晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

每當評估一個新的案件，當然是直接翻到第三章的研究方法，除了看看研究架構與假設之外，還要看一下使用的統計方法，關於護理領域的研究，根據多年的經驗，主要的設計有兩種，一種是實驗研究，近期最多人使用的，就是利用廣義估計方程（Generalized estimating equation, GEE）探討介入的效果，另一種是關聯性研究，瞭解變項之間的關係，統計方法不外乎就是卡方、獨立t、ANOVA，最後再迴歸分析為主軸作為收尾，固定的統計方法卻能讓論文一直不斷被產出，除了因為樣本的多樣性與特殊性之外，另一個極大的優勢，就是有非常多已經發展具有信效度的研究量表，這將為護理研究人員省下許多的時間與精力。

如果您對於上述的統計方法都做到膩了，不如嘗試比較進階一點的結構方程模式（structural equation modeling, SEM），這裡講的是較進階，並不是較新，畢竟結構方程SEM算是比較有資歷的統計方法了，您或許會有疑問，為什麼沒聽過，這也是我的疑問，因為我也很少遇到護理研究有使用，所以推薦給你們，另外搭配軟體AMOS，您一定會很意外，這好像也沒有很困難。

為什麼突然會想推薦護理領域做結構方程的統計方法，主要原因就是剛剛提到護理研究的最大優勢：有大量已經發展具有信效度的研究量表，一個典型的研究量表，就是量表會包含數個面向，每個面向下都有各自的題目，舉例來說，WHOQOL-BREF量表有26題，分為四個面向，包含生理範疇、心理範疇、社會範疇、環境範疇，既然這已經發展完成，當我們在使用時，自然就不會有人質疑題目的適切性，或是結構的合理性。接著我們回到結構方程這個統計方法的特性，下圖為結構方程模式的示範圖，結構方程分為兩個部分，第一部分是測量模式，代表的是每個量表下的因素結構，如睡眠品質分為7個面向、職場疲勞與生活品質分為4個面向，而底下所包含的題目有哪些，以及信效度為何，都應該要在前一步的因素分析完成，因此只要引用的是知名量表，您就可以大方跳過因素分析的步驟，而第二部分稱為結構模式，以下圖來說，就是三個橢圓形間的因果關係，這也是我們最後要回答用來研究假設的結果，是不是跟我們做迴歸分析很相近呢。

您應該會想問，若要做結構方程，那有沒有什麼要注意的呢？首先，樣本數最好能在200以上，就像迴歸的自變項數越多的話，所需的樣本數也越多，結構方程的觀察變項越多（如上圖方形的數量），樣本數也需要越多，但文獻建議最低要求最好能在200以上，因此您的研究樣本能超過200人，恭喜您通過了第一個條件；再來，不適合放人口學變項或類別變項，上圖測量模式的概念，建立在受訪者的心理特質反映在觀察變項（方形）上，能夠讓研究達到估計的目的，所以試想，若是把觀察變項（方形）全部擺上了人口學變項，那背後的潛在變項（橢圓形）將會是什麼？就會知道非常不合適，所以還是乖乖的用不同量表來建立此結構方程模式吧。

最後總結一下，是否已經想不到新題目做研究了？或是希望能試試看不一樣的進階統計方法來增加文章被接受的機會？那就考慮一下結構方程吧，如果樣本數能達到200人，以及使用含有面向的研究量表兩個以上，相信結構方程是一個不錯的選擇。