第一节 测量的概念

在社会研究中，所谓测量就是对所确定的研究内容或调查指标进行有效的观测与量度。具体地说，测量是根据一定的规则将数字或符号分派于研究对象的特征（即研究变量）之上，从而使社会现象数量化或类型化。这一定义中有几个概念需要加以说明：（1）研究变量；（2）数字（符号）; （3）分派规则。

研究变量是通过对概念的界定和具体化而转化来的，在研究中，它是分析单位所具有的特征或属性。例如：在考察学生的外语能力时，我们可以用外语考试分数来反映这一特征。这里，外语能力是研究变量，考试分数是外语能力的测量指标。在一具体研究中，每个变量都有特定的测量指标。可以说，研究变量“是通过对概念的定义和一个或一组有效的测量指标而构成的”。

测量时得到的一定数值可作为某一现象或事件特征的代表符号。符号是抽象的东西，它不是现象或事件本身，而仅仅表示现象或事件的特性。这些符号是仅在我们给它赋予具体含义时，它才会具有意义。

确定分派数字的规则是测量中最基本、最困难的工作。社会研究中的测量是将各个分析单位与它们的特征或属性用数字分派规则联系起来。所谓规则是指操作的方法或索引，它指导研究人员如何实施测量。例如，测量人们对政治的兴趣可以制定下述规则：依据每个人政治兴趣的强弱而分派数字1至5，政治兴趣最强的人所分派的数字为5，政治兴趣最弱的人所分派的数字为1；介于两者之间的人可依据程度不同分派数字2、3、4。下面举例说明（见图6.1）。

图6.1 测量图例

从上述例子中可见，数字分派规则是操作的方法和程序；它包括各种描述性的分类规则和数学或统计学规则。测量是将分析单位的集合与某种符号系统建立起一种对应关系；这种对应关系可视为函数关系。任何测量程序都是为了建立一个有序配对的集合，它的函数公式是：

f={（X, Y）}

其中X表示被测量的研究对象，Y表示按照测量规则而分派到研究对象之上的符号，它代表研究对象的某种特征。例如：图6.1的第一个例子可写为：

f={（N1,3）, （N2,5）, （N3,3）, （N4,1）……}

它可表述为：测量函数f等于对象集（N）与政治兴趣（Y）的有序配对的集合；测量的数字界限为1—5。f的数字分派规则见图6.1。

分派规则的有效性取决于所观测变量的特点，有些变量如年龄、性别、身高等易于测量；分派规则就比较好制定；有些变量如态度、价值、兴趣却很难测量，一般不容易制定有效的规则。还有些抽象概念如异化、剥夺等不能被直接观察到，需要先分解为多个变量，从多个维度来间接观测，因此需要制定出更为复杂的测量规则。

有效的测量规则必须满足三个条件：（1）准确性；（2）完备性；（3）互斥性。

准确性是指所分派的数字或符号能真实、可靠、有效地反映调查对象在属性和特征上的差异。例如，在外语考试中，甲得80分，乙得60分，这两个分数是否能真实反映两人在外语能力上的差异就取决于试题和判分标准的准确性。用数学的概念表述，如果真实状态与符号系统在结构上具有一致的关系，那么两者就具有同构性。同构性愈高，所观测的资料就愈准确、愈有效。这一概念反映了科学在解决“思维与存在的关系”时所采取的一种策略。

完备性是指分派规则必须能包括研究变量的各种状态或变异。如人的外语能力有高有低，如果一份试卷不能测出外语水平的最低程度或最高程度，那它就是不完备的。又如“政治面貌”这一变量，如果只设“中共党员”和“非党员”这两个取值，那么就把其他党派成员排除在外了。

互斥性是指每一个观测对象（或分析单位）的属性和特征都能以一个而且只能以一个数字或符号来表示。也就是说，研究变量的取值必须是互不相容的。例如，在观测人们的不同身份时，有人是按照工人、农民、城市居民、干部……的分类规则给每一个调查对象加上一个“标签”。这一测量规则就不具有互斥性，因为工人与城市居民、干部与城市居民不是互相排斥的，它无法准确说明一个人的身份。

测量的主要作用在于作出准确的分类，以便比较研究对象的各种差异。这些差异有些是用类别和等级区分的，如学生的品质好坏、素质高低、政治身份和家庭出身等。有些是用数量区分的，如学生的消费水平、学习成绩、每天的学习时间、文体活动时间等。研究对象的差异都是由一定的原因造成的，因此，通过对差异的比较和分析就能找出现象之间的因果联系。选择何种差异加以测量就取决于研究人员对现象本身属性的认识，科学的分析首先要抓住事物的本质，这样才能深入研究事物深层的、普遍的规律和关系。

最后还应指出，测量或数量化方法虽然能获得更客观、更精确的资料，但这种手段若使用不当也有可能使研究失败。尤其是在研究个人的心理或态度特征时，如果片面地强调以数量来区分某种特征的差异，常常会导致错误的结论。