1.問卷調查研究設計簡介 2.問卷資料分析~項目分析與信效度檢驗 3.問卷資料分析~因素分析 4.因果關係分析~結構方程模式分析

Presentation on theme: "1.問卷調查研究設計簡介 2.問卷資料分析~項目分析與信效度檢驗 3.問卷資料分析~因素分析 4.因果關係分析~結構方程模式分析"— Presentation transcript:

1 1.問卷調查研究設計簡介 2.問卷資料分析~項目分析與信效度檢驗 3.問卷資料分析~因素分析 4.因果關係分析~結構方程模式分析
SPSS統計軟體的認識與應用 1.問卷調查研究設計簡介   2.問卷資料分析~項目分析與信效度檢驗    3.問卷資料分析~因素分析 4.因果關係分析~結構方程模式分析 李子奇 助理教授 高雄醫學大學 公共衛生學系

2 內容大綱 1.問卷調查研究設計簡介 2.問卷資料分析~項目分析與信效度檢驗
內容大綱 1.問卷調查研究設計簡介 2.問卷資料分析~項目分析與信效度檢驗 問卷的編製與發展 (1)問卷調查的流程 (2)問項的編製原則 (3)問項的測量尺度與型態 調查方法 抽樣方法 問卷量化分析 (1)項目分析 (2)量表的效度與信度 SPSS範例實作

3 問卷的意義 問卷是一套有系統、有順序、有目的的問題表格設計。
研究者透過問卷蒐集到受訪者對研究主題有關的意見、態度、價值、信仰，以及過去與現在的行為乃至行為的標準與理由。

4 問卷的功能 在盡可能減少偏誤、扭曲的前提下，經由與受訪者的溝通，蒐集以下的資料： 1. 描述：
可提供個人或團體的特徵描述，有助於解釋或預測某些現象。如：性別、年齡、社會經濟特性、產業結構等。 2. 測量： 使用量表測量個人特性變項，尤其是態度或能力的測量。

5 資料的蒐集 利用政府部門，財團法人機構，工商業界或私人已公布發行的資料 從事調查 經由實驗

6 資料來源的區分 次級資料：別人為了解決他們自己的研究問題，達成他們的研究目的而產生的資料。
初級資料：為了解決自己的研究問題，而從原始來源所蒐集的資料。

7 次級資料的蒐集 次級資料的缺點：可能無法完全符合研究者的需求，衡量單位上不盡相同，無法判斷其研究的正確性，可能過時、參考價值有限。
次級資料的優點：獲得比較快也比較便宜，或者受限於實體上、法律上的問題，必須仰賴次級資料。

8 初級資料的蒐集 調查(survey)： 普查(census)：對於母體中的每個個體進行全面性的調查。例如政府每十年進行一次的全國國民普查，即為普查之實例。 抽樣(sampling)：自欲研究的母體中取得部分個體的資料來進行調查。

9 初級資料的蒐集 觀察(observation)：只對研究對象做觀察、記錄，不與研究對象接觸之資料蒐集方法。
生物學家觀察某昆蟲的作息，只做觀察、記錄；站在路口，觀察車輛的流動數量等。 實驗(experiment)：對母體的某些因素加以控制的資料蒐集方式。 新的癌症藥物人體試驗；電子產品的耐用測試等。

10 調查研究的本質 調查(survey)就是在某一時點向一群人詢問問題的初級資料蒐集方法。 針對每一人進行調查稱為普查(census)。
針對某一個民意(如飛彈試射.核四建廠等)所進行的調查稱為民意調查(public opinion polls)。 被詢問問題的人稱為訪談對象或受訪者(interviewee)或問卷填答者(respondent) 。

11 調查研究的流程 概念操作型定義及假設的擬定 主題的擬定 主題探討 成本估算(費用、時間、 人力) 調查方法選定 抽樣方法選定 問卷編製
資料蒐集 預試 正式執行調查 資料整理 資料分析 資料分析 結果報告

12 問卷的編製流程 解釋變項與結果變項的設定 面談調查 基本資料編製 詢問題目編製 調查行政事項編製 預試 預試資料整理與分析 問卷修訂
問卷編製完成

13 問卷設計之步驟 依研究目的建立分析架構 研究者必須確定所欲研究的主題，按照這個主題列出所有的研究項目。
再根據這些研究項目，瞭解及確定所要蒐集資訊的範圍，找出相關之變數，並以此建立分析架構。 決定問卷之形式 較敏感主題可採迂迴之方式調查，較容易得到受查者真實的想法。 在決定問卷形式之前要先想到分析的方法。

14 問卷設計之步驟 編擬問卷初稿 要根據上述之分析架構找出相關之所有變項。
問卷題目之來源則可透過文獻的閱讀、同儕間互相討論或請教專家…等途徑獲得。 需注意問項的用語及排列順序，將屬於同一研究項目的問項編入同一大題。 一份完整問卷之結構應包含：確認受查者身分的資料(樣本名稱或編號)、一段要求合作的文字、問卷使用說明、問項及個人資料…等。

15 問卷設計之步驟 邀請專家學者檢視、修訂問卷 問卷初稿完成後，需邀請與研究主題相關之各界專家針對問卷給予意見。 預試問卷
預試的目的在發現問卷之內容結構、邏輯、用語…等各方面是否有需要修正的地方。有時也用來估計問卷之信度及效度。 預試之對象需配合母體結構，不可針對某一特殊族群做預試。

16 問卷設計之步驟 問卷定稿並訂定使用說明 問卷經過預試並確定無誤時，就可進入定稿的階段。
同時必須訂定問卷之使用說明，最好在問項之後註明訪員所需注意的事項。

17 問項種類 依問項形式區分： 依問項性質區分： 1.開放式問項(open-ended question)
2.封閉式問項(close-ended question) 3.半開放半封閉式問項(partially close-ended question) 依問項性質區分： 1.事實性問項(factual question) 2.行為性問項 3.意見性問項

