JASP應用統計分析進階(第1版)

1-1　二因子變異數分析的基本概念
　　二因子變異數分析（two-way ANOVA）主要可用來檢驗兩個不同自變數（因子）對同一個依變數的影響，以及這兩個因子之間是否存在交互作用（interaction effect）。這種分析方法特別適用於比較兩個以上的組別，同時考慮多個影響因素的情形，以試圖提高分析的精確度。
　　在進行二因子變異數分析的過程中，依實驗設計的方式可分為無重複測量與重複測量兩種。重複測量（repeated measures）指的是同一組受試者（subjects）重複經歷、參與了某一因子（factor，或稱因素，這兩名詞在本書中會視情境而交替使用）內所有水準（level）的實驗處理（不同時間點或不同條件下），且測量同一個依變數。若某因子被設計成重複測量，則該因子就屬組內因子（within-subject factor，又稱為相依因子）。反之，若某因子被設計成無重複測量，那麼該因子就屬於組間因子（between-subject factor，又稱為獨立因子）。
　　顯見，組間因子與組內因子的主要差異在於變數的「操弄方式」與「受試者的分配方式」。組間因子表示不同組受試者分別接受不同條件，每位受試者僅經歷一個實驗條件，例如：在比較三種教學法對學生考試成績影響的研究中，若每位學生只接受其中一種教學法，那麼「教學法」就屬是組間因子。相對地，組內因子表示同一組受試者在不同條件下接受測試，且每位受試者都經歷了所有的實驗條件，例如：若同一批學生分別在三種教學法下學習並接受測驗，此時「教學法」即為組內因子。組內設計（即重複測量）能有效減少個體內變異，提高統計效能，但可能受學習效果或疲勞效果影響；而組間設計（即無重複測量）雖可避免上述的影響效果，但個體差異可能會增加變異數。這兩種設計方式的選擇，取決於研究目的與受試者的可行性。
　　想當然，二因子變異數分析的問題是相當複雜的，但若能於分析前釐清問題的類型，再運用適當的分析方法，那麼當可迎刃而解，不用太過於擔心。根據前述因子屬組內（相依）或組間（獨立）設計的交叉組合下，在二因子變異數分析的實驗設計上，大致可分為以下三種類型：
一、 二因子完全獨立變異數分析（two-way between-subjects ANOVA）
　　意指兩個因子皆為組間因子（between-subject factors），各自具有不同受試者群組，所有受試者僅接受一種因子組合（即處理）的條件，用於檢驗兩個因子對依變數的主要效果及交互作用效果。
二、二因子混合設計變異數分析（two-way mixed-design ANOVA）
　　本分析會結合組間因子（between-subject factor）與組內因子（within-subject factor），部分因子使用不同受試者群組，部分因子則由同一組受試者反覆測量，適用於檢驗主要效果及交互作用效果。
三、二因子完全相依變異數分析（two-way within-subjects ANOVA）
　　意指兩個因子皆為組內因子（within-subject factors），所有受試者在每個因子與其水準下均接受測試，適用於檢驗主要效果及交互作用效果，並能有效控制個體差異，提高統計效能。

