五南官網

JASP應用統計分析初階

分享Facebook

作　　者╱

陳寬裕

出版社別╱

五南

書　　系╱

研究&方法

出版日期╱

2026/01/02 (1版 1刷)

I S B N ╱

978-626-442-108-9

書　　號╱

1H3X

頁　　數╱

480

開　　數╱

16K

定　　價╱

600

教學資源╱

,題庫(隨書附送),教學影片(隨書附送)

⊙系統化教學，內容由淺入深、實務導向，強調操作與理解並重。
⊙社會科學、商業管理、心理學、教育學及其他相關領域之研究初學者適用。
⊙每章節皆附範例、習題，有效追蹤學習成果，持續進步。
⊙所有範例皆附教學影音檔，促進讀者學習效率、減輕授課教師負擔。

本書為統計工具書，特別適用於教學單位，當作基礎統計學或應用統計學等課程的實習教材。另外，亦可作為學術論文寫作或製作畢業專題之統計分析指導手冊。其內容涵蓋了基礎統計分析時，所需用到的各種統計方法，諸如：次數分配、現況分析、信度分析、效度評估、共同方法變異、卡方檢定、t檢定、變異數分析、相關分析、迴歸分析等。而且書中幾乎所有的範例都是實際碩士論文的原始資料與分析結果，期盼讓讀者能身歷其境，融入統計分析之實作情境中。
此外本書亦兼具實務運用與觀念解析等特色，書中每一範例的操作步驟、報表解說或內文中需額外講解的內容，皆附有影音教學，協助讀者將統計方法實際使用於資料分析中，提升自身學術研究與實務工作的分析能力。

陳寬裕

現職：
屏東科技大學休閒運動健康系特聘教授

榮譽：
2022～2025年榮獲全球前2%頂尖科學家

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　相較於SPSS，JASP的優勢
1-4　下載JASP軟體與安裝
1-5　啟動JASP與使用偏好設定
1-6　JASP軟體的介面說明
1-7　JASP軟體的資料編輯視窗
1-8　計算變數功能
1-9　JASP軟體的分析視窗
1-10　建立資料檔
1-11　開啟資料檔
1-12　編輯變數的類型、標籤與數據內容
1-13　JASP學習速成之影音教材
習題

第2章　李克特量表與範例問卷介紹
2-1　李克特量表簡介
2-2　運用李克特量表設計問卷的步驟
2-3　範例問卷簡介
2-4　利用Google表單問卷蒐集資料
2-5　將Excel資料檔匯入至JASP
習題

第3章　資料預處理
3-1　反向題重新計分
3-2　標準化值
3-3　主構面與子構面的得分
3-4　資料平減化
3-5　資料分組
習題

第4章　描述性統計
4-1　描述性統計功能的使用者介面
4-2　離群值檢測
4-3　資料的常態性檢測
4-4　類別型變數的描述性統計
4-5　連續型變數的描述性統計
4-6　分組平均數
習題

第5章　統計繪圖
5-1　單一數值型變數的統計圖
5-2　單一類別型變數的統計圖
5-3　兩數值型變數間的統計圖
5-4　一個數值型變數與一個類別型變數間的統計圖
5-5　一個數值型變數與兩個類別型變數間的統計圖
習題

第6章　統計方法的選擇
6-1　變數的種類與型態
6-2　研究的類型
6-3　自變數的水準數或樣本的組數

第7章　信度分析
7-1　信度分析之使用者介面
7-2　信度簡介
7-3　利用信度分析刪除冗題
7-4　評估測量工具的信度
7-5　組內相關係數
習題

第8章　因素分析與效度
8-1 效度的基本概念
8-2　效度的種類
8-3　因素分析的意義
8-4　因素分析過程中常見的統計量
8-5　因素分析的基本步驟
8-6　主成分分析之使用者介面
8-7　利用主成分分析法刪除不適切題項
8-8　以主成分分析簡化資料
8-9　探索性因素分析的使用者介面
8-10　探索性因素分析
8-11　驗證性因素分析
8-12　驗證性因素分析功能的使用者介面
8-13　驗證性因素分析的範例
8-14　共同方法變異
習題