18 開放式問項 Q：請問您的職業是什麼(請受查者具體說明)？
公司名稱： _______________________ 職 稱：________________________ 工作內容的描述：__________________________ 所謂開放式問項即受查者可以不受任何影響自由作答，不須由問卷上所擬定之答案圈選。 開放式數字型 不指定範圍的屬量問項. 請問貴公司員工人數為 人. 開放式文字型 不指定範圍的屬質問項. 請問您的居住地(縣市)

19 開放式問項

20 封閉式問項 Q：您現在的住家是否同時為店面或辦公室？ □ 1.是 □ 2.否 Q：請問去年您家中共有幾個人(包括您自己)工作賺取收入？
□ 1.是 □ 2.否 Q：請問去年您家中共有幾個人(包括您自己)工作賺取收入？ □1.一個 □2.二個 □3.三個 □4.四個 □5.五個以上 封閉式問項是讓受查者在事先擬定的答案中圈選答案。

21 封閉式問項

22 半開放半封閉式問項 Q：請問您信什麼教？ □1.基督教 □2.天主教 □3.佛教 □4.回教 □5.印度教 □6.道教 □7.無信仰宗教 □8.其他 _______________________ 半開放半封閉式問項因融合開放式問項及封閉式問項之優點，所以普遍使用在各式問卷中。

23 問項型態的比較 評量觀點 封閉式 開放式數字型 開放式文字型 量化處理 容易 中等 困難 測量精密度 中 高 低 受測者接受度

24 問項形式決定 要採取何種問卷型式，基本上是根據以下的理由：
針對受訪者的考慮，如果是一般民眾或非專業性者，可用封閉式的問項，如果是高教育群者或者是專業性者，可以使用開放式的問項。 針對資料分析的考慮，如果是欲作統計及電腦分析者，宜採用封閉式的問項，如果只對問題作「質」的了解，可以使用開放式的問項。

25 事實性問項 Q：請問您的性別為？ □ 1.男性 □ 2.女性
□ 1.男性 □ 2.女性 事實性問項之目的在於收集真實資料，如性別、教育程度…等，因為這些問項常常被用來做為分類的標準，所以又可稱為分類性問項(Classification question)。 通常為避免受查者在回答有關個人資料時，因顧慮而影響答案，事實性問項通常被擺在問卷的最末端，但當抽樣方法為配額抽樣(Quota sampling)時，事實性問項應擺在問卷之開頭以確定受查者符合被調查條件。

26 行為性問項 Q：請問您和您的朋友之間有沒有常常討論政治的問題？ □1.常常 □2.偶爾 □3.很少 □4.從來沒有
□1.常常 □2.偶爾 □3.很少 □4.從來沒有 行為性問項之目的在探知受查者過去或現在的行為表現。

27 意見性問項 Q：您覺得在我們社會中獲得成功的最重要方式是什麼？
□1.親族關係或家庭背景(例如經由繼承而成功) □2.個人的努力(例如努力工作、教育) □3.運氣 □4.其他(請說明) 意見性問項即所謂態度性問題，目的在探知受查者對某一社會事物(包含事件、物品、人…等)所持態度， 行為性問項較易作答，而態度性問項則較難收集，這是因為受查者對個人過去或現在之行為表現非常清楚，但對於個人對某社會事物所持之態度卻不一定十分了解。 態度性問項之答案常受問題所用的字眼(wording)或排列順序(question sequence)所影響，太偏激或有引導性之字眼容易影響受查者當時的情緒，而使答案有所偏誤 。

28 問項設計之原則 避免一般性或不具體的問題： 不 普 滿 滿 意 通 意 Q：您對本餐廳之滿意度為何？ □1.滿意 □2.普通 □3.不滿意
不 普 滿 滿 意 通 意 Q：您對本餐廳菜色之滿意度為何？ □ □ □ Q：您對本餐廳裝潢之滿意度為何？ □ □ □ Q：您對本餐廳服務態度之滿意度為何？ □ □ □

29 問項設計之原則 用字簡單(用字要力求口語化)、定義清楚：
Q：去年(民國95年)12月31日，您家中共有幾人工作？ □1.一個 □2.兩個 □3.三個 □4.四個 □5.五個以上 Q：您家中共有幾人工作？ □1.一個 □2.兩個 □3.三個 □4.四個 □5.五個以上

30   問項設計之原則 避免用多語意字眼 通常、常常、一般…等字眼，很難去界定其程度，在問卷中應避免使用。 Q：您通常做什麼運動？
避免用含糊不清的句子 Q：您最近有無頭痛或生病？ □1.有 □2.沒有 

31  問項設計之原則 避免用引導性問題： 問項應包含正、反兩面的意見 。
各意見(或選項)出現的順序及用語也會產生引導的作用。據研究，受查者較容易傾向第一個被提出的選項—尤其在受查者沒有強烈意見的時候。 近年來經濟犯罪造成嚴重的社會問題, 您是否贊成加重經濟犯罪者的刑罰? 所謂經濟犯罪是指…., 您是否贊成加重經濟犯罪者的刑罰? 

32 問項設計之原則 困窘性問題(embarrassing question)的處理
遇到困窘性的問題應採迂迴的問法(indirect question)，方能探知受查者真正的想法。 Q：有些人經常逃漏稅，您認為他們最主要逃漏稅的原因為(單選) □1.認為目前的稅法不公 □2.心存僥倖的心理 □3.認為國家沒有妥善處理稅款 □ ： ： ： □ ： Q：您贊同他們的想法嗎？ □1.贊同 □2.不贊同

33 問項設計之原則 避免斷定性問題： 有些研究者在擬定問項時容易犯下假設受訪者有某些行為的錯誤。 Q：您結過婚嗎？ Q：您有幾個小孩？
□1.有 □2.沒有 過濾性問題 Q：您有幾個小孩？ □1.沒有 □2.一個 □3.二個 □4.三個 □5.四個 □6.五個以上 停止訪問 Q：您有幾個小孩？ □1.沒有 □2.一個 □3.二個 □4.三個 □5.四個 □6.五個以上

