2011年10月7日 星期五

論文寫作課紀錄_20111006(2011/10/11更新)


感謝老師指導並修正內容。


下筆之前 [心態與準備]
1.      以相關領域的學者作為Model,閱讀其Paper,研究/學習其 style,以提升文章鑑賞力。
2.      文字表達能力屬後天學習。因此,「持續練習」、「與他人切磋」是提升寫作功力的不二法門。
3.      作者必須先了解自己文章的Main Point(賣點)以及徹底瞭解相關概念。思索此研究題材的重要性、特點與實務上的價值,並確認是否能夠以文字的形式清楚表達。作者對概念/主題的瞭解程度,通常他/她的文字表達只能呈現7-8成。


寫作原則—通則
1.      思考文章的流暢性,從大的主題開始,延伸至小的細節。
2.      (架構)任何一個section 皆可先寫Outline,方便檢視與討論。
3.      (架構)原則上,一個段落最多包含6-8個句子。中文若是一個句子超過兩行,要想辦法斷句,以避免造成閱讀上的負擔。
4.      (架構)段落中的主題句(Topic Sentence)必須明確清楚,以便讀者掌握文章內容。平時可以練習將每個段落中的主題句劃線,也便於討論。
5.      (內容)句意完整、明確、簡潔是內容上需注意的三個部分,但需先完成前二者後,再求簡潔。
6.      (內容)以研究目的為主軸,在前言、方法、結果和討論中都須呼應研究目的,前後連貫。
7.      (內容)段落結尾與文章結論,宜陳述臨床或是學術上的價值。

寫作原則—細部
1.      主題句中,最重要的名詞越早出現越好。
2.      句與句之間的連貫性可分為兩個部分:詞彙間的連貫與概念上的連貫,詞彙上的連貫指的是,若是文章中指涉同一件事物時,宜使用同樣的語詞。
3.      數字呈現上,如果數值重要首先考慮是否要放置圖表,文字敘述為輔佐,同樣需注意完整、明確與簡潔三個原則。
4.      圖與表原則上以不超過六個為主,因此需判斷為重要內容的才製成圖表。
5.      留意選擇句子的「動詞」,明確的動詞可讓語意明確。


常見錯誤
1.      於英文寫作中,偏好使用since;然而since帶有時間性,而論文寫作通常是敘述一個已經發生的事情,且考量需明確指涉因果關係,因此建議使用because。
2.      於中文寫作中,常會省略主詞,造成語意不清,宜留意。
3.      文字敘述以主動用法為佳,例如:「以……作為訪談對象」不如直接寫「訪談……」,後者的寫法較清楚。

英文演講
1.  備妥標題與大綱:標題需能完整呈現內容主題,大綱即是主要報告之內容,可在備忘稿寫下整句。或先寫下整句再刪成大綱型態。
2.  可用滑鼠指示演講內容所在,但忌持續搖晃。
3.  移動投影片之速度宜放慢,否則造成讀者困擾。

2011年8月1日 星期一

暑期IRT課程公告(8/15更新)

上課時間:8/19(五) 8:30~12:30

授課者:業太

課程內容:

  1. IRT多向度概念複習與問題解答。
  2. CAT 概念介紹
  3. Conquest 分析講解與實作
       (a)單向度分析語法,以及與Winstep之比較
       (b)多向度分析操作
  4. IRT多向度分析作業說明

課程要求:

  1.筆電。
  2.課前搜尋兩篇CAT與IRT多向度分析相關文獻。(已完成)

備註:
    由於8/19這一天是大家唯一有交集的上課日,而後續尚有兩堂文獻閱讀的課程,因此會於8/19上課的這一天大家討論之後兩堂上課的時間。

文獻報告:

多向度IRT部分
文獻1. Quality of Life Research (2006) 15: 607–620
Validating, improving reliability, and estimating correlation of the four subscales in the WHOQOL-BREF using multidimensional Rasch analysis

文獻2. Physical therapy (2006) 86(7): 936-943
A Simplified Stroke Rehabilitation Assessment of Movement Instrument

CAT部分
文獻3. Qual Life Res (2011) 20:479–490
Development of computerized adaptive testing (CAT) for the EORTC QLQ-C30 physical functioning dimension

文獻4. Health and Quality of Life Outcomes 2010, 8:147
Validation of a computer-adaptive test to evaluate generic health-related quality of life

兩者整合
文獻5. Rehabilitation Psychology, Vol 50(1), Feb 2005, 71-78.
Item Response Theory and Computerized Adaptive Testing: Implications for Outcomes Measurement in Rehabilitation.

