项目分析

项目分析(也称区分度分析);其目的在于研究数据是否可以有效的区分出高低水平。如果一份试卷,所有学生的成绩均在80分,那此份试卷的区分性则很差。如果学生的成绩有高有低,高分学生和低分学生可以很好的区分出来,则说明该试卷有着良好的区分性。

项目分析的原理在于,首先对分析项求和【比如学生语文、数学和英语三科成绩】,然后将求和数据分成三部分(通常是按照百分位数,27%和73%),分别分为低分组,中分组和高分组。低于27%分位数的数据则为低分组,27%~73%之间称为中分组;高于73%则称为高分组。然后使用t 检验去对比低分组和高分组之间是否有着明显的差异,如果具有明显的差异,则说明具有良好的区分性。反之则说明数据区分性差。如果区分性差,则很可能需要将对应的研究项进行删除处理。

对于数据的区分上,通常是按照27%和73%分位数进行拆分;同时也有可能按照25%和75%分位数进行拆分。SPSSAU提供两种拆分方案,在分析完成后,SPSSAU会默认将中间过程涉及的数据,包括求和项,以及分组级别项返回,名称分别类似为:“项目分析****_总分”,“项目分析****_分组级别”。

在问卷量表编制时,基本上均会使用到项目分析,在考试试卷区分上也会使用此方法。除此之外,经典量表的使用时也会用到项目分析。即项目分析通常涉及三个应用场景:

  • 经典量表引用时,量表是否具有区分性。

  • 设计新量表时,量表题目设计是否具有区分性。

  • 考试试卷是否具有区分性。

  • 特别提示:
  • 如果研究的目的在于区分度,则项目分析后结论很可能需要进行删除或者修改项目项,如果研究的目的仅在于了解得分情况,则不需要进行项目分析。以及最终研究项是否应该被删除,项目分析结论只作为非常重要的参考,并且辅以实际专业具体情况进行判断。

SPSSAU操作截图如下:

SPSSAU返回结果如下表:

项目分析(区分度)分析结果
组别(平均值±标准差) t p
低分组(n=33) 高分组(n=43)
分析项1 2.21±1.29 3.44±1.39 -3.947 0.000**
分析项2 2.27±1.04 3.65±1.25 -5.116 0.000**
分析项3 2.45±1.00 3.79±1.26 -4.984 0.000**
分析项4 1.94±1.09 3.91±1.13 -7.646 0.000**
分析项5 2.03±1.21 2.04±1.31 -1.305 0.160
*p <0.05 ** p <0.01
  • 从上表可以看到,分析项1到分析项4时,低分组和高分组均有着非常明显的区分性,因为p 值均小于0.01。但是对于“分析项5”而言,p =0.160>0.05,也即说明对于“分析项5”,低分组和高分组之间并没有良好的区分开,意味着“分析项5”很可能需要进行删除或者修改处理。

疑难解惑

  • 与量表总分相关系数?
  • 项目分析(区分度)分析时,SPSSAU默认提供测量项与量表总分的相关系数值表格,一般情况下,如果项与总分间没有相关关系,也或者相关系数值较低时(比如小于0.2时),可认为该项应该进行删除处理。