第三章 研究設計與方法
第三節 資料處理與分析
本研究以 SAS 8.0 統計分析套裝軟體作為資料處理與分析的工具。
一、量表計分 (Scoring)
(1)原始分數(raw score，RS)：
由於本量表每個向度項目(Dimension items)之等級(rating)採用 0.0~10.0 的雙極向度線讓受測者勾選，所以其計分由我們根據勾選之 位置目測至小數點以下一位， 即為各個細項題目之原始分數 (raw score，RS)。
(2)平均分數(mean score，MS)
假設每一向度(D)中有 n 個細項題目(I)，則其每一向度平均分數 (mean score)為 RS = (I1+I2+…+In)/n。
(3)加權分數(weighted score，WS)：
而各個向度的權數(weights)，因為我們採用兩兩配對比較
(pair-wise comparison)的方式，由受測者勾選兩個配對比較的向度中何 者比較「重要」，本量表有五個向度，所以共有 10 配對選項，假設某
一向度被勾選「重要」之次數為 N，則該向度之權數 W= N ，該向度 的加權分數(WS，weighted score)為原始分數乘上權數再除以 10，WS
＝(RS×W )/10。
(4)總分(total score，TS) :
整個量表的最後總分(TS)為各個向度的加權分數(WS)之總合，
即 TS＝(WS1+WS2+…+WS5)，總分(TS)表示該醫師的心智負荷指標，
總分介於 0.0~10.0 之間，該分數越高，表示該醫師的心智負荷越高。
二、敘述性統計
依 據 問 卷 中 變 數 的 種 類 以 平 均 值 (mean) 、 標 準 差 (standard deviation)、變異數(variance)、全距(range)等數值，描述受測者對問卷中 各 項 變 數 的 分 佈 情 形 。 包 括 受 測 醫 師 人 口 學 變 數 (demographic variables)，例如醫師的年齡、性別、工作醫院等級、工作地點、職務等 級和執業科別等，以及醫師的工作活動(working activity)情形，例如每天 工作多少小時、診療多少門診病患、診療多少住院病患、診療多少個危 急(critical)病患等。
三、分析性統計
本研究主要在檢視新發展量表之敏感度(sensitivity)、效度(validity)
與信度(reliability)，同時找出可能影響醫師心智負荷的主要變數。
(1)敏感度(sensitivity)
敏感度是用來評估一個指標量表的測量值是否與其他可直接觀 測之變數有理論上的一致性(consistency)。要檢測敏感度前，我們必須 先推定(formulate)以下假設(hypothesis)為真:
1. 當醫師的工作時間愈長、看診病患人數愈多、病患的疾病嚴重 度愈高，則醫師所承受的心智負荷就會增加。
2. 當醫師的自我績效評價愈高，表示醫師所承受的心智負荷就會 降低。
換句話說，當我們藉由分析醫師的各個工作活動變數(working activity item variable)與各個心智負荷向度變數和心智負荷總分變數之 間是否具有一致性(consistency)或相關性(correlation)，即可檢測此量表 之敏感度。
(2)效度(validity)
1.表面效度(face validity)與內容效度(content validity)
此量表的表面效度與內容效度可藉由德菲法中反覆循環問卷
的方式，使專家們達成一致的共識而提高。
2.建構效度(construct validity)
建構效度是指多重向度(multi-dimensional )的測量工具或量表，
各個向度之間是否合乎統計上的一致性(consistency or agreement)。
建構效度可進一步區分為聚合效度(convergent validity)及鑑別效度 (discriminate validity)，聚合效度是指在同一建構下的多重向度指 標，測量同一個標的時，應產生相似的結果，鑑別效度則是指在同 一建構下的多重向度指標，若設計一個測量不同標的指標時，應產 生相異的結果。要檢測量表之聚合效度及離散效度，我們可以利用 統計軟體做以下的分析性統計:
利用皮爾森相關係數(r，Pearson’s correlation coefficient )來分析 心智負荷各個題目變數(item variables)與題目變數之間的相關性，各 個題目變數與向度構面之間的相關性，以及各個向度構面與心智負 荷總分(mental workload total score)之間的相關性。每個題目與題目 之間、題目與向度構面之間、向度構面與量表總分之間的皮爾森相 關係數應該大於或等於 0.4(r≧0.4)。
(a)聚合效度(convergent validity)
分析每個細項題目與其所組成的向度構面之間的皮爾森相關
係數，其中 r≧0.4 的百分比即為此量表項目階層之聚合效度。為 了避免題目與該向度構面間的相關係數被高估，我們採用重複校 正相關係數加以校正，其公式如下:
重複校正相關係數＝r－2(相關標準誤) 相關標準誤＝SQRT﹝(1－r2)/(n－2)﹞
其中 r＝題目與該向度構面之間的皮爾森相關係數 n＝該向度構面的題目數
(b)鑑別效度(discriminate validity)
分析每個細項題目與其所組成的向度構面之間的皮爾森相關 係數，高於與其他構面間的皮爾森相關係之比例，其百分比即為 此量表項目階層之鑑別效度。
(3)信度(reliability)
利用 Cronbach α值(Cronbach αcoefficient) 來檢測量表的內部一 致性(internal consistency)，以衡量量表的信度。
四、心智負荷影響因子之探討
本研究在獲得台灣醫師心智負荷的各向度分數以及總分後，將進一 步探討影響醫師心智負荷之可能因子。
我們將用變異數分析方法(analysis of variance，ANOVA)來比較醫師 的人口學變數(包括年齡、性別、工作醫院等級、工作地點、職務等級和 執業科別等)與工作活動(work activity)之間是否存在差異。也比較醫師的 年齡、性別、工作醫院等級、工作地點、職務等級和執業科別等因素的 不同，是否會存在心智負荷的差異。
另外，我們也將以心智負荷的分數作為因變項(dependent variable)，
以醫師的工作活動變數(包括工作時數、門診人數等)以及醫師的人口學 變數(包含醫師的年齡、性別、醫院等級、工作地點、職務等級等)作為 自變項(independent variable)，先以複迴歸(enter multiple regression)控制其 他變項以建立完整模式(full model)，然後進行逐項複迴歸分析(multiple regression with stepwise method)，以 p<0.05 進入、p>0.1 捨棄的原則進行 變項的選取，進入最終模式(final model)，並分別尋求其相關性(R2， coefficient of determination)，來探討醫師心智負荷之可能影響因子。
本研究之研究變項操作型定義如表三所列。
表三：研究變項之操作型定義