請於8/18(週四)前,於上面五篇Paper中選擇一篇您想要報告的,並回覆於本文留言版中,先回覆者優先。週五(8/19)上課請攜帶您要報告的Paper。


2011年7月1日 星期五

統計諮詢問題提交

諮詢主題
CFA
諮詢時間
100/7/4 19:30-
諮詢時數
小時
諮詢內容彙整
對此主題的未知概念
諮詢後釐清的概念
1.  Table3 為什麼1-factor的因素負荷量是還不錯的,但是適配度指標表現卻不好呢?
2.  相反的bifactor 的模型適配度不好,但local factor負荷量並不是很好,模型判斷是要看哪一個呢?
3. Table 3 bifactor 的local factor 為什麼只呈現一排數值?
4. 用CFA和IRT檢定多向面,有什麼不同呢?
5. 為什麼驗證Rasch之前要先做item-level factor analysis?(作者提到的2個study的限制都有這點)
6. Page 403: F值相除的意義?



** 因突發狀況,所以諮詢時間,改為7/4星期一,晚上7:30

2011年6月22日 星期三

暑期期刊讀書會相關事項說明

為了提升博班生的口語表達能力與文字表達能力,老師建議我們定期舉辦期刊讀書會。
目前規劃如下:

時間:每週五上午10:30-11:30。
地點:422討論室。
報告順序:雅珍、姿誼、菀薈、佳苓、恩琦
文獻選擇條件:以實驗型研究優先
報告者的任務:
1.報告前一週,先將選定的文章寄給大家(未報告者,至少要看研究方法)。
2.參考老師的兩種文獻彙整格式,將自己報告的文獻作段落式彙整(寫得像一篇文章一樣),寄給老師。報告後3天內 e-mail 給老師。
3.將重要的問題討論記錄在心理計量課程的部落格上。
4. 可邀請老師遠距參與, if you wish.
5. 若有統計問題,請事先跟李晏諮詢。
如果對目前的規劃有其他建議,都歡迎提出來喔!

2011年6月9日 星期四

統計諮詢- ANOVA & 卡方

諮詢主題
ANOVA & 卡方檢定
諮詢時間
100/6/9  15:00 – 16:00
諮詢時數
1 小時
諮詢內容彙整
對此主題的已知概念
1.      one-way ANOVA, repeated measures: 使用目的: 比較同一群體三個(含)以上的平均數差異。使用時機: 同一群體,每一個受試者都有三次( 含)以上的得分。
2.      卡方: 有以下之檢定:
(1) 適配度檢定: 適合度檢定的概念是檢查資料的觀察次數與假設的期望次數是否接近、有多接近,在理論上能否認同兩個是來自於同一群體的,或者說是屬於相同的分配。
(2)獨立性檢定:檢定兩個屬性間是否獨立
(3)同質性檢定
對此主題的未知概念
1.      使用「one-way ANOVA, repeated measures 來驗證ADL3層面是否有差異」,此驗證方法是否夠強?
2.      為什麼從總分可以看出各層面間有顯著差異?
假設: 執行能力的總分最高;平常表現其
  次;自覺困難第三。
3.      如何使用卡方去驗證哪個層面最易有天花板效應 (有跑長條圖,得分分佈皆呈現負偏)
諮詢後釐清的概念
1.      1. 李晏回覆: 是可以使用one-way ANOVA, repeated measures 來驗證,但也是可以考慮使用因素分析方法(有向李晏解釋,有使用IRT之Rasch模式來驗證各層面之單向度,但因目前樣本數不太,所以結果還不穩定)。李晏建議可找看看是否有這方面的paper。
2.      2.李晏回覆: 這裡的總分應該是指each person的each層面的sum score. 如要看是否有這個trend(執行能力的總分最高;平常表現其次;自覺困難第三),可考慮使用paired t-test 單尾檢定來驗證此假設。
例如: Ho: mp >md  or  Ho: mp>ma  or  Ho: md > ma
3. 重新整理data,將總分18分以上的人數分一群; 總分18分以下分一群,然後使用卡方的獨立性檢定,驗證例如平常表現及自覺困難2個層面下天花板及地板效應是否有不同(列聯表)。 

2011年6月3日 星期五

計算power或sample size的程式-G*Power 3

http://www.psycho.uni-duesseldorf.de/aap/projects/gpower/

以上網址可下載計算power或sample size的程式:G*Power 3
請點選"G*Power 3"後依步驟下載


  • 下載後的程式打開後,會有一個空白框出現,底下有"Test family"的標題,選擇所使用的test,再從旁邊的"Statistical test"進一步去選取相關的test。如:t-tests........Means: Difference from constant (one sample size)。

