如何建立Cronbach Alpha信賴區間

如何建立Cronbach Alpha信賴區間?
請參看pp.102~104,李茂能著:結構方程式軟體AMOS之簡介及其在測驗編製上之應用(心理出版社，2007)!

為何建構信度(Construct Reliability)優於Cronbach Alpha係數?

為何建構信度優於Cronbach Alpha?
Cronbach Alpha只有在符合單向度測驗與平行測驗基本假設時方適用，否則常會低估! Cronbach Alpha高，並不能保證單向度測驗，反之，Cronbach Alpha低，亦可能為單向度測驗(如題目之因素負荷量均很低時)!

普查時，可以使用推論統計嗎?

普查時，可以使用推論統計嗎?
理論上，普查時，不需使用到推論統計，因為母數(parameter)已經知道，就無推論的餘地。 不過，普查時，研究者可能會使用到描述統計(如平均數、標準差)、或報告相關係數 & R-square(但p-values & SE就需拋棄)。

CUMMING's新觀念統計學

Cumming’s Introduction to the New Statistics, in plain English, is a joy to read even for a non-English speaker. ... I strongly recommend this unique book to those interested in learning new inferential statistics.

For Detailed Information

效果值的主要類別

整合分析的對象: 效果值
依照資料來源的類別，效果值(Effect size)主要可分為四大類：
(1)變項間關聯性指標，例如：Cohen f-square , r, R-square, Eta-square，
(2)組間差異的效果值指標，例如：Cohen d , f, & w, Glass Δ, 與Hedges g，
(3)勝算比或風險指標，例如：勝算比(Odds ratio,OR)、相對風險(relative risk,RR)等，
(4)比率的平均效果值指標。
第一類係變異導向的效果值係數，可以處理雙變項均為連續變項間的相關性問題；
第二類可為原始分數的差異分數，亦可轉化為標準化的差異分數，可以處理二分類別變項與連續變項間的相關性問題；
第三、四類為處理雙變項均為類別變項的效果值係數。

效果值常須標準化，以具有共同量尺或無單位(unit-free)的特性，才適合於整合分析。

整合分析的基本步驟

整合分析的九大步驟:
(1)提出概念型與操作型的研究問題，
(2)依據研究問題進行相關文獻搜尋與品質評估，
(3)進行研究方法、對象、特徵與工具的編碼，
(4)將報告的效果統計量，進行共同量尺的效果值換算，
(5)各研究間效果值同質性之考驗，
(6)根據同質性考驗結果，進行數據之合併或分群組分析，
(7)出版偏差評估，
(8)呈現分析結果，
(9)下結論與解釋。

整合分析可以回答哪些問題?

整合分析可以有效回答以下三大問題(Cheung, 2010):

1、相關研究的效果值是否具有異質性(heterogeneity in effect size)，
此問題係整合分析的基本假設。
2、如具有同質性，整體的平均效果值(overall effect)有多大?
此問題係整合分析的內部效度問題。
3、假如未具有同質性，有何調節變項可以說明效果值的變異性(factors that change the magnitude of effect size)?
此問題係整合分析的外在效度或推論性問題。

因此，整合分析不僅在進行整合(synthesis)分析，而且也在進行推論(generalization)分析