全球专业中文经管百科,由121,994位网友共同编写而成,共计435,859个条目

常模團體

用手机看条目

出自 MBA智库百科(https://wiki.mbalib.com/)

目錄

什麼是常模團體

  常模團體是指由具有某種共同特征的人所組成的一個群體,或者是該群體的一個代表性樣本。通常包括同樣年齡或教育水平的被試。其分數分佈是解釋測驗分數的基礎。確定和選擇常模團體,一要確定目標總體,明確認識目標總體的特性,如性別、年齡、專業、家庭背景等;二要根據目標總體有效取樣,包括選取的樣本能夠反映總體的性質以及取樣大小要適當等。任何一個測驗都可能有很多常模團體,而個人測驗分數的相對等級隨用作比較的常模團體的不同而有很大的變化,因此對測驗分數進行解釋時,應選擇合適的常模團體。在成就測驗和能力測驗中,適當的常模團體包括現在和潛在的競爭者。

  常模團體是用一個標準的、規範的分數表示出來,以提供對個體作比較或評價的基礎。任何一個測驗都有多個可能的常模團體。如智力測驗分兒童智力測驗和成人智力測驗。

  對測驗編製者來說,常模的選擇主要基於對所要施測的總體的認識。團體常模團體必須能夠代表所要研究或施測的總體,具體工作包括:確定一般總體、確定目標總體、確定樣本

  對測驗的使用者來說,要考慮的問題是,現有的哪個常模團體最適合。標準化測驗通常提供許多原始分數與各種常模的比較轉換表。有時能夠適用的常模團體不止一個。

確定常模團體時應註意的問題條件

  1、群體的構成界限必須明確:每個常模團體的性質和特征必須有一個簡單而明確的描述。定義常模團體的標準(變數)有:性別、年齡、職業、教育水平、社會經濟地位、種族等。

  2、常模團體必須是所測群體的代表性樣本:要註意剋服採樣誤差,遵循隨機化原則,採用統計學方法抽取樣本。

  3、取樣過程必須有明確且詳盡的描述:一般的測驗手冊中,要詳細介紹取樣的大小、取樣方法、取樣時間等,越明確、越詳盡越好。

  4、樣本大小要恰當:樣本大小可以根據常模總體數目、性質以及測驗結果的精確度來確定。取樣誤差與樣本的大小成反比。樣本大小一般30—100,全國性2000—3000,最好為題量的5倍;樣本大小適當的關鍵是樣本要有代表性。

  5、標準化樣組是一定時空的產物。常模團體必須是近時的,過時的常模不能作為參照標準。

  6、註意一般常模和特殊常模的結合:這樣被試可以與最近的群體進行比較,解釋分數也更加精確。

常模的取樣方法

  1、取樣:是指從總體(目標人群)中選擇有代表性的樣本。

  2、分類:(1)隨機取樣。(2)非隨機取樣。

  3、具體取樣方法:

  (1)簡單隨機取樣:

  概念:總體中每個個體均有獨立的等概率被被抽取的可能。

  常用方法:抽簽法和隨機數字法(如從50 隨機選取10人)。

  (2)系統取樣:

  概念:假設總體數目為N,選擇1/K的被試作為樣本,則樣本的大小n為:n = N×1/K(K = N/ n)給被試編號,按組距K分段,每段取1人。

  註意事項:要求目標總體無序可循,也無等級結構存在

  例如:從40人中抽取5人,從第3號開始抽取,為3、11、19、27、35

  (3)分組取樣:如:按個方麵條件基本相同的學校取樣。

  適用於:總體數目大,而且群體有多樣性,將群體分組,在組內隨機取樣。

  註意事項:要求儘可能減小組間差異,儘量加大組內差異。

  (4)分層取樣:

  方法:將目標群體按某種變數(如年齡)分成若幹層次,再從各層次中隨機抽取若幹被試。

  特點:使各層次差異顯著。同層次保持一致,增加了樣本的代表性註意事項:要求儘可能加大層次間的差異,儘量減小層次內的差異。

  分類: (1)分層比例取樣。(2)分層非比例取樣:各層次的差異很大時採用。

常模參照分數與標準參照分數

  常模參照分數解釋的測驗:律師考試就是這樣,即使大家考試都考得特別好,也只要前面的百分之幾。根據大家的成績。

  標準參照分數解釋的測驗:國家心理咨詢師的考試,出了兩份卷子:基礎理論,操作技能,滿分一百,及格六十。兩科都滿60,可以得到分數。門檻已經設好了。大家都能跳過門檻,就都能通過。很多人都沒有通過,也就不能過去了。通過與不通過,參照一個事先設定好的標準,來解釋分數。叫做標準參照分數解釋。

本條目對我有幫助4
MBA智库APP

扫一扫,下载MBA智库APP

分享到:
  如果您認為本條目還有待完善,需要補充新內容或修改錯誤內容,請編輯條目投訴舉報

本条目由以下用户参与贡献

Tracy,赵先生.

評論(共0條)

提示:評論內容為網友針對條目"常模團體"展開的討論,與本站觀點立場無關。

發表評論請文明上網,理性發言並遵守有關規定。

打开APP

以上内容根据网友推荐自动排序生成

下载APP

闽公网安备 35020302032707号