南台科技大學 萬金生教授 九十八年六月十二日

Presentation on theme: "南台科技大學 萬金生教授 九十八年六月十二日"— Presentation transcript:

1 南台科技大學 萬金生教授 九十八年六月十二日
研究方法概論 南台科技大學 萬金生教授 九十八年六月十二日

2 大綱 原始資料處理 信度、效度 相關分析 卡方檢定 t檢定 變異數分析 共變數分析

3 大綱(續) 趨勢分析 多變量變異數分析 多元迴歸分析 典型相關 調節變項與中介變項 區別分析與Logistic 迴歸

4 原始資料處理 Q3與Q1的應用：大於Q3為一組，小於Q1為另一組 (實例，資料來源：鄭碧月，邱文彬，2007，輔仁管理評論，14(1)， ) 。 轉成標準分數再分組：小於-0.5SD為一組，介於正負0.5SD為一組，大於0.5SD為一組。 實例1：葡萄酒消費者的從眾行為(資料來源：今年大專生國科會計畫申請案) 實例2：動態自我效能的天花板地板效應(資料來源：Chiou, W.B. & Wan, C.S. (2007). Journal of Psychology, 141(6), )

5 信度 測量結果的穩定性：間隔一段時間，以同樣的量表對同樣的受試者，回答二次的結果，即可觀察此測量工具的穩定性，此信度稱為再測信度。
測量結果的一致性：多題項的測量量表，各題項間的答案不可呈現自相矛盾(內部一致性低)，受訪者在跨題項間的答案呈現相同的方向及強度的關係，表內部一致性高。 測量結果的同質性：進行內容分析時，不同的評分如重疊的比例很高，表示同質性高。 一般的文章通常僅以Cronbach Alpha係數來代表項目間內部一致性信度，如果此係數愈接近1，代表項目間的一致性信度愈高。大部份的文獻指出當係數大於0.7時，表示內部一致性已達可接受程度。

6 效度 指測量分數的正確性。 內容效度(content validity)：指測量內容的代表性或取樣的適切性，換句話，即此量表經過專家檢視過，即具有內容效度。 效標關聯效度(criterion-related validity)：指以經驗性的方法研究測驗分數與一些外在效標間的關係，如果測驗分數和外在效標的相關分數愈高，表示有較高的效標效度。如發展一測量評量旅館網站的量表，以此量表來衡量比賽得獎的旅館網站，如得分高，表示此發展的量表具有不錯的效標效度。

7 效度(續) 構面效度(construct validity)：測驗能夠測量理論上的構念或特質的程度( Anastasi, 1982, p.144)。 內部一致性分析(internal consistency)：以測驗本身的總分為效標，一般都採「計算分測驗與總分的相關」，例如，許多智力測驗常包括若干分測驗，如字彙、算術、空間知覺等，這些分測驗的總分和全題項的總分相關性不能太低，太低者就予以刪除，保留者表示內部一致性高(Anastasi, 1982, p.147)。 因素分析(factor analysis) 實例(資料來源：Wan, C.S. & Chiou, W.B., 2006, CyberPsychology & Behavior, 9(3), )

8 相關分析 積差相關係數(Pearson correlation coefficient)：反應兩個連續變項相關情形的強度，如某產品的營業額與廣告費用的相關係數。 點二系列相關：適用於一個變項為二元的名義變項，另一個變項為等距以上的連續變項(王保進，2002)。 實例：選擇自由、補償方式、國民性格、顧客性別對服務失誤滿意與影響顧客忠誠度的點二系列相關

9 相關分析(續) 淨相關(partial correlations)：適用於多變項資料的相關，係指除去其它變項的影響後，兩變項之間相關的程度。
實例：會計檢定之論文(資料來源：鄭碧月等，目前投稿The Journal of Educational Research 中)

10 相關分析(續) 交叉方格延宕分析(cross-lagged panel analysis)
實例1：網路遊戲成癮(資料來源：Wan, C.S. & Chiou, W.B., 2006, CyberPsychology & Behavior, 9(3), )。 實例2：技術課程教師對大學生學習型態….(資料來源：楊昭景，邱文彬，20006, 教育心理學報，38(2), )。

