五南官網

JASP應用統計分析進階

分享Facebook

作　　者╱

陳寬裕

出版社別╱

五南

書　　系╱

研究&方法

出版日期╱

2026/02/05 (1版 1刷)

I S B N ╱

978-626-442-177-5

書　　號╱

1H3Z

頁　　數╱

484

開　　數╱

16K

定　　價╱

620

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，強調統計思維與實證應用的結合。
⊙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。
⊙社會科學、商業管理、心理學、教育學及其他相關領域之研究者適用。

　　本書為統計分析進階工具書，特別適合當作大專院所學生製作專題、撰寫博碩士論文時的指導手冊，或是希望轉換使用者友善介面進行資料分析的社會科學領域研究者使用。其內容涵蓋了進階統計分析時，所需用到的各種統計方法，諸如：二因子變異數分析、共變數分析、多變量變異數分析、觀察變數的中介、干擾效果檢定、結構方程模型分析、潛在變數的中介、干擾效果檢定與測量恆等與模型泛化等。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應用於資料分析中，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

閱讀本書須知

第1章　二因子完全獨立變異數分析
1-1　二因子變異數分析的基本概念
1-2　二因子變異數分析的相關名詞
1-3　二因子變異數分析的類型
1-4　二因子變異數分析的效果類型
1-5　二因子變異數分析的整體檢定
1-6　二因子變異數分析的變異拆解
1-7　二因子變異數分析的單純主要效果檢定
1-8　二因子變異數分析的檢定流程
1-9　「變異數分析」功能的使用者介面
1-10　二因子完全獨立變異數分析的第一個範例
1-11　二因子完全獨立變異數分析的第二個範例
習題

第2章　二因子混合設計變異數分析
2-1　二因子混合設計變異數分析的基本概念
2-2　重複量數變異數分析的使用者介面
2-3　二因子混合設計變異數分析的範例
2-4　整體檢定
2-5　單純主要效果檢定
2-6　單純主要效果的檢定結果
2-7　單純主要效果的事後比較
2-8　單純主要效果之報表彙整
2-9　單純主要效果之總結
2-10　二因子混合設計變異數分析之總結
習題

第3章　二因子完全相依變異數分析
3-1　二因子完全相依變異數分析的基本概念
3-2　二因子完全相依變異數分析的範例
3-3　整體檢定
3-4　單純主要效果檢定
3-5　單純主要效果的事後比較
3-6　單純主要效果報表彙整
3-7　單純主要效果檢定的總結
3-8　二因子完全相依變異數分析之總結
習題

第4章　共變數分析
4-1　共變數分析的基本概念
4-2　共變數分析的前提假設條件
4-3　共變數分析的使用者介面
4-4　單因子共變數分析
4-5　二因子共變數分析
習題

第5章　多變量變異數分析
5-1　多變量變異數分析的基本概念
5-2　多變量變異數分析的前提假設條件
5-3　多變量變異數分析的使用時機
5-4　多變量變異數分析的使用者介面
5-5　單因子多變量變異數分析的範例
5-6　二因子多變量變異數分析的範例
習題

第6章　觀察變數的中介效果
6-1　新的起點
6-2　觀察變數與潛在變數
6-3　中介效果的基本概念
6-4　中介分析功能的介面說明
6-5　檢驗中介效果的範例與方法
6-6　使用「中介分析」功能檢驗中介效果
6-7　使用Lavaan程式碼檢驗中介效果
6-8　使用「Process模組」檢驗中介效果
6-9　多重中介效果簡介
6-10　檢驗平行多重中介效果
6-11　檢驗序列多重中介效果
習題

第7章　觀察變數的干擾效果檢定
7-1　干擾效果簡介
7-2　連續型觀察變數之干擾效果檢定—使用Process模組
7-3　數值型觀察變數之干擾效果檢定—使用Lavaan程式碼
7-4　類別型干擾效果的檢定—Lavaan語法
7-5　調節式中介效果檢定
習題

第8章　結構方程模型簡介
8-1　結構方程模型的基本概念
8-2　結構方程模型的功能
8-3　結構方程模型的建模過程
8-4　模型的評鑑及配適指標
習題

第9章　結構方程模型分析
9-1　測量模型分析實作
9-2　結構模型分析實作
習題

第10章　潛在變數的中介效果檢定
10-1　中介效果的檢驗—拔靴法
10-2　平行多重中介效果檢定之範例一
10-3　平行多重中介效果檢定之範例二
10-4　序列多重中介效果檢定
習題

第11章　潛在變數的干擾效果檢定
11-1　使用多群組結構方程模型檢驗干擾效果
11-2　使用潛在交互作用項檢驗干擾效果
11-3　潛在變數的調節式中介效果檢定
習題

