无应答式李克特量表在旅游研究中的应用检验
开篇：润墨网以专业的文秘视角，为您筛选了一篇无应答式李克特量表在旅游研究中的应用检验范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
[摘要]量表是心理与行为研究的主要工具之一，用以测量态度的李克特量表已成为调查研究中使用最广泛的测量方式。但该方式在回答选项时存在一定的缺陷，即选项无法反映在某些特定条件下，受调查者可能因为关键知识或相关经验的缺乏而无法回答。基于该问题，文章以我国入境旅游热点城市知名度为研究内容，在研究设计中增加李克特量表的“无应答”选项，通过大样本量调查数据支持，对包含“无应答”选项数据和剔除“无应答”选项数据进行了信度和效度检验，研究结果显示：①包含“无应答”选项的数据与剔除“无应答”选项的数据均通过了总体信度和效度检验；②包含“无应答”选项的数据在总体信度、效度指标上明显优于剔除“无应答”选项的数据；③包含“无应答”选项的数据在检验过程中，虽有少量测项未通过相关指标检验，但其存在对研究设计的完整具有明显意义，存在合理并且不影响数据的整体检验结果。鉴于此，笔者建议，在未来类同研究中，研究者应增设李克特量表的“无应答”选项，以确保研究数据信息蕴涵的完整性。
[关键词]李克特量表；无应答选项；入境游客；旅游知名度；检验对比
[中图分类号]F59
[文献标识码]A
[文章编号]1002―5006(2011)04―0029―07
1 引言
量表是心理与行为研究的主要工具之一。自1932年李克特(Likert)提出李克特量表(LikertScale)态度测量方式以来，该量表已成为调查研究中使用最广泛的测量工具，特别是在教育评价、市场调查、环境评估等方面。李克特量表最普通的测量方式是列出某一特定问题或状况，让回答者从主观或者客观角度去表示出其偏好程度。问题答案一般分为两个或者九个或者更多不同程度的选项，虽然很多心理测量学家提倡7点式或者9点式，但一般最常用的是5点式量表，分别以1～5(非常不同意到非常同意)表示回答者对测量问题态度的强弱程度。
李克特量表虽然在一定程度上准确测量了受调查者的态度倾向，但仍有部分学者对其测量的系统性和可洞察性提出质疑。实际情况也表明，在某些特定条件下，受调查者可能因为缺乏关键知识或缺乏相关了解和经验无法回答。因此，斯楚曼(schuman)和普瑞森(Presser)于1981年提出应以“不知道”、“不确定”或者“不可用”等词汇适当设立无应答选项。其研究也证实了在明确无应答选择后，“无应答”选项的比重平均为22％。诚然，设立无应答选项会减少有效样本量和某项测试问题的代表性，但相应地也产生了一些有用的信息，即信息的分离检验会更加准确。布莱德本(Bradburn)的研究显示，对于敏感问题，在被告知可以放心回答时，其无应答比例会持续显著降低。凯格莱腾(cagleyetal)、斯琴德(sehneider)和乔纳森(Johnson)于1988年的研究证实了在李克特量表回答选项中增加“无应答”选项会相应减少不回答问项的比例。但在具体数据分析上，无应答选项对整体数据的信度和效度有何影响，是否会影响整体数据的分析质量，此类研究国内外还未曾见到。据此，本文在大样本数据支持下，对该问题在旅游研究中的应用进行了实证分析。
2 研究设计与数据来源
基于笔者前期的研究积累和研究内容延伸，本研究内容聚焦我国人境旅游热点城市知名度。旅游知名度的概念来源于市场学品牌研究领域，也被称为旅游目的地品牌知名度(destination brandawareness)。对于远距离国际游客来讲，旅游目的地知名度是其到访决策的主控因素之一。
