，以加權方式分析答案－量化價值。 步驟三 以步驟三賦予的量化價值，計算每一受訪者之態度分數。 步驟四

建構李克特量表之程序(續) 比較所有受訪者每一項目的分數，以界定無區別項目。 步驟五 步驟六 剔除無區別項目。 步驟七 以所選的敘述/項目建構問卷或訪談表。 (註)相關敘述請參照課本圖10.5 建構李克特量表之程序。

賦予正向與負向敘述分數

計算態度分數 敘述編號 1 2 3 4 5 6 7 8 9 10 分數總合 受訪者@ 42 受訪者# 22

等距量表法或瑟氏量表 針對每一敘述計算其「權重」或「態度價值」。 優點： 缺點： 每一敘述的重要性由評判者所決定，反映受訪者的「絕對」態度，非相對態度。 缺點： 強度發生任何變化，該研究應予以重做﹔ 量表建構不易﹔ 評判者對特定陳述重要性的評量不盡相同。

建構瑟氏量表之程序 組織或建構反映問題中主要議題之態度的敘述。 步驟一 挑選一組為該領域專家之評判者，進行態度探索。 步驟二 步驟三 評判者評定態度敘述之重要性。 以評判者之評定為基礎，計算每一項目之中位數。 步驟四

建構瑟氏量表之程序(續) 步驟五 刪除無一致性之項目。 挑選最能反映該議題多種面向的態度之相關項目。 步驟六 步驟七 由所選的項目建構問卷或訪談表。 (註)相關敘述請參照課本圖10.7 建構瑟氏量表之程序。

累積量表法或古特曼量表 最難建構的量表之一，甚少應用。 不在此討論。

態度量表與測量尺度間之關係 態度量表 測量尺度 李克特量表 次序尺度(ordinal scale) 瑟氏量表 等距尺度(interval scale) 古特曼量表 比率尺度(ratio scale)

陸、抽樣

本章大綱 抽樣的概念 抽樣的專有名詞 抽樣的原則 影響樣本推論的因素 選擇樣本的目標 抽樣的類型 樣本大小的計算 隨機 / 機率抽樣設計 非隨機 / 非機率抽樣設計 混合抽樣設計 樣本大小的計算

抽樣的概念 優點：節省時間、財力、及人力資源。 缺點：只能估計或預測，有誤差的存在。

抽樣的專有名詞 母群體(Population)或研究母群體(Study population) 樣本 (Sample) 樣本大小 (Sample size) 抽樣設計或策略 (Sampling design or strategy) 抽樣單位 (Sampling unit) 抽樣架構 (Sampling frame) 樣本的統計量 (Sample statistics) 母數 (Population parameters)

抽樣的原則:原則一 在樣本的統計量與母群體的真實母數間通常都有差異存在，而其主要的原因是由於樣本中所選擇的個體不同所造成。 例:A=18，B=20，C=23，D=25。(樣本大小=2) 樣本 樣本平均數(1) (樣本統計量) 母群體平均數(2) (母數) (1)與(2)間的差 AB 19.0 21.5 -2.5 AC 20.5 -1.5 AD 0.0 BC BD 22.5 +1.0 CD 24.0 +2.5

抽樣的原則:原則二 樣本的大小越大，則所估計的母群體母數便越正確。 例:A=18，B=20，C=23，D=25。(樣本大小=3) 樣本 樣本平均數(1) (樣本統計量) 母群體平均數(2) (母數) (1)與(2)間的差 ABC 20.67 21.5 -0.83 ABD 21.00 -0.5 ACD 22.00 +0.5 BCD 22.67 +1.17 樣本大小=2，樣本統計量與母數間的差在-2.5到+2.5。 樣本大小=3，樣本統計量與母數間的差在-0.83到+1.17。

抽樣的原則:原則三 所欲研究的母群體變項其差異越大，則樣本統計量與母群體平均數間的差異越大。 例:A=18，B=26，C=32，D=40。(樣本大小=3) 樣本 樣本平均數(1) (樣本統計量) 母群體平均數(2) (母數) (1)與(2)間的差 ABC 25.33 29.0 -3.67 ABD 28.0 -1.0 ACD 30.0 +1.0 BCD 32.67 +3.67 A=18，B=20，C=23，D=25，(1)與(2)間的差在-0.83到+1.17。 A=18，B=26，C=32，D=40，(1)與(2)間的差在-3.67到+3.67。

