|
文章007 01/23/2010 研究方法基础散谈之一——效度（Validity）
（郭老师补充）
效度除了分为内部效度和外部效度外，还可以分为内容效度、准则效度和构建效度，其中对每一种效度还可以细分。除了认可内部效度和外部效度外，事实上其他的效度划分方法，我都不认可。很多书上无端端地把简单的问题搞得贼复杂。在内部效度和外部效度中，对我们最有用的也就是内部效度，它涉及到一个很重要的方法，就是对变量进行控制。
简单地说，效度就是对结果有效性的度量。不管他千变万化，只要你有结果，这个结果就要检验，只有通过检验，才能说明结果在多大的程度上是有效的。对效度，我们只能给出一个概率，不会有绝对。
效度是和统计上的假设检验联系在一起的。实质上是检验一个假说（hypothesis）在多大程度上是有效的（可相信的）。举一个简单的例子。
某厂生产一批产品，产品的总数是1000件，必须经过检验合格才能出厂，按规定次品率不能超过5%，否则不准出厂。
怎么办呢？既然次品率不能超过5%，那就看看1000件产品的次品率是多大？我们随机抽取50件样品，结果发现其次品率是8%。好，问题来了。我们是否能够够根据样品8%的次品率就判断所有1000件产品的次品率会超过5%而不准出厂。传统的方法是据此判断这1000件产品次品率超过5%，不准出厂。
科学的方法是要进行检验，检验什么呢？检验8%的次品率在多大程度上是有效的？也就是检验我们能否根据8%的样本次品率来判断这1000件产品的次品率超过了5%，这一判断的可靠性有多大。
在上述检验中，次品率5%就是原假设（零假设），8%就是样本参数。
（一）做检验之前的思想概念准备（1）
在做检验时，我们通常会犯两类错误。第一类错误叫“弃真”错误。意思是，原假设本来是真的，但是，我们却放弃了。第二类错误叫“取伪”错误。意思是，原假设本来是假的，但是，我们却把它当真的。“弃真”和“取伪”是鱼与熊掌，不可得兼，你要高的“弃真”概率，就只能选择低的“取伪”概率，反之则反是。不过，在正式的检验中，我们通常把犯“弃真”错误的概率设定得比较低，例如5%或1%。这个犯“弃真”错误的概率同时也叫显著性水平。记住了，这个概念很重要。
检验的原理就是，看我们所得到的那个值（结果）的概率。当这个值仍然落在“弃真”错误的区间内，那么我们就应该拒绝原假设；反之，我们就应该接受原来的假设。这种检验，我们通常叫显著性检验。
（二）做检验之前的思想概念准备（2）
第二个准备就是，你必须知道集中基本的概率分布。第一种是正态分布，第二种是学生t分布，第三种是卡方分布，第四种是f分布。如果我们知道自己的数据符合那一种分布，那么，在我们计算出结果后，通过查表就可以知道，这个结果（值）落在那个区间的概率。注意，我们使用最多的分布是学生正态分布和学生t分布。当自由度变大时（或者说，当样本容量变大时）卡方分布和f分布趋近于正态分布。
（三）正态分布的特点。
当样本容量够大时，数据的均值基本都符合正态分布。我们在研究中也通常都用正态分布来做检验。为什么用它？因为，正态分布曲线与横轴围成的面积等于1。均值的一个标准差范围覆盖的面积是68.27%，两个标准差范围覆盖的面积是95.45%，三个标准差范围覆盖的面积是99.73% 。面积就是概率。
|