在充分考虑空间点合理布局的前提下，本研究案例点选择了国内14个入境旅游热点城市，分别是北京、上海、杭州、南京、西安、成都、桂林、昆明、广州、深圳、大连、敦煌、拉萨、乌鲁木齐。资料获取以问卷调查形式展开。调查问卷主要包括两部分内容：(1)受调查的入境游客社会人口结构特征，包括性别、年龄、职业、受教育程度、年收入、家庭结构和客源地等7项；(2)问题设置为“请就您所知，评价下列中国入境旅游热点城市的知名度”，将城市名称直接设计成问答表格，以李克特量表5点式(Likert scales 5 points)构成，回答选项为非常高(5)、高(4)、一般(3)、低(2)、非常低(1)、不知道(0)。问卷被翻译成韩语、日语、英语、法语、中文5种语言类型。
正式调研实施于2008年4～11月间，调研地点为北京、上海、大连、西安、成都、广州、深圳、昆明、桂林、南京、杭州、苏州、阳朔、昆明等城市。其间，共发放问卷7358份，回收有效问卷6841份，有效率为93％。接受调查的入境游客社会人口结构特征见表1。
3 数据检验与对比分析
3.1 检验工具、方法与标准
本研究数据主要由SPSS17.0和Lisre18.70软件来加以分析。检验中将研究数据划分为包含“无应答”选项数据和剔除“无应答”选项数据两类，主要分析数据的信度和效度。信度检验主要参照Cronbach’s α值；效度检验分探索性因子分析和验证性因子分析两步进行。
探索性因子分析主要依据3个标准：(1)无应答法。若测项无应答水平超过10％，表明这些测项是不可靠的，应当淘汰。(2)题目总分相关(item-total correlation)
验证性因子分析主要使用结构方程模型来加以检验，模型拟合检验标准来自吴明隆所著的《结构方程模型――AMOS的操作与应用》。模型拟合后验证性因子分析主要检验3个指标：t值、R2值和AVE值。若t值的绝对值大于1.96，表示估计参数已经达到0.05的显著水平；t值的绝对值大于2.58，表示该估计参数值已经达到0.01的显著水平。R2值(squared multiple correlations，模型内复平方相关系数)的取舍标准为R2>0.3。AVE值(average variance estimator，平均萃取方差)依据通常做法，应大于0.5。
信度检验指标主要来自赫尔等(Hair，et al.)1998年的研究结论。Cronbach’s α值大于0.70，表明数据可靠性较高；计量尺度中的测项小于6个时，Cronbach’s α值小于0.60，表明数据是可靠的。
3.2 包含“无应答”选项的数据检验结果
3.2.1 探索性因子分析(EFA)
将包含“无应答”选项的6841个数据代入SPSS软件进行因子分析，一次性过关的因子载荷旋转结果显示：数据载荷归并为4类；新提取因子载荷高于 0.5，同一测项在其他新提取因子维度载荷均低于0.4；因子分析的KMO值为0.928；总方差解释率为53.669％；方差近似值(Approx.Chi-Square)为21761.746；自由度df值为91；Sig，值达0.000；表明分析数据总体呈正态分布，适合进行因子分析(表2)。型具有以下特点：(1)城市类型在空间分布上具有明显的地域相关属性，如沿海城市归并为一类；内陆地区城市归并为一类；国际化大都市归并为一类；西部民族地区城市归并为一类。(2)城市风貌与旅游特征具有明显的相似性，如南京等城市具有明显的现代化城市风貌；而桂林等城市则旅游特色显著；乌鲁木齐和敦煌则异域风情明显；北京和上海则是中国现代化城市发展的典型。基于上述特点，将此处所代表入境旅游热点城市的因子分别命名为一类高知名度城市、二类中等知名度城市、三类沿海一般知名度城市与四类西部低知名度城市。
3.2.2 验证性因子分析(CFA)与信度
为了更好地获取两组回答形式不同数据的差异，在使用结构方程模型检验数据效度时，样本数量的选择按照侯杰泰等所提出的样本数建议(当每因子只有两个测项或当样本只有约100时每因子应对应少于四个测项)。鉴于本研究所选取城市数为14个，在数量等同基础上，以此标准反推，此处随机抽取检验样本350个进行结构方程拟合。
