8509心理與教育研究法第13章統計分析.ppt.pptVIP

研究資料的統計分析 第一節　量化資料的整理 第二節　量化資料的描述性分析 第三節　量化資料的推論統計分析 第四節　無母數統計 第五節　統計方式的選擇 心理與教育研究法 Research Methods in Psychology and Education 13-* * Chapter 13 一、量化資料的類型 (一) 計量型資料 　　計量型資料是指該變項是以數量的型式呈現，且該數量的大小表徵著該變項的特質或程度。在研究中常見的計量型資料有分數、溫度、重量、長度、壓力程度、自尊、智力、態度等等。 (二) 類別型資料 　　類別型資料所指的是藉由類別型變項所獲得的資訊，而類別型資料它包含名義變項和間斷變項，此時變項的功能不在於區辨優劣、高低、好壞，其目的在於分類與計數。 第一節 量化資料的整理 第一節 量化資料的整理 二、發展編碼類別 　　所謂的編碼（coding）就是資料數字化與數字分類的過程，而數字化即是計分，也就是針對各研究中研究工具所獲得資料的量化歷程。 編碼通常需依循以下三原則： (一)每一個代碼都是獨一無二的，不可有重疊的現象 產生。 (二)所設定代碼表徵的內容應該完整，不可產生疏漏 或過於簡陋。 (三)代碼的應用應該要前後一致。 　　編碼的方法則可以分成事前編碼（precoding）與事後編碼（postcoding）二種。 　　事前編碼是指編碼過程中的一切程序與歷程，均在資料蒐集前即予以設定完成，因此這種方法最適用於封閉性試題。 　　事後編碼，它是指資料的編碼方式與類別的分類，是在資料蒐集後才決定，這種編碼方式常常被使用在開放性的問題當中。 第一節 量化資料的整理 三、編碼表冊的設計 　　這些表格設計時，研究者應從未來統計需求的角度進行設計，且配合電腦套裝軟體的需求，基於此理念，編碼表格最重要的要求便是同一個變項必須登錄在同一欄上，不可以因為受試者的其它屬性（例如，不同班級）而將同一變項登錄在二欄上，否則對於未來的資料電腦處理將會造成障礙。 第一節 量化資料的整理 　　量化資料的描述分析旨在針對原本紛雜、散亂的原始資料，進行歸納、統整、濃縮、分析的工作，讓研究者可抽取出樣本的特性，使成為有意義的資訊。 一、次數分配 　　次數分配（frequency distribution）只是將原始資料做最初步分析，將原本以個人為單位的計數工作，改為以組為單位呈現。 第二節 量化資料的描述性分析 　　當研究者實際進行次數分配的過程，可分為下列五個步驟： (一)計算全距 (二)估計組數與決定組距 (三)決定每一組的上下限 (四)確定組別並設定真正上下限、組中點 (五)畫記算次數 第二節 量化資料的描述性分析 二、集中量數 　　集中量數（measures of central location）是指以一最佳數值代表原始資料分數的集中情形，而這也是描述一個團體中心位置的一個數值。常見的集中量數有下列三種： (一)算數平均數 (二)中數 (三)眾數 第二節 量化資料的描述性分析 第二節 量化資料的描述性分析 三、變異量數 　　變異量數（measures of variance）是指原始資料中，各分數之間的分散、變異程度。 變異量數一般可分成四種： (一)全距 (二)平均差 (三)標準差 (四)四分差 四、標準分數與常態分配 　　標準分數最典型的代表者為z分數，z分數是離均差與標準差的比值，也就是說z分數乃在探討離均差是標準差的倍數。 　　z分數它有幾個重要特性：首先，團體中各成員z分數的總和等於0；其次，z分數的變異數是1，標準差也是1，所以在常態分配曲線中橫座標所標示者，即為z分數的概念。 　　在常態分配曲線中，其曲線以下的面積可視為是機率或是人數，再搭配z分數即可據此進行相關分析。 第二節 量化資料的描述性分析 得分在正負1個z分數之間者佔總人數的68.26%。 得分在正負1.96個z分數之間者佔總人數的95%。 得分在正負2個z分數之間者佔總人數的95.44%。 得分在正負2.58個z分數之間者佔總人數的99%。 得分在正負3個z分數之間者佔總人數的99.74%。 得分在正1.65個z分數以上者，贏過95%的人。 得分在正2.33個z分數以上者，贏過99%的人。 第二節 量化資料的描述性分析 五、相關 　　相關（correlation）是處理雙變項（bivariate）資料的技術，其目的在於分析變項間的關係，研究者可以從它的相關程度、相關大小及相關型態，來判斷研究的結果，用以描述樣本的現況。 　　相關的類型有很多，在描述統計中，最常使用的是簡單相關，目的在分析各變項之間的關係。 　　整個相關的計算過程中，最關鍵處在於共變數（covariance）的