34 問項設計之原則 避免假設性問題 有許多研究者喜歡先假設一種情境，然後詢問受查者面對此種情境時會有何種反應。
Q：您是否贊成公司一星期上五天班？ Q：您是否贊成在一天上班十小時的情況下，改成一星期上五天班？ Q：假如某某汽車降價一成，您是否願意採用某某汽車？ Q：假如某某汽車降價一成，但取消部份售後服務，您是否願意採用某某汽車？ Q：假如有一種新牌子的洗衣粉能洗淨其他洗衣粉所不能洗淨的污漬，您是否願意採用它？ Q：假如有一種新牌子的洗衣粉能洗淨其他洗衣粉所不能洗淨的污漬，但是價錢比一般洗衣粉貴兩成，您是否願意採用它？

35 問項設計之原則 避免雙重否定的問法 Q：您不認為體罰是不對的嗎？ □1.是 □2.不是 Q：您認為體罰是不對的嗎？ □1.是 □2.否

36 問項設計之原則 避免讓受查者估計答案 例如：想知道受查者家中民生消費占全家收入的比例，若要求受查者自行加總其民生消費再除以總收入，對受查者而言是一項負擔，非常容易發生拒訪的情形。 此外，受查者自行估計也容易因每個人的計算標準不一產生誤差。 應該分別詢問受查者之收入及各項民生消費，分析資料階段再透過電腦估計其民生消費比例。

37 問項設計之原則 請問您是否同意,近十年來國內自殺率的上升是受到我國痛苦指數上升的影響? 不使用專有名詞
請問您是否同意,近十年來國內每年自殺人數不斷的上升是受到國內經濟環境惡化的影響?

38 問項設計之原則 以擇偶條件來說, 年齡與學歷, 對您來說有多重要? 不使用多重問項 以擇偶條件來說, 「年齡」對您來說有多重要?
以擇偶條件來說, 「學歷」對您來說有多重要?

39 問項設計之原則 對於公司以分配股票取代年終獎金, 您是否同意? 詢問目標範圍要明確 對於貴公司以分配股票取代年終獎金, 您是否同意?
對於許多上巿電子公司以分配股票取代年終獎金, 您是否同意?

40 問項設計之原則 請問您是否同意貴公司明年為您加薪? 不要問”無效”問題 總原則:問非所答則容易答非所問;問項的清晰性

41 問項排列的次序 問項安排的原則為由易入難、由淺入深。
問卷之安排宜將較易回答的行為或事實問項擺在前面，較難回答的態度性問項擺在中間，而牽涉敏感性或隱私權的個人資料擺在最後。 按時間順序排列可以讓受查者由最近的行為或態度慢慢回想到從前之行為或態度。 依問卷主題歸為數大類，明確地指出各大類所欲收集之資料類別。

42 問卷設計之原則 注意邏輯之一致性 編輯問卷時應注意問項間的關係，並按序排列。例如按時間的先後順序排列，讓受查者慢慢地回憶起以往的事物；或者按與個人關係的遠近排列。 注意問卷之完整性 一份問卷必須涵蓋調查議題的所有範圍。 一份不完整的問卷會使研究者在分析時產生以偏概全的謬誤。

43 問卷設計之原則 注意問項中每一大項之說明 問卷中常將同一研究項目的問題歸為一大題，如此方便受查者有系統地作答。
每一大題開始之前應有詳盡之說明，告知受查者此一大題所涵蓋之研究項目及作答技巧，幫助受查者正確作答。

44 問卷設計之原則 預先編碼 應在問卷設計之初就將問卷編碼確定，以方便日後的KEY-IN工作。 Q：您結過婚嗎？ □1. 有
□2. 沒有 回答有者，KEY “1”。

45 問項的測量尺度 「問卷資料」乃是由一個或多個問項(變項)之計量值所組成的，而問項的計量值稱為「變量」。
變項是根據其變量的特性而區分為「計量變項」(quantitative)與「計質變項」(qualitative)。 計量變項，是根據數字尺度所測量得出的變項，例如：年齡、物價、所得、重量、溫度、分數等等。 計質變項或「類別變項」(category），是根據變項的屬性或類別之尺度來區分的資料，例如：血型、性別、國別、等級、教育程度、膚色等等。

46 資料的衡量尺度 名目尺度(nominal scale) 順序尺度(ordinal scale) 等距尺度(interval scale)
等比尺度(ratio scale)

47 名目尺度 可任意給定數字來代表變項的值而不失原 意(如定義:1 for male , 2 for female)
1.不適合計算平均數或標準差等的統計量 2.適合以各種可能出現的結果(outcome) 之總次數(counts)為基礎進行統計分析 如眾數或次數分布

48 順序尺度 給定數字來代表變項的值，數字的大小僅 代表觀察值的大小順序，相同大小的數字 間隔不能比較(如定義:1小學,2國中,3高
中,4大學,5碩士及博士) 1.不適合計算平均數或標準差等的統計量 2.適合計算眾數,中位數或次數分布 3.無母數統計方法常用來分析順序尺度資料

49 等距尺度 Raw score Recode score 非常同意 5 同意 4 沒意見 3 不同意 2 非常不同意 1 給定數字來代表變項的
值，數字的大小不僅代 表觀察值的大小順序， 相同大小的數字間隔代 表相等程度差距的特性 1.適合計算平均數或標準 差等的統計量 2.不能說:同意者的同意程 度為不同意者的2倍

50 等比尺度 給定數字來代表變項的值，數字的大小不 僅代表觀察值的大小順序，相同大小的數 字間隔代表相同程度的特性;而且有一個
定義明確的零點(如:體重) 1.適合計算平均數或標準差等的統計量 2.等比尺度資料有等距尺度資料的全部特性 3.由於等比尺度有一個定義明確的零點，因 　此我們可以說：40公斤重是20公斤重的兩 倍，而等距尺度的資料則無此特性

51 量表的測量格式 利式量表法 (likert scale) 1□極度缺乏 2□很缺乏 3□無意見 4□不缺乏 5□極不缺乏
1□極度缺乏 2□很缺乏 3□無意見 4□不缺乏 5□極不缺乏 太溫和或太極端的問項易形成一致的回答 可以4點或6點利式量表法設計, 強迫受測者表示意見 利式量表法廣泛用來測意見、信仰、態度的工具 利式量表為等矩尺度

