量表編製的流程

本節主要描述量表編製應有的流程，並從文獻整理出九個流程要點：

（六）項目分析；（七）探索性因素分析；（八）信度；（九）驗證性因素分析，以 做為本研究進行量表編製程序的重要參考，並依據文獻內容評估本研究進行的最 適當方法與步驟。

一、擬定量表架構

一般建立量表架構的方法可透過：文獻探討、詢問專家意見、實地觀察、探 查受試對象的反應等方面探討出理論架構（姚開屏、陳坤虎，1998）。通常擬定量 表架構是根據理論而定，但若為探索性研究，並沒有理論的基礎，則其因素的多 寡就需用探索性因素分析來決定（王俊明，1999）。

本研究即是屬於探索性研究，先前理論尚未建構完整，而本研究量表主要依 據身心動作教育在開發身體覺察時學員所能覺察到的層面、並參考黃創華1992 年 所自編的覺察習慣量表及國外Shields 等人在 1989 年所編製的身體覺察問卷（The Body Awareness Questionnaire）中的問題，選取與一般身體覺察相關之題項，以此 三部份作為本量表編製之架構來源。

二、建立題庫

（一）編制問題的原則

編製問題應遵循以下原則：適應性、單一性、客觀性、明確性及適量性（葉 至誠、葉立誠，2000），「適應性」指問題要盡量讓受試者能如實回答，即避免 敏感性問題及需考慮語言能力等，；「單一性」指一個問題中只詢問一件事，而 避免雙重問題的出現。「客觀性」則是避免暗示性的題目；「明確性」則是指在

文句的表達應清淅明白，讓受試者了解其意。「適量性」，所指的是題數應適中。

由於本研究在編製一般正常狀況下的身體覺察量表，故避免性別、種族上 的問題，如女性的月經週期覺察或對膚色變化的覺察。題目編寫上力求每個題 項只含單一內容，以避免變項間的混淆。

（二）問卷題數

題庫的內容根據文獻探討後的初步架構發展，而題數的多寡學者們建議不 一，通常為了有刪題的空間，大約應編製比預定題數多二分之一的題目（王俊 明，1999）。Devellis（1991）認為若是編製一個正式的量表，以作為其他心理測 驗之用，題數最好是所需正式題項總數的3-4 倍，而若先前相關研究顯示不需過 多的題項即可獲得良好的內在一致性，則預試量表的題數約為正式量表的1.5 倍 即可（引自吳明隆，2006a）。

研究者為初次設計問卷，故在預試題數以盡量設計多量的題目為原則，以 預留刪題空間，而在初編初步題庫 77 題（如附錄一），初步題庫來源為：（1）

參考先前開發身體覺察能力的相關研究中，其受試者對自己身體覺察方面的文 字描述（2）由於研究者本身在大學及碩士班，皆修習身心學領域相關課程，除 了對身心學領城所提「身體覺察」有所了解外，自己在身體覺察能力的改變上，

也有一些經驗。因而初步題庫的設計中，也綜合研究者的經驗及判斷。

三、決定量表尺度

態度或心理特質行為量表測量通常採用的是「李克特式量表」（Likert-type Scale），而以四點量表法至六點量表法為最多研究者所採用（吳明隆，2006a），有 學者認為較不認真作答者會選五點量尺中的「沒意見」，意義不大，因而認為四點 量尺較能看出作答者的態度（王俊明，1999），而學者 Berdie 則認為五點量尺最為 可靠，它比三點量尺更能表達溫和意見與強烈意見間的區別，太多量尺，對無足 夠辨別力的人而言，可能流失其信度（引自吳明隆，2006a）。

由於本研究為一般狀況的身體覺察，並不硬性要求受試者做出兩極化的反 應，而是根據其所覺察的程度勾選量表，因而在量尺上決定採用五點量尺，以茲 受試者在程度區別上能有層次的選擇，然而在經過預試後，卻有感於五點量尺難 以辨別受試者的反應，因而改為六點量尺。

四、內容效度

內容效度實施的部份可將所編製好之題目，敦請學者專家及該領域之實務工 作者審核，以判斷構念及題項內容是否適切，做為初步題項篩選及詞語修飾之參 考。在專家審核後判斷題目是否適用可根據：（一）題項被判定「適合」者的百分 比在70%或 80%以上；（二）題項「適合」及「修正後適合」的累積百分比在 80%

或90%以上，是為較適當的（吳明隆，2006a）。

本研究邀請六位不同領域之專家，包含身心學專家、心理學專家、問卷編製 專家…等，協助進行問卷內容之審核，專家名單如附錄二。

五、預試及樣本數

預試是為了進行項目分析，以刪除不具鑑別度的題目。王俊明（1999）認為 預試的樣本數至少應有200 人，以利項目分析之用。而學者 Ghiselli, Campbell, &

Zedeck 等人則建議 300 人是較適合的預試樣本（邱皓政，2000）。而要為了進行之 後的因素分析，其較大樣本分析所呈現的因素組型（factor pattern）比小樣本的因 素組型要來的穩定，一般預試題目以問卷中最多題項的「分量表」的該題項數之 3~5 倍人數為原則，而 Comrey（1973）認為樣本數最好在 300 以上，Gorsuch（1989）

