1702645080
1702645081
如果一个餐厅的老板不想让黑人在他店里吃饭，他就可以将他们拒之门外。（不同意）
1702645082
1702645083
在黑人被赋予平等权利之前，他们必须证明他们值得如此对待。（不同意）
1702645084
1702645085
如果一位物主不想把东西卖给黑人，他就可以不卖。（不同意）
1702645086
1702645087
多题项测度具有很多优点，特别是其信度（reliability）和效度（validity）（定义见第11章）都较高。我们可以通过许多方法——其中有些方法明显比另一些方法好——来构建多题项测度，但在构建过程中要避免一些易犯的严重错误。在后面的第11章，我们会主要介绍测度的构建和评估。
1702645088
1702645089
在任何量化分析中，第三个要素是模型（model），这是我们通过组织和处理数据来检验想法或假设的方法。模型包括两部分：统计方法的选择，以及针对分析中变量之间如何相关而提出的假设。基于这两个部分，我们能够估计变量之间关系的相对大小或强弱程度，进而通过判断对不同效果大小的估计是否与假设一致来检验假设（或想法，或理论）。举一个前面介绍过的简单例子，我们的模型是按宗教信仰虔诚度和激进类别划分的列联表（相继引入控制变量，稍后讨论此问题），我们的期望（假设）是不信教者中“激进分子”的比例要比信教者中的比例高；或者是备择假设：不信教者中“激进分子”的比例低。我们在本书后面的章节中会介绍更复杂的统计模型——通常是一般线性模型的变体，但是基本逻辑不会变。如何进行具体的列联表分析是下一节的主要内容。
1702645090
1702645091
SAMUAL A.STOUFFER（1900～1960）是一位对调查研究的发展做出贡献的先驱。他出生在爱荷华州的萨克城（Sac City），从Morningside学院获得学士学位，获得哈佛大学文学硕士学位，在他父亲创办的报纸——《萨克城太阳报》做了3年编辑，然后在芝加哥大学开始他社会学研究生的学习生涯，1930年获得博士学位。在芝加哥期间，他在William F.Ogburn的指导下开始学习统计学，尽管他自己说起初对这门学科很反感。他在芝加哥集中学习了统计方法和数学，然后在伦敦大学做了一年的社会科学研究理事会研究员（Social Science Research Council Fellow）。在众多学者中他主要与Karl Pearson一起工作（见第5章Pearson的传记概略）。Stouffer在威斯康星大学、芝加哥大学和哈佛大学的统计学系与社会学系都担任过教职。他还是能力很强的研究管理者，主持了大量旨在从科学角度解释主要社会危机的大项目：在20世纪30年代，他主持了一个社会科学研究理事会项目来评估大萧条对社会秩序的影响，出版了13本著作。在第二次世界大战期间，他主持了一项对国防部军人的研究，出版了一本经典著作——《美国军人》（The American Soldier）（Stouffer et al.，1949）。在20世纪50年代，他还主持了一项反映麦卡锡时期（McCarthy era）反对共产主义高峰期的研究，这项研究由福特基金会资助，最终出版了《共产主义、服从和人权自由》（Communism，Conformity，and Civil Liberties，1955）。不幸的是，他意外地死于一场突发性疾病，去世时年仅60岁，当时他正在为人口理事会开展一项新的关于发展中国家生育率影响因素的研究。他在为联邦政府开发统计程序方面也扮演了重要的角色，他帮助建立了美国预算局统计标准司（Division of Statistical Standards in the U.S.Bureau of the Budget）。Stouffer著作的一个特点是他非常专注于使用实证数据和量化分析方法来严格检验有关社会过程的想法，他去世后的文集《检验想法的社会研究文集》（Social Research to Test Ideas，1962）就是最好的证明。
1702645092
1702645093
1702645094
1702645095
1702645096
量化数据分析：通过社会研究检验想法 [:1702644721]
1702645097
量化数据分析：通过社会研究检验想法 列联表
1702645098
1702645099