52 量表的測量格式 語意差異量表 (semantic differential scale) 總經理 誠實 不誠實 和善 不和善
誠實 不誠實 和善 不和善 非常滿意 非常不滿意 用以評價目標物 容易將槪念以一組問項測量

53 量表的測量格式 視覺類比量表 (visual analog scale) 完全不痛 我曾經歷過最痛的經驗 連續變項, 精確度高
完全不痛 我曾經歷過最痛的經驗 連續變項, 精確度高 學習或記憶效應低

54 調查方法 面訪 電話 郵寄 網路 處理問卷複雜性 優 好 差 完成問卷的時間 尚可 完成調查的時間 資料正確度 訪員效應 嚴重 有 無
回答率 隨機抽樣 成本 高 低 最低

55 抽樣方法(Survey Sampling)
常用的隨機抽樣法 簡單隨機抽樣 (simple random sampling) 分層隨機抽樣 (stratified random sampling) 系統抽樣 (systematic sampling) 群集抽樣 (cluster sampling)

56 非隨機抽樣: 1.方便抽樣:如訪問過路行人。 2.配額抽樣:分層非隨機抽樣如市場調 　查，家戶每月消費調查。 3.判斷抽樣:設計者基於對母體特徵的了 解，判斷選擇樣本，如物價指數調查。 4.雪球抽樣：從起始受查者提供的資訊取 　得其他受查者，如同性戀調查。

57 簡單隨機抽樣 母體中的每個元素(個體)均有相同的機率被抽中。 優點:簡單。 缺點： 1.執行不易，成本高。
優點:簡單。　　 缺點： 1.執行不易，成本高。 2.不易得到精確的母體參數估計量。

58 系統抽樣 將母體由１到Ｎ編號，假設欲取樣本數為ｎ，在１ 到 間隨機取一數，再每隔 抽取樣本。 ( [x]表小於等於x的最大正整數。)
到　　　間隨機取一數，再每隔　　　抽取樣本。 ( [x]表小於等於x的最大正整數。) 優點:簡單，執行容易。　　 缺點:若母體編排順序非隨機，易造成系統性誤差。

59 分層隨機抽樣 將母體按某種性質劃分成數個子母體(層)， 每一層分別應用隨機抽樣法進行抽樣。 優點: 1.抽樣行政管理方便。
2.可分別對各個子母體作估計。 3.可得到較精確的母體參數估計量。

60 群集抽樣 將母體按某種性質劃分成數個子母體(群)， 應用隨機抽樣法抽選樣本群，每一樣本群內 全查。 優點: 1.不需完整的個體名冊。
2.執行方便，成本較低。

61 分層隨機抽樣與群集抽樣比較 分層抽樣 群集抽樣 層數較少，層內個體較多 群數較多，群內個體較少 層間個體差異較大，層內 個體差異較小
群間個體差異較小，群內 個體差異較大 所有層中至少都有一單位 被選入樣本中 只有部分群集被選為樣本 分層抽樣只在每層中，選 部分個體作為樣本 群集抽樣則在被抽選之群 集中進行普查或進行再次 抽樣 目的在減少抽樣誤差，提 高樣本估計值之可靠度 目的在減低抽樣成本或配 合母體底冊

62 樣本數與抽樣誤差 假設母體為{1,2,3,4} 母體平均為(1+2+3+4)/4=2.5 母體總數N=4 抽選樣本大小n=2與n=3的樣本
樣本平均 樣本平均 -母體平均

63 非抽樣誤差 1.未回卷 2.受查者隱匿事實 3.測量工具不準 4.母體底冊失真 5.資料登錄錯誤 6.其他

64 信度(reliability) 信度係指根據量表所得到的結果之一致性（consistency）或穩定性（stability）。
信度問題指的是相同的量表，在不同時間，使用在相同人身上，是否會得到相同的結果。 量表是由享有共同潛在變項的可靠問項所組成的情況下，量表是可信的。 2018/11/8

65 信度的類型 再測信度（test-retest reliability） 複本信度（a1ternate-form reliability）
係指以同一種測量工具，對同一群受試者，前後測驗兩次的相關係數。又稱穩定係數。 複本信度（a1ternate-form reliability） 同一群受試者接受兩種複本測驗的得分之相關係數。 折半信度（split-half reliability） 測驗題目依題目的單雙數或其他方法分成兩半，計算受測者在兩半測驗上的分數的相關係數。 內部一致性係數（coefficient of internal consistency） 反映測量工具內部同質性、一致性或穩定度。同質性越高，代表量表試題是在測量相同的特質。KR20適用於二分變數的測量，Cronbach’s α適用於多元尺度變數的測量。 評分者間信度（inter-rater reliability） 不同的評量者間分數的相關係數。 2018/11/8

66 影響信度的因素 影響信度的關鍵因素是測量誤差，可以減低誤差的方法，即能夠提高信度。 影響信度的因素
受試者因素（如受測者的身心健康狀況、動機、注意力、持久性、作答態度等變動） 主試者因素（如非標準化的問卷設計、問項的偏頗與暗示、評分的主觀性等等） 測驗情境因素（測驗環境條件如通風、光線、聲音、桌面、空間因素等皆有影響的作用） 測驗內容因素（問項取樣不當、內部一致性低、題數過少） 時間因素 2018/11/8

67 效度(validity) 效度的意義 評估效度的方法 測量的正確性，指測驗或其他測量工具確能測得其所欲測量的特質或功能之程度
測量的效度愈高，表示測量的結果愈能顯現其所欲測量對象的真正特徵 測驗的效度通常以測驗分數與其所欲測量的特質之間的相關係數表示之 評估效度的方法 判斷法（informed judgment）─測量特性與質的評估 實証法（gathering of empirical evidence）─根據具體客觀的量化指標來進行評估 2018/11/8