第12章　測量恆等與模型泛化
12-1　測量恆等性簡介
12-2　測量恆等性的檢定
12-3　檢定測量恆等性的統計方法
12-4　範例模型介紹—量表發展過程
12-5　檢驗測量恆等性的範例
12-6　模型泛化簡介
12-7　檢驗模型泛化的範例
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　品牌形象、知覺價值與品牌忠誠度關係之研究（正式問卷）
附錄五　認真休閒特質與幸福感之研究：兼論配偶支持的干擾效果
附錄六　第一線服務人員工作熱情與情緒耗竭關係之研究：情緒勞務策略的中介角色
附錄七　電信業服務品質問卷（正式問卷）
附錄八　品牌形象、知覺價值對品牌忠誠度關係之進階研究


不用數字的研究：質性研究的思辯脈絡	偏最小平方法結構方程模型：S martPLS 簡易實務應用	JASP應用統計分析初階

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）

,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)

1-1　二因子變異數分析的基本概念
　　二因子變異數分析（two-way ANOVA）主要可用來檢驗兩個不同自變數（因子）對同一個依變數的影響，以及這兩個因子之間是否存在交互作用（interaction effect）。這種分析方法特別適用於比較兩個以上的組別，同時考慮多個影響因素的情形，以試圖提高分析的精確度。
　　在進行二因子變異數分析的過程中，依實驗設計的方式可分為無重複測量與重複測量兩種。重複測量（repeated measures）指的是同一組受試者（subjects）重複經歷、參與了某一因子（factor，或稱因素，這兩名詞在本書中會視情境而交替使用）內所有水準（level）的實驗處理（不同時間點或不同條件下），且測量同一個依變數。若某因子被設計成重複測量，則該因子就屬組內因子（within-subject factor，又稱為相依因子）。反之，若某因子被設計成無重複測量，那麼該因子就屬於組間因子（between-subject factor，又稱為獨立因子）。
　　顯見，組間因子與組內因子的主要差異在於變數的「操弄方式」與「受試者的分配方式」。組間因子表示不同組受試者分別接受不同條件，每位受試者僅經歷一個實驗條件，例如：在比較三種教學法對學生考試成績影響的研究中，若每位學生只接受其中一種教學法，那麼「教學法」就屬是組間因子。相對地，組內因子表示同一組受試者在不同條件下接受測試，且每位受試者都經歷了所有的實驗條件，例如：若同一批學生分別在三種教學法下學習並接受測驗，此時「教學法」即為組內因子。組內設計（即重複測量）能有效減少個體內變異，提高統計效能，但可能受學習效果或疲勞效果影響；而組間設計（即無重複測量）雖可避免上述的影響效果，但個體差異可能會增加變異數。這兩種設計方式的選擇，取決於研究目的與受試者的可行性。
　　想當然，二因子變異數分析的問題是相當複雜的，但若能於分析前釐清問題的類型，再運用適當的分析方法，那麼當可迎刃而解，不用太過於擔心。根據前述因子屬組內（相依）或組間（獨立）設計的交叉組合下，在二因子變異數分析的實驗設計上，大致可分為以下三種類型：
一、二因子完全獨立變異數分析（two-way between-subjects ANOVA）
　　意指兩個因子皆為組間因子（between-subject factors），各自具有不同受試者群組，所有受試者僅接受一種因子組合（即處理）的條件，用於檢驗兩個因子對依變數的主要效果及交互作用效果。
二、二因子混合設計變異數分析（two-way mixed-design ANOVA）
　　本分析會結合組間因子（between-subject factor）與組內因子（within-subject factor），部分因子使用不同受試者群組，部分因子則由同一組受試者反覆測量，適用於檢驗主要效果及交互作用效果。
三、二因子完全相依變異數分析（two-way within-subjects ANOVA）
　　意指兩個因子皆為組內因子（within-subject factors），所有受試者在每個因子與其水準下均接受測試，適用於檢驗主要效果及交互作用效果，並能有效控制個體差異，提高統計效能。

