1. 6.1測量的定義
「測量」是針對某一特定對象、人、或組織，有關某種特徵或行為(消費、所得、人格特質…)，賦予其一個值，使其數值能代表(或符合)構念中所代表的概念或狀況。它是屬於衡量的問題。
「測量」就是研究者根據一定「規則」將數值(或其它符號)指派給物體或事物(變數)身上之一種程序。 *

2. 測量的三個程序 (1)選擇可觀察的「個體或事物」(即「對象」
(2)以數字或符號代表事件的特性，即數值系統(numerical system)
(3)依據指派「規則」賦予觀察值一個符號或數字，此種「規則」就是操作型定義。 *

3. 數值系統可分四大類 1.名目(nominal)資料：此種變數可做「分類」。沒有大小沒有距離。例如性別
2.順序(ordinal)資料：此種變數可比大小及前後，但前後距離不等。只有大小沒有距離。例如5>4，但5-4≠1。例如，研究者常用Likert五點計分量表所得數據，可能是１～５分，亦可能是-2～+2分，這種資料屬於順序變數。 *

4. 數值系統可分四大類
3.區間(interval)資料：具有前兩者的資料特性，且可以比較差距。前後距離相等，但沒有倍數關係，所以沒有絕對的0(有距離，但沒有絕對的零點)。例如5-4=1, 但4≠2×2。
比例(ratio)資料：具有前三者的資料特性，且可以做倍數比較。有距離，有絕對的零點。例如，4=2×2。 *

5. 6.1.2 變數(variable)種類 1.自變數：在實驗法中又稱「因」(cause)變數或實驗變數，它是經由實驗者安排或操弄的變數。
2.依變數：在實驗法中又稱「果」(effect)變數或反應變數，它是實驗者企圖觀察測量的行為或反應。
3.外生(extraneous)變數：指自變數以外，凡是可能影響結果(依變數)之因素。 *

6. 6.1.2 變數(variable)種類
4中介(intervening)變數：指介於自變數與依變數之間，凡是會對研究結果會產生作用的內在歷程。通常，它是不能直接觀察辨認的，只能憑個體外顯行為的線索來推知。 *

7. 測量工具好壞的評量準則 1效度：該量表是否真能測量到我們欲衡量的特性。 2信度：該測量工具所衡量的結果是否具有穩定性、一致性。
3敏感度：事物起了變化，該測量工具是否能顯現出差異。
4實用性：即考量該測量工具的經濟性、便利性、可解釋性。 *

8. 6.4 量表(scale)的設計
所謂「量表化」(scaling)，它是一種測量的程序，旨在將衡量對象或欲衡量的特性(property)指派某些數值，以便將測量對象之特性數值化。
衡量「變數」可用單一問項來量
衡量「構念」則要用量表來量。量表是用一個以上的指標(indicant ,item, manifested)來測量某個體/事物的特性。 *

9. 李克特量表
李克特(Likert)量表是屬「評分加總式量表最常用的一種，屬同一「構念」的「這些項目」是用「加總」方式來計分，單獨或個別項目是無意義的。
「評分加總式量表」是對某一概念/構念所設計的數個項目，測量每位受訪者對它們的態度反應(同意程度)。每一個反應都給一個數值，以代表受訪者對該項目的贊同程度，將每位受訪者在這些項目的得分加總，即是受訪者對該題的態度。 *

10. 6.6 效度
信度過低，則沒有效度
效度過低，則信度沒有意義。
三種效度：內容效度、效標關聯效度、及建構效度。 *

11. 6.6.1 內容效度
1.抽樣(sampling)效度：量表所包含的項目是否能代表母體構念的項目。內容效度的高低，端賴項目(item)取樣代表性之大小而定。
2.表面(face)效度：是指量表項目和形式上，給人的主觀印象，如果該量表從外表來看，似乎確實可適切地測量其欲測的特質或行為，便稱它具有表面效度。 *

12. 6.6.2 效標關聯效度
又稱實用效度或實証效度，意指這種效度應建立在實証資料之上。效標關聯效度並不涉及構念的問題。依據效標不同，效標關聯效度可分為同時效標及預測效標，兩者皆表示測量工具(分數)和效標之間相關的程度。
效標關聯效度可分為同時(concurrent)效標及預測(predictive)效標 *

13. .7.1 信度種類 1.等值性：又稱「複本法」，專門為檢定同一測驗中不同複本上分數的一致。
.7.1 信度種類
1.等值性：又稱「複本法」，專門為檢定同一測驗中不同複本上分數的一致。
(1)複本信度：不同研究者運用同一量表，對不同一批的樣本施測，結果的一致性。
(2)折半係數
2.穩定性：對同一批樣本，前後二期測兩次，若兩者的相關愈高，則表示該測驗的穩定係數愈高。
3.一致性：旨在檢定某量表在各種不同層面的一致性。例如，量表單獨項目與總分是否一致性…等等。此種信度又可分成：折半信度、庫李信度、Cronbach’s α信度…等幾類 *

14. 信度 在實際應用上，Cronbach’s α值至少要大於0.5，最好能α>0.7(Nunnally, 1978)
在行銷界有名的學術期刊論文中，有85%論文之量表α值大於0.5，有69%量表α值大於0.7

15. 7.7.4 干擾變數的類型 1.研究者感興趣或關心程度之變數：例如，在「自尊政治討論的程度」模式中，可增加「政治興趣」這個干擾變數
2.時空條件：例如「經濟景氣狀況」對「廣告銷售量」的干擾。
3.分析樣本者本身具有的屬性變數(它是不能操弄的)：例如，「學生、校友都愛母校」模式中，可依受訪者的畢業校別，進一步了解來原關係模式是否「視母校屬性」而定 *