尺度構成−態度尺度

・サーストン法(等現間隔法)
■	ある態度について幅広く意見を求めておいて、それに対し、多くの人(ｅ．ｇ．100人)に独立に評定値を判断させ(ｅ．ｇ．あてはまれば１、あてはまらなければ７)、その結果を集計し、あまりに判断者によって分散が大きいものは除外し、ほぼその数値が一致するものを選んで、その数値の中央値を間隔尺度とする手法。 いわば、尺度項目に関しての判断を多くの被験者をとって絶対的な数値を取り、等間隔に並べていくというものである。 ｅｘ．南ア黒人に対する尺度項目(山口陽弘，2002，試験に出る心理学[心理測定・統計編]より) 尺度項目 尺度値 ・白人が正義に反して統治を続けるより、白人が現在の地位を失うほうがよい。 1.0 ・............................................ ・白人が黒人に差別を押しつけているのは、黒人への経済的搾取が本当の狙いのように思われる。 2.1 ・............................................ ・............................................ ・黒人の肌に触れるなど、考えただけでもぞっとする。 6.9 ・............................................
・リッカート法(評定加算法、集積評定法)
■	多くは５段階(１〜５)で、ある領域への複数の態度記述文への賛否を表明させる。そこで評価された値の総和点(または平均点)をもって、その個人の最終的な態度得点であるとするもので、被験者集団における個人の相対的位置づけを明らかにするものである。これも他の多くの態度尺度と同様に、一次元性が前提の尺度である。 サーストン法との違いは、サーストンは等間隔性を前提としているのに対し、各個人の態度を一次元上に序列をつけて比較する相対尺度である点である。 ｅｘ．マキャベリアン尺度項目(山口陽弘，2002，試験に出る心理学[心理測定・統計編]より，一部改変) ―――――――――――――――――――― ・人とつきあう最良の方法は、その人の耳に快い甘言を並べることである。 非常に賛成 賛成 どちらでもない 反対 非常に反対 １ ―― ２ ―― ３ ―― ４ ―― ５ ・............................................ ・............................................ ・だいたいにおいて、出世して不正直になるよりは、自分は卑しくとも正直な人間になる方がよい。 非常に賛成 賛成 どちらでもない 反対 非常に反対 １ ―― ２ ―― ３ ―― ４ ―― ５
・ガットマン法(スケローグラム分析、強度分析法)
■	ある尺度が一次元性があることを前提としたときに、被験者の解答パターンから、尺度項目を一次元上に並び替えていく方法。 たとえば難易度順に尺度項目を並び替えようとするとき、もっとも難しい問題は、被験者のほとんど誰も答えられず、逆にもっとも易しい問題は被験者のほとんどが答えられている。これを単に難易度で並び替えるのではなく、ある難易度の高い尺度項目に解答していれば、それよりも簡単なものは解答しているという順序性に着目してスケローグラムという反応図を作成し、そこから尺度化を行うものである。 　＜スケローグラム＞ ■■ ｅｘ．ボガーダスの社会的距離尺度 ■■ ・婚姻によって親戚関係を結ぶ。 ■■ ・親友として私のクラブに入れる。 ■■ ・隣人として私の町内に住む。 ■■ ・アメリカ国内で私と同じ職業につく。 ■■ ・アメリカの市民権を与える。 ■■ ・ただ単に旅行者としてアメリカを訪問する。 ■■ ・アメリカ国外から完全に除外する。 ■■ ※これら７項目のうちから１項目以上を選択させることによって、種々の人種集団や民族集団の成員を受け入れる程度を測定する。 cf.項目反応理論(IRT) ■ テスト項目に対する被験者の反応と潜在的な特性との関係を記述する数学モデルを導入することにより、テスト項目の特徴分析や被験者の潜在特性の推定をめざす手法。 テスト項目に対する反応は、１．二値反応(正誤反応)、２．多値反応(順序性をもつ場合とそうでない場合に分けられる)、３．連続反応(直線上に記入する方法など特殊な状況での反応)に大別される。 項目反応理論に基づいて、テスト項目がある基準に対してどの程度有効な識別力をもっているかを示すことができる。たとえば２パラメータ・ロジスティックモデルによれば、縦軸を正答確立、横軸を被験者の特性値(能力)と考える。特定の項目は被験者の特性値のある時点から正答率が50%を越えるが、このときの特性値を困難度ｂと呼び、このときの接線の傾きがまさに識別力ａとなる。この傾きが大きくなるほど識別力は高くなり、特定の値に対する識別力高くなる。