从数据检验结果可知：检验数据均通过t值检验，表示该估计参数值已经达到0.01的显著水平；R2值除西安和大连略低于检验标准0.3外，其他数据均达到检验标准，表明数据有较好的结构效度；归并因子的AVE值均超过检验水平的最低0.5界值，表明数据有较好的区分效度(见表3)。另外，从结构方程整体拟合看(表6)，模型拟合度处于优良状态，所有模型拟合指标均超过最低标准，部分指标已经达到优良状态(RMSEA
从内部一致性指标(Cronbach’s α)看，包含“无应答”选项的数据都通过信度检测。各因子的同质信度基本都在0.6以上，一类高知名度城市的信度值为0.612，在可接受范围之内；其他类型城市的信度都在0.8以上；总体信度值为0.911，具有较高的置信度(表3)，说明被检验数据和因子具有较高的稳定性与精确性。
3.3 剔除“无应答”选项的数据检验结果
3.3.1 探索性因子分析(EFA)
对答项空缺与“无应答”选项的数据进行遴选和删除，从整体6841个样本中最后获取不包含“无应答”选项的有效数据1002个，即该数据全部为李克特量表5点式构成，回答选项为非常高(5)、高(4)、一般(3)、低(2)、非常低(1)等5项构成，不包括“不知道(0)”。
将遴选后的1002个样本数据代入SPSS软件进行因子分析，第一次因子分析后西安和广州两项未得到有效因子归并，将该两项删除；第二次因子分析将12个城市归并为两类(见表4)。因子载荷旋转后显示：新提取因子的载荷均高于0.5，同一测项在其他新提取因子维度载荷均低于0.4；因子分析的KMO值为0.923；总方差解释率为62.232％；方差近似值(Approx，Chi-Square)为6081.866；自由度df值为66；Sig，值达0.000；表明分析数据总体呈正态分布，适合进行因子分析。
归并的因子仅为两类，其中北京和上海这样的国际化一流旅游口岸城市被归并为一类；其他城市被归并成一类，差异性不甚显著。另外，从测项均值来看，所有测项所代表的城市知名度都处于高位，均值都高于2.5的中间值；在众多入境旅游热点城市中，知名度最低的是深圳，但其赋值已达3.2，亦非所谓的“低知名度”。就此，将新提取的因子命名为一类高知名度城市和二类中高知名度城市。
3.3.2 验证性因子分析(CFA)与信度
依据上文样本选择数量标准，此处随机抽取剔除“无应答”选项的300个样本数据进行结构方程拟合。
从数据检验结果可知：检验数据均通过t值检验，表示该估计参数值已经达到0.01的显著水平；R2值检验也全部通过，其数据均高于最低标准0.3，表明数据有较好的结构效度；归并因子的AVE值均超过检验水平最低的0.5界值，表明数据有较好的区分效度(见表5)。另外，从结构方程整体拟合来看(表6)，模型拟合度处于良好状态，所有模型拟合指标均超过最低标准，部分指标已经达到良好状态(RMSEA
从内部一致性指标(Cronbach’sα)看，剔除“无应答”选项的数据都通过信度检测。各因子的同质信度基本都在0.7以上，一类高知名度城市的信度值为0.744，二类中高知名度城市的信度为0.917，总体信度值为0.904，具有较高的置信度。说明被检验数据和因子具有较高的稳定性与精确性。
3.4 综合对比
3.4.1 新因子提取量对比
从上文数据检验结果可知，包含“无应答”选项的数据提取新因子4个，而剔除“无应答”选项的数据仅提取新因子2个；包含“无应答”选项的数据提取了所有的14个测项，而剔除“无应答”选项的数据仅提取了12个测项。显然，包含“无应答”选项数据所提取的4个新因子(归并的入境旅游城市知名度)更加细化，解释原有数据信息更加全面，能够更深入地显示这些入境旅游热点城市因知名度差异所呈现的地域、城市类型、城市经济发展水平、城市风貌、旅游特点等方面的区别。
