第一部份
量化研究的基本概念
Basic Concepts for Quantitative Research
閱讀範圍
邱皓政著 量化研究與統計分析
Chapter 1 量化研究的基本概念
Chapter 2 測量理論與方法
Chapter 3 標準化測量工具的發展與評估
課程目標
1. 了解何謂科學，何謂科學研究
了解科學研究的特性與程序
了解電腦科技對於量化研究的影響
2. 了解不同的量化研究方法
比較不同的量化研究方法
了解量化研究的基本結構與內容
課程目標
3. 了解測量的意義與特性
了解變項化的方法
了解測量的尺度與適用時機
了解各種不同的測量格式
比較各種不同的格式
4. 了解標準化測驗的基本特性
了解標準化測驗的編製程序
了解信度的意義與類型
了解效度的意義與類型
了解信度與效度的關係
單元一 科學研究
科學與科學活動
科學：解謎的活動 (Kuhn)
科學活動：採用一套特殊的方法與程序來探討未知的事物。
量化研究(quantitative research)：科學研究中常態典範。
科學活動可區分為方法論與研究方法
方法論：涉及科學活動的基本假設、邏輯及原則的討論，目的在探討科學研究活動的基本特徵。
研究方法：指從事研究工作所實際採用的程序或步驟。不同的學門基於不同的研究問題，研究方法自有差異，
科學研究的特性
定義：
科學：是一種態度（attitude）與方法（method），以進行有系統的觀察與控制、精確的定義測量與分析、完成可重複檢證的發現。
科學研究：採取有系統的實證研究方法所進行的研究。
科學的目的
對於現象的描述、解釋、預測與控制，最終在改善人類的生活品質。
學術的立場偏重於描述、解釋與預測；實務的立場則著重於控制
科學的特性
系統性、客觀性、實證性
科學研究的特性
系統性 (又稱為紀律探索)
科學研究必須詳細交代研究樣本取得的過程、變相的選定與界定、實驗之控制、測量工具之使用、資料蒐集過程、研究之發現、限制因素等
客觀性
科學研究所使用之一切方法與程序，均不受個人主觀判斷或無關因素影響。
研究者需使用或設計有效之測量工具，在一定程序下進行觀察、測量和紀錄。
資料分析與解釋儘可能不涉及個人主觀之成見與情緒。
實證性
科學研究知內容，必須基於實際蒐集資料，加以分析、以驗証自已的研究假設或命題。
科學研究的主要內容
科學研究的基本元素─變項(Variable)
變項是在表現被研究對象的某一屬性，該屬性因時地人物不同而在質（quality）或量（quantity）上的變化
科學研究的基本單位─假設(Hypothesis)
假設乃是在描述變項與變項之間的關係
研究者對於待解決之問題所提出之暫時的或嘗試的答案
操作型定義(Operational Definition)
界定一個概念或變項時，舉出測量該變項或產生該事象所作的操作活動，而非描述變項或現象的性質或特徵者
如智力的定義：「以100乘以心理年齡與生理年齡之比值」
科學研究的主要內容
假說、命題(Proposition)
經過證實與支持的假設
定律(Law)
經過重複驗證的假說
自然科學中定律數目很多，如牛頓定律
社會及行為科學中之定律數目很少，Why?
假說與定律並不代表真理，Why?
