序曲

少年游·栏干十二独凭春

欧阳修 〔宋代〕

栏干十二独凭春，晴碧远连云。千里万里，二月三月，行色苦愁人。

谢家池上，江淹浦畔，吟魄与离魂。那堪疏雨滴黄昏。更特地、忆王孙。

【赏析】

少年游：词牌名，始见于晏同叔《珠玉词》。又名少年游令、小阑干、玉腊梅枝。《词谱》卷八调见《珠玉词》，因词有‘长似少年时’句，取以为名。

词的上片写主人公凭栏远眺的感受，引出离别相思之苦，下片用一系列离别相思的典故，使离愁别绪进一步深化。全词以写意为主，全凭涵咏的意境取胜。

词的的最后，提出“忆王孙”来自“王孙游兮不归，春草生兮萋萋”（《楚辞·招隐士》）。至此，确知词之主人公是思妇无疑。她于当春之际，独上翠楼，无论艳阳晴空，还是疏雨黄昏，她总是别情依依，离梦缠绕。宋词之由婉约到豪放，有一个逐步发展的过程，欧公乃是这一过程中一位承先启后的人物。这一点，在此词中有集中体现。从艺术上看，此词境界辽远阔大，语言质朴清新，与一般描写离别相思之苦的婉约词已有所区别。

注：来源于 古诗文网

效度简介

效度（Validity）即有效性，是衡量综合评价体系是否能够准确反映评价目的和要求，或者是指测量工具或手段能够准确测出所需测量的事物的程度。效度越高，即表示测量结果越能显示其所要测量的特征，反之，则效度越低。效度分为三种类型：内容效度、准则效度和结构效度。

（1）内容效度（Face Validity）。内容效度又称表面效度或逻辑效度，它是指所设计的题项能否代表所要测量的内容或主题。对内容效度常采用逻辑分析（专家法）与统计分析相结合的方法进行评价。

• 逻辑分析：一般由研究者或专家评判所选题项是否“看上去”符合测量的目的和要求。
• 统计分析：主要采用单项与总和相关分析法获得评价结果，即计算每个题项得分与题项总分的相关系数，根据相关是否显著判断是否有效。若量表中有反意题项，应将其逆向处理后再计算总分。

（2）准则效度（Criterion Validity）。又称为效标效度或预测效度。准则效度分析是根据已经得到确定的某种理论，选择一种指标或测量工具作为准则（效标），分析问卷题项与准则的联系，若二者相关显著，或者问卷题项对准则的不同取值、特性表现出显著差异，则为有效的题项。评价准则效度的方法是相关分析或差异显著性检验。在调查问卷的效度分析中，选择一个合适的准则往往十分困难，使这种方法的应用受到一定限制。

（3）结构效度（Construct Validity）。指测量结果体现出来的某种结构与测值之间的对应程度。结构效度分析采用的方法是因子分析。有学者认为，效度分析最理想的方法是利用因子分析测量表或整个问卷的架构效度。因子分析的主要功能是从量表全部变量（题项）中提取一些公因子，各公因子分别与某一群特定变量高度关联，这些公因子即代表了量表的基本架构。透过因子分析可以考查问卷是否能够测量出研究者设计问卷时假设的某种架构。

在因子分析的结果中，用于评价架构效度的主要指标有累积贡献率、共同度和因子负荷。累积贡献率反映公因子对量表或问卷的累积有效程度，共同度反映由公因子解释原变量的有效程度，因子负荷反映原变量与某个公因子的相关程度。为了提升调查问卷的质量，进而提升整个研究的价值，因此是研究过程中必不可少的重要环节。

SPSS实现效度分析—内容效度

示例1：某问卷量表包括7个方面，29道题目，测试了不同专业的100名学生，数据如下，请对该量表进行内容效度分析。

1.菜单选择

• 打开 分析—相关—双变量

2.参数选择与结果解释

（1）主页面

• 页面中各选项的解释见之前章节相关分析
• 在本例中将29个变量和总分进行相关分析。相关分析方法选择 皮尔逊，即默认分析方法

（2）分析结果

• 如果量表的内容效度较高，则每题得分与总得分的相关性均应该较高，判定标准为r >0.4
• 由上述结果可看出，V4/V8/V10/V11/V12/V13同总分的相关系数均小于0.4，可考虑删除再行测试

3.语法

CORRELATIONS
  /VARIABLES=scorestudent V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 V12 V13 V14 V15 V16 V17 V18 V19 V20
    V21 V22 V23 V24 V25 V26 V27 V28 V29
  /PRINT=TWOTAIL NOSIG
  /MISSING=PAIRWISE.

SPSS实现效度分析—结构效度

示例2：某研究者在一项中学知识管理与学校效能关系的研究中，自编“学校知识管理量表”，此表共有19题，为探究量表的可信效度及题项的适切性，随机抽取200人进行测试，求此19题的结构效度如何？（本案例数据来源吴明隆，《问卷统计分析实务》）量表题项设置见表1，该量表围绕知识创新1—6题，知识分享7—13题和知识获取14—19题进行编排，预调查数据见如下，试对结构效度进行分析

1.菜单选择

• 打开 分析—降维—因子

2.参数选择与结果解释

（1）主页面

• 页面中各选项的解释见之前章节相关分析
• 描述：

• 提取：

• 旋转：选择最大方差法

（2）分析结果1

• KMO =0.855>0.5，样本量足够，球形度检验，P =0.000<0.05，符合球形度检验。结合两项指标，本例适合进行因子分析。

• 公因子方差：表示因子分析可提取该变量的多少变异量。一般来说，至少要大于0.45，由此可见C6选项可尝试剔除。

• 通过主成分分析，可提取四个因子，可解释69.25%。

（2）分析结果2：删除C6的结果分析

• KMO =0.853>0.5，样本量足够，球形度检验，P =0.000<0.05，符合球形度检验。结合两项指标，本例适合进行因子分析。

• 可看出，均可提取超过0.45的变异度

• 提取的4个因子，贡献率71.739%，比删除因子前有所提高。

3. 语法

FACTOR
  /VARIABLES c1 c2 c3 c4 c5 c6 c7 c8 c9 c10 c11 c12 c13 c14 c15 c16 c17 c18 c19
  /MISSING LISTWISE
  /ANALYSIS c1 c2 c3 c4 c5 c6 c7 c8 c9 c10 c11 c12 c13 c14 c15 c16 c17 c18 c19
  /PRINT INITIAL CORRELATION KMO EXTRACTION ROTATION
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PC
  /CRITERIA ITERATE(25)
  /ROTATION VARIMAX
  /METHOD=CORRELATION.