同时，整体数据样本中，除北京和上海外，入境游客对其他12个城市的“无应答”选项占总样本数据的85.35％，即入境游客对这12个中国入境旅游热点城市有的知道、有的不知道。此类信息的提炼和分析无疑对旅游目的地市场细分营销战略具有明显的参照意义；也说明了类同研究中增加李克特量表“无应答”选项的必要性和合理性。
另外，从测项赋值也可以看出，包含“无应答”选项的数据测项均值基本都处于中等水平或低水平；而剔除“无应答”选项的数据测项均值基本都处于高位。当然，从不同角度看这两类数据，其所呈现的结果都存在一定的科学性和实践参照意义。但当需要细化分类研究时，剔除“无应答”选项的数据必然会造成部分信息丢失，这必然对研究结论造成一定的影响，也会在一定程度上造成实践参照层面的某些错位。
3.4.2 检验技术指标的对比
为了更科学地获取对比结果，本研究使用同样的分析方法来检验两组数据的各项技术指标，检验结果显示，两组数据都具有较好的信度和效度。从探索性因子分析可知，剔除“无应答”选项的数据在总方差解释率上明显高于包含“无应答”选项的数据；在结构方程模型拟合后的R2值中也存在此类现 象(剔除“无应答”选项数据的R2值检验全部过关，包含“无应答”选项数据中有两项未达到R2值的检验标准)。但从新提取因子所包含原有测项的多少可以看出，包含“无应答”选项的数据提取了原有的14个测项，在原有数据信息涵盖上明显优于剔除“无应答”选项数据，对研究设计和总体数据信息的呈现更全面。同时，从结构方程模型拟合指数看，包含“无应答”选项数据的整体拟合指数明显优于剔除“无应答”选项的数据(表6)。其中，包含“无应答”选项数据虽然有两个测项没有通过部分指标检验，但这也恰恰反映出模型验证中部分测项之间的非关联性。在数据全面解释层面，其存在意义显著。另外，包含“无应答”选项数据的整体信度(cronbach’sα)高于剔除“无应答”选项的数据。虽然在因子维度剔除“无应答”选项数据的信度略高于包含“无应答”选项的数据，但从可用性角度，包含“无应答”选项数据信度值在各因子维度也处于较好水平，低信度值的因子也达到了基本要求。
4 结论与讨论
旅游行为是旅游研究的核心内容，其研究方式包括定性和定量两种。旅游行为的定量化研究不仅在国际上处于主导地位，近年来，国内也呈现持续增长态势。那么，在此类研究中，量表的科学使用就成为不可规避的研究命题，也是此类研究设计科学与结果可信的前提基础。
本文以我国入境旅游热点城市知名度为研究内容，扩展检验李克特量表的基本构成，增加了无应答选项，在大样本量调查数据的支持下，将量表检验数据划分为包含“无应答”选项数据和剔除“无应答”选项数据两类，研究结果显示：包含“无应答”选项数据与剔除“无应答”选项数据均呈现较好的信度和效度；包含“无应答”选项数据的总体信度、效度明显优于剔除“无应答”选项数据；包含“无应答”选项数据检验过程中虽有部分测项未通过相关指标检验，但该缺陷对研究设计的完整有明显意义、存在合理，不影响数据的整体检验结果。鉴于此，笔者建议，在未来类同研究中，研究者应增设李克特量表的“无应答”选项，以保证研究数据信息蕴涵的完整性。
当然，本研究所选取的是大样本量数据检验，“无应答”选项小样量的检验标准和指标界定还需要在未来研究中加以探索。另外，在何种研究设计中需要增加李克特量表的“无应答”选项，测项数量与检验标准之间的数量关系等问题仍需日后在研究中加以验证。
藉由本文的分析，笔者同时提出，在量表的开发和使用中，研究者除了关注回答方式的科学性外，还应重点考虑如下问题：(1)量表制作者是否正确无误地使用语汇表达了真实意思?(2)量表制作者在斟酌表达语汇时是否仔细思考过受调查者对其问句语汇可能的认知结果?(3)受调查者是否对问句的语汇表达存在误解?等等。因此，在使用和开发量表中，应严格按照如下步骤进行：问句构思、选择量尺、语言表达、版面编排、测试管理、客观情境检验等六个方面；同时，还应关注量表使用中受测方的知识基础、意识形态、群体文化、语言技能、视觉心理、语义脉络等六项要素。