晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

在發展量表的程序上，預試是檢驗測量題目是否適切的重要程序，其中又以項目分析（Item-analysis）最為重要，除了透過量化指標去檢驗題目的適切性，研究者也應根據自己的需求及理論層次來評估（邱皓政，2010，14-2）。

項目分析所參考的指標數眾多，在社會科學的研究中，最常用的則是「極端組檢定」（comparisons of extreme groups）（又稱內部一致性效標法）及「校正項目總分相關分析」（corrected item - total correlation），利用求得各題項之決斷值（Critical Ratio，CR值）及相關係數（correlation coefficient），以瞭解各題項之鑑別力（discrimination）與同質性（homogeneity）為何，來作為選題的依據。

在2015年時筆者曾經寫過「寫好Meta-analysis文章的第一堂課：PRISMA檢核表」（網址：http://goo.gl/my89kO），接著這篇文章來介紹在執行Meta-analysis時有哪些必要的程序，以及簡略地介紹這些程序。補充說明，以下程序是筆者從事多篇meta-analysis後的個人經驗分享，並沒有特別的文獻佐證。

筆者將Meta-analysis的執行按照順序分成五大區塊，分別為一、文獻搜尋（Literature search）、二、研究品質評估（Quality of study）、三、資料萃取（Data extraction）、四、統計分析（Statistical analysis）以及五、出版偏差（Publication bias），以下分別介紹每個區塊的內容。

在上一篇文章中，筆者介紹了雙變數的趨勢分析（Bivariate analysis / univariate analysis）的SPSS操作程序與報表解讀，不過當我們要考慮控制變項（Control variable or covariate）時，就必須使用多變項分析（Multivariable analysis），本篇文章將介紹在調整其他變項效果之下的趨勢分析。

在開始示範操作程序之前，要先釐清一個重要的觀念，通常我們看到的「P trend」指的都是「線性趨勢」（Linear trend），也就是一次方的直線關係。除了直線關係之外，也有可能存在著曲線關係，常見的有二次方（Quadratic）及三次方（Cubic）的趨勢，在此先不詳細介紹曲線關係，本文焦點在於介紹直線關係的趨勢分析。

筆者在不久之前簡介了「P trend」（趨勢分析）的應用時機與基本概念（http://goo.gl/CjfyWf），受到不少讀者的迴響，並且希望可以示範統計軟體的實作，因此本篇文章先以雙變數分析（Bivariate analysis / univariate analysis）為例，以SPSS 22版操作並且簡單解讀結果。

當文章討論文變項之間的關聯性之後，通常會以迴歸分析做最後的統整及結果，在考慮自變項之間相互影響及控制之下，去找尋依變項的主要影響或預測因子，而本系統也包含這部分的分析。
＊本系統目前僅提供強迫/全部進入法（Enter）

Randy Pausch~美國卡內基梅隆大學的計算機科學、人機互動及設計教授

迴歸分析是蠻常採用的統計方法之一，而在進行迴歸分析之前，針對殘差的部分存在幾項基本的假設，當資料違反這些基本假設而進行分析時，通常會使研究結果產生偏誤，至於偏誤的程度，當然就視資料違反的程度而定，其假設包含：

（1）常態性