影響樣本推論的因素 樣本大小﹔ 抽樣母群體變異的範圍。

選擇樣本的目標 選擇樣本的目標： 樣本選擇時可能發生偏誤的情形： 一定的樣本大小，增加估計的精確性﹔ 樣本選擇時能避免偏誤。 以非隨機的方法抽樣﹔ 抽樣架構未正確且完整的涵蓋所有抽樣母體﹔ 抽樣母群體的某一部分無法掌握。

抽樣的類型 抽樣的型態 隨機抽樣 簡單隨機抽樣 分層隨機抽樣 分層比例抽樣 分層非比例抽樣 混合抽樣 非隨機抽樣 叢集抽樣 單一階段 雙階段 多階段 定額抽樣 偶遇抽樣 刻意抽樣 滾雪球抽樣 系統抽樣

隨機 / 機率抽樣設計 隨機/機率樣本須符合下列兩要件： 隨機/機率樣本主要的優點： 相等：被抽取的機率相同﹔ 獨立：不受其他因素影響。 可代表抽樣的母群體﹔ 可作為機率理論統計的資料。

抽選隨機樣本的方法 抽選隨機樣本的方法 籤筒﹔ 電腦程式抽樣﹔ 亂數表抽樣。 抽選隨機樣本的不同系統 不置回抽樣﹔ 置回抽樣。

亂數表抽樣程序 步驟一 確認母群體中所有抽樣單位的數量。 步驟二 將每一個抽樣單位予以編號，從1號開始。 步驟三 隨機選一個行與列的交會點為起始點。 步驟四 從亂數表中隨機選相同位數的數字。 步驟五 決定樣本大小。 步驟六 從亂數表中抽選所需數量的抽樣單位。

隨機 / 機率抽樣設計的種類 簡單隨機抽樣(Simple random sampling) 分層隨機抽樣(Stratified random sampling) 叢集抽樣(Cluster sampling)

簡單隨機抽樣的步驟 確認母群體中的每一個抽樣單位，並予以編號。 步驟一 步驟二 決定樣本大小(n)。 步驟三 以籤筒、亂數表、或電腦程式來抽選樣本。

分層隨機抽樣的步驟 步驟一 確認母群體中的每一個抽樣單位。 步驟二 決定母群體的分層數(K)。 步驟三 每個個體分到適當的分層中。 步驟四 將每個分層內的個體予以編號。 步驟五 決定樣本大小。 步驟六 決定使用比例或非比例分層抽樣。

分層隨機抽樣的步驟(續) 分層非比例抽樣 分層比例抽樣 步驟七 決定每一層要抽出的個數。 步驟八 以簡單隨機抽樣抽出每一層所需的個數。 決定每一層佔母體的比率(p)。 決定每一層需抽出的個數(樣本大小) × (p)。 步驟九

叢集抽樣 將抽樣母體分成若干團體，稱為“叢集”。 對每個叢集使用簡單隨機抽樣，抽出所需個數。 範例：

非隨機 / 非機率抽樣設計 定額抽樣(quota sampling)﹔ 偶遇抽樣(accidental sampling)﹔ 刻意抽樣(judgemental or purpose sampling)﹔ 滾雪球抽樣(snowball sampling)。

定額抽樣 主要考量： 優點： 缺點： 很容易接近母群體的便利性﹔ 研究者受母群體一些顯而易見的特質所引導。 花費最少的抽樣方法﹔ 不需要母群體的相關資訊﹔ 保證所抽選的人確為研究所需的人。 缺點： 樣本非隨機樣本﹔ 抽選個體具有某特質，無法代表母體。

偶遇抽樣 主要考量： 很容易接近母群體的便利性。 優、缺點與定額抽樣相似。但是較無法獲得所想要的資訊。 應用面： 市場調查﹔ 新聞報導。

刻意抽樣 研究者僅選擇具有所需資訊的人來訪問。 應用面： 建構歷史真相﹔ 描述現象﹔ 發展鮮為人知的事實。

滾雪球抽樣 使用網絡來選擇樣本的過程。 應用面： 缺點： 溝通型態﹔ 決策﹔ 團體中知識的傳播。 整體樣本的選擇依賴第一次所接觸的人。 母群體很大不適用。

混合抽樣設計(系統抽樣設計) 第一個體以簡單隨機抽樣產生，其餘個體以等距方式抽出。 範例： 抽選出樣本 Interval (k) 抽樣架構 1 14 26 39 2 15 27 40 3 16 28 41 4 17 29 42 5 18 30 43 6 19 31 44 7 20 32 45 8 21 33 46 9 22 34 47 10 23 35 48 11 24 36 49 12 25 37 50 13 38 3 8 13 18 23 28 33 38 43 48 Interval (k) Interval (k) Interval (k)