  • 接下來,再選取Type of power analysis,如是事前預估,選取" A priori...",若是事後檢驗,則選取"Post hoc..."。

  • 最後,開始填入"Input Parameters",包括:單尾或雙尾檢定,effect size多少,alpha值設定為多少,及預計要有多少power (a priori)或sample size多大(post hoc)。

  • 全部填完後,點選"Calculate",就可得到"Output parameters",計算的結果,也會呈現在一開始的空白框內。

另外,再附上一個網址:


http://www.danielsoper.com/statcalc/calc05.aspx


當運用G*Power 3計算regression analysis的power或所需的sample size時,需要將r-square轉換成effect size,此網址可直接輸入r-square,將r-square轉換成effect size。

2011年5月28日 星期六

單向度之驗證-revised

單向度之驗證,較常見之方法為試題反應理論(item response theory)及驗證性因素分析(confirmatory factor analysis, CFA)。
一、試題反應理論,可區分為參數試題反應理論及非參數性試題反應理論兩大類:
      1.  參數試題反應理論可以根據其所包含的試題參數數目來分,分為單參數的Rasch模式、二參數模式與三參數模式。Rasch為單參數模式(只有題目難易度一個參數)。Rasch分析主要是在評估量表項目是否符合Rasch模式,若符合模式預期則可以宣稱量表符合單向度假設。此外,如量表項目均能符合 Rasch 模式的預期,則Rasch模式利用對數函數(logit function)針對答題機率進行計算得到客觀等距量尺。單參數模式並不把試題鑑別度(discrimination)指數考慮在內,也就是假設所有試題的鑑別度都是相等的。單參數模式對試題特性及個案作答反應有較嚴格的要求,其對資料是否能符合基本模式假設也較嚴苛,易排除某些可能如使用非參數性分析法來驗證可以被保留下來的題目。
2.   Mokken 模式為非參數性 (non-parametric) 的分析方法,相較於Rasch分析,Mokken分析基於較寬鬆的假設,但同樣可用來評估測驗單一向度性。在分析方法上,Mokken模式包含了兩個模型的驗證:Monotonously Homogeneous (MH)模型與Doubly Monotone (DM)模型。在MH模型中有主要三個假設: (1)潛在特質為單向度; (2) 題目局部獨立(local independence); (3)題目之項目特徵曲線(Item Characteristic Curve, ICC)呈現單調遞增(monotonically non-decreasing)特質; 即能力越高,答對每一題的機率越大。並使用scalability 係數 H檢測題目是否符合MH模型的基本假設。Scalability 係數 H數值介於0-1之間。系數越低表示題目愈不吻合模型假設。一般以係數H大於或等於0.50為量表符合單向度的可接受標準。如果題目符合MH模型,單向度的假設也會得到支持。至於DM模型,除了MH模型三個假設外,還須具備項目特徵值(ICC)沒有交叉,即項目順序不變假設 (invariant item ordering)。DM模型主要目的除驗證單向度外,並可檢驗項目是否呈現階層排序(例如: 從簡單到難)。如項目呈現階層排序,我們才能有信心說對所有能力水平的受試者而言,答對第一題的機率,永遠都大於答對第二題,而它也永遠大於答對第三題的機率。換句話說,對所有能力水平的人而言,第一題最簡單,第二題其次,第三題最難。瞭解項目難易階層性可協助定位個案能力,讓個案都接受適合於自己能力的題目。 “Rest score”及 “P matrix”為檢測DM的兩種方法。Mokken模式雖然不像參數試題反應理論那樣受參數限制,但卻只適用於次序量表。

二、因素分析法:
驗證性因素分析運用於單向度驗證,主要假設是為所有項目都落在單一因素。驗證性因素分析使用因素模型適合度分析法檢視測驗的內在結構。但目前用來驗證CFA適合度指標種類繁多。較為常見的是為卡方檢定,樣本與模型越適配,卡方值越小。卡方檢定易受樣本數(或題目數)影響,樣本數大時即使模型適配度好,容易拒絕虛無假設。CFA分析方法要求資料必須具備等距量尺特性,此假設並不見得能符合大多數試題的分數或測驗的總分並不具有等距的資料。並且大部份個案自陳量表其資料大致都為偏態分配,較難符合CFA的基本假設。基於以上幾點,對於CFA是否適用於單向度的驗證,造成不少學者的質疑。因此,Cook等作者認為可採用Reise 等學者所提出使用双因子(bifactor )模型來驗證單向度。双因子模型中每個題目不僅在特殊因子上有負荷,所有題目在一般因子上也存有負荷,所有因子之間正交。Resise指出双因子模型,限制較少,可以直接由通過特殊因子負荷直接判斷作用大小,並且如有第二因子存在時易顯現出來。