則建議有效樣本數最少為量表題項數的5 倍，且要大於 100，而 Comrey 則認為量 表題數若少於40 題，較佳的樣本數是 200（引自吳明隆、涂金堂，2005：1-19）。

Nunnally 則建議適當的樣本人數約 300 位（引自賴家馨，2002）。

本研究的題數多達 66 題，故採取較多學者所建議的 300 人以上，以利進行項 目分析及因素分析。

六、項目分析

項目分析（item analysis）主要是針對量表題項中的每一題為對象，逐題分析 其可用的程度，項目分析有以下三種方法：（一）同質性檢核法（二）極端組檢核 法；同質性檢核法又稱內部一致性考驗，考驗方法有二：一為求出量表各題項與 總分之積差相關係數，相關係數愈高，表示該題項與其他題項所要測量的態度或 行為特質愈趨一致，一般相關係數最好在.30 以上（吳明隆、涂金堂，2005；賴家 馨，2002），而王俊明（1999）則認為相關係數至少應達．40 以上。其二為判斷量 表的內部一致性α係數，當刪除該題後，會使得總量表的α係數提高者，代表該 題項與其它題項的同質性不高，即可將該題刪除（吳明隆，2006a）。

在極端組檢核法中，即是以量表總分的高、低分組進行獨立樣本 t 考驗，以考 驗此二組在題項平均數的差異是否達顯著水準，所求得的決斷值又稱CR（cirtical ration）值，CR 值愈大即表示該量表題項的鑑別度愈佳，亦有學者建議除達顯著差 異外，CR 值至少應達 3 以上（王俊明，1999）。而在極端組的選取上，王俊明（1999）

提出以25%作為分組的依據，而 Kelly（1939）建議，當測驗分數是常態分配時，

以 27%分組可獲試題鑑別度的最大可靠性；郭生玉（1987）則認為合理的分組分 比為25%至 33%之間（引自吳明隆、涂金堂，2005）。

本研究為求嚴謹性，在項目分析上將同時進行「同質性檢核法」中的兩種考 驗法及「極端組檢核法」，而在題項與總分的相關係數上採取.40 為選取標準，而 在極端組檢核法中即以27%為分組標準進行 t 考驗，以達顯著水準者為選取標準，

另外當該題刪除後會提高內部一致性α係數者，亦刪除之。

七、探索性因素分析

在項目分析之後，為了考驗量表的「建構效度」（construct validity），故進行 因素分析（吳明隆、涂金堂，2005），然而因素分析又可分為探索性因素分析

（exploratory factor analysis）和驗證性因素分析（confirmatory factor analysis）兩

種。當量表編製為初步階段，其尚未有理論依據，而是編製者依其概念編製相關 題目，此時便需使用探索性因素分析來了解題目中可能涵概多少因素（王俊明，

1999），因而探索性因素分析有助於建立新的假設，發展新的理論（吳明隆，

2006a）；而當量表編製處較成熟階段，及根據理論的向度編製題目時，再透過驗 證性因素分析可考驗其所含分量表是否與理論一致（王俊明，1999）。Long（1983）

指出探索性因素分析是量表發展的初期所採用的方法（引自季力康，1994），若具 有足夠的實徵資料及理論架構，應採用驗證性因素分析（季力康，1994）。

由於身體覺察量表目前國內尚未有人編製，且國外亦僅有一篇量表為參考依 據，在理論上尚未健全，因而本研究先採用探索性因素分析以建立架構的假設，

最後再進行驗證性因素分析考驗量表的適合度。探索性因素分析流程如下：

（一）判斷是否適合進行因素分析

在因素分析過程中，需先判斷該樣本資料是否適合進行因素分析，一般判 斷的方法有二：一為學者Bartlett（1951）提出的球面性檢定法（sphericity test），

另一為 Kaiser（1970; 1974）所提出的「取樣適切性量數」（Kaiser-Meyer-Olkin measure of sampling adequacy, 簡稱 KMO）（引自吳明隆、涂金堂，2005）。Bartlett 的球形檢定卡方值愈大且達顯著水準，表示母群的相關矩陣間有共同因素存 在，而 KMO 取樣適切性量數愈接近 1，表示變項的共同因素愈多（林本源，

2002），以上二者皆表示愈適合進行因素分析。當中KMO 值若在.80 以上表示良 好，若在.70 勉強可接受，但若為.60 以下則不適合進行因素分析（吳明隆、涂 金堂，2005）

因而本研究在因素分析的過程中，同時判斷 Bartlett 的球形檢定，以其卡方 值達顯著水準及KMO 值是否在.80 以上者，以了解其是否適合進行因素分析。

（二）抽取因素的方法

在探索性因素分析的過程中，最常使用的抽取因素方法為主成份分析法

（principle component analyasis）和主軸因素法（principal axis factors） （吳明

隆，2006a）。主軸因素法與主成份分析法的不同在於前者是分析變項間的共同 變異量，而後者則是計算出所有變項共同解釋的變異量；主軸因素法符合因素 分析模式的假設，亦即分析變項間共同變異（邱皓政，2000）。

研究者若僅為獲得因素分數，進行相關性研究，則可採用主成份分析法，

但若是探討抽象概念的原理論性意涵，建立假設性架構，則應採用因素分析模

但若是探討抽象概念的原理論性意涵，建立假設性架構，則應採用因素分析模