68 三種不同的效度 內容效度（content validity） 效標關聯效度（criterion-related validity）
反映測量工具本身內容廣度的適切程度，強調測量內容的廣度、涵蓋性與豐富性 針對測量工具的目標和內容，以系統的邏輯方法來詳細分析，又稱為邏輯效度（1ogical validity） 表面效度（face validity），指測量工具在外顯形式上的有效程度 效標關聯效度（criterion-related validity） 以測驗分數和特定效標（criterion）之間的相關係數，表示測量工具有效性之高低。 同時效度（concurrent validity）與預測效度（predictive validity） 建構效度（construct validity） 指測量工具能測得一個抽象概念或特質的程度。 多元特質多重方法矩陣法（multitrait-multimethod matrix）：聚斂效度（convergent validity）及區辨效度（discriminant validity）。 因素效度（factorial validity）：一個測驗或理論因素結構的有效性。 2018/11/8

69 效度衡鑑技術 相關分析（Correlation） 多元迴歸分析（Multiple regression）
因素分析（Factor analysis） 結構方程模式 （Structural Equation Modeling） 2018/11/8

70 影響效度的因素 測量過程因素─實施過程標準化 樣本性質─ 選用異質性高的樣本 樣本的代表性 效標因素 不適當的效標選用 效標本身的測量品質
干擾變項 2018/11/8

71 資料整理 資料編碼 資料輸入 反向題的處理 資料的淨化

72 標準分數 標準分數（standard scores） 利用線性轉換的原理，將一組數據轉換成不具有實質的單位與集中性的標準化分數。
不同的標準分數，其共通點是利用一個線性方程式y=bx+a進行集中點的平移與重新單位化，使得不同量尺與不同變項的測量數據具有相同的單位與相同的集中點，因此得以相互比較。 常用的標準分數 Z分數 T分數(T=10Z+50) SAT考試（Scholastic Assessment Test）（SAT=100Z+500） 比西測驗IQ分數（平均數為100，標準差為16的標準分數）（IQ=16Z+100), 魏氏智力測驗為15Z+100 第五節

73 Z分數 定義 Z分數的特性 指原始分數減去其平均數，再除以標準差後所得到的新分數 表示該原始分數是落在平均數以上或以下幾個標準差的位置上
以母體資料為基礎時 第五節

74 T分數 定義 T分數可改善z分數的缺點 將Z分數以下列線性轉換公式轉換成平均數50，標準差10的T分數
第五節

75 問卷的量化分析 預試分析 目的在確認量表題目的堪用程度 最重要的工作為項目分析，及試探性的信度分析，以作為題目改善的依據。 信效度檢驗
提供各項客觀指標，作為測驗與量表良窳程度的具體證據。

76 項目分析的方法 質的分析 著重於測驗項目的內容與形式的適切性的討論 檢驗方法多為非計量的方式，例如專家評量、內容效度的評估等等 量的分析
利用各種計量模型與統計方法來檢驗量表題目優劣 教育測驗當中，測驗的目的多在評估與診斷，因此重視項目難度與鑑別度檢驗 其他用於測量受試者心理特質或態度的強度之心理測驗（如人格測驗與態度量表），因為題目的型態是連續型的變項，可以從各種量化的指標來檢驗項目的適切性。

77 項目分析的策略 遺漏值的數量評估法 描述統計評估法 題目總分相關法（相關分析技術） 因素分析法
檢驗受測者是否抗拒或難以回答某一個題目，導致遺漏情形的發生。過多的遺漏情形表示該題目不宜採用。 描述統計評估法 利用各題目的描述統計量來診斷題目的優劣。如題目平均數評估法、題目變異數評估法、偏態與峰度評估法。 題目總分相關法（相關分析技術） 計算每一個項目與總分的簡單積差相關係數 CR法：內部一致性效標法 又稱為極端組檢驗法，兩極端組的得分平均數。具有鑑別度的題目。 因素分析法 以因素負荷量來判斷個別項目與相對因素的關係

78 小結 問卷的編製與發展、調查方法、抽樣方法及後續的統計分析方法…等，需依據調查研究的目的與成本做通盤的考量，並於開始進行正式調查前載明於計劃書內。

79 項目分析 步驟一:選取分析->報表->觀察值摘要

80 項目分析 步驟二:選取所欲分析的題目移至變數清單中

81 項目分析 步驟三:進入統計量對話框中,選取所要的統計量
2018/11/8

82

83 Case Summaries 2018/11/8 Min Max Mean Std. Deviation Skewness Kurtosis
b1我會擬定處理壓力問題的計劃方案並據以執行 1.00 4.00 2.06 0.70 0.51 0.56 b2我會為結果做最壞的打算 2.33 1.07 0.11 -1.27 b3我會認清壓力問題的解決方向並加倍努力 1.95 0.90 0.65 -0.39 b4我會告訴自己不經一事不長一智 1.61 0.76 1.08 0.54 b5我會假裝什麼事也沒發生 2.07 0.47 -0.94 b6我會聽天由命 2.62 0.98 -0.21 b7我會嘗試忘掉一切 2.39 0.97 -0.03 -1.03 b8我會透過休閒或渡假來逃避壓力問題 1.66 0.83 1.06 0.26 b9我會向別人傾訴自己的感受 1.71 0.74 0.72 -0.10 b10我會與別人討論以期獲得更多的解決方法 0.73 -0.02 b11我會透過與人互動，讓自己的情感得以釋放 1.64 0.68 b12我會向親戚朋友尋求忠告 1.91 0.84 0.59 -0.36 b13我會幻想壓力問題的結果會有轉圜 2.41 0.85 0.03 -0.61 b14我會夢想自己仍處在良好的時空條件下，而並未已面臨了壓力問題的磨難 2.37 0.08 -0.53 b15我會盼望壓力問題的狀況會自動消失 2.14 0.45 -0.20 b16我期望藉由改變自己的情緒狀態來重新面對壓力問題 0.79 1.15 0.87 2018/11/8

84 信度分析 步驟一:選取量尺法中的信度分析 Scale 2018/11/8

85 信度分析 步驟二 選取所欲分析的變項移至清單中。點選統計量。 2018/11/8

86 信度分析 步驟三:選取項目,量尺,刪除項目後之量尺摘要。

87 2018/11/8

88 1.問卷調查研究設計簡介 2.問卷資料分析~項目分析與信效度檢驗 3.問卷資料分析~因素分析 4.因果關係分析~結構方程模式分析
SPSS統計軟體的認識與應用 1.問卷調查研究設計簡介   2.問卷資料分析~項目分析與信效度檢驗    3.問卷資料分析~因素分析 4.因果關係分析~結構方程模式分析 李子奇 助理教授 高雄醫學大學 公共衛生學系 2018/11/8