理論(Theory)
有組織、有架構、具有邏輯關係的假說或定律
科學研究的程序 (科學之輪)
電腦對於量化研究的影響
電腦的基本特性
速度、容量、普遍性、可塑性、服從性
正面的意義
樣本人數擴大，抽樣誤差降低，增加統計推論的正確性
促成多元變數統計方法的發展
採用運算公式替代定義公式，節省電腦作業時間
以原始資料直接進行處理
報導統計檢定犯錯誤的機率
教學模式的改變
負面的影響
過度依賴程式，逃避統計理論基礎與方法的理解，因此無法正確判斷統計方法的使用時機
報表的判讀的偏差與誤用
反果為因，重視分析輕乎創意
新增加了一些傳統方法不致發生的問題
單元二 量化研究之方法
Basic Concepts for Quantitative Research
主要的量化研究方法
調查法
藉由發放問卷(Questionnaire)，訪談(interview) 等方式，作為收集經驗性資料的方法
調查法之原理是透過一套刺激標準(如問卷)，施予一群代表性受訪者所得之反應(或答案)，藉以推估全體母體對某一特定問題的態度或行為反應。
調查法之最重要工作，是在透過樣本去推論母體群體的特性。
主要的量化研究方法
調查法
樣本選擇(又稱為抽樣方法)成為調查法研究的重要工作。調查法的樣本必須具有隨機性、代表性與足夠大小。
形式上分為結構性與非結構性問題。
內容分為事實性與態度性問題。
主要的量化研究方法
相關研究法(Correlational research)
討論兩個或多個變項之 間關聯性之方法
關聯性之強度可以藉由相關係數來表示，正相關代表變項間具有相同之變動方向，負相關代表變項間變動方向相反。
此類研究僅能說明變項間之相關性，無法推斷因果關係與影響方向。因此有時需進行預測或因果性分析(如迴歸分析或路徑分析等)
學業成績
焦慮感
負相關
主要的量化研究方法
實驗法
一種精密而嚴謹的控制研究，亦在探討多個變項之間的關係。實驗法可以清楚區分
因(自變項或實驗變項)(：研究設計中可以操弄的變項
果(依變項或結果變項) ：可以對之觀察或評量已決定實驗效果的變項
實驗法常存在干擾變項(Extraneous Variable), 此變項非實驗處理變項，但存在於實驗過程中。干擾變項通常區分為情境變項與個體變項兩種。
情境變項：如時間、實驗情境之物理環境、人為偏見等
個體變項：如個人身心特質差異、心理態度、智力等
實驗法之成敗在於自變數是否為引起依變數改變之唯一原因。因此，干擾之排除與環境之控制即成為重要的工作。
主要的量化研究設計
量化研究的內容
緒論(Introduction)
研究問題的介紹與說明
焦點、假設、研究設計
此研究之理論義涵、
與其它研究之關係
研究可能產出結果
研究背景的整理與說明
研究涉及之相關學理與研究文獻
摘要整理他人相關研究(如主要議題，使用方法，重要結論等)
研究目的與實務的陳述
方法(Method)
參與者或樣本(Participants)
研究受試者、參與者、被觀察者、受訪者等
研究工具與器材
使用特定測量工具以收集資料
測量過程一定要標準化
研究程序
強調標準化與客觀化之操作程序，研究過程需交代清楚
分析方法
交代資料如何整理、組織與分析
量化研究的內容
結果
研究結果之內容與資料分析有著密切關係
如何透過適切統計方法與分析程序來驗證其假設，並提出具體且數量化的論證，是研究成敗的關鍵
統計分析術語及圖表的使用非常重要
討論與結論
摘述研究設計與發現
詮釋主要的發現與立場澄清
評論研究價值與意義
指出缺失與發展方向
單元三 測量理論與方法
Measurement Theory and Method
測量的定義
測量的定義：
運用一套符號系統去描述某個被觀察對象的某個屬性(attribute)的過程
統計分析之觀點，測量是將某個研究者所關心的現象予以「變項化」的具體步驟，也就是把某一個屬性的內容，以變項的形式來呈現。
符號系統的表現形式
度量化(scaling)：以數字的形式去呈現某個屬性的數量(quantities)
分類(classification)：以分類的模式，去界定被觀察對象的某個屬性或特質是屬於何種類型。
測量的特性
客觀性(objectivity)。測量應不受測量者的主觀因素而影響其結果，同時其過程應有具體的步驟與操作方法，以供他人的檢驗。
數量化(quantification)。測量的功能是提供具體的數據來描述研究者所關心的現象。