11 卡方檢定 卡方契合度檢定：檢定樣本結構的代表性，當研究的樣本係透過隨機取樣方式取得，為確保樣本具有代表性(即樣本結構與母群體結構相吻合)。
卡方同質性檢定：想瞭解不同類別的樣本群是否在其他變項上有一致的次數分配，例如： 男女學生打工的比例是否一致？ 不同年級的學生翹課的比例是否一致？ 不同地區的讀者，閱讀報紙的習慣是否相同？ 不同年齡層的人其對異國料理的喜好是否一致？

12 卡方檢定(續) 卡方獨立性檢定：想瞭解二個類別變項的特質分布之間有無關聯，例如： 性別與打工情形有無關係？ 年級高低與翹不翹課有無關係？
宗教信仰與墮胎態度有無關係？ 肥胖與吃速食有無關係？

13 卡方檢定(續) 卡方值的計算及決策： 卡方值= (觀察值-理論值)之平方/理論值之總和 決策：值愈小愈不易拒絕虛無假設。
實例1：虛擬經驗之論文(資料來源：Wan, C.S. et al. (2007). Information of Technology & Tourism, 9(1), ) 實例2：框架效應之論文(資料來源：鄭碧月等 (2007)，商管科技季刋，7(2)， )。

14 t檢定 單一樣本t檢定：欲瞭解一群樣本在某個變項的特質是否與母群體特質相同？ 獨立樣本t檢定：比較二群獨立樣本在某變項的平均數相同否？

15 變異數分析(ANOVA)：分析平均數變異情形的統計考驗方法
變異來源 = 組間變異 + 組內變異，F值 = 組間變異量/組內變量 決策：F值愈大愈易拒絕虛無假設 單因子變異數分析： 獨立樣本單因子變異數分析：處於婚姻狀態(包括：鰥寡、離異、未婚、已婚)的成人，其生活滿意度是否相同？每一種狀況各選5人，分別對自己的生活滿意度給予0-6分 相依樣本單因子變異數分析：自任教的國中學生中隨機取樣10名學生，分別在三種不同的壓力情境下，回答一份有20題的標準化數學測驗，問此3種壓力情境下，學生的數學成績相同否？

16 變異數分析(續) 二因子變異數分析：同時操弄二個自變項，以探討其對依變項的影響，除了要考驗每一個自變項的「主要效果」外，進一步可以檢定二自變項的「交互作用效果」，例：自變項為學生的性別，家庭狀況(包括單親家庭、他人照顧家庭、完整家庭)，依變項為英語成就。 獨立樣本二因子變異數分析：欲瞭解不同的教學模式(教師中心、學生中心)、不同的學習壓力(高、中、低)對學習成就的影響？ 交互作用顯著 交互作用不顯著

17 變異數分析(續) 二因子混合設計變異數分析：二個自變項，其中有一個因子屬獨立樣本(受試者間設計)，另一個因子為相依樣本(受試者內設計或重複量數)。例如：一位教師挑選8名男學生、8名女學生，進行三種壓力情境(高、中、低)，以檢驗學生的學習成就。

18 共變數分析(ANOCA) 在實驗設計中，考量實際的實驗情境，無法一一排除某些會影響實驗結果的干擾變項，這些變項並不是實驗者要探討的變項，但是，這些變項又會影響實驗結果，此變項稱為共變項，此種情境所用的統計方法稱為共變數分析(Analysis of covariance; ANCOVA)。例如：二種不同的教學法，對於二班的成績的影響，此時二班的初始成績即為共變項。

19 趨勢分析(trend analysis) 探討平均數的變化是否具有特定的趨勢。當自變項具有特定順序關係的類別時，可以將不同水準下的依變項平均數依序排列，來觀察這些平均數是否具有變動的趨勢，如果自變項的各水準沒有順序時，則依變項均數的比較與排列就沒有意義了。一般趨勢：線性(linear trend)、二次方程式(quadratic trend)、三次方程式(cubic trend) 實例：會計檢定之論文(資料來源：鄭碧月等，目前投稿The Journal of Educational Research 中)

20 多變量變異數分析(MANOVA) 當依變項為多個類別變項，請注意這些依變項必須為多個等距尺度變項，而且資料最好合乎常態分配。
實例：遊憩景點論文(資料來源：Chiou, W.B. et al. (2008). Tourism Management, 29(1), )

