論文統計分析實務：JASP的運用
作　　者╱
 陳寬裕
出版社別╱
 五南
書　　系╱
 研究&方法
出版日期╱
2024/04/17   (1版 1刷)
  
即日起五南舊官網僅提供書籍查詢，如欲購書，請至五南新官網 https://www.wunan.com.tw/
I  S  B  N ╱
 978-626-393-222-7
書　　號╱
 1HAS
頁　　數╱
 632
開　　數╱
 16K
定　　價╱
 780

陳寬裕

現職：
屏東科技大學休閒運動健康系特聘教授

學歷：
嘉義大學觀光休閒研究所博士班
長榮大學經營管理研究所博士
清華大學工業工程研究所碩士
臺灣大學大氣科學系學士

E-mail：
pf.kuan.yu.chen@gmail.com

第1章　JASP簡介與建立資料檔
1-1 閱讀本書須知
1-2 JASP簡介
1-3 下載JASP軟體、安裝與啟動
1-4 開啟資料檔
1-5 編輯資料
1-6 專題或論文寫作的指引
習題

第2章　問卷資料檔的建立
2-1 李克特量表簡介
2-2 範例問卷的結構
2-3 製作問卷的編碼格式表
2-4 將Excel資料檔匯入至JASP
2-5 利用Google表單問卷蒐集資料
習題

第3章　資料的編輯和轉換
3-1 橫向計算
3-2 反向題重新計分
3-3 標準化值
3-4 主構面與子構面的得分
3-5 資料平減化
3-6 資料分組
3-7 計算分組平均數
3-8 離群值檢測
3-9 資料常態性的檢測
習題

第4章　複選題與排序題
4-1 複選題與排序題的簡介
4-2 複選題的建檔
4-3 複選題的次數分配表
4-4 複選題的交叉表
4-5 排序題的建檔
4-6 排序題的次數分配表
4-7 排序題的交叉表
習題

第5章　信度分析
5-1 信度簡介
5-2 Cronbach’s α係數
5-3 運用信度分析刪除冗題
5-4 評估構面的信度
習題

第6章　因素分析與效度
6-1 效度的基本概念
6-2 效度的意義與種類
6-3 因素分析的意義
6-4 因素分析中的統計量與其概念
6-5 因素分析的基本步驟
6-6 以主成份分析法進行項目分析
6-7 以主成份分析法探索因素結構
6-8 探索性因素分析
6-9 驗證性因素分析
6-10 共同方法變異
6-11 有關因素分析的忠告
習題

第7章　相關分析
7-1 相關分析的前提假設
7-2 相關係數的計算
7-3 相關分析的範例
7-4 區別效度的評估
7-5 偏相關分析
習題

第8章　基本統計分析
8-1 製作受訪者基本資料分析表
8-2 描述性統計量
8-3 統計圖形
習題

第9章　統計方法的選擇
9-1 變數的種類與型態
9-2 研究的類型
9-3 自變數的水準數或樣本的組數

第10章　交叉表與卡方檢定
10-1 認識交叉表
10-2 交叉表列、行變數之關係分析
10-3 假設檢定的基本概念
10-4 卡方檢定的原理
10-5 卡方檢定範例
10-6 卡方適合度檢定
10-7 卡方獨立性檢定
10-8 無反應偏差—卡方同質性檢定的應用
習題

第11章　平均數的差異性比較—t檢定
11-1 推論統計與參數檢定
11-2 參數之假設檢定簡介
11-3 參數之假設檢定的基本步驟
11-4 兩個群體之平均數比較—t檢定
11-5 單一樣本t檢定（one sample t-test）
11-6 獨立樣本t檢定（independent sample t-test）
11-7 成對（相依）樣本t檢定
習題

第12章　單因子變異數分析
12-1 變異數分析簡介
12-2 變異數分析的基本原理
12-3 單因子變異數分析的基本概念
12-4 單因子變異數分析的基本步驟
12-5 單因子變異數分析範例一
12-6 變異數分析中的效果量指標
12-7 單因子變異數分析範例二
12-8 單因子變異數分析範例三
12-9 單因子相依樣本變異數分析
習題

第13章　二因子變異數分析
13-1 二因子變異數分析的基本概念
13-2 二因子變異數分析的類型
13-3 二因子變異數分析的效果類型
13-4 二因子變異數分析的基本原理
13-5 二因子變異數分析的檢定流程
13-6 二因子完全獨立變異數分析（交互作用顯著）的範例
13-7 二因子完全獨立變異數分析（交互作用不顯著）的範例
13-8 二因子混合設計變異數分析的範例
13-9 二因子完全相依變異數分析的範例
習題