溝通性(communication)。測量在產生具有特定格式與具體明確的指標與數據，而能夠提供給所有的研究者作為參考與比較。
經濟性(economy)。標準化的測量活動得以有效運用其有限的時間與資源，專注於特定現象的測量與分析。
科學的類化(scientific generalization)。標準化的測量，協助研究者客觀、具體的去探索社會現象或心理屬性。
變項的類型
測量與統計的基礎：變異(Variety)
變項(vs.常數)
若被研究對象的某一屬性因時地人物不同而在質(quality)或量(quantity)上的變化稱為變數或變項，如智商，滿意度等
若某一屬性不因時地人物而有所不同則稱為常數(Constant)，如重力加速度
自變項(IV)vs.依變項(DV)
由因果關係區分，變項可以分為自變項(independent variable; IV)(或稱原因變數)與依變項(dependent variable; DV) )(或稱結果變數)
間斷變項 vs.連續變項
由數值屬性區分，變項可以分為間斷變項 (discrete variable) 與連續變項 (continuous variable)
間斷變項 之數值各數種類為有限的，如人數、國籍等，
連續變項包含無限多種可能性 ，如身高、體重、氣溫等
類別變項vs. 量化變項
由資料分析性區分變項可以分為類別變項(categorical variable) vs. 量化變項(quantitative variable)
類別變項：數值質性概念
量化變項：數值量化或測量強度概念
測量的尺度（方法）
由測量尺度區分變項：
名義變項(nominal)或類別變項(categorical)：將物件分類為間斷類別，以屬性來辨識或表示事物類別，如年齡、種族、婚姻狀況等。
次序變項(ordinal variable) ：變項除具有分類特性外，又具備等級排序關係。主要屬性在於表示物件間優劣、多少、高低、次序等，如教育程度變項：研究所以上、大學、專科、高中職以下等四種水準。
等距變項(interval variable) ：針對被觀察者之某種現象或特質，依特定之標準化單位測定程度上的特性。
等距變項測量上所獲得之數值大小，反應了被觀察數值之差距或相對距離，
因類別距離相等 ，變項間具有可加性，如溫度、學業成績、李克特尺度量表等。
等距變項之單位只有相對零點，而無絕對零點，相對零點僅具數學意義而缺乏實質意義。
如溫度。溫度0度並非無溫度，仍具某種屬性；分數0分並非表示毫無能力。
測量的尺度（方法）
比率變項(ratio variable) ：當某一測量尺度使用了某標準化單位，又具備一個絕對零點，稱為比率尺度。
比率變項測量上所獲得之數值大小，不但具有單位，且單位之使用具有公認之標準與意義，無須以人為方式調整改變。
變項間具有可乘性，如身高、體重、年齡等。
比率變項之單位具有絕對零點，在社會科學中被廣泛適用。
四種測量尺度的數學關係比較
測量的格式的基本特性
結構與非結構化測量
測量結構化與否反應了測量過程的標準化程度
結構化測量：具有一定格式與作答內容的測量問卷稱為結構化問卷，適用於大樣本研究，也較容易轉換成量化資料。
非結構化測量：研究者未預設特定問題內容與方向，而取決於受訪者本身之態度與意願。此種測量方法，標準化程度低，但蒐集資料之豐富性高。
半結構化測量：訪問者預擬問題綱要，在一定範圍內，採非結構化或半結構化的測量
封閉式測量與開放性測量
封閉式測量：研究者預設受測者回答問題之內容與範圍，設定題目的選項之問卷稱為封閉式問卷
開放性測量：有些問題之答案分布在一定的範圍內，無法指定選項，因此採用封閉式的作答方式，如家中人口數、居住縣市等。開放性測量又分為數字型問題、文字型問題。
量化研究常用的測量格式
類別性測量
多應用在人口變項或事實性問題的測量。如性別、宗教信仰、通勤方式等。多以封閉性問題呈現，以簡化問題內容。
類別性測量基本要件有二：
互斥性：不同類別不能有交集或重疊之處
完整性：類別數須包含所有可能範圍
連續性測量
主要為程度上的測量
有下列不同格式：李克特量表(Likert scale)， Thurstone scale, Guttman scale, 語意差別(Semantic differenation), 強迫選擇問題(Forced choice question), 形容詞檢核表(Checklist) 。
