資料處理與分析

本階段將進行的資料處理與分析，包含了三部分：(一)效果值的整合。

(二)出版偏誤檢驗。(三)調節變項分析。過程均採用 MetaWin 2 統計軟體 進行計算。以下分別說明使用的模組，及該模組採用之公式、原理，與 應用。

(一) 效果值的整合：

經過第七節所述效果值計算與轉換，研究者已取得各篇研究的 效果值不偏估計值 Hedges’ d，以及變異數ˆ ( )² d 。接著先進行效果值 整合的前置處理，再進行效果值的整合。

1. 前置處理：

(1) 效果值以正號代表進步：不同測量工具所得之數值大小意義 不一。某些測驗分數越高代表表現越佳(如：記憶廣度作業)，

某些則相反(如：反應時間作業)。因此，本研究統一將實驗 組優於控制組表現的效果值設定為正號，反之為負號。

(2) 效果值間獨立性處理：如果同一篇研究中，在同一個測量構 念上(例如：抑制)報告多筆效果值時，為避免效果值整合時 因資料不獨立所帶來的偏誤，研究者將先予以平均。因此，

單一介入方案，對單一組樣本，在單一測量構念(例如：抑 制)下，將以一個效果值做為代表。此步驟將在 Excel 上進 行平均。另外，若該篇文獻以下列三種狀況呈現研究結果，

因仍符合資料獨立原則，該篇文獻可能出現不只一組效果 值：

A. 僅呈現子團體比較結果。文獻中未呈現實驗組與控制組 比較結果，僅提供實驗組子團體與控制組子團體的比較

結果。例如，僅提供實驗組中的老年人與控制組中的老 中的 summary analysis 模組進行效果值之整合。該模組採用 Hedges 與 Olkin(1985)提出的加權平均效果量 d₊。Hedges 與 Olkin 認為，若該篇研究的變異數ˆ ( )² d 較小，代表其研究品質

而加權平均效果值 d₊的變異數s_d² (confidence interval, CI)，表示為公式(9)。

( )

析研究者，除了廣泛納入出版與未出版的文獻外，另一種作法，即 是進行出版偏誤檢驗。其中， Rosenthal(1991)所提出的 Fail-safe

Number

，

從公式(12)可以得知，Fail safe Number 實際上指的是：還要再加 入幾篇未達顯著的研究，才能將後設分析所得到的顯著效果值，變 成不顯著。而公式(13)所計算的容忍值則為一個基本的比較指標。若 Fail safe Number 小於容忍值，即表示該後設分析極有可能受到出版 偏差的影響，反之，則較無出版偏差的問題。研究者將使用 Meta Win 2 中的 Perform Fail-safe analysis，來計算 NR，再以 Excel 計算容忍值，

並比較兩者數值，做出出版偏誤影響多寡的判斷。

(三) 調節變項分析：

調節變項分析，在 Meta Win 2 軟體中，包含了 Fixed-model 的 categorical 和 continuous 兩個模組。採用的是 Hedges’ and Olkin(1985) 所提出的固定效果模式(Fixed Effects Models)中的「類別模式」

(categorical model)和「連續模式」(continuous model)，來分析研究間 異質性的可能來源，尋找影響實驗效果的調節變項。事實上，不論

是類別模式，或是連續模式，皆是在研究間的效果值為異質的情況

檢驗結果而言，若達統計顯著性，即表示至少有兩組效果值間具 有顯著差異，本研究將觀察各組加權平均效果值之 95%信賴區間 是否重疊，以進行事後比較的判斷。反之，若 Q_B未達統計顯著性，

即表示各組效果不具顯著差異，不需進行事後比較。就 Q_w檢驗結 果而言，若達統計顯著性，即表示該組內仍具異質現象，需進行 第二階段之調節變項分析，以探討該組內異質情形的可能原因。

反之，若 Q_w未達統計顯著性，即表示該組內效果同質，不需進行 第二階段之調節變項分析。

表 3-8-1 類別模式分析方式

變異來源 統計量 自由度

組間 Q_B p-1

組內 QW m-1

總和 QT n-1

註：p 為組數，m 為組內研究數，n 為全體研究數

於此階段，最重要的莫過於研究分組的選擇，亦即，調節變 項的選定。本研究已於文獻探討一節，詳述待檢驗的調節變項。

於此階段，即會一一投入類別模式中，檢驗各調節變項對實驗效 果的影響。以本研究檢驗的一項調節變項--「測量向度」為例，研 究者即可透過類別模式中的 Q_B統計量，瞭解身體活動介入對不同 測量向度之介入效果是否有顯著差異。若 Q_B達統計之顯著性，再 觀察哪兩個測量向度之效果值 95%信賴區間沒有重疊，以做出事 後比較之判斷。此外，透過類別模式中的 QW統計量，可瞭解各測 量向度內之效果值分佈，是否具有顯著異質的現象？若 Q_W達統計 之顯著性，即表示該測量向度內之效果值仍具顯著異質現象，還 需進行第二階段調節變項分析以釐清可能原因。

3. 連續模式：

當調節變項為連續型資料時(如：年齡)，可採用連續模式，即 加權迴歸分析。該迴歸方程式的一般式請見公式(11)。

0 1

i i

d  b b X  …公式(11)

式中的d_i為第 i 篇研究的效果值，b₀為截距項，b₁為斜率，X_i

為第 i 個研究的調節變項之值， 為誤差項。從公式(11)可以發現，

該迴歸方程式即是以各篇研究的調節變項為預測變項，以各篇研 究的效果值為效標變項，進行迴歸分析。並檢驗斜率項b₁是否顯 著不等於零，以瞭解該調節變項是否能解釋一定比率的總變異 量。

在本研究所關心的調節變項中，僅「年齡」變項為連續型資 料，故將使用連續模式探討年齡與實驗效果的關係。另外，考量 年齡與實驗效果可能存有曲線關係(U 型曲線)，即孩童與老年人具 有較佳之實驗效果，而健康成年人效果較差。本研究亦使用 SPSS 之曲線迴歸模組，探討年齡與實驗效果為曲線關係之可能性。