第二章 研究方法
2.5 多重比較(Multiple comparisons)
2.5.1 當變異數全等時
我們採用 Tukey’s HSD method 來做多重比較, HSD 代表誠實顯著
差異( honestly significant difference )的縮寫,檢定統計量為
( ) ( )
all( , )
max
i j i ji j
i
X X
q MSW
n
⋅ ⋅
µ µ
∗
− − −
=
q 服從the studentized range distribution 自由度為 a 與 n − ,上式中 a
n
i∗= min ( , ) n n
i j,
a = 組數(number of groups),
ˆ
2MSW = σ = 共同變異數的估計值( common estimate of σ
2)。
所以 µ µ
i−
j的100(1 − α ) %同時的信賴區間(S.C.I.)為
(
i j) ( , ) , (1
i
X X q a n a MSW i j a
α
n
⋅
−
⋅± −
∗≤ < ≤ )
2.5.2 當變異數不全等時
當變異數不全相等時,我們可採用Tamhane’s T2、Dunnett’s T3、
Games-Howell 、 Dunnette’s C 這 四 種 方 法 做 多 重 比 較 。 µ µ
i−
j的 100(1 − α ) %的同時的信賴區間(S.C.I.)為
(
i j)
ij( ) i2 2j 1/ 2, (1 )
i j
S S
X X i j a
n n
ξ
α⋅ ⋅
⎛ ⎞
− ± ⎜ ⎜ ⎝ + ⎟ ⎟ ⎠ ≤ < ≤
( ) ij
ξ
α會隨著使用方法的不同,而有不同的值。
(1) Tamhane’s T2
"
( )
( ) ˆ
ijα
t
αv
ijξ =
上式中 " 1 1 ( 1 )
1,
2
2
kk a
α = ⎧ ⎨ ⎩ − − α
∗⎫ ⎬ ⎭
∗= ⎛ ⎞ ⎜ ⎟ ⎝ ⎠ ,
( )
{ }
2 2 2
4 2 4 2
/ /
ˆ / ( 1) / ( 1)
i i j j
ij
i i i j j j
S n S n v S n n S n n
= +
− + − ,
t
α"( ) v ˆ
ij代表 α 為 α
"且自由度為 v ˆ
ij的 分配的臨界值。 t (2) Dunnett’s T3
( ) ( )
,ˆij
ijα
M
k vαξ =
∗上式中 α " 與 v ˆ
ij同 Tamhane’s T2 ,
( ),ˆk vij
M
α∗− the studentized maximum modulus distribution with parameter k
∗and d.f. v ˆ
ij。
(3) Games-Howell
( ) ( )
ˆ
,
/ 2
ijα
Q
a vαijξ = 上式中 v ˆ
ij同 Tamhane’s T2 ,
( ),ˆ
the studentized range distribution with parameter and
a vij
Q
α− a
d.f. v ˆ
ij。 (4) Dunnette’s C
( ) 2 2
, ,
( )
2 2
( / ) ( / 2( / / )
i j
a v i i a v j j
ij
i i j j
Q S n Q S n
S n S n
α α
ξ
α= +
+
)
上式中
vi = −ni 1, 1vj =nj−。
我們的資料採用 Dunnette’s C 的方法來做多重比較。我們將用 SPSS 11.0 軟體做出結果。
1.13 項目分析
在自編檢定中,為了得知檢定的可行性與適切性,於試題分析
時,會將測驗總重要度前 25% 至 33% 設為高群組;測驗總重要度後 25% 至 33% 設為低群組,然後算出高低兩群組在每個試題覺得重要人 數的百分比,根據高低群組在每個試題覺得重要人數之百分比算出試 題的判別力( discrimination )。
判別力指數為 D=P -P
H L其中 代表高群組在某個題項覺得重要人數的百分比; 代表
低群組在某個題項覺得重要人數的百分比; D 為判別力指數。而 D 值越大,代表試題的判別力越佳, D 值最好在 0.3 以上,下表 2-6-1 為判別力的評鑑標準:
P
HP
L表 2-6-1 為判別力的評鑑標準
判別力指標 試題評鑑結果
0.40 以上 非常優良
0.30~0.39 優良,但可能需要修改
0.20~0.29 尚可,但須做局部修改
0.19 以下 劣,需要刪除或修改
項目分析的主要目的在求出問卷個別題項的決斷值 ─CR 值, CR 值又稱臨界比,臨界比是根據測驗重要度區分出高群組與低群組後,
在求高、低兩群組在每個題項的平均差異顯著性,其原理與獨立樣本 的 t 檢定相同。項目分析後再將未達顯著水準的題項刪除,其主要操 作步驟可以細分為以下幾個步驟:
1. 量表題項的反向計分。
2. 求出量表的總分。
3. 量表總分高低排列。
4. 找出高低分組上下 25% 處的分數。
5. 依臨界分數將量表得分分成兩組。
6. 以 t 檢定考驗高低兩組在每個題項的差異。
7. 將 t 檢定結果未達顯著性的題項刪除。
除了以 CR 值來挑選題項外,亦可求題項與總分的皮爾森相關,
從兩者相關係數大小作為另一判別依據,若未達顯著水準,可以考慮
優先刪除。
F 值
圖 2-6-1 項目分析流程圖 顯著與否?
母群體變異數異質不假設 變異數相同時
母群體變異數同質假設變 異數相同時
P 0.05 <
T 值顯著否? T 值顯著否?
P 0.05 接受虛無假設≥
P<0.05
結果顯著
結果不顯著
P 0.05(接受虛無假設)
≥ P 0.05(接
受虛無假設)
≥
P 代表 p-value
在文檔中
中 華 大 學
(頁 33-38)