第14章　迴歸分析
14-1 迴歸模型和相關模型的差異
14-2 簡單與多元迴歸模型
14-3 迴歸模型的前提假設
14-4 JASP中建立迴歸模型的方法
14-5 多元迴歸模型的建模步驟
14-6 殘差分析
14-7 共線性問題和異常值問題
14-8 迴歸建模範例一
14-9 迴歸建模範例二
14-10 自變數含類別變數的迴歸分析
習題

第15章　中介、干擾效果的檢驗
15-1 中介效果的基本概念
15-2 檢驗中介效果的範例
15-3 多重中介效果檢定
15-4 數值型干擾效果檢定
15-5 類別型干擾效果檢定
15-6 調節式中介效果檢定
習題

第16章　結構方程模型分析
16-1 結構方程模型的基本概念
16-2 結構方程模型的基本原理
16-3 結構方程模型的建模過程
16-4 模型的評鑑及配適指標
16-5 樣本數與觀察變數之數量的決定
16-6 驗證性因素分析實作
16-7 結構模型分析實作
16-8 多重中介效果檢定
16-9 干擾效果檢定
習題

附錄
附錄一　旅遊動機、體驗價值與重遊意願關係之研究
附錄二　遊客體驗、旅遊意象與重遊意願關係之研究
附錄三　景觀咖啡廳意象、知覺價值與忠誠度：轉換成本的干擾效果
附錄四　電信業服務品質問卷（初稿）
附錄五　電信業服務品質問卷（正式問卷）
附錄六　醫院服務品質問卷
附錄七　品牌形象、知覺價值對品牌忠誠度關係之研究（問卷初稿）
附錄八　品牌形象、知覺價值對品牌忠誠度關係之研究（正式問卷）

參考文獻
質性研究的五種
取徑
選擇權商品模型
化導論：使用P
ython語言
（附光碟）
NVivo 1
1與網路質性研
究方法論
用JASP完成
論文分析與寫作
(完整版)
財務管理與Py
thon實現
文圖互織的資料
寫作學：使用
R Markd
own


3-1　橫向計算
　　在資料分析的過程中，為了達成特定的研究目的，研究者往往需利用既有的原始變數（或資料）來產生新的變數（或資料）。這時就需對原始變數（或資料）進行轉換或計算的工作了。所謂變數（或資料）的轉換或計算，就是利用已輸入完成的原始資料，透過某種轉換或計算公式來產生新的變數（或資料），以便能為特定的統計分析目的提供格式完備的研究資料。
　　在很多情況下，研究者是無法直接利用原始資料進行分析的；而需對原始資料進行進一步的整理。這時就需要用到JASP資料轉換或計算的一些方法了。熟練掌握並應用這些方法，可以在資料處理過程中達到事半功倍的效果，尤其是可以省去大量手工計算的時間與精力。
　　在JASP中，所有的分析與計算，其預設的計算方式都是縱向計算的（如圖3-1）。換言之，JASP預設的計算功能（如求算平均數、標準差等），都是針對特定變數在所有的個案中進行計算的。比如說，在圖3-1的資料檔中，利用「描述統計」功能，要求算「ev1_1」這個變數的平均數。此時，JASP它是針對檔案中的所有個案，於「1. 此遊程相當有效率。(ev1_1)」這個題項的答題得分進行平均而計算的。所以，計算結果應為(3 + 4 + 5 + 7 + 4)/5 = 4.60。明顯的，它的計算方式是縱向的（直行的計算）。因此，縱向計算的特徵就是針對特定變數，於所有個案間進行計算。從JASP的資料視窗來看，他的計算方向是屬於「縱向」進行的。這個縱向的計算方向，也是JASP所有的計算功能（如求算平均數、標準差、峰度、偏態⋯⋯等）所預設的方向。
　　然而，這種縱向的計算方向，有時並不符合研究者實際的計算需求。例如：在圖3-1中，假設「體驗價值」只包含3個題項，分別為ev1_1、ev1_2與ev1_3。現在研究者想比較5個個案，其體驗價值的差異。此時，就會產生一個問題，由於「體驗價值」共包含3個題項，故若針對這3個題項逐題比較的話，不僅費時而且繁雜。試想，若能將每個受訪者（個案）的這3個題項得分先予平均（代表每一個個案之「體驗價值」的得分）後再比較，那麼分析工作將變得很簡單。也就是，先求得圖3-1的最後一欄（個案平均得分，即體驗價值得分），再來比較，將簡單化比較的過程。而這求取每一個個案之「體驗價值」的得分（ev1_1、ev1_2與ev1_3等3個變數的平均）之過程，從JASP的資料視窗來看，它的計算方向即是屬於橫向進行的（如圖3-1）。因此，橫向計算的特徵就是針對某特定個案，於諸多變數間進行計算。而這橫向計算的方式，在JASP中必須透過「計算變數」（Create computed column）功能且由使用者自行定義計算公式來達成。
　　依照作者經驗，針對原始資料檔需進行的「計算變數」工作大致上有下列6項，若研究者於樣本資料蒐集完成後，先學會這6項計算工作，那麼往後的分析過程將會較為順利：
1. 反向題重新計分。
2. 量表總分。
3. 計算標準化分數。
4. 主構面、子構面得分。
5. 資料平減。
6. 資料重新分組。

