在本章文獻探討中主要是將與本研究有關的理論或研究加以彙整與討論，本 章共分為兩節，各節所探討的主題分別是：第一節為分層隨機抽樣；第二節為權 重。
第一節 分層隨機抽樣
抽樣調查（sampling survey）的研究設計是統計的基礎概念知識的一個必要 條件（Scheaffer, Mendenhall, & Ott, 1996），而抽樣調查的研究設計包含了樣本 數、抽樣方法…等等，樣本數是否能推測母群體會受到抽樣方法的影響，因此抽 樣方法會影響抽樣調查的結果。在抽樣調查中，如同有分層抽樣（stratified Sampling ） 、 集 群 抽 樣 （ cluster sampling ） 、 部 分 過 份 取 樣 （ subpopulation oversampling）、設計不同比例的抽樣（unequal probability sampling）…等等
（Asparouhov, 2005）不同比例的選擇。
在本研究中，所採用的抽樣方法為分層隨機抽樣（stratified random sample），
所謂分層隨機抽樣為將母群體區分至不重疊的群組稱之為層（strata），然後再從 每一層（stratum）中簡單隨機抽樣（Scheaffer, Mendenhall, & Ott, 1996），其每 一層內的樣本單位同質性高；而層與層之間異質性高，因每一層內的同質性高可 避免誤差產生。舉例來說，欲推論出某一學校的平均身高，全校有1,000人，男生 有600人，女生有400人，若是隨機抽取出200人，可能這200人大部分是男生，也 有可能大部分是女生，因為男女生的身高有所差異，則無法正確估算全校的平均 身高，因此可以以性別作為分層的標準；另一個分層的標準，則可以年級來分，
如：低年級、中年級、高年級，因為在同一年級的身高較相近，但低年級與高年 數（Kaplan & Ferguson, 1999）。
第二節 取樣權重
進行抽樣，並比較三種 SEM 估算法，PML（Pseudo-maximum Likelihood）、WML（Weighted maximum likelihood）與 ML（Maximum likelihood），在忽略權重的情 境下，其以 PML 與 WML 估算法進行估算的估算結果偏誤較小，且趨近於 0，接
其研究再利用卡方檢定檢測以下列四種估算法，MLR（Robust Maximum Likelihood）、MLM（Mean - Adjusted Maximum Likelihood）、MLMV（Mean- and Variance- Adjusted Maximum Likelihood）、WML（weighted maximum likelihood），
在樣本數為 200、500、1,000、2,000、5,000 是否有差異，結果顯示 MLR、MLM 與 MLMV 這三種估算法是可接受，且 MLR 估算法較適合在大樣本的情境下，在 本研究的取樣樣本數都超過 1,000，甚至多達 10,000，因此本研究的估算法採用 MLR 估算法。
另外，Kaplan & Ferguson（1999）提出在結構方程式模型下，利用單一潛藏
變數與六個觀測變項為研究模型，討論在分為兩層的情況下與不同的實驗設計情 境中，研究結果探討偏誤與適配度指標上的差異，其研究以模擬方式產生母群體 資料，將母群體分為兩層，一層為 20,000 筆資料，另一層為 70,000 筆資料，分 別在兩群組中抽取出樣本數為 500、1,000、5,000，其權重設定為以 70,000 筆資 料為例，若抽取出 500 筆，其樣本的機率為 上權重與未加上權種的差異；在 Kaplan & Ferguson（1999）研究中的分層抽樣是 從兩群中抽取出相同的樣本數，而本研究採用其分為兩層的抽樣方式，但每一層 中依據所設定的權重比值，從兩層中抽樣取不同的樣本數。
在實徵資料的部分，Korn & Graubard （1995）利用實徵資料（1988 National Maternal and Infant Health Survey，稱為母親與未成年健康資料庫）證明加上權重 與未加上權重所得到的估計值是不同的，此二位研究者提出四個實驗設計，針對 母親與未成年健康資料庫證明加上權重與未加上權重估算值的差異，在此資料庫 中將抽樣樣本分為六層（strata），分層的依據為種族與新生兒的體重，Korn &
Graubard（1995）提出的第一個實驗設計中，以迴歸分析探討新生兒體重與母親
未加上權重的差異。