第9章　交叉表與卡方檢定
9-1　認識交叉表
9-2　假設檢定的基本概念
9-3　卡方檢定的種類
9-4　卡方檢定的決策製作
9-5　列聯表功能的使用者介面
9-6　多項式檢定功能的介面說明
9-7　卡方獨立性檢定
9-8　卡方適合度檢定
9-9　無回應偏差—卡方同質性檢定的應用
習題

第10章　參數檢定—母體平均數的檢定
10-1　什麼是假設檢定
10-2　假設檢定的基本概念
10-3　母體平均數的估計與檢定
10-4　單一樣本 t 檢定的使用者介面
10-5　單一樣本 t 檢定的內涵
10-6　母體平均數的檢定─母體為常態分配且σ已知
習題

第11章　參數檢定—兩獨立樣本之平均數比較
11-1　兩獨立群體之平均數比較
11-2　獨立樣本 t 檢定的使用者介面
11-3　獨立樣本 t 檢定
11-4　有關常態性與變異數同質性的討論
11-5　平均數比較─母體具常態性、母體標準差未知
11-6　平均數比較—母體不具常態性、母體標準差未知
11-7　平均數比較—母體近似常態分配、母體標準差未知
11-8　綜合性範例
習題

第12章　參數檢定—成對樣本之平均數比較
12-1　獨立母體與不獨立母體
12-2　兩成對母體之平均數差異的檢定
12-3　成對樣本 t 檢定的使用者介面
12-4　成對樣本 t 檢定之範例—母體近似常態
12-5　成對樣本 t 檢定之範例—母體非常態
習題

第13章　單因子變異數分析
13-1　變異數分析簡介
13-2　變異數分析的基本原理
13-3　單因子變異數分析的基本步驟
13-4　單因子變異數分析的使用者介面
13-5　單因子變異數分析之範例一
13-6　實務顯著性
13-7　單因子變異數分析之範例二
13-8　單因子變異數分析之範例三
13-9　單因子相依樣本變異數分析
習題

第14章　相關分析
14-1　相關分析簡介
14-2　皮爾森相關係數
14-3　相關分析功能的介面說明
14-4　相關分析的範例
14-5　偏相關分析
習題

第15章　迴歸分析
15-1　簡單與多元迴歸模型
15-2　建立迴歸模型的方法
15-3　多元迴歸模型的建模步驟
15-4　殘差分析
15-5　共線性問題和異常值問題
15-6　迴歸分析功能的使用者介面
15-7　迴歸建模的典型範例
15-8　潛在變數的迴歸建模
15-9　自變數含類別變數的迴歸分析
習題

參考文獻

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　景觀餐廳意象、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（初稿問卷）
附錄五　電信業服務品質問卷（正式問卷）
附錄六　品牌形象、知覺價值與品牌忠誠度關係之研究（問卷初稿）
附錄七　品牌形象、知覺價值與品牌忠誠度關係之研究（準正式問卷）
附錄八　品牌形象、知覺價值與品牌忠誠度關係之研究（正式問卷）


質性研究求生手冊─NVivo 步驟化速成指南	論文寫作與量化研究	R語言與金融時間序列分析：含金融股市各項分析、預測與股市交易策略回測模擬（附光碟）

圖解統計與大數據	The Det our: Ta les The y Didn’ t Tell You Abo ut Jour nal Pub lishing	UCINET在社會網絡分析( SNA)之應用

,題庫(隨書附送),教學影片(隨書附送)

若要索取未隨書附送(外加)且未於此提供下載的教學資源，請詳洽業務人員(02-27055066#824)(僅提供教師使用)

