第二章研究设计.PDF

第二章 研究設計 第一節 研究方法與研究架構 本研究所採取的研究方法是電腦模擬法，以既有的調查研究資料為母體，反 覆地樣本抽取，進行參數推估，計算所得之參數平均數與母體參數之間的偏誤和 參數變異數，所有抽樣樣本數配對皆以此方式進行，最後比較各抽樣條件的相對 偏誤及變異數，數值愈小表示此一抽樣條件較佳，反之，則代表抽樣條件所推估 出來的參數較不準確，而為不良之抽樣配對。 電腦模擬法的執行程序如下，先針對母體原始資料進行整理，後續模擬程序 則以撰寫電腦程式執行，主要的軟體為HLM6.0 版進行多層線性迴歸分析的各項 參數估計。估計法的選用如第一章第四節文獻檢閱中所提，一般說來在多層線性 模型的估計上有MLR 和MLF 二法，本文採用Browne and Draper(2000)的說法， 認為MLR 的估計通常較MLF 準確，故在HLM6.0 的設定上以MLR 法進行各項 參數估計。由於HLM6.0 版本不僅容許以視窗點選方式進行，亦可以在 DOS 作 業系統下以批次檔(batch file)來執行，因此自形成母體資料、抽取樣本、進行參 數估計、儲存資料等都使用C++ 程式語言整合所有模擬過程，詳細流程請見圖一。 開始抽樣前，必須進行母體資料製作，不論是教育學或政治學的原始資料 裡，每個群體內的個體樣本數大小都不相同，為了避免抽樣加權問題且讓每個個 23 1 體的抽樣機率一致，以隨機抽樣的方式將個體樣本數統一成固定數目 。筆者針 對教育學資料，形成總體樣本 100 個、個體樣本總數 10000 個( 100×100)的母體 資料，依此一母體資料，另行製作中、高兩種模型解釋力的個體樣本，有了三種 個體資料後，再分別進行各群體的OLS 參數估計，製作出高、中、低三種適合 度的總體層次樣本，故共有九個兩層次解釋力不一的母體樣本，可比較不同母體 資料特性對於各參數估計的影響。另一方面，從原始的政治學調查研究資料統一 形成 1500/150 的母體，根據上述母體，便可算出各國的迴歸參數真值β 、固定 j 效果wγ 及隨機效果u 。 j j 其次是抽樣條件的選定，從過去的相關模擬研究中發現，不論樣本組合數為 何，總樣本數愈大，所估計出來的參數表現愈好(Mok 1995) ，為了控制此變因， 不讓總樣本數干擾研究結果，因此本文將研究課題限定於總體個數乘上個體個數 的總樣本數不變之情況，評估各項參數在控制總樣本數後的表現。Kreft (1996) 曾建議個體層次及總體層次樣本數都訂在30 個樣本以上，才能獲得較為穩固的 估計，故以此為準，選擇固定總樣本數為900( 30 ×30 ) ，使得個體與總體樣本數 產生五種不同抽樣配對，各自是 10/90 、20/45 、30/30 、45/20 、90/10 ，來檢視個 體層次的樣本數較重要，或者是總體層次的樣本數才是研究者不容小覷之處。 第三個步驟是進行模擬程序，按照不同的抽樣條件(群體/個體樣本數組合) 1 當母體資料龐大或蒐集困難，但研究又希望節省成本時，多採群集抽樣法(cluster sampling) ， 先抽取總體層次樣本，進而抽取個體層次樣本，因此常又被稱為次群集抽樣(subsampling)或多階 段性抽樣(multistage sampling) ，本研究正是以此法進行模擬實驗。群集抽樣法可依群體內個體數 目是否相同分為「等量」(equal clusters) 及「不等量」(unequal clusters)兩大類，若資料型態為不 平均的群集，按照Kish(1965 ：183)所分析，在選樣上便會產生以下四個問題：第一、為了使每 個個體被抽中的機率相同，個體數目的大小勢必將成為決定總體層次樣本選取中的隨機變數，增 加了抽樣設計的不確定性；第二、縱使是良好的估計，其比例均數(ratio mean)並不等同於母體平 均值；第三、變異數估計式不是變異數真值的不偏估計；第四、變異數估計式相當複雜，不易計 算。本研究為了