統計顯著性考驗與效果值的評估，何者比較重要?

統計顯著性考驗(p-value)，易受樣本大小影響，因此P-value通常並無法做為效果值的指標。

以下係統計顯著性，樣本大小，效果值與研究結論關係的架構圖。

整合分析軟體ESS軟體與操作手冊(2025年更新)

請點選以下連結，再點擊李茂能老師網頁左側選單:" 研發軟體 "

傳統整合分析理論與實務：ESS & EXCEL(2015)隨書附贈:
中文化整合分析軟體軟體(ESS)&其操作手冊:2025更新版

點選以上之連結，就會出現以下個人網頁

整合分析的四庫全書

「推陳出新」與「理論完備」

整合分析是量化的文獻探討，它是「分析中的分析」，「研究中的研究」，是量化研究的嶄新方法學。整合分析起源於實證醫學，目前已受到心理學、教育學、社會科學、市場行銷、經濟學等各學術領域的廣泛應用。
整合分析可以獲得較穩定的研究結果，且可驅使研究者繼續去探求研究結果不一致的原因。
整合分析可以讓研究者不只關切統計推論上的顯著與否，而且更重視效果值大小的評估。
筆者，歷經多年之努力與五南鼎力支持，完成了四本一系列的整合分析專書，理論與實務兼具。
這一系列涵蓋了直接比較、間接比較及網絡分析，涉及了傳統的整合分析、心理計量整合分析與貝氏網絡整合分析。

# of visits:

結構方程模式理論與實務: 解決SEM疑難雜症的書

「推陳出新」與「精益求精」

新書仍維持十章，第一章介紹AMOS的基本操作介面、繪圖工具、檔案連結方法與統計分析， 第二章介紹模式隱含共變數矩陣的追蹤與推導， 第三章介紹SEM理論模式的基本原理， 第四章介紹適配度指標的選用與解釋， 第五章介紹SEM量尺不確定性的處理方法及驗證性因素分析在測驗編製上的用途， 第六章探究SEM應用上潛藏的困惑，更深入探討SEM應用上，少見的限制， 第七章介紹如何利用AMOS進行差異試題功能(DIF)分析，新增DIF分析流程圖及WinSteps DIF報表的分析， 第八章介紹跨群組與跨時間之測量及結構不變性分析，調整了部分章節順序與改寫部分內容， 第九章介紹SEM取向的交叉延宕分析，章節段落內容有較大更動， 第十章探索SEM多元共線性的症狀與其解決方法，新增SmartPLS與WarpPLS的應用介紹，以利檢驗預測變項間或預測變項與效標間的共線性。

# of visits:

整合分析的新利器:JASP

JASP is an open-source project supported by the University of Amsterdam
●特色: JASP offers standard analysis procedures in both their classical and Bayesian form!

統計效果值的估計與應用八月已經出版

統計效果值的估計與應用:The Estimation and Usage of Effect Sizes in Statistics，2022年八月已出版

●特色: 新知領先、軟體免費、內容紮實 、物超所值!

# of visits:

五南網站

2021年8月22日 星期日

統計效果值的估計與應用:The Estimation and Usage of Effect Sizes in Statistics，2022年夏即將出版

●特色: 新知領先、軟體免費、內容紮實 、物超所值!

本書第一個目的在於探討各類效果值指標的估計、選用與解釋。效果值(effect size)，簡單的說，就是實驗效果大小或雙變項關係強度的量化指標，其值愈大，常代表著組平均數間之差異愈大或雙變項間之關係愈強。由於研究者對於統計顯著性考驗的運用邏輯存在著一些迷思與誤解，過去許多研究報告大都依p值(p-value)的大小就下結論，而忽略了效果值大小的評估。

為何效果值與p值同等重要?假如事先沒有適切的樣本規劃，研究者僅利用p值進行假設考驗，易導致錯誤的結論。主因在於p值易受到樣本大小的影響，只要樣本過大，通常會推翻既定的虛無假設；反之，樣本過小，通常很難推翻既定的虛無假設。反觀效果值除了可以用來評估臨床上的應用價值之外，它並不會受到樣本大小的影響，足以彌補統計顯著性考驗設計上的不足。統計上的顯著性並不一定等於實務上的有用性，因此近幾年來學術研究期刊逐漸要求作者同時報告p值與效果值。

令人困擾的是效果值的定義或類型，會因研究設計、研究問題與統計方法而改變，假如研究問題的焦點在於組間差異，那麼效果值的定義在於組間平均數的平均差異，需要獨立樣本的研究設計；假如研究問題的焦點在於個體的改變量，那麼效果值的定義在於平均改變量，需要重複量數的研究設計；此外，有時同一種統計方法(如多元迴歸分析)卻存在著許多不同形態的效果值統計量(如未標準化迴歸係數、標準化迴歸係數、淨相關、部分相關)，何者為佳，研究者亦常生困惑。由此觀之，欲正確估計與選用效果值統計量，需先釐清效果值與研究問題、研究設計及統計方法間的複雜關係。

本書第二個目的在於探究各類效果值間的轉換，使其具有可比較性，以利整合分析。效果值估計是整合分析(meta-analysis)的核心工作，除了需知道如何估計它之外，尚須注意效果值可能衍生自不同統計方法(如勝算比、單變項ANOVA考驗、迴歸分析、多變項分析、SEM或HLM、GMA分析)，爲了效果值能具跨研究設計、研究問題與統計方法的可比較性(comparability)，必須透過適當公式的轉換，使其具有共同量尺(如全部轉換成Cohen d值或Pearson r值)，才能進行整合分析。

本書涵蓋了單變項與多變項統計方法的效果值指標，從t-test、ANOVA到MANOVA，從Regression、GLM到SEM或HLM應有盡有，不僅可作為整合分析研究者查考的必備寶典，也適合於應用統計學課程之主要教材、一般量化研究課程之輔助教材。本書致力於效果值及其信賴區間公式的推演，並透過應用軟體輔以應用實例，以利研究者能正確估計、描述與解釋效果值。

●敬請期待

●單變項、多變項、SEM、HLM分析效果值與Cohen’s d 或Pearson’s r效果值間之橋接關係

● 本書共分十二章: 第一章 效果值簡介 第二章 類別性變項的效果值分析 第三章 t考驗與相關性指標的效果值分析 第四章 單因子ANOVA的效果值分析 第五章 雙因子ANOVA的效果值分析 第六章 通用Eta2對比效果值分析 第七章 多變項分析的效果值分析 第八章 多元回歸分析與多層次分析的效果值分析 第九章 隨機集群分析的效果值分析(上) 第十章 隨機集群分析的效果值分析(下) 第十一章 SEM分析與成長模式分析的效果值分析 第十二章 網路效果值計算器與各類效果值間的轉換