3-2　反向題重新計分
　　一般而言，研究者所設計出的問卷中，通常都會包含正向題與反向題。正向題是指正面敘述的句子，如「我認為參與休閒活動有助於健康」；而反向題則是指帶有否定敘述意味的句子，例如：「我不認為參與休閒活動有助於健康」。反向題為問卷設計時的常用技術，其目的是為了偵測「受訪者於填寫問卷時是否草率作答」。一般研究者常會在所設計的問卷中安插幾題反向題，藉以偵測受訪者是否符合專心作答的狀態。例如：範例論文「旅遊動機、體驗價值與重遊意願關係之研究」的原始問卷中，第二部分「體驗價值」構面的第10至13題，即已被設計成反向題。如下：
10. 參與此遊程，並無法讓我暫時忘記煩惱。（ev4_1）。
11. 參與此遊程，並無法讓我遠離現實生活。（ev4_2）。
12. 參與此遊程，並無法讓我感到快樂。（ev4_3）。
13. 我不認為參與此遊程是有趣的。（ev4_4）
　　研究進行過程中，在量表、問卷設計階段，對於衡量尺度，很多研究者經常會使用李克特七點量表。李克特量表具有任意原點的特質，主要可用來衡量受訪者對某特定議題的「認知程度」，舉凡同意度、偏好度、滿意度、理想度、重要性、意向等「程度」上的問題，大多可以使用李克特量表呈現之。此外，根據李克特七點量表所設計的量表，編製上較容易，並且也能兼顧良好的信度與效度。在李克特七點量表中，會假設每個選項上皆具有同等量值，但不同受訪者對同一選項的反應則有程度上的差異。在量表計分時，每個題項的選項由「極不同意」到「極為同意」分為七個等級，正向題分別給予1、2、3、4、5、6、7分（可視為區間尺度），而反向題的題項計分時，便要給予7、6、5、4、3、2、1分，如表2-1所示。
　　研究者進行統計分析前，必須要注意的是，要將所有題項的計分方式化為一致（同方向）。因此，以正向題為基準的話，需將反向題反轉重新計分，否則其與正向題的分數會互相抵消。但若量表中沒有反向題時，則此操作可予以省略。
　　在範例論文「旅遊動機、體驗價值與重遊意願關係之研究」的原始問卷中，第二部分「體驗價值」構面使用了13個題項加以衡量，其中有9題正向題、4題反向題（第10至13題）。對正向題而言，受訪者對題項答題的分數越高，表示受訪者對該題項的認同程度也就越高。然而，對於反向題而言，如果受訪者勾選「極不同意」（原始計分編碼數值為1，分數得分最低）時，則將代表著其所知覺的認同度應該越高（分數得分最高，應為7分）。顯而易見，正、反向題對於認同度的計分方式正好相反。在這樣的情形下，為達計分方向的一致性，研究者通常需將反向題的分數予以反轉，也就是需要將原本得分為1分者轉為7分、原本得分為2分者轉為6分、原本得分為3分者轉為5分、原本得分為5分者轉為3分、原本得分為6分者轉為2分、原本得分為7分者轉為1分後，再正式進行統計分析。
　　在JASP中利用「計算變數」功能，將上述題項反向題重新計分後，會使用一個新的變數來儲存轉換後的結果。但由於我們不想讓原始檔案的規模，因為要儲存反向題重新計分後的結果而增加一個新變數，因此作者建議，若有「計算變數」（橫向計算）需求時，利用Excel來計算，會比較方便與自由自在。