89 內容大綱 3.問卷資料分析~因素分析 4.因果關係分析~結構方程模式分析
內容大綱   3.問卷資料分析~因素分析 4.因果關係分析~結構方程模式分析 問卷的量化分析 因素分析 結構方程模式分析 SPSS範例實作 2018/11/8

90 因素分析 Factor analysis 2018/11/8

91 基本概念 為了要證實研究者所設計之測驗(量表)的確在測某一潛在特質(因素)，並釐清潛在特質的內在結構，能夠將一群具有共同特性的測量分數，抽離出背後潛在構念的統計分析技術，即為因素分析(factor analysis)。 智育 數學 物理 化學 語文 生物 史地 e1 e2 e3 e4 e5 e6 2018/11/8

92 主要的功能 用來協助測驗編製。進行項目分析，檢驗試題的優劣好壞。同時可以針對每一個題目的獨特性進行精密的測量，比較各題的重要性。
進行效度的驗證。利用一組題目與心理構念間關係的討論，研究者得以提出計量的證據，探討潛在特質的因素結構與存在的形式，建立量表的因素效度(factorial validity)。 簡化測量的內容。研究者可以根據每一個因素的主要概念，選用最具有代表性的題目來測量特質，以最少的題項，進行最直接適切的測量，減少受測者作答時間，減少疲勞效果與填答抗拒。 2018/11/8

93 因素與共變結構 構念或「因素」(factor)隱含在許多現實可觀察的事物背後，雖然難以直接測量，但是可以從複雜的外在現象中計算、估計、或抽取得到。 其數學原理是共變(covariance)的抽取。而受到同一個構念影響的測量分數，共同相關的部份，就是構念所在的部份。構念則是由被稱為「因素」的共同相關部份的得分來表示。 即 2018/11/8

94 例子 以九個變數為例子，在九個變數中，可能某幾個變數在表面上看來即很相似，亦即其彼此間之相關係數較高。
而事實上會影響這些變數觀察值結果的很可能是其背後看不到的某些共同原因所造成的。因此我們知道，可藉著因素分析法，由九個彼此相關的變數中萃取出其背後真正影響結果的三個主要因素： （X1, X2, X3, X4, X5, X6, X7, X8, X9）→（F1, F2, F3） 2018/11/8

95 探索性與驗證性因素分析 探索性因素分析(exploratory factor analysis；EFA)：對於觀察變項因素結構的找尋，並未有任何事前的預設假定，逕由因素分析的程序去決定。 研究者經由共變關係的分解，找出最低限度的主要成份(principal component)或共同因素(common factor)。 探討這些主成份或共同因素與個別的變項的關係，找出觀察變項與其相對應因素之間的強度，即因素負荷值(factor loading)，以說明因素與所屬的觀察變項的關係。 決定因素的內容，為因素取一個合適的名字。 2018/11/8

96 探索性與驗證性因素分析 驗證性因素分析(confirmatory factor analysis；CFA)：
觀察變項因素結構已發展成熟，或根據理論產生因素結構，研究者利用所得的資料來配適此因素結構，以配適度結果進行驗證性的評估。 2018/11/8

97 因素分析的條件 因素分析的變項都必須是連續變項。順序與類別變項不得使用因素分析簡化結構。
抽樣的過程必須具有隨機性，並具有一定的規模。如果研究的母群據有相當的同質性（如學生樣本），變項數目不多，樣本數可以介於100到200之間。 變數之間需具有一定程度的相關，一群相關太高或太低的變項，皆會造成執行因素分析的困難。太低的相關難以抽取一組穩定的因素，不適於進行因素分析。相關太高的變項太多，所獲得的因素結構價值不高。 2018/11/8

98 因素分析的數學原理：相關矩陣 1.Bartlett’s test of sphericity（球形考驗）:
因素分析的基礎是變項之間的相關。因此應先計算數個題目的兩兩相關，詳細檢視該矩陣所代表的意義。 檢驗相關係數是否適當的方法： 1.Bartlett’s test of sphericity（球形考驗）: 一般相關矩陣中的相關係數必須顯著的高於0。某一群題目兩兩之間有高相關，顯示可能存有一個因素，多個群落代表多個因素。如果相關係數都偏低且接近，則因素的抽取越不容易，Bartlett’s test of sphericity（球形考驗）即可用來檢驗是否這些相關係數不同且大於0，顯著的球形考驗表示相關係數足以作為因素分析抽取因素之用。 2018/11/8

99 因素分析的數學原理：相關矩陣 2.淨相關矩陣： 3.檢查共同性指數(communality)
　 變項之間是否具有高度關聯，可以從偏低的淨相關(partial correlation)來判斷。因素分析計算過程中，可以得到一個反映像矩陣，呈現出淨相關的大小，該矩陣中，若有多數係數偏高，則應放棄使用因素分析。 3.檢查共同性指數(communality) 某一變項與其他所有的變項的複相關係數的平方，得到的數值稱為共同性，表示該變項的變異量被共同因素解釋的比例，其計算方式為在一變項上各因素負荷量平方值的總和。變項的共同性愈高，因素分析的結果就愈理想。 2018/11/8

100 因素的抽取(factor extraction)
主成份抽取法(principle component analysis) 主軸法(principal axis factors) 最小平方法(least squares method) 最大概率法(maximum-likelihood method) … 2018/11/8

101 因素個數的決定 主要依據的原則是特徵值(eigenva1ue)的大小。特徵值代某一因素可解釋的總變異量，特徵值越大，代表該因素的解釋力越強。一般而言，特徵值需大於1，才可被視為一個因素。 另一種方法則是以陡坡檢定(screen test) (Cattell, 1966)，其方法是將每一個因素，依其特徵值排列，特徵值逐漸遞減，當因素的特徵值逐漸接近，沒有變化之時，代表特殊的因素已無法被抽離出來。 變異百分比法, 卡方考驗法…等。 2018/11/8