李克特量表 (Likert scale)
由一組測量某一相同性質之題目所組成，每個問題具有相同的重要性，
Likert量表分數計算有依基本假設：數字與數字間為等距，因此不同題目可以作加總的到量表總分，又稱為總加總量表法。
Thurstone scale
由一組測量某性質問題之題目所組成，每個問題具有不同之強度，勾選某問題時，即可獲得一個強度分數。
Guttman scale
與Thurstone量表類似，由一組具不同程度之問題組成，受測者對題目有一定之看法，且題目由淺至深排列。受測者在一定難度下之題目應回答同意，但超過一定題目難度後，即應回答不同意，此轉折點反應受測者之行為強度。
語意差別測量
與 Likert量表原理類似，分數越高表受測者意見強度越高。
以兩極化形容詞說明測量內容
強迫選擇問題
利用兩個立場相反的描述，要求受測者自兩者當中挑選出較接近自己想法的題目，而正面題項勾選的題數作加總的到該量表之總分。
形容詞檢核技術
簡化Likert量表格式，針對某個測量之對象與特質，列出一組關鍵形容詞，並要求受測者對各形容詞之重要性進行評估。
測量格式的比較
單元四
標準化測量工具的發展與評估
Development of the Standardized Tests
標準化測量工具的發展流程
測驗編製計劃：確定研究方向
試題編寫：收集並編寫測驗試題題庫
用以測量某一特質的同質性問題
題目需涵蓋充分的內容廣度，即內容效度(content validity)
初步測試題庫須達到最後所需提數之數倍，逐題刪減，終成為正式量表，建議預試題目至少為最終量表的兩倍。
標準化測量工具的發展流程
預試
決定題目之堪用程度，並執行項目分析（item analysis），刪除不良題目，決定正式量表。
預試方式有二：
將試題執交相關學者或實務工作者評估題目之好壞與了解題目是否包涵適當範圍與內容。
選取一群適當受測者，進行實際填答，並進行項目分析並以分析結果進行刪題工作。
正式量表建立
進行信度、效度評估，決定一個測驗量表之整體堪用程度
量表研究與維護
提高量表之實用性
發展常模（norm），提高測驗分數的使用價值
研究者對某特定團體於施測後，將樣本測量結果製成一個原始分數與百分等級之對照表，以獲知單一受測者之相對高低等級
信度(reliability)
意義: 測量的可靠性 trustworthiness
一致性（consistency）─表示測驗內部試題間是否相互符合
穩定性（stability）─即對同一件事物進行兩次或以上的測量，其結果的相似程度。即不同的測驗時點下，測驗分數前後一致的程度
信度越高，代表測量結果越可靠。
信度的數學原理
凡測量必有誤差，誤差由機率因素所支配，為一隨機誤差（random error）
測驗分數=真實分數+誤差分數
測驗總變異量=真實分數的變異＋隨機誤差變異
信度係數介於0與+1之間，數值越大，信度越高
信度的類型
再測信度（test-retest reliability）
係指以同一種測量工具，對同一群受試者，前後測驗兩次的相關係數。又稱穩定係數。
複本信度（a1ternate-form reliability）
同一群受試者接受兩種複本測驗的得分之相關係數。
折半信度（split-half reliability）
測驗題目依題目的單雙數或其他方法分成兩半，計算受測者在兩半測驗上的分數的相關係數。
內部一致性係數（coefficient of internal consistency）
反映測量工具內部同質性、一致性或穩定度。同質性越高，代表量表試題是在測量相同的特質。
KR20(庫李信度)適用於二分變數的測量
Cronbach’s α適用於多元尺度變數的測量
評分者間信度（inter-rater reliability）
不同的評量者間分數的相關係數。
見邱皓政，-9
影響信度的因素
影響信度的關鍵因素是測量誤差，可以減低誤差的方法，即能夠提高信度。
基本原理：中央極限定理 、測量標準誤、共變量的計算
影響信度的因素
受試者因素（如受測者的身心健康狀況、動機、注意力、持久性、作答態度等變動）
主試者因素（如非標準化的測驗程序、主試者的偏頗與暗示、評分的主觀性等等）