1-2　二因子變異數分析的相關名詞
　　在統計學中，變異數分析是一種常用的方法，可用來比較多組樣本之間的平均數是否存在顯著差異。特別是在二因子變異數分析中，研究者需要考量多個變數如何影響依變數，並進一步分析其間的交互作用。為了更好的理解變異數分析的運作機制，首要必須先掌握相關的重要概念，例如：自變數、依變數、因子、水準、處理、組間因子、組內因子、主要效果、交互作用效果及單純主要效果等。這些概念構成了ANOVA分析的基礎，幫助研究者有效設計實驗、分析數據，並準確解釋結果。以下將依序介紹這些關鍵名詞，以加深讀者對變異數分析的理解。
一、自變數
　　自變數是研究者可操弄或用來分類的變數，常用於檢驗其對依變數的影響。在變異數分析（ANOVA）中，自變數通常稱為因子（factor），可以是實驗操弄的條件（如不同教學法）或分類變數（如性別）。例如：在研究「運動頻率」對「心理健康」的影響時，「運動頻率」即為自變數。ANOVA就可用來比較在不同的自變數水準下，依變數是否有顯著差異，進而可探討變數之間的因果關係。
二、依變數
　　依變數是受自變數影響的結果變數，通常是可以量化的數據。在ANOVA中，依變數的變異被用來判斷自變數是否產生顯著影響。例如：若研究「不同教學法」對「學生考試成績」的影響，「考試成績」即為依變數。研究者分析各自變數水準間之依變數的平均數是否顯著不同，以推論因果關係。依變數應具備適當的測量尺度（如間距或比率尺度），以確保統計檢定的有效性。
三、因子
　　因子是變異數分析中用來分類或操弄的自變數。在單因子ANOVA中，研究會僅包含一個因子；而在二因子ANOVA中，則會有兩個因子。例如：在研究「飲食類型」與「運動頻率」對「體重變化」的影響時，「飲食類型」與「運動頻率」即為兩個因子。因子可分為組間因子與組內因子，其不同水準的組合可產生不同的處理條件，以進一步分析各組條件對依變數的影響。
四、水準（level）
　　水準是因子的具體分類或條件。例如：若因子為「運動頻率」，其可能包含「每週運動0次、3次、5次」等三個水準。在ANOVA中，水準的數量決定了比較的組別數，影響變異數分析的結果。當因子只有兩個水準時，通常可用t檢定進行分析，但當水準多於兩個時，就須使用ANOVA來有效的檢驗多組間的平均數是否顯著不同。此外，不同因子水準的組合會形成處理（treatment），可進一步分析其交互作用對依變數的影響。
五、處理
　　處理是由一個或多個因子的不同水準組合而成的特定實驗條件。例如：在二因子變異數分析中，若因子A（教學法）有2個水準（傳統教學、線上學習），因子B（學習時數）有3個水準（1小時、2小時、3小時），則會產生2×3=6種處理組合。每個處理代表一種實驗條件，受試者會被分配到某個特定的處理組合，以檢驗不同條件下依變數的變化。
六、組間因子
　　組間因子指的是受試者被分配到不同組別，每位受試者只接受其中一種實驗條件。例如：在研究「兩種教學法」對「學生學習成效」的影響時，若學生只能接受其中一種教學法時，則「教學法」為組間因子。這種設計可避免學習效果與疲勞效果的影響，但可能會因個體差異而造成額外的變異。顯見，組間變異能反映出不同條件間的差異，統計分析時需檢驗這些組間因子是否會顯著影響依變數。
七、組內因子
　　組內因子指的是所有受試者皆經歷所有因子水準的測試，即每位受試者在所有的不同條件下接受測量。例如：在研究「不同記憶方法對記憶成效的影響」時，若所有受試者皆接受「圖像記憶、聽覺記憶、文字記憶」等三種記憶方法的測試，顯見，「記憶方法」為組內因子。組內設計能減少個體差異，提高統計效能，但這種設計可能也會受到學習效果或疲勞效果的影響。
八、主要效果（main effect）
　　主要效果指的是單一因子對依變數的獨立影響，而不考慮其他因子的影響。例如：在探討「教學法」與「學習時數」對「考試成績」的影響時，若發現「教學法」的不同水準間存在顯著差異，則表示「教學法」具有主要效果。同理，若「學習時數」不同水準間也存在顯著差異，則「學習時數」也具有主要效果。在二因子ANOVA中，可能有兩個主要效果，分別對應於兩個自變數的影響。
九、交互作用效果（interaction effect）
　　交互作用效果指的是兩個因子之間的交互組合處理對依變數的影響，表示一個因子的效果是否因另一個因子的不同水準而改變。例如：在研究「教學法」與「學習時數」對「考試成績」的影響時，若發現「學習時數」對成績的影響在不同教學法下有所不同，則表示兩個因子之間存在交互作用。交互作用效果的存在表示因子間的影響並非獨立，而是相互作用形成不同的結果。
十、單純主要效果（simple main effect）
　　單純主要效果指的是在某一特定水準下，檢驗另一個因子的主要效果。例如：在探討「教學法」與「學習時數」對「考試成績」的影響時，若已知兩者存在顯著的交互作用，那麼就可進一步的分析「在1小時學習時數的情形下，不同教學法是否影響考試成績」，這就是「教學法」的單純主要效果。單純主要效果分析有助於理解交互作用的細節，進一步釐清變數間的影響模式。