102 Screen Plot 2018/11/8

103 因素轉軸(factor rotation)
轉軸的目的：將所抽取的因素，經過數學轉換，使因素或成份具有清楚的區隔，能夠反映出特定的意義，稱為轉軸。目的是在釐清因素與因素之間的關係，以確立因素間最簡單的結構。 轉軸的進行：係使用三角函數的概念，將因素之間的相對關係，以轉軸矩陣(transformation matrix)所計算出的因素負荷矩陣的參數，將原來的共變結構所抽離出來的項目係數進行數學轉換，形成新的轉軸後因素負荷矩陣（經正交轉軸）或結構矩陣（經斜交轉軸），使結果更易解釋。進一步的協助研究者進行因素的命名。 2018/11/8

104 轉軸的方式 直交轉軸(orthogonal rotation)：指轉軸過程當中，因素之間的軸線夾角為90度，即因素之間的相關設定為0。如最大變異法(varimax)、四方最大法(quartimax)、均等變異法(equimax rotation)。 斜交轉軸(oblique rotation)：容許因素與因素之間，具有一定的共變，在轉軸的過程當中，同時對於因素的關連情形進行估計。例如最小斜交法(oblimin roation)、最大斜交法(oblimax rotation)、四方最小法(quartimin)等。 2018/11/8

105 直交與斜交轉軸的優點 直交轉軸的優點：以直交轉軸轉換得到的新參數，是基於因素間是相互獨立的前提，在數學原理上，是將所有的變項在同一個因素或成份的負荷量平方的變異量達到最大，如此最能夠達到簡單因素結構的目的，且對於因素結構的解釋較為容易，概念較為清晰。 斜交轉軸的優點：直交轉軸將因素之間進行最大的區隔，往往會扭曲了潛在特質在現實生活中的真實關係，容易造成偏誤，因此一般進行實徵研究的驗證時，除非研究者有其特定的理論做為支持，或有強而有力的實證證據，否則為了精確的估計變項與因素關係，使用斜交轉軸是較貼近真實的一種作法。 2018/11/8

106 Structural equation modeling (SEM)
結構方程模式分析 Structural equation modeling (SEM) 2018/11/8

107 結構方程模式分析 處理因果關係的統計方法 結合因素分析與路徑分析(Path analysis) 可同時處理多組潛在依變項與潛在自變項的關係
提供驗証性分析(Confirmatory analysis) 2018/11/8

108 Independence, correlation and cause-result
Independence imply uncorrelated, but not vice versa. Significant correlation (dependence) does not imply real cause-result relationship. The construction of cause-result relationship solely base on the fundamental theory not observed data or statistical results. 2018/11/8

109 SEM的統計軟體 LISREL SAS—procedure CALIS R SPSS--AMOS 2018/11/8

110 SEM的統計原理 2018/11/8

111 SEM的統計原理—結構方程式 2018/11/8

112 SEM的統計原理—觀察指標X的方程式 2018/11/8

113 SEM的統計原理—觀察指標Y的方程式 2018/11/8

114 SEM的統計原理—潛在自變項的相關矩陣 2018/11/8

115 SEM的八個參數矩陣 2018/11/8

116 SEM的共變數公式 2018/11/8

117 SEM中用作電腦疊代估計的目標函數 其中,S為實際觀察資料X與Y的變異數共變數矩陣 2018/11/8

118 SEM的整體模式配適度卡方檢定統計量 其中t 是所要估計的參數總合 2018/11/8

119 評鑑SEM的基本配適度 Bagozzi & Yi (1988)提出幾個重要的模式基本配適標準。 不能有負的誤差變異。
誤差變異必須達顯著水準。 估計參數之間相關的絕對值不能太接近1 。 因素負荷量不能太低(小於0.5)或太高(大於0.95) 。 不能有很大的標準誤。 2018/11/8

120 評鑑SEM的內部品質 個別觀察指標的信度是否在0.5以上。 潛在變項的成份信度是否在0.6以上。 潛在變項的平均變異數抽取是否在0.5以上。
所估計的參數是否都達顯著水準。 標準化殘差的絕對值是否都小於1.96 。 修正指標是否都小於3.84 。 2018/11/8

121 評鑑SEM的整體配適度指標 指標 建議 評鑑值 Chi-Square P>0.05 RMSEA 小於0.08 NFI 大於0.90
NNFI PNFI 大於0.50 CFI IFI RFI SRMR 小於0.05 AGFI PGFI 2018/11/8

122 結構方程模式分析步驟: 依照Hair等人(1992)年的看法，結構方程模式分析大致有下列五個步驟： 1.發展理論模式
2.建立因果關係徑路圖及待估計參數 3.評估參數唯一解的辨認(identification) 4.參數估計 5.評鑑模式配適度 (goodness-of-fit) 2018/11/8

123 國立臺灣大學生物資源暨農學院園藝學研究所碩士論文 臺灣消費者對日本茶喜好性之研究 A study of Taiwanese consumer preference for Japanese tea.
民國九十六年七月二十五日 臺灣大學園藝所 研 究 生：本間典子 2018/11/8

