服务热线
400-115-2002
(二)测量的基本技术(续)
4.沙氏通量表
在市场营销研究中,经常涉及到对某一主题的态度测量,如人们对于电视商业广告的态度、对人寿保险的态度等。沙氏通量表通过应答者在若干(一般9—15条)与态度相关的语句中选择是否同意的方式,获得应答者关于主题的看法。沙氏通量表的实地测试和统计汇总都很简单,只是量表的构做相对来说比较麻烦。一个测量态度的沙氏通量表,其构做的基本步骤如下:
(1)收集大量的与要测量的态度有关的语句,一般应在100条以上,保证其中对主题不利的、中立的和有利的语句都占有足够的比例,并将其分别写在特制的卡片上。
(2)选定二十人以上的评定者,按照各条语句所表明的态度有利或不利的程度,将其分别归入十一类。第一类代表最不利的态度,依次递推,…,第六类代表中立的态度,…,第十一类代表最有利的态度。
(3)计算每条语句被归在这十一类中次数分布。
(4)删除那些次数分配过于分散的语句。
(5)计算各保留语句的中位数,并将其按中位数进行归类,如果中位数是n,则该态度语句归到第n类。
(6)从每个类别中选出一、二条代表语句(各评定者对其分类的判断最为一致的),将这些语句混合排列,即得到所谓的沙氏通量表。
下面的表5-6给出了一个典型的沙氏通量表所包含的十一条态度语句。沙氏通量表通常在设计时,将有关态度语句划分为十一类,其实并不一定非要划分成十一类不可,多些少些都可以,但最好划分成奇数个类别,以中点作为中间立场。分类后在每个类别中至少选择一条代表语句,也可以选择多于一条语句,这样组成的沙氏通量表就不止包含与类别数相同的语句,可能多达二十几条态度语句,但一般来讲在每个类别中选择多条语句没有特别的必要。
沙氏通量表构作比较麻烦但使用操作很简单,只要求受测者指出量表中他同意的陈述或语句。每条语句根据其类别都有一个分值,量表中的语句排列可以是随意的,但每个受测者都应该只同意其中的分值相邻的几个意见,如果在实际中一个受测者的语句或意见其分值过于分散,则判定此人对要测量的问题没有一个明确一致的态度,或者量表的构作可能存在问题。
沙氏通量表根据受测者所同意的陈述或意见的分值,通过分值平均数的计算求得受测者的态度分数。例如某人同意第八个意见,他们态度分数就是8,如果同意七、八、九三条意见,他们态度分数为(7+8+9)/3=8。在上例中,分数越高,说明受测都对某一问题持有的态度越有利;分数越低,说明持有的态度越不利。沙氏通量表是顺序量表,可以用两个受测者的态度分数比较他们对某一问题所持态度的相对有利和不利的情况,但不能测量其态度的差异大小。
沙氏通量表在市场营销研究中使用得不是太多,主要原因是沙氏通量表的构作非常麻烦,即使单一主题的量表构作也要耗费大量的时间,对于多个主题的沙氏通量表制作就更加困难。另外,不同的人即使态度完全不同,也有可能获得相同的分数。例如一个人同意第5个意见,得5分,另一个人同意第3、4、8条意见,也得5分。再有,沙氏通量表无法获得受测者对各条语句同意或不同意程度的信息,这也是其缺点之一。
5.李克特量表
李克特量表形式上与沙氏通量表相似,都要求受测者对一组与测量主题有关陈述语句发表自已的看法。它们的区别是,沙氏通量表只要求受测者选出他所同意的陈述语句,而李克特量表要求受测者对每一个与态度有关的陈述语句表明他同意或不同意的程度。另外,沙氏通量表中的一组有关态度的语句按有利和不利的程度都有一个确定的分值,而李克特量表仅仅需要对态度语句划分是有利还是不利,以便事后进行数据处理。李克特量表构作的基本步骤如下:
(1)收集大量(50~100)与测量的概念相关的陈述语句。
(2)有研究人员根据测量的概念将每个测量的项目划分为“有利”或“不利”两类,一般测量的项目中有利的或不利的项目都应有一定的数量。
(3)选择部分受测者对全部项目进行预先测试,要求受测者指出每个项目是有利的或不利的,并在下面的方向-强度描述语中进行选择,一般采用所谓“五点”量表:
a.非常同意b.同意c.无所谓(不确定)d.不同意e.非常不同意
(4)对每个回答给一个分数,如从非常同意到非常不同意的有利项目分别为1、2、3、4、5分,对不利项目的分数就为5、4、3、2、1。
(5)根据受测者的各个项目的分数计算代数和,得到个人态度总得分,并依据总分多少将受测者划分为高分组和低分组。
(6)选出若干条在高分组和低分组之间有较大区分能力的项目,构成一个李克特量表。如可以计算每个项目在高分组和低分组中的平均得分,选择那些在高分组平均得分较高并且在低分组平均得分较低的项目。
李克特量表的构作比较简单而且易于操作,因此在市场营销研究实务中应用非常广泛。在实地调查时,研究者通常给受测者一个“回答范围”卡,请他从中挑选一个答案。需要指出的是,目前在商业调查中很少按照上面给出的步骤来制作李克特量表,通常由客户项目经理和研究人员共同研究确定。表5-7是用于那些已经在一个过滤型问卷中承认自己有脚臭问题,但还没有试用果Johnson牌除臭鞋垫的人们进行调查时使用的李克特量表 。
