晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

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。

多年的統計工作經驗，已經毫不懷疑的相信”統計”的重要性與實用性；我們也希望設計更多課程，將統計觀念和正確作法推廣出去，讓更多需要的人受惠。

本篇延續上一篇，關於EFA的幾個重要的決策點：（3）要用直交轉軸或斜交轉軸（4）因素負荷量要多少才可以（5）怎麼樣的題項不能夠保留，以下就一一作說明：

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！」。

SPSS的資料處理一般分作兩部份，分別為Coding以及Clean，其特性如下：