2-1　李克特量表簡介
　　李克特量表（如附錄一之範例問卷的第一、二與三等部分）是由美國社會心理學家Rensis Likert於1932年所提出的，它是一種用來衡量態度、意見或行為傾向的心理測量工具。其核心概念在於透過一組具有順序性的陳述句，讓受訪者根據自身的感受或看法，在一個預先設計的數值範圍內選擇最符合的選項。這種量表的主要特徵是「等距式評分」，即各個選項之間的間隔被視為相等，使得研究者能夠以量化的方式分析受訪者的態度變化。李克特量表的外觀通常由一組陳述句與對應的評價選項組成，例如：五點量表（1＝非常不同意，2＝不同意，3＝中立，4＝同意，5＝非常同意），或七點量表、九點量表等變體，以提供更細緻的評估範圍。由於其結構簡單、易於理解且便於統計分析，李克特量表已廣泛應用於社會科學、心理學、市場調查及教育研究等領域，並發展成量化研究中最常見的問卷設計工具之一。
　　李克特量表的最大特點在於其具備等距尺度（interval scale）的特性，使得研究者能夠對數據進行平均數、標準差、相關分析與變異數分析等統計運算。此外，它透過設計一系列具體的陳述句來測量受訪者對某一主題的態度強度，進而提高測量的信、效度（reliability and validity）。李克特量表的另一項重要功能在於其靈活性，不僅可以衡量單一構面（如工作滿意度、購買意願），亦可用於多維度測量，例如：透過多組李克特題項來評估受訪者對特定產品的認知、態度與行為意圖。其題項設計需遵循一定的標準，如避免使用模糊或雙重意涵的字詞，確保每個陳述句能夠清晰表達測量目標。此外，李克特量表的結果通常以加總或平均的方式呈現，以反映受訪者對測量對象的整體態度。例如：若一份問卷包含五個李克特題項來測量員工對企業文化的滿意度，則可以計算該五個題項評分的平均值來判斷整體滿意度趨勢。這種量表的優勢在於能夠降低極端答案的影響，使研究結果更具代表性。然而，李克特量表亦存在潛在限制，例如：受訪者可能因為社會期許效應（social desirability bias）而選擇較為中庸的答案，或因回答習慣傾向於極端選項，這些因素都可能會影響結果的準確性，因此在應用時需輔以適當的數據處理技術，如反向題設計或信度檢驗，以確保測量的嚴謹性。
　　在設計問卷時，研究者需根據研究目的與測量對象來選擇合適的李克特量表類型。例如：若研究關注的是受訪者對某議題的態度，可以採用五點或七點量表來提高區分度；而若需測量較細緻的情緒變化，則可考慮使用九點量表。此外，題項的撰寫亦應遵循簡單明瞭的原則，確保受訪者能夠準確理解問題意圖，避免使用含糊不清或帶有暗示性的詞語。最後，李克特量表的選項數應保持一致，以減少受訪者因選項格式變化而產生的混淆。且為提高問卷的信效度，研究者可在問卷設計中加入反向題（reverse items），以檢驗受訪者的回答一致性，並透過預試（pilot test）來評估題項的可理解性與信度指標（如Cronbach’s α）。而當進入到分析階段時，題項中的每一個回應選項皆須給予一個數值（如表2-1，這是屬於李克特七點量表的計分方式），以代表受訪者對該題項的認同程度（或稱為：對該題項的認知），將每位受訪者在同一個構面的所有題項之得分加總，即是受訪者對該構面的整體認知程度或評量態度。
　　李克特量表之題項的回應選項數量常介於3∼11個之間，通常以使用5個選項最多（李克特五點量表）、7個選項次之（李克特七點量表）、9個選項再次之。當量表所設計之回應選項的數量不同時，後續所呈現的統計數值所代表的意義亦會有所不同。其原因在於，回應選項的數量將在誤差與成本之間進行權衡（trade-off）。當所設計之回應選項的數量越多時，雖受訪者可以越精確的選擇其所相對應的心理感受程度，致使感受程度與評量數值之間的誤差降低；然回應選項數量越多時，回答問題時所考慮的時間即會增加，因此受訪者容易產生疲勞現象，導致在相同的時間內，降低了可作答的題項，且問卷施測的品質、效率亦有可能隨之而降低。此外，在李克特量表中，每一個回應選項所代表的數值，通常也不會揭露在問卷中，以免干擾受訪者回答時的情境，造成閱讀負擔與產生測量誤差。附錄一之範例問卷的第一、二與三部分即屬李克特七點量表，而其中每個題項之回應選項的計分方式，則如表2-1。