在李克特量表中,受访者要对每一条语句分别表示同意的程度。一般采用5级:非常同意、同意、无所谓、不同意和非常不同意,当然也可以是相反的顺序,如1表示非常不同意,5代表非常同意等。可以将各数字代表的含义在题目开头给出,然后让受访者根据对每个陈述语句同意程度填写1~5中的某个数字,但更常用的一种格式是将1~5分别列在每个陈述语句的后面,让受访者根据自己同意或不同意的程度在相应的数字上打钩或划圈。后一种方式看起来不太简洁,但更便于受访者理解和回答。下面的表5-8是一个利用李克特量表测量人们对某商场态度的例子。
在数量处理时,对受访者对每条态度语句的回答分配一个权值,可以是从1到2,也可以是1到5。可以汇总计算每条态度语句的得分,从而了解受访者群体对测量对象各方面的态度;也可以计算每个受访者对测量对象的态度总分,以了解不同受访者对受测对象的不同态度。例如,可以用与表6-10相同的量表测量同一受测者群体对B商品的态度,就可以比较受访消费者对两家商场各方面不同评价,如商品质量、店堂服务、品牌等。对不同受访者计算态度总分也是经常要做的,这时要根据受访者的回答对每条陈述进行打分,高分总是对应着有利的态度(成相反)。值得注意的是,陈述语句本身是有态度倾向的,有利或不利,对于“有利”的态度是回答“非常同意”和对“不利”的态度语句回答“非常不同意”都应该打5分。在表6-10的量表中,如果高分代表有利的态度,就要对第二条、第五条、第七条和第十条语句的得分作逆向处理,将1变为5,2变为4,4变为2,5变为1,3保持不变。具有最高得分的受访者对A商场持最有利的态度。
在市场营销研究中,李克特量表的使用十分普遍,因为它比较容易设计和处理,受访者也容易理解,因此在邮寄访问、电话访问和人员访问中都适用。李克特量表的主要缺点是回答时间长,因为受访者需要阅读每条态度陈述语句。
李克特量表是顺序量表,每条态度陈述语句的得分及每个受访者的态度分数都只能用作比较态度有利或不利程序的等级,不能测量态度之间的差异。
6.语意差异量表
在市场研究中,常常需要知道某个事物在人们心中的形象,语意差异法就是一种常用的测量事物形象的方法。语意差异法可以用于测量人们对商品、品牌、商店的印象。
在设计语意差异量表(SemanticDifferentialscale)时,首先要确定和要测量对象相关的一系列属性,对于每个属性,选择一对意义相对的形容词,分别放在量表的两端,中间划分为7个连续的等级。受访者被要求根据他们对被测对象的看法评价每个属性,在合适的等级位置上做标记。下面是一个应用语意差异法测量受访者对商场印象的例子。
如你对A商的看法怎样?下面是一系列评价标准,每个标准两端是两个描述它的形容词,这两个形容词的意义是相反的。用这些标准来评价A商场,在你认为合适的地方打勾。请注意不要漏掉任何一项标准。
你认为A商场是
可靠的---------------------不可靠
时髦-----------------过时
方便----------------不方便
态度友好------------不友好
昂贵----------------便宜
选择多--------------选择少
带有否定含义的形容词有时放在量表左边,有时放在右边。习惯上,在语表差别量表的形容同时中,大约一半是将肯定的词放在左边,另一半将否定的词放在左边。这样可以减少反应误差。项目的排列顺序是随机的。
表5-9给出了一些测量个人特性的语意差别量表的例子。
语意差别量表的主要优点是可以清楚一有效地描绘形象。如果同时测量几个对象的形象。还可以将整个形象轮廓进行比较。图8.21就是一个这样的例子,从中可以清楚,直观地看到消费者对各商场的不同印象。可以对语意差别量表中的不同项目根据受访者的回答进行打分,可采用的值,也可采用的数值。结果数据可用来分析不同测量对象、不同受访者的相同点和不同点。还可将各项目的得分加总,用以比较不同测量对象整体形象的偏好等级。
表5-10测量个人特性的语意差别量表
1.粗心的-------------------细致的
2.易激动的-----------------温和的
3.不安的--------------------平静的
4.果断的--------------------不果断
5.节俭的--------------------浪费的
6.快乐的--------------------不快乐
7.理性的--------------------感性的
8.幼稚的--------------------成熟的
9.正统的--------------------放荡的
10.严肃的-------------------不严肃
11.复杂的-------------------简单的
12.无趣的-------------------有趣的
