運動技能測驗的研究隨著研究者或使用者的目的、須要，而採用不同的統 計方法、測量理論，例如：主要目的是選拔國手，我們就會用鑑別分析，來建立 當選和落選運動員的鑑別模式，探討是否正確的選拔到真正的國手。此外，常用 的方法還有相關、多元迴歸、因素分析和變異數分析等等。現就「鑑別分析」一 項提出說明，鑑別分析包括迴歸分析和變異數分析兩部分，用多元迴歸分析建立 各組的預測公式，再用變異數分析比較最大的差異，找出最佳的預測變項；鑑別 分析事前必須已知受試者的類別，所以用於事後的檢討最恰當。以下是一個例子 說明：學童性別對喜歡運動鞋的鑑別分析。學童性別對喜歡運動鞋的鑑別模式
為：（參考下表）
Ｆ1＝－0.242×顏色＋0.258×舒適＋0.713×功能－0.828×外型＋0.610×價錢 表4 學童性別對喜歡運動鞋的典型鑑別函數係數表
變項 函數
1
顏色 -.24206
舒適 .25814
功能 .71312
外型 -.82770
價錢 .60964
對學童性別喜歡運動鞋的各組重心函數一 為：女性 0.22554、男性－
0.17434。（參考下表）
表5 學童性別對喜歡運動鞋的各組重心函數表 性別 函數
1
女性 .22554
男性 -.17434
學童性別對喜歡運動鞋的地域圖（參考下圖）。顯示本研究有部分的性 別未能正確的判別，具體數據參見原始資料和預測的分類結果。
24
姚漢禱 圖 6 學 童 性 別 對 喜 歡 運 動 鞋 的 地 域 圖All-groups Stacked Histogram
典 型 區 別 函 數 一
Centroids 2 1
1 表示 女
注意，否則統計處理只能使你「垃圾進，垃圾出」而已，在運動技能測驗的研究 上主要的重點如下：
效標變項的問題：沒有客觀的成績表現，如羽球、桌球、體操和溜冰等。
或是團體運動項目足球、籃球、排球和棒球，無法直接用成績表現當做效 標。
觀察資料的問題：最重要的是樣本是否代表母群，其次是樣本是否有極端 偏離的反應，還有樣本數量是否足夠。
測驗品質的問題：完成測驗的研究，必須報導測驗品質，通常有信度、效 度和常模或標準。否則這個測驗一點也沒有用。
選擇自變項的問題：在統計分析中，常用的選擇自變項方法有：順向選取 法、逆向淘汰法和逐步選取法，實際上，這三種方法都有限制（弱點）當 自變項在十個以下的話，大概三種方法都會有相同的結果，但是，自變項 超過十個，結果常是非常紛歧，最重要的是選不到最佳的模式。解決的方 法是利用 R-square 法求最佳迴歸線，參酌 C(P) 統計量，可幫助選取迴歸 模式。因為 C(P)是測量一個子集模式包含 P 個自變項的「總誤差平方」，
總誤差平方是一個「測量的誤差變異」加上一個「模式不包含重要變項的 偏差」。所以，A>C(P) 值大表示誤差均方大。B>C(P) 值大於「變項數加 一」，為模式不完全所產生的偏差。C>C(P) 值小於「變項數加一」，為過 度界定，包含太多的變項。D>選擇子集的大小是最小的 C(P) 值、或最接 近「變項數加一」。最後吾人可以利用 C(P) 值和「變項數加一」繪圖幫 助選取迴歸模式。（參考下圖）
26
姚漢禱 圖 7 C(P) 值和「變項數加一」繪圖覆核效度的問題：多元迴歸分析除了原資料所算的測驗品質外，還須一部 份新的資料，來驗證所得到的迴歸公式，此覆核效度是測驗的外在效度，
它是迴歸分析不可或缺的。
共線性的問題：自變項間如果相關很高時，導致這些變項都在解釋相同的 東西，這就是所謂共線性的問題；所有用自變項Ｔ分數總分當效標變項是 不合適的，它會造成高估的情況。
量尺的問題：效標變項如果是類別或順序量尺，就必須使用 logistic 迴歸分 析才正確（參考姚漢禱 1999，編製羽球效標參照組合測驗）。如果像比賽 名次之類的量尺，也可以透過試題反應理論的校準，轉換為具可加性量尺
（參考姚漢禱 2001，用試題反應理論估計運動項目的成績表現排名）。
以姚漢禱和林德隆（1987）中華民國成棒代表隊選拔之研究為例，在效標 的量尺、覆核效度、測驗品質、選擇變項和解釋等方面，都不夠周延；如果用鑑 別分析來驗證將更理想。
結語
近年來科技的突飛猛進，特別是電腦軟硬體的發展，一日千里，對於測驗 測量的衝擊更大；使以前的一些理想，不再是夢想，而是在彈指之間就能做到，
如果你不想成為『ＬＫＫ』，那你就要接受事實，不斷的學習，善用你的智慧，
朝創新、發明之路邁進。體育運動測驗測量的研究，必然要跟上心理計量學的步 伐；Tenenbaum 和 Fogarty（1998）介紹應用 Rasch 分析估計 Duda 和 Nicholls（1989）
的工作和目標取向運動量表，合理的估計試題參數，建立量表的常模。讓我們警 覺到，不能老是自我安慰，以不變應萬變，恐怕這種駝鳥心態，早晚會被唾棄而 不自知。我想這個專門的研討會，就是要喚醒大家對體育測驗測量的重視，它是 基本工具，「工欲善其事，必先利其器」，想要提昇研究水準，不能偏廢工具學科，
否則想要達到國際一流的研究，那是很難的事，願與大家共勉之。