多变量分析总论与信度分析.ppt

第五章 多變量分析總論與信度分析 第一節 統計檢定與P值 第二節 多變量分析程序總論 第三節 信度分析與效度分析的原理 第四節 SPSS 的信度分析 第五節 信度分析範例 第一節 統計檢定與P值 一、常態分配與假設檢定 二、顯著水準（α值）與機率值（p值，Sig值） 常態分配與假設檢定 統計方法討論的目的是要經由樣本統計量(Statistics)推估出母體參數(Parameter)。 統計方法的另一目的是在討論有關母體參數的假設檢定。 例如：令變數為學生體重減去在相同年齡，隨機抽取9名學生隨機抽取，並計算其X值，X值分別為 -7　-2　1　3　6　10　15　21　30，其平均值為8.56。 H0：μ=0，我們稱之為虛無假設(Null hypothesis)。 圖5-1 ?值與P值之關係圖 P值顯著水準的表示法 p=.6453 （未達到α=.10的水準） p=.1250 （未達到α=.10的水準） p=.0606* （未達到α=.05的水準，但達到α=.10的水準） p=.0258** （未達到α=.01的水準，但達到α=.05的水準） p=.0032*** （已達到α=.01的水準） p=.0003*** （已達到α=.01的水準） 單尾與雙尾檢定 在SPSS統計軟體中，不論是哪一個檢定程序，其所顯示的P值，皆是雙尾檢定的結果。 若使用者欲進行的是單尾檢定，其程序與雙尾檢定皆相同，但所得到的p值須自行除以2，再與期望的顯著水準比較。 不過，就假設檢定而言，大部分皆屬於雙尾檢定的假設，故P值不需再除以2。 單尾檢定，必須將電腦計算出的P值除以2，又分為以下情況： 檢定H0：μ1≦ μ2，當t值≧0時，則單尾的P值=P值（雙尾）／2 若是t值≦0，則單尾的P值=1－P值（雙尾）／2 檢定H0：μ1≧μ2 ，當t值≧ 0時，則單尾的P值=1－P值（雙尾）／2 若是t值≦ 0，則單尾的P值= P值（雙尾）／2 第二節 多變量分析程序總論 一、變數的衡量尺度之比較 二、多變量分析技術之比較 一、變數的衡量尺度之比較 名目尺度(Nominal Scale)：又稱為名義尺度，如性別、居住地、職業等。 順序尺度（Ordinal Scale）：又稱為次序尺度，如滿意程度、同意程度、態度、名次等。 區間尺度(Interval Scale)：如溫度等。區間尺度之衡量水準高於名目尺度及順序尺度。 比率尺度(Ratio Scale)：指可以表示所衡量事物的實質差異程度的數字，如成績、所得、身高、體重等。 變數的類型(1/2) 以變數尺度來區分：分為名目、順序、區間、比率四種尺度。虛（Dummy）變數，通常是指名目尺度。 以變數型態來區分：分為數字（Numeric）與文字（Character）變數。 以變數是否為類別來區分：名目與順序尺度皆可是分類（Class）變數。 以變數功能來區分：可分為自變數（Independent，又稱為獨立變數）與因變數（Dependent，又稱為應變數或相依變數）。自變數又可稱為預測（Predicted）變數，因變數又可稱為準則（Criterion）變數。 變數的類型(2/2) 以變數是否為可計量來區分：可分為計質（Quality，定性）變數與計量（Quantity，定量）變數。 計質變數包括名目尺度與順序尺度變數；計量變數包括區間尺度與比率尺度變數及升級後的順序尺度變數。 計質變數又可稱間斷（Discrete）變數，計量變數又稱為連續（Continuous）變數。 計量變數也可稱為可計量（Metric）變數或分析變數，計質變數也可稱為不可計量（Nonmetric）變數。 表5-1 變數種類的綜合比較表 二、多變量分析技術之比較 多變量分析技術的區分可從下列五個構面來劃分： 1.橫斷面與縱斷面技術分析。 2.變數是否可分為自變數與因變數。 3.自變數與因變數之個數。 4.自變數與因變數之尺度。 5.若預測變數為分類變數，群組數的多寡。 多變數技術首先以時間來劃分為同一時間點的橫斷面（cross-section）與跨時間的縱斷面（longitudinal）技術 大多數的多變量分析技術為橫斷面分析，時間數列（time-series）分析為縱斷面分析，在第十五章的第二節中討論。 表5-2 多變量分析技術彙總比較表 (1/2) 表5-2 多變量分析技術彙總比較表 (2/2) 表5-3 變數個數與衡量尺度的多變量分析技術比較表 表5-4 變數個數與衡量尺度的多變量分析技術比較表（續） 分類變數與計