1-2　二因子變異數分析的相關名詞
　　在統計學中，變異數分析是一種常用的方法，可用來比較多組樣本之間的平均數是否存在顯著差異。特別是在二因子變異數分析中，研究者需要考量多個變數如何影響依變數，並進一步分析其間的交互作用。為了更好的理解變異數分析的運作機制，首要必須先掌握相關的重要概念，例如：自變數、依變數、因子、水準、處理、組間因子、組內因子、主要效果、交互作用效果及單純主要效果等。這些概念構成了ANOVA分析的基礎，幫助研究者有效設計實驗、分析數據，並準確解釋結果。以下將依序介紹這些關鍵名詞，以加深讀者對變異數分析的理解。
一、自變數
　　自變數是研究者可操弄或用來分類的變數，常用於檢驗其對依變數的影響。在變異數分析（ANOVA）中，自變數通常稱為因子（factor），可以是實驗操弄的條件（如不同教學法）或分類變數（如性別）。例如：在研究「運動頻率」對「心理健康」的影響時，「運動頻率」即為自變數。ANOVA就可用來比較在不同的自變數水準下，依變數是否有顯著差異，進而可探討變數之間的因果關係。
二、依變數
　　依變數是受自變數影響的結果變數，通常是可以量化的數據。在ANOVA中，依變數的變異被用來判斷自變數是否產生顯著影響。例如：若研究「不同教學法」對「學生考試成績」的影響，「考試成績」即為依變數。研究者分析各自變數水準間之依變數的平均數是否顯著不同，以推論因果關係。依變數應具備適當的測量尺度（如間距或比率尺度），以確保統計檢定的有效性。
三、因子
　　因子是變異數分析中用來分類或操弄的自變數。在單因子ANOVA中，研究會僅包含一個因子；而在二因子ANOVA中，則會有兩個因子。例如：在研究「飲食類型」與「運動頻率」對「體重變化」的影響時，「飲食類型」與「運動頻率」即為兩個因子。因子可分為組間因子與組內因子，其不同水準的組合可產生不同的處理條件，以進一步分析各組條件對依變數的影響。
四、水準（level）
　　水準是因子的具體分類或條件。例如：若因子為「運動頻率」，其可能包含「每週運動0次、3次、5次」等三個水準。在ANOVA中，水準的數量決定了比較的組別數，影響變異數分析的結果。當因子只有兩個水準時，通常可用t檢定進行分析，但當水準多於兩個時，就須使用ANOVA來有效的檢驗多組間的平均數是否顯著不同。此外，不同因子水準的組合會形成處理（treatment），可進一步分析其交互作用對依變數的影響。
五、處理
　　處理是由一個或多個因子的不同水準組合而成的特定實驗條件。例如：在二因子變異數分析中，若因子A（教學法）有2個水準（傳統教學、線上學習），因子B（學習時數）有3個水準（1小時、2小時、3小時），則會產生2×3=6種處理組合。每個處理代表一種實驗條件，受試者會被分配到某個特定的處理組合，以檢驗不同條件下依變數的變化。
六、組間因子
　　組間因子指的是受試者被分配到不同組別，每位受試者只接受其中一種實驗條件。例如：在研究「兩種教學法」對「學生學習成效」的影響時，若學生只能接受其中一種教學法時，則「教學法」為組間因子。這種設計可避免學習效果與疲勞效果的影響，但可能會因個體差異而造成額外的變異。顯見，組間變異能反映出不同條件間的差異，統計分析時需檢驗這些組間因子是否會顯著影響依變數。
七、組內因子
　　組內因子指的是所有受試者皆經歷所有因子水準的測試，即每位受試者在所有的不同條件下接受測量。例如：在研究「不同記憶方法對記憶成效的影響」時，若所有受試者皆接受「圖像記憶、聽覺記憶、文字記憶」等三種記憶方法的測試，顯見，「記憶方法」為組內因子。組內設計能減少個體差異，提高統計效能，但這種設計可能也會受到學習效果或疲勞效果的影響。
八、主要效果（main effect）
　　主要效果指的是單一因子對依變數的獨立影響，而不考慮其他因子的影響。例如：在探討「教學法」與「學習時數」對「考試成績」的影響時，若發現「教學法」的不同水準間存在顯著差異，則表示「教學法」具有主要效果。同理，若「學習時數」不同水準間也存在顯著差異，則「學習時數」也具有主要效果。在二因子ANOVA中，可能有兩個主要效果，分別對應於兩個自變數的影響。
九、交互作用效果（interaction effect）
　　交互作用效果指的是兩個因子之間的交互組合處理對依變數的影響，表示一個因子的效果是否因另一個因子的不同水準而改變。例如：在研究「教學法」與「學習時數」對「考試成績」的影響時，若發現「學習時數」對成績的影響在不同教學法下有所不同，則表示兩個因子之間存在交互作用。交互作用效果的存在表示因子間的影響並非獨立，而是相互作用形成不同的結果。
十、單純主要效果（simple main effect）
　　單純主要效果指的是在某一特定水準下，檢驗另一個因子的主要效果。例如：在探討「教學法」與「學習時數」對「考試成績」的影響時，若已知兩者存在顯著的交互作用，那麼就可進一步的分析「在1小時學習時數的情形下，不同教學法是否影響考試成績」，這就是「教學法」的單純主要效果。單純主要效果分析有助於理解交互作用的細節，進一步釐清變數間的影響模式。