測驗情境因素（測驗環境條件如通風、光線、聲音、桌面、空間因素等皆有影響的作用）
測驗內容因素（試題取樣不當、內部一致性低、題數過少等）
時間因素
效度(validity)
效度的意義
測量的正確性，指測驗或其他測量工具確能測得其所欲測量的特質或功能之程度
測量的效度愈高，表示測量的結果愈能顯現其所欲測量對象的真正特徵
測驗的效度通常以測驗分數與其所欲測量的特質之間的相關係數表示之
評估效度的方法
判斷法（informed judgment）─測量特性與質的評估
實徵法（gathering of empirical evidence）─根據具體客觀的量化指標來進行評估
見邱皓政，
-14
三種不同的效度
內容效度（content validity）
反映測量工具本身內容廣度的適切程度，強調測量內容的廣度、涵蓋性與豐富性
針對測量工具的目標和內容，以系統的邏輯方法來詳細分析，又稱為邏輯效度（1ogical validity）
表面效度（face validity），指測量工具在外顯形式上的有效程度
效標關聯效度（criterion-related validity）
以測驗分數和特定效標（criterion）之間的相關係數，表示測量工具有效性之高低。
同時效度（concurrent validity）與預測效度（predictive validity）
建構效度（construct validity）
指測量工具能測得一個抽象概念或特質的程度。
多元特質多重方法矩陣法（multitrait-multimethod matrix）：聚斂效度（convergent validity）及區辨效度（discriminant validity）。
因素效度（factorial validity）：一個測驗或理論因素結構的有效性。
影響效度的因素
測量過程因素─實施過程標準化
樣本性質─
選用異質性高的樣本
樣本的代表性
效標因素
不適當的效標選用
效標本身的測量品質
干擾變項
信度與效度之關係
信度代表測量的穩定性與可靠性，效度為測量分數的意義、價值與應用性
實際效度（rxy）≦信度（rxx）的平方根
信度的平分根是效度係數的上限。當信度越高，效度係數即可能越大。
Q & A
常見之抽樣方法
隨機抽樣(Random Sampling)
以隨機原則方式從母體中抽取依定比例之受試者，使用方法如抽籤法、隨機亂數表抽樣等。
常見之抽樣方法
非隨機抽樣(Random Sampling)
常見的有「立意抽樣」、「便利抽樣」
「立意抽樣」乃研究者依據對群體之了解、研究目的與主觀判斷，認為不以隨機抽取方式能有效取得就所需資料
「便利抽樣」乃研究者以方便的行為抽樣為考量，常為爭取時效貨達到特殊目的，即時進行訪談或實施問卷調查。
常見之抽樣方法
分層隨機抽樣(Stratified Random Sampling)
當受是母體群間的差異很大(異質性很高),或某些樣本點很少，為顧及小群體之樣本點亦能被抽取，則採用此法較為適宜。
又稱為「比例分配抽樣」、「等量分配抽樣」
分層隨機抽樣
常見之抽樣方法
叢集取樣法(Cluster Sampling)
以一個群組(cluster)或團體為抽取單位，而不以個人為取樣單位。
一個群組與一個群組間的特徵非常接近、同質性很高 (如班級、學校、組別、部門等)。
以叢集為抽選單位，每個叢集被選到之機率相等。
運用情況如下：
由於行政因素，執意者不願意將一個叢集內之個體支解分散，如任課老師不願意將任課班級打散實驗或受測。
母體數龐大，分布廣泛，因交通、人力或財力等因素，若施測於全部群體，將費時費力，可行性不大。
叢集取樣法
樣本特性
調查法所需要之樣本數通常不會少於1000人
依統計原理分析， 1000人所獲得之意見調查，抽樣誤差約為3%。目前許多民意調查機構多以容許正負3%來進行調查，其樣本數須大於1000人。
實驗法與相關法樣本需求與統計分析方法之數學原理有關(如type I error, type II error, Power test等)，
當組數越多時，樣本數則越多
以統計常態性為基礎，每組至少有30個受試者
相關法之樣本需求與研究時所用之量表長度有關，量表越長，樣本數要求越高。分析方法越繁複，樣本亦須較大。
以因素分析為例，樣本數約為題數之10倍，例如一個50題之量表，需有500人之樣本，才能有較穩定之統計分析結果。