21 多元迴歸分析 簡單迴歸：Y=bX+a 多元迴歸：Y=b1X1+b2X2+b3X3+a 進行自變項的共線性診斷
對於某一個自變項與其他自變項共線性的檢驗，係以容忍值(tolerance)或變異數膨脹係數(variance inflation factor; VIF)來評估。除了自變項的共線性檢驗外，整體迴歸模式的共線性診斷亦可透過特徵值(eigen value)與條件指數(CI)來判斷 實例：從業人員對綠色餐廳生產力認知(資料來源：楊昭景等，2007，觀光研究學報，13(2)， )

22 多元迴歸分析(續) 自變項的選擇程序 同時分析法(simultaneous multiple regression)
逐步分析法(stepwise multiple regression) 順向進入法(forward) 反向淘汰法(backward)

23 多元迴歸分析(續) 階層迴歸分析(hierarchical multiple regression)
當自變項可能具有特定的先後關係，需依照研究設計的順序來進行分析，例如：當自變項包括「性別」、「社經地位」、「自尊」、「焦慮感」與「努力程度」，依變項為「學業表現」；即可採階層分析，先將人口變項(性別、社經地位)視為一區組，以強迫進入法進行迴歸分析，其次將情意變項(自尊、焦慮感、努力程度)視為另一區組，如此，即可得到各區組對依變項的預測力。 實例1：生活滿意與需求的關係(韓貴香，2004，玄奘社會科學學報，2，1-19) 實例2：二種模式的英語檢定號參加行為意向的比較(林碧嬌等，投稿於Psychological Reports)

24 多元迴歸分析(續) 虛擬迴歸(dummy regression)
當自變項有類別變項時(如性別、本國外國公司時)，依變項時為連續變項時，即可進行 實例：顧客知覺的滿意度論文(資料來源：鄭碧月等 (2007)，輔仁管理評論，14(1)， )

25 典型相關(Canonical Correlation)
一組自變項與一組依變項間的相關，例如：自變項包括工作投入與自我投入二個層面，依變項包括學習信心、有用性、成功態度與探究動機四個層面。

26 調節與中介變項 自變項會透過中介變項對依變項產生影響，例如： 教學法（自變項）—→ 動機（中介變項）—→ 學習成就（依變項）
完全中介：自變項對依變項之效果與中介變項對依變項之效果完全一樣，此時，中介變項可取代自變項。 部分中介：自變項對依變項之效果，部份透過中介變項對依變項產生影響。 注意：可比較直接效果與間接效果。

27 調節與中介變項(續) 實例：國小教師教師信念對班級經營效能之影響：中介變項與調節變項之探討
調節變項是指會影響某一個預測變項與依變項之間的正負關係或是強度的變項，可以是類別或是連續的變數；並且與預測變項一樣，對於依變項有個別的因果影響（Baron & Kenny,1986）。通常在一個研究中，研究者所關切的是自變項與依變項的關係，但有時候，自變項與依變項的關係會受到另一個變項的影響而改變。在此情況下，那個影響自變項與依變項關係的變項，即稱為調節變項。 譬如，探討甲乙兩種教學方法對增進兒童閱讀能力的效果，結果發現，甲法對智力高的兒童較有效，乙法則對智力低的兒童較有效。在這個假設的研究情境中，顯而易見的，教學方法是自變項，兒童的閱讀能力是依變項，但自變項與依變項的關係．卻受到兒童的智力程度的影響而改變，因此兒童智力程度就是一個調節變項 實例：國小教師教師信念對班級經營效能之影響：中介變項與調節變項之探討

28 區別分析與Logistic迴歸分析 Logistic Regression：依變項是間斷變項且為二分名義變項
區別分析(Discriminant Analysis)：如果依變項為三分以上名義變項 例如：根據高中畢業生的「在學成績」、「家長社經地位」、「投入動機」、「家長支持度」等變項為自變項，來探究高中生考上大學的預測變項，如依變項為「考取國立大學」、「考取私立大學」、「未錄取」，則採區別分析；如果依變項僅有「錄取」與「未錄取」即可使用Logistic 迴歸。 實例：旅館住宿顧客環保行為的研究(資料來源：本年大專生投稿計畫)