1-1　二因子變異數分析的基本概念
　　二因子變異數分析（two-way ANOVA）主要可用來檢驗兩個不同自變數（因子）對同一個依變數的影響，以及這兩個因子之間是否存在交互作用（interaction effect）。這種分析方法特別適用於比較兩個以上的組別，同時考慮多個影響因素的情形，以試圖提高分析的精確度。
　　在進行二因子變異數分析的過程中，依實驗設計的方式可分為無重複測量與重複測量兩種。重複測量（repeated measures）指的是同一組受試者（subjects）重複經歷、參與了某一因子（factor，或稱因素，這兩名詞在本書中會視情境而交替使用...

隨著研究領域日益跨界與資料型態日益多元，統計分析已成為社會科學、教育、心理學、醫學乃至商業決策的重要核心工具。然而，對許多研究者與學生而言，傳統統計軟體往往因為操作複雜、語法門檻高而令人卻步。近年來，JASP（Jeffreys’s Amazing Statistics Program）以其圖形化介面、直觀的操作方式以及即時呈現的統計結果，迅速受到學術界與教學現場的青睞。它不僅降低了初學者進入統計世界的門檻，更為進階使用者提供了兼具彈性與嚴謹的分析平台。本書《JASP應用統計分析進階》，正是在這樣的背景下孕育而生，目的在於幫助讀者在熟悉基礎功能後，能進一步掌握更深層的統計應用。
　　與入門教材不同，本書的重點不在於單純教導如何「按鍵操作」，而是強調統計思維與實證應用的結合。每一章節都試圖引導讀者理解模型背後的理論意涵、適用條件與研究情境，並透過JASP的操作實例，呈現如何在實際研究中正確地詮釋數據。換言之，本書希望讓使用者不僅僅是「會跑結果」，更能具備判斷資料品質、解讀統計指標，並從中獲取有意義結論的能力。這種能力的養成，對研究生的論文撰寫、教師的教學設計，以及專業人士的決策制定，皆具有實際價值。
　　本書特別適合大學部、研究所製作專題或博、碩士論文的學生、社會科學領域研究者，或是希望轉換使用者友善介面進行資料分析的研究者使用。內容安排由淺入深、實務導向，強調操作與理解並重。每章皆設有範例資料並附有影音教材，詳細解說操作步驟與結果解釋，協助讀者將統計方法實際運用於資料分析中。希望透過本書的學習與練習，能讓讀者感受到統計不再是枯燥難解的科目，而是充滿邏輯與意義的工具，進而提升其在學術研究與實務工作的分析能力。
　　本書適合社會科學、商業管理、心理學、教育學及其他相關領域的研究者與學生使用。希望透過本書的引導，能夠幫助讀者克服統計學習的障礙，並能夠將所學應用於實務研究之中。我相信，透過不斷的練習與實踐，讀者將能夠更自信地進行統計分析，提升研究的嚴謹性與說服力。最後，感謝所有在本書撰寫過程中提供支持與建議的朋友與同仁，期待本書能夠為大家的研究工作帶來實質的幫助。
　　本書得以順利出版，首先感謝五南圖書出版公司的鼎力支持與協助，還有對我容忍有加的家人以及默默協助我的助理。由於編寫時間倉促、後學水準亦有限，錯誤之處，在所難免，敬請批評指正，後學不勝感激！