13.谦虚的-------------------虚荣的
14.谨慎的-------------------随便的
表5-11消费者对不同商场印象比较
可靠的----------------------------不可靠
时髦------------------------------过时
方便------------------------------不方便
态度友好--------------------------不友好
昂贵------------------------------便宜
选择多----------------------------选择少
A商场
B商场
由于功能的多样性,语意差别量表被广泛地用于市场研究,用于比较不同品牌商品,T商的形象,以及帮助制定广告等战略、促销战略和新产品开发计划。
7.量表设计中应注意的问题
在前面计论的态度测量技术中,测量态度的量表可采用不同的形式。在设计研究所需要的量表时,必须考虑以上六个主要的问题:量级层次的个数;采用平衡的还是不平衡的量表;采用奇数个还是偶数个层次;采用强迫选择还是非强迫选择;量级层次的描述方式;量表的形式。
(1)量级层次的个数
在决定量级层次的个数时,要考虑两方面的因素。首先量级越多,对测量对象的评价就越精确;其次,大多数受访者只能应付较少的类别。一般认为合适的量级层次数是七个,或增减两个,即从五层到九层。但是并不能简单地规定几个量级层次是最优的。决定最优的量级层次数要考虑许多因素。如果受访者对调查感兴趣,并且对于要测量的对象拥有足够多的知识,可以采用较多的量级层次;反之,如果受访者对测量对象的知识有限并且对研究不太感兴趣,就应该用较少的量级层次。测量对象的性质也对量级层次数有影响。有些测量对象本有不太容易作精细地分辨,因此少数几个量级层次就是够了。另一个重要的影响因素是数据收集方法。电话访问中,层次不能多,否则会把受访者搞糊涂;邮寄访问中,层次数要受到纸张大小的限制。数据分析的方法也会影响量级层次的数目。如果只有作简单的统计分析,分成五层就是够了;而如果要进行复杂的统计计算,可能需要要七个或更多的层次。
(2)采用平衡的还是不平衡的量表
在平衡的量表中,“有利”的层次数和“不利”的层次数是相等的,而在不平衡量表中,它们是不等的。一般来说,为了保证结果数据的客观性、应该采用平衡量表。但在某些情况下,回答的分布很可能向“有利”或“不利”的方向偏斜,这时,就可以采用不平衡的量表,在偏斜的一方多设几个层次。如果来用不平衡的量表,在数据分析时要考虑到量级层次不平衡的方向和程度。
(3)采用奇数还是偶数个量级层次
对于奇数个层次的量表,中间位置一般被设计成中立的或是无偏好的选项。中立的选项可能会带来很大的反应偏差,因为有许多人在拿不准自己的感觉、不了解被测对象、或是不愿意表露态度时倾向于选这种较“保险”的答案。
到底采用奇数层次还是偶数层次取决于是否有反应者会对被测对象将中立态度。即使只有少数持中立态度的反应者,也必须使用奇数层次的量表。否则,如果调研人员相信没有反应者会持中立态度,或是想要强迫受访者作出有利或不利的选择,就应该使用偶数层次的量表。与此相关的一个问题是,是采用强迫性的还是非强迫性的量表。
(4)采用强迫性量表还是非强迫性量表
在强迫性量表中,没有“没有意见”这样的选项,受访者被迫表达有自己的意见。在这种情况下,确定没有意见的受访者不得不选择一个答案,通常是靠近中间位置的答案。如果有相当多的受访者对题目的主题没有意见,将会引起测量结果的偏差。而反应者并非没有意见,只是不愿意暴露时,强迫选择将能提高量表测量结果的精确性。
(5)量级层次的描述方式
量级层次有许多种不同的描述方式,这些方式可能会对测量结果造成影响。量级层次可以用文字、数字甚至图形来描述。而且,调研人员还必须决定是标记全部层次、部分层次还是只标记两极的层次。对每个量级层次加以标记并不能提高收集数据的准确性和可靠性,但却能够减少理解量表的困难。对于量级层次的描述应尽可能靠近各层次。
对量表两极进行标记时所使用的形容同的强度对测量的结果会有所影响。使用语气强烈的形容词,如1=完全不同意、7=完全同意,受访者不大可能能会选择靠边两端的答案,结果的分布将比较陡峭和集中。而使用语气较弱的形容词,如1=基本不同意,7=基本同意,将得到较为扁平和分散的结果分布。
(6)量表的形式
同一个量表可以用多种形式表达。量表可以是水平的、直的。量级层次可以用方框、线段、数轴上的点表示,各层次可以标记数字,也可以不标。如果用数字标记量层次,可以使用正数、负数或是都用。
市场研究中,有时使用两种特殊形式的量表。一种是温度计量表,温度越高,表明态度越有利;另一种是脸谱量表,脸的表情越愉快,表明态度越有利。这两种量表适合于受访者是儿童的情况。
- END -
您可能喜欢:
继续阅读与本文标签相同的文章:
没有更多评论内容了