因素分析(factor analysis)很常使用在知識探循方面,但因為內容涵蓋了一些抽象的統計概念,筆者試著用簡單的例子來說明. 當你想了解某些概念的結構成分,例如:理想男性的特質.你可能會問很多人,得到了很多描述,像是膽子很大.動作豪邁.獨當一面...等等.我們把這些蒐集到的敘述中,很常被提到的一些特質做成問卷,去問大家同不同意,像是"強悍的男人很有男子氣概",然後提供不同程度的認同選項,像是1(非常不贊同)~7(非常贊同),這個技術也被稱為李克特氏量尺(Likert Scale).得到的大量問卷結果,我們把它放進統計分析軟體,就會看到有一些題目會被分在同一堆,另外又有一些題目被分在同一堆.然後我們就看著這些同一堆的題目當中的敘述,去推估這大概是在指哪種特質,然後自己給一個命名,像是競爭特質.等到每一堆都命名完,我們就會得到好幾樣關於理想的男性特質有包含哪些,這就叫做探索性因素分析(Exploratory Factor Analysis, EFA). 還有一種是,我已經知道有其他學者提出關於理想男性具有若干特質的論述或研究,但我想自己再確認看

以下將分享教師使用Excel整理與計算學生期末成績時,常用的一些公式與函數,透過對Excel表格的調整與操作,就可以得到想要的結果. 在實務上,我們會先處理好第一筆的學生資料,再透過後續操作取得所有學生的結果.例如:我們想要得到學生的12次作業成績加總, 但扣掉最差和第二差的成績,只取十次最好的,則先計算好學生A的各項值後,在T3鍵入公式=Q3-R3-S3,這樣就會得到學生A的結果45. 所有學生的計算結果,只要按住T3這格往下拉至最後一筆,則在此之下的所有學生結果,就會依樣畫葫蘆的計算好了. 例如:T3=Q3-E3-S3,則T4就會自動修正為Q4-E4-S4,以此類推.這也是最直觀的公式用法,把所要計算的格子以加減乘除的方式寫出來. (T3)= Q3-R3-S3 指表格內從E3~P3的成績加總(Q3)-最小值(R3)-第二小值(S3). 結果顯示於T3,值為45. ☺小提示: (T3)=SUM(E3:P3)-SMALL(E3:P3,1)-SMALL(E3:P3,2) ←這是更直接的計算方式,就不用另起Q3.R3和S3欄. 以下為各種範例—

在單因子變異數分析中,不同於較多研究者使用的事後比較法(post hoc tests),事前比較(planned comparison)被認為是更具目標性的策略. 研究者一開始就很清楚自己想問的問題,而不是漫無目的使用窮舉法(exhaustive attack method)去找尋到底哪些組別是有差異的. 這除了立基於研究者在文獻探討的基本功,也就是能否充分看過其他類似研究的結果 ,並事前推估自己的研究可能呈現哪些結果, 通常研究者也會使用正交實驗設計(orthogonal experimental design)來將想問的問題做歸納. 正交實驗設計的特點是由部分實驗來取代全部實驗,研究者不將所有組別都做比較,而是只挑選出具有代表性的部分組合做比較. 我們以下列例子做演練: 有一實驗想了解動物在不同飲食供應的狀態下,其學習測驗結果是否有所不同.研究者設置了五個組別,每組有五隻老鼠,共得到25筆測驗分數. 在事前比較中,研究者一開始就會先想好哪些組別要互相比較: 一、想了解水糧給予(1,2)與水糧剝奪(3,4,5)的差異—1,2 vs.3.4.5

當我們想要將不同期刊文章或書裡呈現的資料合併作分析時,這會是一個相當實用的網站: Analysis of Variance from Summary Data 什麼時候會需要使用這個網站呢?例如: A研究—呈現某測驗於北部地區的施測結果 B研究—呈現某測驗於中部地區的施測結果 C研究—呈現某測驗於南部地區的施測結果 通常讀者很難由文獻裡直接看到個別研究的原始數據,但作者通常須報告其研究的樣本數(n),平均數(mean),標準差(std. dev.)或標準誤(std. error), 當我們想要了解不同地區(北.中.南)的施測結果是否有所差異,就可以使用摘要資料(summary data)做變異數分析(analysis of variance). 首先進入Analysis of Variance from Summary Data ,這個網站一開始就有填入摘要數據的範例,筆者稍後會直接以此數據做示範. 研究者在鍵入群組名稱時,可依照需求做更改,例如:將Group1置換為北部地區,Group2置換為中部地區,Group3置換為南部地區. 然後依序鍵入

