可以有效地減少已發布的李克特量表中的項目數量嗎？
[根據反饋進行的編輯-謝謝:-)]
嗬！更多編輯！對不起！
你好-
我正在做一些相當粗略和現成的數據收集，並使用已發布的有關士氣和其他此類問題的量表向醫護人員發送調查。
唯一的問題是，調查中的所有其他內容的量表都相當長，我想通過將每個子量表切成兩半並只使用一半的項目來減小它的大小。我的直覺是這很好，因為分量表是相互關聯的，雖然它對於出版標準的研究並不理想，但對於一些組織內的事實發現來說還可以。
我想知道是否有人對這樣做的有效性、陷阱或其他任何事情有任何想法。特別感謝參考文獻，因為我的同事需要一些說服力！
非常感謝，克里斯 B
編輯——
是的，它是一個經過驗證的量表，具有已知的心理測量特性。
它是一維的，並且有子尺度，如果這是正確的表達方式的話。
我將在子量表和總水平上工作，而不是在項目水平上工作。
30個項目，大概40-60個人。
乾杯!
雖然仍然缺少一些信息（每個分量表的個人和項目數），但這裡有一些關於縮減規模的一般提示。此外，由於您是在問卷級別工作，我不明白為什麼它的長度如此重要（畢竟，您只會提供匯總統計數據，例如總分或平均分）。
我將假設（a）你有一組 K 項目來衡量與士氣相關的一些結構，（b）你的“一維”規模是一個二階因素，可以細分為不同的方面，（c）你想將您的量表減少到 k < K 項，以便在保持量表的內容效度的同時，以足夠準確的方式總結受試者的總量表分數。
關於這個經過驗證的量表的內容/結構效度： 項目的數量肯定是為了最好地反映感興趣的結構而選擇的。通過縮短問卷，您實際上是在減少結構覆蓋率。當只考慮一半的項目時，最好檢查因子結構是否保持不變（畢竟這也可能影響您選擇它們的方式）。這可以使用傳統的 FA 技術來完成。您有責任以與作者相似的精神解釋量表。
關於分數可靠性：雖然它是一個依賴於樣本的度量，但隨著項目數量的減少，分數的可靠性會降低（參見Spearman-Brown 公式）；另一種觀察方式是測量標準誤差 (SEM) 會增加，但請參閱Leo M Harvill的 An NCME Instructional Module on Standard Error of Measurement。不用說，它適用於依賴於項目數量的每個指標（例如，可用於估計一種形式的可靠性，即內部一致性的 Cronbach 阿爾法）。希望這不會影響基於原始分數的任何組間比較。
所以，我的建議（最簡單的方法）是：
- 選擇您的項目以最大化構建覆蓋範圍；用 FA 檢查維數，用單變量響應分佈檢查覆蓋率；
- 將平均項目間相關性與先前報告的相關性進行比較；
- 計算全尺寸和復合材料的內部一致性；檢查它們是否與原始量表上公佈的統計數據一致（無需測試任何東西，這些是依賴於樣本的測量）；
- 測試原始分數和降低（子）分數之間的線性（或多變量，或等級）相關性，以確保它們具有可比性（即，潛在特徵上的個體位置在很大程度上沒有變化，如通過原始分數客觀化的那樣);
- 如果您有一個特定於主題的外部變量（例如，性別、年齡或與士氣相關的最佳衡量標準），請比較兩種形式之間的已知組效度。
困難的方法是依靠項目響應理論來選擇那些攜帶最大潛在特徵信息的項目——規模縮減實際上是其最佳應用之一。在此線程驗證問卷中部分描述了多頭項目的模型。
第二次更新後更新
- 忘記任何 IRT 模型，用於具有如此少主題的多分項。
- 因子分析也將受到如此低的樣本量的影響；你會得到不可靠的因子載荷估計。
- 30 個項目除以 2 = 15 個項目（很容易了解總分相應 SEM 的增加），但如果考慮子量表，它肯定會變得更糟（這實際上是我的第二個問題——No. items每個分量表，如果有的話）