量表分數應用：計算總分or平均（二）－晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

下圖是計算出來的結果，分別得到了總和、平均、相加

（4）採用函數加總時最大的問題是不能有遺漏值，否則計算出來的得分會有偏差問題，以6號受訪者來說，五個題項的回答皆為滿意（4分），總分得到20分，7號受訪者前四題皆回答非常滿意（5分），但由於第五題遺漏，被當成0分來計算，使得這兩名受訪者算出來的滿意程度相等，這樣似乎就不合理了，所以有遺漏值的資料就得特別注意；另外還存在一個問題，若今天研究者想要進行構面之間的分數比較或排序時，以加總分數比較就會出現一個明顯的問題，題數越多分數通常會越高，因此當構面的題數不相同時，就無法在同一個基礎點上做比較。為了解決這兩項問題，個人最推薦採用函數平均進行計算

（5）採用函數平均是我認為最好的方式，因為這邊可以解決題項有遺漏的問題，就算7號受訪者的第五題並未作答，在計算時就會修正前用有填寫的前四題進行加總後再除以4，使得每位受訪者的得分範圍介於1~5分之間，符合公平原則，另一好處是每位受訪者的得分就可以根據得分範圍的相對位置，去判斷所代表的意義。

（6）如果不採用函數，而直接以四則運算符號進行計算時，當讀到的變項只要有任一項遺漏值，該筆樣本的數據就無法計算，而以遺漏值呈現，不過至少比用函數加總遇到遺漏值還要好一點，至少不會提供不正確的數據。

綜合以上說明，量表計分該採用總和或平均，可以視研究工具在發展時所給予的說明，如果沒有這方面的說明，會建議找找看使用此工具所進行的研究，看這些論文是採用何種的計分方式，讓自己研究的結果分析出來後，也方便進行文獻的比對，若撇除上述兩者因素，個人會建議以函數計算平均值最好，理由是可以解決遺漏值問題，以及計算出來的數值可以立刻比對出相對位置所代表的程度高低。

再來就是您抉擇完後可能會遇到的問題，老闆不同意您選擇的總分（or平均），而要求另一種的計算方式。量表無論選擇加總計分，或是平均計分，甚至任何一種線性轉換公式，其實都不會影響推論性統計結果，也就是我們最後得到的顯著性P值會一模一樣，而只會影響到表面看到的敘述性統計，這就好像身高這個變項，無論是用公分為單位所進行的分析，或是用公尺為單位所進行的分析，分析結論是完全不會改變的，不過因為單位不同，所以計算的平均值就是變為一百倍，以下也舉個例做簡單證明。