Please enable JavaScript.
Coggle requires JavaScript to display documents.
第15章 相關性研究法 - Coggle Diagram
第15章
相關性研究法
基本步驟
問題的選擇
1.變項X與變項Y有相關嗎?
2.變項P預測變項C的能力有多強?
3.這些變項間有怎樣的關係?根據這些資料，我們能做什麼預測?
樣本
最好是隨機取樣。找出適當、合乎定義的母群體
樣本數大於30較可能產生有意義的研究工具
測量工具
有不同形式的工具，但一定要產生量化的資料
不論用哪一種測量工具，所獲得的資料都必須是可信的
設計與程序
相關性研究可以探討的變項數目不限(至少兩個)，有時會使用複雜的統計運算
資料的蒐集
所有資料通常會在短時間內蒐集完成，所有的測量工作常是在單一時間內一起實施，或在緊接的兩個時段內結束
資料的分析與詮釋
獲得相關係數，這個係數介於-1與+1之間。正號代表正相關，負號代表負相關
對內部效度的威脅
研究對象的特質
研究對象的其他特質可經由淨相關的統計技巧來控制
地點
研究者常碰到施測情境不同的問題，要解決唯一的辦法就是測量外在變項，再利用淨相關去除威脅的影響
工具的使用
工具的衰敗
若兩個變項都是以同一觀察工具在同一時間測量，就必須小心確定觀察者沒有疲倦、厭倦或不專心的情形
蒐集資料者的特質
訪員性別、年齡、種族都會影響某些特別問題，尤其是意見或態度的測量工具
資料蒐集者的偏誤
當同一人使用工具測量兩變項或評分時，資料蒐集者不自覺的偏見造成
測驗
受訪者在第一個測量工具的作答經驗，可能影響他在第二次測量的作答
損耗
有時因資料流失與研究的特質有關，使剩下的資料之間的相關更(不)可能出現，導致對外部效度的威脅
相關係數能告訴我們什麼
相關係數的意義取決於被用於何處
相關係數常用來檢驗測驗或研究使用的其他工具的信度與效度
檢測信度時，係數應至少達.70，越高越好
檢測效度時，係數應至少達.50，且越高越好
性質
關聯性研究法的一種
探討兩個以上變項間的關係，但不操弄變項
以相關係數來描述兩者或兩者以上的數量變項間相關的程度
正相關、負相關
評估相關性研究法對內度效度的威脅
第一步：問自己：不論是已知或就邏輯推論上而言，有那些因素會影響我們所研究的兩個變項中的任何一個?
第二步：問自己：這些因素影響另一個變項的可能性是多少?無需考慮與另一個變項無關的因素，會構成威脅的是與兩個變項都有關的因素
第三步：評估各威脅的可能性，並設法加以控制，若某個因素無法控制，則必須指出並加以討論
目的
說明性的研究
經由確認變項間的關係，得以理解某些重要現象
探討一些變項與某個較複雜的變項之間的關係
沒有或低相關的變項剃除，
相關較高的變項成為進一步研究焦點
相關性研究本身不能確立因果關係
搜尋原因的有效方法
預測性的研究
目的：預測
兩個變項中存在的關係強度夠，則知道其一變項分數，就能預測另一變項分數
做預測：預測變項想預知：效標變項
可用來判斷測量工具的預測效度
利用散布圖預測分數
在所有任意直線中，迴歸線是與散布圖上所有的點最靠近的那條線
簡單的預測方程式
資料量大時，可用此表示：Yi=a+bxi
預測值不太可能跟實際值完全相同
預測誤差指數=估計標準誤：大致指出預測值可能不正確的程度
較複雜的相關性檢視法
複迴歸
決定一個效標變項與兩個或兩個以上預測變項的最佳組合之間的相關
Y'=a+b1X1+b2X2+b3X3
複相關係數
以R表示，代表預測變相整體與效標便項之間相關的強度
效標變項的實際分數與預測分數之間的簡單皮爾森相關r
決定係數
以r2表示，代表一個預測變項與一個效標變項間的相關的平方
用於單純迴歸，有一個效標變項，且也只有一個預測變相在迴歸程式中
鑑別函數分析
預測性質的研究中，效標變項都是量化的，也就是這些效標變項是多種高低不同的數值
目的及其預測方程式的形式與複迴歸相像
因素分析
因素：有相關的變項
可讓研究者決定，是否少數幾個因素就可以描述大量的變項
路徑分析
檢測變項間因果關係的可能性
基本目的：針對某一特殊現象的原因提出一套理論—找出能解釋某現象為何發生的變項—並決定這些遍項之間的相關，是否與理論的因果關係一致
結構模型
用以探索、確認數個變項間的因果關係的一種精巧方法
結合複迴歸、路徑分析及因素分析
最常使用的電腦軟體：LISREL