系統抽樣的步驟 步驟一 準備所有抽樣單位(N)的名冊。 步驟二 決定樣本大小(n)。 步驟三 決定等距的寬度＝ = (K)。 步驟四 以簡單隨機抽樣抽選第一個個體。 步驟五 相隔等距依序抽出其餘個體。

決定樣本大小的考慮因素 信心水準的範圍？ 估計母群體參數的正確程度？ 估計研究變項的變異程度？ 研究預算？

Bill Clinton 1998 The evolution of human rights New York Little Brown Publishing company P.202 Bill Clinton, The Evolution of Human Rights (New York: Little Brown Publishing Company, 1998), p. 202.

Bill Clinton The evolution of human rights Journal of international human rights P.202 Vol. 10 No. 5 Spring 1998

柒、文件分析

文件分析 A. Written Record (書面記錄文件） The Episodic Record (插曲文件） The Running Record (連續記錄文件) B. 第一手和第二手資料 第一手資料(primary documents) 第二手資料(secondary documents)

文件是一種準觀察的工具，通常用於追蹤或試探性的研究，以補充其它方法，如觀察或訪問法的不足。但有時，資料提供者不存在，如歷史研究的情況．則文件可代替資料提供者，而且在質的研究上文件本身也極具價值，因此文件分析也是質的研究的重要方法

文件分析的優點 對不可接近的主題 文件不會有反應 可作長期分析 樣本可以很大 時間可以隨機性 相對低成本 相對高品質 撰寫的人較坦白（例如與訪談比較）

文件分析的缺點 偏見 選擇性存在 不完整性 樣本的偏見 無法觀察非文字行為 缺乏標準格式 不易量化 文件取得的問題(例如未解密文件)

歷史研究法 以敘述方式對某一過去的事件作詳盡的描述，通常也是個案研究法 著重於時間序列敘述，通常由歷史、制度、人物著手 對事件邏輯過程的看法透過文字方式表現 重視關鍵的人、事、時、地、物 透過事件之時間序列，找到概念間相互的關連性以解釋事件的始末 是其他研究的基礎

內容分析(Content Analysis) 將文字、非量化的文件轉變成量化的資料 內容分析的結果通常是以百分比、頻率的圖表來呈現 內容分析的步驟 選擇樣本文件 界定種類的內容 界定記錄的單位(例如單一單字、文件主題、人物、句子等） 上下文單位（有紀錄單位的擴大單位） 量化資料（出現與否、出現的篇幅、出現的頻率）

內容分析法的意義 發展於廿世紀初，早期的內容分析法僅用於大眾傳播內容的分析。1950年H. .D. Losswell 、 D. Lerner & I. D. S. Pool三人運用內容分析法，研究英、美、法、德、俄五國的重要報紙登載的社論，並將分析結果與同一時期的國際局勢互相印證，成果極為豐碩(余 霖，1990：17)。

在發展的初期，所謂內容分析(content analysis) 是指對具體的大眾傳播媒介的訊息，尤其是針對文字形式的報紙或雜誌內容，所作的分析。現在的內容分析已廣泛地應用在其他社會及行為科學中，成為一種主要的資料分析方法

楊孝榮（ 1989）內容分析是: 1.方法上：注重客觀、系統及量化的一種研究方法。 2.在範圍：不僅分析傳播內容的訊息，且分析整個傳播的過程。 3.價值上：不只是分析傳播內容做描述性的解說，且在推論傳播內容對於整個傳播過程中所發生的影響。 4.在分析單位：主要在於分析傳播內容中的各種語言特性。

內容分析法可能為量的分析，也可以作質的分析二十世紀中期以前為量的分析所獨佔，進行的是一種客觀定量的分析，統計各種不同概念或行為出現的頻數，且量的分析著重明顯的傳播內容。近來開始兼重質的分析，不再只有分析出現的頻數，而要詮釋資料的潛在內容(latent content) (林生傳，2003：422)。

內容分析的方法，正如其名所指，通常是分析文件內容，雖然並不一定都是。文件可能包括教科書、短文、報紙、小說、雜誌、論文、食譜、歌曲、政治演講、廣告、圖片等，任何傳達工具的內容，都可加以分析。某個人或某個群體的自覺或不自覺的信仰、態度、價值觀及想法，常會在其所製作的傳達工具中表露出來(楊孟麗、謝水南，2003)。