判断信教黑人是否比不信教的黑人更可能（或更不可能）表现激进的方法有多种。也许最直接的方法是按宗教信仰虔诚度和激进类别做列联表，即计算每一类宗教信仰虔诚度与激进类别组合的人数的频数。宗教信仰虔诚度有四类，激进类别有两类，因此这两个变量有八种组合。在Marx的抽样中，按宗教信仰虔诚度和激进类别做的列联表产生了下面的联合频数分布（见表1-1）。
1702645100
1702645101
表1-1 1964年美国城市黑人按宗教信仰虔诚度和激进类别划分的联合频数分布
1702645102
1702645103
1702645104
1702645105
1702645106
表1-1的技术要点
1702645107
1702645108
（1）行的合计与列的合计统称为边缘和。它们分别是每一个变量的频数分布，即单变量的频数分布（横着读行，纵着读列）。样本总数（或受访者，或个人）显示在表的右下角方格内（或表的右下角位置）。注意，这个样本总数比抽样样本少（原抽样总数是1119人）。之所以有差别是因为数据缺失，也就是说，一些受访者没有回答所有用来构建宗教信仰虔诚度和激进测度的问题。我们在后面会进一步讨论缺失数据问题。但现在，我们忽略这些缺失数据，并假设样本只有993位受访者。
1702645109
1702645110
（2）表内8个单元格提供了双变量频数分布，即宗教信仰虔诚度与激进类别各种组合的频数。
1702645111
1702645112
（3）变量和应答类别的名称放在表端。
1702645113
1702645114
（4）在构建表的时候，明智的做法是核实数据录入的准确性。将每一行的数据加总以确认它们对应于列的边缘和，例如，61+169=230，等等；将每一列的数据加总以确认它们对应于行的边缘和，例如，61+160+87+25=333，等等；然后将所有列和行的边缘和相加以确认所有受访者之和等于表中的合计数。在做表过程中很容易产生错误，特别是在复制表的时候，你最好在交付印刷之前自己发现错误，而不是在出版之后由读者发现它们。应该牢记复查你们的表格。
1702645115
1702645116
从这张表我们能够判断宗教信仰虔诚度是促进还是抑制激进吗？答案是不尽然。为了做此判断，我们需要知道在每个宗教信仰虔诚度类别中表现激进的人的相对概率。如果这个概率随着宗教信仰虔诚度的上升而上升，我们就可以得出结论：宗教信仰虔诚度促进了激进；如果这个概率随着宗教信仰虔诚度的下降而下降，我们就可以得出结论：宗教是镇定剂。相对概率可以通过计算每个宗教信仰虔诚度类别中表现激进的人的条件概率得到，即假设某个人属于某类宗教信仰虔诚度时这个人激进的概率。这些条件概率可以表示为61/230、160/532、87/195和25/36。尽管这种表示概率的方法完全没有错，但如果将它们表示为百分比的形式会更容易解释：（61/230）×100=27%，其他的依此类推。
1702645117
1702645118
事实上，我们通常在最开始就列出百分比形式的列联表，而不是列出频数表，这样很容易直接比较相对概率。也就是说，我们通常不会列出像表1-1那样的表，而是做像表1-2那样的表。
1702645119
1702645120
表1-2 1964年美国城市黑人按宗教信仰虔诚度划分的激进类别的百分比
1702645121
1702645122
1702645123
1702645124
1702645125
表1-2的技术要点
1702645126
1702645127
（1）始终包含合计百分比（即包含100%这一行）。虽然这看起来可能多余且浪费空间，但它能使读者非常清楚你做百分数表的方向。当缺少合计百分比这行时，读者就可能不得不加总几行和/或几列来理解表。将百分比符号加在第一行的数字上和合计的那一行上也是有用的，它可以清楚地告诉读者这是一张百分数表。
1702645128
1702645129
（2）保留百分比的整数位就已足够准确了。你只需要保证数据的准确性，而不必太在意数据的精确性。因此，百分比的小数点位数通常是无关紧要的。很难想象有读者想精确地知道有37.44%的女性和41.87%的男性做某事，对读者来说知道有37%的女性和42%的男性做某事就足够了。顺便说一句，四舍五入的原则一般是取偶整数。因此，37.50变为38，而36.50变为36。当然，36.51变为37，37.49也变为37。只有当你有许多分类的分布并很在意四舍五入的误差时，你才需要保留小数点位数。