2-2　運用李克特量表設計問卷的步驟
　　一般而言，運用李克特量表設計問卷時，應遵守的原則與步驟，大略如下：
一、首先，根據研究議題之需要，確認研究議題中所包含的主要構面（態度或心理認知）的種類與數量。接著針對各主要構面，分別建立有關該特定構面之題庫，題庫中應包含大量且可測量主構面意涵之題項，這些題項的來源最好有所本（即能引用過往文獻），然後隨機的排列這些題項。題項必須包含正向題與反向題。若以七點量表而言，同意程度大致上可分為七個等級：1. 極不同意、2. 很不同意、3. 不同意、4. 普通、5. 同意、6. 很同意、7. 極為同意（如表2-1）。
二、邀請一組專家（建議由產、官、學界等三方面專業人士組成），請各專家對各構面態度之題庫中的各題項表達看法。以作為後續題項之遣辭用句斧正、評估適用性之參考，以符合學術性文章對於內容效度或專家效度之要求。
三、進行問卷預試，有效問卷約50∼110份即可。
四、進行項目分析（item analysis）（如範例7-1或範例8-1），以評估各題項的適切性。題項的適切與否將依據其是否具有鑑別度和區別力（power of discrimination）而判定。鑑別度和區別力較差的項目將予以刪除。
五、進行信度分析（reliability analysis）以確認量表中各題項的內部一致性。在此過程中，會建議將導致整體量表信度下降之題項予以刪除，以提高整體量表信度。
六、進行正式問卷施測。一份符合學術嚴謹性要求的研究，其樣本的數量大小常讓研究者困擾。一般而言，可根據抽樣理論來決定樣本數的大小。根據抽樣理論中的中央極限定理和大數法則，樣本數大小（N）可以根據公式2-1計算出來。式2-1中，N代表樣本數、P為各選項受訪者填答的百分比、Zα/2為標準常態機率值、α為顯著水準、e為可容許的抽樣誤差。一般而言，研究者決定樣本數時，通常會假設研究中所要求的信賴水準（1–α）是0.95（95%），且由於採用大樣本
時，兩項分配或樣本比例之分配會近似常態的概念（即大數法則），所以在95%的信賴水準（α = 0.05）時，其所對應的臨界值為1.96（Zα/2）。式2-1原本是運用於「樣本比例」的估計中，P即為樣本比例，而P(1–P)所代表的意義即是母體之變異性（variability）。運用於問卷調查之統計時，因各選項之填答狀況非常難以預估，因此在評估樣本變異性時，可採P = 0.5，這是個最保守的策略，因為變異數最大的情況會發生在P = 0.5時。此外，在考量問卷施測時之拒簽率、廢卷率以及其他不可抗拒等因素所導致的誤差，採可容許之抽樣誤差不大於5%（如，e = 0.05），在上述的各條件下，根據式2-1所計算出來的有效問卷調查份數為「384」份。所以「384」個有效樣本數，即成為一般問卷調查時，決定樣本數的一個基準。
　　另外，樣本數的決定方式，也可依據過往文獻。例如：可依據Roscoe（1975）的研究成果。Roscoe（1975）指出：1. 適合進行研究的樣本數，以30∼500個樣本數較為恰當；2. 當從事多變量的研究時，樣本數至少須大於所有研究變數之題項總和的10倍或10倍以上為最佳。