在投稿論文時,有時會遇到部分期刊的投稿格式,要求參考文獻須以縮寫呈現,像是Taylor & Francis Group出版之期刊. 縮寫查詢方式通常是給予一整份的期刊縮寫對照清單,須依照字母順序,由上萬筆資料中找尋自己所需,查詢起來相當費時, 筆者在此推薦一種能快速查詢到該期刊縮寫的方式,希望能替各位學術工作者們節省一些寶貴的時間. 首先進入Web of science,許多大專院校都能憑自己的校內帳號進入使用該系統,大部分都是拿來查詢與下載英文期刊, 但其實這個系統拿來查詢期刊縮寫也相當方便,而且無須登入. 先將檢索頁面切換至參考文獻檢索.這邊有兩種方式可以查詢英文期刊縮寫:1.檢視縮寫清單(傳統方法) 2.被引用著作(快捷查詢) 第一種是由參考文獻檢索的檢視縮寫清單進入,這時會出現傳統式的清單,讀者可依據字母順序查詢到該期刊的英文縮寫. 當快捷查詢失效時,我們依舊可以用這種土法煉鋼的方式查到期刊的正確縮寫. 第二種是快捷查詢方式.將期刊名鍵入後, 選取"被引用著作",然後按下檢索鍵,就會出現類似下方的檢索結果. 以British Journa

常態分佈圖(normal distribution plot)是將一連續變項觀察值發生機率之分佈情形呈現的圖,大體來說,具有以下幾種特性: 1. 以平均數為中心,構成左右對稱的單峰鐘形曲線. 2. 平均數.中位數和眾數會是同一個值,全體觀察值範圍介於-∞~∞之間, 3. 當中68.26%的數值落在平均數 ± 1個標準差之間;95.44%的數值落在平均數 ± 2個標準差之間; 99.74%的數值落在平均數 ± 3個標準差之間. 因此常態分佈圖在繪製時會設定平均數為0,標準差為1, y軸則是機率密度函數(probability density function,p.d.f). ☺小幫手︰R軟體官方網站(可免費下載R軟體) 以下為筆者彙整的R指令,提供給諸位做參考.使用這套指令,就可以一次繪出上面的常態分佈圖,包含常態曲線圖(左邊)與常態分佈直方圖(右邊) windows() split.screen(c(1,2)) screen(1) curve(dnorm(x),from = -3.5, to = 3.5, ylab="p.d.f", main

重複量數,或者稱重複測量(repeated measures)設計,用於了解同一組受試者在接受多次測量後,這些測量分數彼此間的差異, 重點並不是在比較受試者間的差異,而是受試者"自己"於不同時間點的分數差異. 我們以下列例子作演練: 9位受試者在經過week1與week2的基準線測量,得到其偏頭痛的持續時間後,做了三週減緩偏頭痛的訓練, 並得到week3.week4.week5的測量分數. 若想知道這些受試者,他們在五週間的分數是否有明顯變化,(也許是期待受了減緩訓練後,偏頭痛的持續時間會大幅降低) 那我們就可以使用重複測量設計. 不同於以往我們在SPSS中常使用的資料key in模式, 像是: 1 21 1 20 1 17 . . 2 22 2 19 . . 在重複量數中,我們並不把五週的成績排在同一行變項,而是採取較直觀的方式key in,如下圖: 從分析→一般線性模式→重複量數, 在本例中,我們比較想知道的是每一個受試者,自己在五週當中的變化,是否有明顯差異,這就是受試者"內"因子, 筆者在此將這個因子取名為w

在使用SPSS 17版時, 其輸出檔的副檔名會是spv. 但有時候我們會收到spo.檔,而且就打不開了,這是為什麼呢? 原來SPSS 16版以前的輸出檔, 附檔名都是設為spo. 但SPSS 17版無法開啟這樣的輸出檔, 而且這不是將檔名更改成spv.就可以解決的. 針對這種新舊不相容的問題, 出品SPSS的IBM公司有提供一個弱弱的解決方式, 就是下載 SPSS Legacy Viewer : 在這個網頁下方,可以看到多國語言支援,沒有繁體中文版,所以我們點選英文版(English). 下載之後點選安裝: 安裝完畢就可以在程式裡看到這個選項:SPSS SmartViewer,開啟後從file→open,就能選擇您的spo.檔並開啟成功囉!! (這時螢幕解析度可能會自動做調整,屬正常現象) 是不是很簡單就解決了這個問題呢?不用再為此頭痛了!祝大家研究順利喔^^ #SPSS #Statistics #Academic