期末報告

研究方法課程內容實際應用~論文
期末報告

信度效度

在社會科學研究中，研究者常需藉助一些測驗作為蒐集資料的工具。一份優良的測驗工具，至少必須具備高信度（reliability）與高效度（validity）二個特徵。

信度的意義

所謂信度是衡量沒有誤差的程度，也是測驗結果的一致性(consistency)程度，信度是以衡量的變異理論為基礎。

效度

• 效度係指一份測驗能正確測量到所要測量特質之程度，其可分為以下三種：
  
• （一）內容效度：
  
• 指測驗內容（題目）的代表性，乃在考驗測驗的題目能否適切地測量到測驗所要測驗的目的或行為層面。例如教師自編的成就測驗（透過雙向細目表檢定；考慮教材內容與教學目標）常採用內容效度作為考驗測驗結果效度的方法。係以題目之分佈來判斷，屬於命題之邏輯分析。
• 測驗內容的代表性或取樣的適切性
• 1.利用雙向細目表
• 2.利用複份的編製
• 3.適用於成就測驗
• 不適用於性向、人格測驗


•  (二）效標關聯效度：
  其目的在於預測樣本未來之表現或是估計目前在其它測驗上之表現。常用來做為外在效標的工具如學業成就、實際工作表現等。係以實際測驗分數去判斷，屬於實徵之統計分析。
  
  
• （三）建構效度：
  從理論的觀點去解釋測驗之效度，係指測驗能夠測量到理論上之建構或心理特質之程度。例如「空間推理」、「數學焦慮」等均是建構，這些心理特質實際上均無法觀察的到，若我們能在假設性之理論建構下編製一份測驗，而實際之測驗分數經考驗結果能有效解釋該心理特質，則此測驗即具有建構效度。建構效度考驗步驟包括：（1）建立假設性理論建構；（2）根據步驟（1）編製一份問卷，對受試者進行施測；（3）以實證方法檢定該測驗是否能有效解釋所欲建構。最常用來考驗建構效度的方法為因素分析。

卡方考驗(chi-square test, χ2 test)

卡方考驗

• 適用於調查研究法中，類別變項資料的統計分析技術。
  
• 使用時機 當資料以次數分配表及列聯表的方式呈現時，可以卡方考驗的方式來進行推論統計的檢定
  
• 因卡方考驗以細格次數來進行交叉比較，俗稱交叉分析。由於列聯表中的細格不是次數就是百分比，因此卡方考驗又可稱為百分比考驗。
• 以卡方考驗所進行的檢定稱為適合度考驗。

• 其目的在於檢測單一變項 (X) 的實際觀察次數分配與某理論次數分配是否符合。可以SPSS中的無母數檢定方法(Nonparametric tests)中的chi-square進行檢定工作。

以卡方考驗進行統計檢定的種類 

• 改變的顯著性考驗(test of significance of “change”)
  
• 該考驗主要目的在檢定同一群樣本對一件事情前後兩次反應之間的差異情形。
• 可以SPSS中的無母數檢定方法(Nonparametric tests)中的2 related samples進行檢定工作。
  

延伸學習:

1. 卡方考驗例題
   
2. 彰化縣湖南國小許銘堯老師編寫(Flash檔案)

week12:單因子變數分析

獨立樣本t考驗

• 可用來比較兩個母群平均數的差異
• 但是t考驗並不適合三組以上平均數的考驗--->三組以上應使用變異數分析 (analysis of variance, ANOVA)。 
  

ANOVA

• 一個自變數 (又稱為因子或因素，factor)，因此稱為單因子變異數分析 (one-way ANOVA)。
• 若自變數有三個類別 (或稱水準，level)，三組的受試者為不同的樣本，因此稱為獨立樣本單因子變異數分析。

單因子變異數分析

• 計算組間(between groups)及組內(within groups) 的離均差平方和，除以適當的自由度，以得到均方(mean square, MS)，MS就是母群體變異數的不偏估計值 
  

延伸學習:如何用SPSS進行One-wayANOVA

week9:中央極限定理

中央極限定理(central limit theorem)

當樣本數越多時(n>30)，則其平均數之分配越趨向於常態分配。

母體數目無限(N=∞)

在抽樣下一個樣本前，將已抽出的樣本再放回

例如從十張牌裡抽一張牌，再放回重抽，雖然只有十張牌，卻可視為母體無限大

則

)當樣本數增加時，所有可能之樣本平均數χbar之分配會接近常態分配

)樣本平均數之平均數(μχbar)為μ

)樣本平均數之標準差(δχbar)為δ/(n)1/2

母體數目有限(N>30>∞) 母體數目可數時

如下圖判別流程:

延伸學習:開南大學陳裕達老師講義

網站介紹: 研究生2.0

記錄研究生需要具備的知識與工具，並介紹研究相關的觀念與軟體

網址:http://newgenerationresearcher.blogspot.com/

week6: 常態分配

常態分配(standard nomal distribution)

連續隨機變數之分配呈現鐘型分配之狀態

配合平均數及標準差之觀念，我們可以得到常態分配一個重要的特性：

1. 在常態曲線下，以平均數X為中心，任何一個在左邊的點與X之間在常態曲線下之面積是和另一相對在右邊同距離之點與X之間的面積相等。
   
   
2. 任何點與X間在常態曲線下之面積是一定且已知的。
   

如果一個變項的分配是接近常態曲線，那這個面積的比例也代表所佔的樣本比例。

例如，如果全部樣本數是1000人，則平均數加減一個標準差（平均數 ± 1S）就有約683人（1000 × 68.26％）。所以，就常態分配而言，只有少數的樣本是在平均數加減三個標準差以外（也就是說只有極少數個案的分數是比平均數加三個標準差來的大，或比平均數減三個標準差來的小）

延伸學習:

• 常態分配(The Normal Distribution)