124 理論模式 這結構是四個因素所建構的因果關係，利用這分析來研證所提出的研究模式是否適當。 2018/11/8

125 標準化估計係數 2018/11/8 路徑上的數字是標準化估計係數，其大小代表兩個因素間的影響的大小。 直接的影響有
「一般飲茶行為」對「日本茶知識」(γ11標準化估計係數=0.44, P-value<0.001)； 「一般飲茶行為」對「對日本茶態度」(γ21標準化估計係數=0.27, P-value= 0.003)； 「一般飲茶行為」對「對日本茶行為」(γ31標準化估計係數=0.04, P-value=0.037)； 「日本茶知識」對「對日本茶態度」(β21標準化估計係數=0.28, P-value=0.278)； 「日本茶知識」對「對日本茶行為」(β31標準化估計係數=0.82, P-value<0.001)； 「對日本茶態度」對「對日本茶行為」(β32標準化估計係數=-0.08, P-value=0.189)。 間接的影響有 「一般飲茶行為」透過「日本茶知識」到「對日本茶行為」的標準化間接影響力為0.36 (γ11*β31=0.44*0.82=0.36)； 「一般飲茶行為」透過「對日本茶態度」到「對日本茶行為」的標準化間接影響力為-0.02 (γ21*β32 =0.27*(-0.08)= -0.02； 「一般飲茶行為」透過「日本茶知識」到「對日本茶態度」的標準化間接影響力為0.12 (γ11 *β21=0.44*0.28=0.12)； 「一般飲茶行為」透過「日本茶知識」與「對日本茶態度」到「對日本茶行為」的標準化間接影響力為0.01(γ11*β21*β32=0.44*0.28*(-0.08)=0.01)； 「日本茶知識」透過「對日本茶態度」到「對日本茶行為」的標準化間接影響力為0.02 (β21*β32=0.28*(-0.08)=0.02)。 2018/11/8

126 模式整體配適度 指標 原始理論模式 建議值 Chi-Square 336.181 P=<0.001 df = 71
RMR 0.026 < 0.05 GFI 0.913 > 0.90 AGFI 0.871 NFI Delta1 0.784 RFI rho1 0.724 IFI Delta2 0.822 TLI rho2 0.768 CFI 0.819 RMSEA 0.087 這是根據SEM的全體配適度評估，本研究的原來模式是否適當，右邊是理想模式的配適度指標。 χ2/ df 、 RMR 、 GFI 有達到滿足理想模式的建議值。 因此本研究所提出的研究模式具有一定的配適度。 2018/11/8 P = P value　　df :Degrees of freedom 　

127 國中科學領域教師職業壓力、處理方式以及心理困擾之關係研究 (II)
結構方程模式分析(範例) 國中科學領域教師職業壓力、處理方式以及心理困擾之關係研究 (II) 計畫編號：NSC S 執行期間：91年8月1日至92年7月31日 計畫主持人:李光武 副教授 台北市立體育學院 通識教育中心 計畫參與人:李子奇 台灣大學農藝學系 生物統計學組 博士班研究生 發表於:玄奘社會科學學報 第二期 民國93年8月 2018/11/8

128 建構國中科學領域教師的職業壓力來源 對國中科學領域教師「壓力來源」的評估，本研究參考並修改Hui 和Chan (1996)所設計的TSS量表；此一問卷共20題，用來反映「指導工作」、「學校管理」、「學生行為管理」、「工作及時間壓力」及「工作上的人際關係」五種壓力來源；採五點計分方式填答，依反應強度大小，壓力最強者給予5分，其次為4分、3分及2分，壓力最弱者給予1分。 2018/11/8

129 建構國中科學領域教師的壓力處理方式 對國中科學領域教師「處理方式」的評估，本研究參考並修改WCQ量表(Folkman & Lazarus, 1988)；此一問卷共16題，用來反映「合理的問題處理」、「退卻的問題處理」、「尋求他人支持」及「消極的問題處理」四種處理方式；採四點計分方式填答，依處理方式使用的頻率大小，經常使用者給予4分，其次為3分及2分，從未使用者給予1分。 2018/11/8

130 建構國中科學領域教師的心理困擾 對國中科學領域教師心理困擾」的評估，本研究參考並修改GHQ量表(Chan, 1985；Goldberg, 1978；Goldberg & Williams, 1988)；此一問卷共20題，用來反映「内心障礙」、「健康顧慮」、「焦慮」、「睡眠問題」及「自殺念頭」五種心理困擾；採四點計分方式填答，以填答者過去一個月來的狀態與其平常狀態做比較，感受最強者給予4分，其次為3分及2分，感受最弱者給予1分。 2018/11/8

131 國中科學領域教師的個人背景因素 　國中科學領域教師「個人背景資料」中的「年齡」、「擁有小孩數」及「服務年資」三問項，將用來建構「個人背景」因素。 2018/11/8

132 模式徑路圖與標準化估計係數 個人背景 處理方式 心理困擾 壓力來源 退卻的問題處理 合理的問題處理 尋求他人支持 年齡 消極的問題處理
小孩數 服務年資 指導工作 學校管理 學生行為管理 焦慮 尋求他人支持 消極的問題處理 工作及時間壓力 退卻的問題處理 休閒障礙 睡眠問題 工作上的人際關係 合理的問題處理 自殺念頭 身心健康 顧慮 0.50 0.53 0.44 0.46 0.96 0.95 0.75 0.65 0.83 0.37 0.76 0.45 0.61 0.28 0.85 0.41 0.71 0.75 0.74 0.21 0.59 0.39 0.79 0.68 0.45 0.49 0.58 0.25 0.18 -0.59 個人背景 0.16 0.70 -0.15 處理方式 心理困擾 -0.02 -0.08 壓力來源 模式徑路圖與標準化估計係數 2018/11/8

133 模式整體配適度 指標 理論模式 修正模式 建議 配適值 Chi-Square 498.087 P =<0.001 df=113
285.3 df=109 P>0.05 RMSEA 0.085 0.061 小於0.08 NFI 0.796 0.883 大於0.90 NNFI 0.799 0.905 PNFI 0.661 0.708 大於0.50 CFI 0.833 0.924 IFI 0.835 RFI 0.754 0.854 SRMR 0.105 0.053 小於0.05 AGFI 0.849 0.901 PGFI 0.656 0.662 2018/11/8

134 因素分析 步驟一:選取分析->資料縮減->因子
2018/11/8

135 因素分析 步驟二:選取所欲分析的題目移至變數清單中
2018/11/8

136 因素分析 步驟三:進入萃取對話框 2018/11/8

137 因素分析 步驟三:進入轉軸對話框 2018/11/8

138 b1共同性值太低,可考慮刪除這題重新進行因素分析
2018/11/8

139 2018/11/8

140 可考慮只抽取4個因素,重新進行因素分析 2018/11/8

141 2018/11/8

142 刪除b1, 進行因素分析 2018/11/8

143 刪除a4, 進行因素分析 2018/11/8

144 刪除c1, 進行因素分析 2018/11/8