之前有寫過一篇關於樣本數規劃的簡介文章,迴響還不錯,有蠻多朋友留言詢問問題,由於上次並未針對某種統計方法(或研究問題)介紹樣本數的事先規劃(planning sample size a priori),因此本篇文章旨在介紹幾種常用樣本數計算的時機點,由於篇幅的限制因此只介紹兩種類型,分別為比較兩組的差異(通常為實驗設計的研究)及相關性研究(或稱為觀察型研究,Observational study),將以下分別介紹。
之前有寫過一篇關於樣本數規劃的簡介文章,迴響還不錯,有蠻多朋友留言詢問問題,由於上次並未針對某種統計方法(或研究問題)介紹樣本數的事先規劃(planning sample size a priori),因此本篇文章旨在介紹幾種常用樣本數計算的時機點,由於篇幅的限制因此只介紹兩種類型,分別為比較兩組的差異(通常為實驗設計的研究)及相關性研究(或稱為觀察型研究,Observational study),將以下分別介紹。
探索性因素分析(Exploratory factor analysis, EFA)用在將量表的題項(item)縮減成數個可解釋的構念(construct),通常量表都是用於測量心理特質,例如態度、動機或意向等抽象的概念。EFA在學術領域的使用頻率非常高,幾乎每一個進行量表調查的研究者都必須使用到這個分析。
事實上調節變項在迴歸分析的作法並不複雜,承上例以性別為調節變項的例子,迴歸方程式就如下這樣:
減肥行為 = 截距項 + a × 減肥知識 + b × 性別 + c × (性別×減肥知識) + 殘差
在之前的兩篇文章我曾經簡介過「中介變項」的概念與檢驗流程,接下來這兩篇文章也會針對於「調節變項」的概念(上篇)及檢驗流程(下篇)作簡介,在這之前也是建議先閱讀研究生2.0的針對調節變項的介紹https://researcher20.com/2010/06/08/%E4%B8%AD%E4%BB%8B%E8%AE%8A%E6%95%B8mediator%E8%88%87%E8%AA%BF%E7%AF%80%E8%AE%8A%E6%95%B8moderator/,大家應該看一下他摘錄的重點之後再看我的介紹,這樣子觀念的銜接會比較順暢。
上一篇文章,我們介紹了Baron and Kenny (1986) 經典文章中關於中介變項檢驗的統計作法,但從1986年之後陸續發展了許多更適用於複雜情境的檢驗程序,不過主題包含甚廣,因此我只針對幾個部分作介紹:Sobel test、有控制變項情況之下的中介變項檢驗、Bootstrapping以及SEM。
從事統計顧問的這幾年來,常常與各種統計程度不一的客戶諮詢,有的是剛接觸統計的學生、有的是已頗有底子的研究人員、甚至有些是研究資歷豐富的大學教授,但令我頗驚訝的是,他們常常會有一個迷思:「樣本數是不是越大越好?」,大家普遍會這樣子認為是因為「樣本數越大越容易有顯著的結果!」。