7.6.2　总加量表

7.6.2　总加量表

总加量表也称为总和量表，它的最初形式是请被测试者对一组语句或问题做出“同意”或“不同意”的选择，累计相加的分数就被视为被测试者在这个量表上的态度得分，分值越高，同意度就越高。因此，所谓总加量表就是根据被测试者在一组语句或问题上测得分数相加之后，反映他们在这个量表上所测量出来的态度强弱。总加量表的最初形式或一般形式是每个语句的方向都是单维的，或者是一个方向的，回答的类别只有两个：“同意”或“不同意”，同意就给“1”分，不同意就给“0”分；分数累计相加之后就得到这个量表测量的态度分数。例如，20世纪50年代中期，美国社会学家史汝尔（Leo Srole ）失范量表最初就是由5条语句构成的，被测试者只要对5条语句就“同意”“不同意”“不能决定”做出选择，凡是同意的就给“1”分，全部回答完后加总分，分值越高失范感越大，5分为最高（见表7-2前5项）。虽然，史汝尔失范量表增加了一个可以选择的回答：“不能决定”，但并不计分。

1960年，美国社会心理学者Lenski和Leggett认为史汝尔失范量表具有“顺从回答”的倾向，Richard Christie提出了5个反向计分的语句：①在渡过难关时，大多数人仍然是靠得住的；②如果您尽力而为，通常会得到您想要的东西；③大多数人都会尽力去帮助别人；④一般人目前的状况都比以前好；⑤即使在今天，采取什么手段赚钱比赚多少钱更重要。后来史汝尔对其中的4句语句进行修订，但仍然为正向语句（见表7-2中6—9语句） （ Robinson， Shaver& Wrightsman， 1997a： 420） 。

李克特量表也被称为总加量表，它是总加量表的特殊形式。李克特（Likert ）在1932年对一般总和量表进行了改造，为了提高测量的信度，增加了反向语句，回答的类别由两个增加为五个：非常同意、同意、不确定（不清楚）、不同意、非常不同意（李克特量表的回答类别也可以是两个、三个、六个或七个），是目前使用最为广泛的量表形式，因此，在不少教材中，总加量表就是李克特量表。但李克特量表与总加量表最初（一般）形式还是有差别。美国社会心理学家Rotter在1967年建立的人际信任量表就采用了李克特量表形式（见表7-3）（Robinson， Shaver & Wrightsman， 1997b： 513-514） 。史汝尔失范量表如果最后4个语句采用的是反向语句也就成为李克特量形式了。李克特量表最为关键的是语句分数由语句方向决定，如果正向语句的回答“很同意、同意、不确定、不同意、很不同意”按照“1， 2， 3， 4， 5”赋值的，反向语句从“很同意”到“很不同意”就应该按照“5， 4， 3， 2， 1”赋值。

李克特量表和一般总加量表各有利弊，李克特量表由于既有正向语句，也有反向语句，提高了测量的信度，能够防止测量中出现“顺从回答”的倾向（即语句本身会对被测量者产生诱导作用，不能准确地测量出他们的态度倾向）。但有时一些语句的正向或反向很难判断。例如，人际信任量表（见表7-3）中第17条语句“大多数父母肯定会使用他们用以要挟子女的惩罚手段”是作为正向语句处理的，但也可以理解为反向语句。而语句只有一个方向的总加量表由于语句和计分的方向是一致的，比较方便，容易发现其中的逻辑错误。

为了准确地测量出人们的态度倾向，规范的总加量表中还要设计一部分“掩饰题”，即一部分中性题目，以检验量表测试的准确性以及被测试者对于量表测试的认真态度。一般而言，掩饰题的数量不超过总的语句数量的1/3，掩饰题不计入分数（上述人际信任量表不包含原始量表中的15条掩饰题）。同时，一个语句比较多的态度量表，实际上可以分为若干个子量表。从人际信任量表中也可以看出可能存在的若干个子量表，大致可以分为政治信任、传媒信任、商业信任、教育信任等几个子量表。

李克特量表或总加量表的制作步骤如下：

（1）设计初始量表。由于李克特量表是事前量表（即量表设计好后先要经过试测，删除辨别力较低的语句，再形成正式量表，进行测量），初始量表的语句一般是正式量表的两倍，如果正式量表的语句有15条，初始量表就要有30条语句，正向语句和反向语句各占一半；每条语句给出五个回答：很同意、同意、不确定、不同意、很不同意，并分别赋值1， 2， 3， 4， 5。

（2）试测。在被测量对象（总体）中选择20人以上的试测人员进行测试。例如有关大学生学习观的量表测量，可以在大学生群体中选择20名学生对初始量表进行测试。

（3）计分。计算试测者在每条语句上的得分以及总分数，计分时必须根据语句的方向打分，由高到低绘制成表。

（4）计算分辨力系数。所谓分辨力是指一条语句或陈述能否区分出人们的不同态度。例如，有两条语句，第一条语句肯定或否定的比率在80%以上，第二条语句肯定率为40%，否定率为45%，不确定或无所谓比率为15%。显然第一条语句的分辨力比较低，因为就这条语句来说，已经成为人们的“共识”，态度量表主要测量的是人们的态度差异，这与民意调查是不同的。

分辨力的计算方法是：把所有测试对象的总分由高到低排列后，从最高分向下、最低分向上，各取25%的测试对象，即高分组和低分组；计算高分组和低分组每个成员在每条语句上的平均分数的差异，差异越大，辨别力就越大。最后根据正式量表的语句数，把那些差异较小即分辨力较低的语句删除，剩下的语句就构成正式量表用于测量。

例如，表7-4中有20位大学生，保留得分最高和最低的各5名学生，比较他们在每条语句上平均分数的差异，为教学方便，假定初始量表共有12条语句，正式量表为10条，最后删除差异最小的两条语句。分辨力计算公式是：

其中，xh代表高分组每条语句的分值，xl代表低分组每条语句的分值。

例如，第一条语句的分辨力系数是：

根据计算，分辨力系数最低的是第7条、第12条语句，因为正式量表由10条语句组成，只能删除分辨力系数最低的两条，即第7条、第12条语句。如果要在两条分辨力系数一样的语句中选择一条，就要采用临界比的计算方法（杨国枢，等，1980： 475） 。临界比计算公式是：

其中，D为某条语句的分辨力系数，和分别为高分组和低分组某条语句的方差。例如，第7条语句临界比为：

第12条临界比按此方法计算为0.19，第7条语句的临界比大于第12条，因此删除第12条语句。

总加量表的优点主要是设计容易，适用范围最大，能够测量一个复杂概念所包含的多项维度，并且由于保证了一定的语句数量，可以获得较高的信度，五种回答的划分，便于被测试者方便地表达态度的强弱程度。但是，在相同态度分数的情况下，不能进一步分析态度结构的差异。