陳寬裕
謹致於 屏東科技大學休閒運動健康系
pf.kuan.yu.chen@gmail.com

隨著研究領域日益跨界與資料型態日益多元，統計分析已成為社會科學、教育、心理學、醫學乃至商業決策的重要核心工具。然而，對許多研究者與學生而言，傳統統計軟體往往因為操作複雜、語法門檻高而令人卻步。近年來，JASP（Jeffreys’s Amazing Statistics Program）以其圖形化介面、直觀的操作方式以及即時呈現的統計結果，迅速受到學術界與教學現場的青睞。它不僅降低了初學者進入統計世界的門檻，更為進階使用者提供了兼具彈性與嚴謹的分析平台。本書《JASP應用統計分析進階》，正是在這樣的背景下孕育而生，目的在於幫助讀者在熟悉基礎...

閱讀本書須知

第1章　二因子完全獨立變異數分析
1-1　二因子變異數分析的基本概念
1-2　二因子變異數分析的相關名詞
1-3　二因子變異數分析的類型
1-4　二因子變異數分析的效果類型
1-5　二因子變異數分析的整體檢定
1-6　二因子變異數分析的變異拆解
1-7　二因子變異數分析的單純主要效果檢定
1-8　二因子變異數分析的檢定流程
1-9　「變異數分析」功能的使用者介面
1-10　二因子完全獨立變異數分析的第一個範例
1-11　二因子完全獨立變異數分析的第二個範例
習題

第2章　二因子混合設計變異數分析
2-1　二因子混合設計變異數分析的基本概念
2-2　重複量數變異數分析的使用者介面
2-3　二因子混合設計變異數分析的範例
2-4　整體檢定
2-5　單純主要效果檢定
2-6　單純主要效果的檢定結果
2-7　單純主要效果的事後比較
2-8　單純主要效果之報表彙整
2-9　單純主要效果之總結
2-10　二因子混合設計變異數分析之總結
習題

第3章　二因子完全相依變異數分析
3-1　二因子完全相依變異數分析的基本概念
3-2　二因子完全相依變異數分析的範例
3-3　整體檢定
3-4　單純主要效果檢定
3-5　單純主要效果的事後比較
3-6　單純主要效果報表彙整
3-7　單純主要效果檢定的總結
3-8　二因子完全相依變異數分析之總結
習題

第4章　共變數分析
4-1　共變數分析的基本概念
4-2　共變數分析的前提假設條件
4-3　共變數分析的使用者介面
4-4　單因子共變數分析
4-5　二因子共變數分析
習題

第5章　多變量變異數分析
5-1　多變量變異數分析的基本概念
5-2　多變量變異數分析的前提假設條件
5-3　多變量變異數分析的使用時機
5-4　多變量變異數分析的使用者介面
5-5　單因子多變量變異數分析的範例
5-6　二因子多變量變異數分析的範例
習題

第6章　觀察變數的中介效果
6-1　新的起點
6-2　觀察變數與潛在變數
6-3　中介效果的基本概念
6-4　中介分析功能的介面說明
6-5　檢驗中介效果的範例與方法
6-6　使用「中介分析」功能檢驗中介效果
6-7　使用Lavaan程式碼檢驗中介效果
6-8　使用「Process模組」檢驗中介效果
6-9　多重中介效果簡介
6-10　檢驗平行多重中介效果
6-11　檢驗序列多重中介效果
習題

第7章　觀察變數的干擾效果檢定
7-1　干擾效果簡介
7-2　連續型觀察變數之干擾效果檢定—使用Process模組
7-3　數值型觀察變數之干擾效果檢定—使用Lavaan程式碼
7-4　類別型干擾效果的檢定—Lavaan語法
7-5　調節式中介效果檢定
習題

第8章　結構方程模型簡介
8-1　結構方程模型的基本概念
8-2　結構方程模型的功能
8-3　結構方程模型的建模過程
8-4　模型的評鑑及配適指標
習題

第9章　結構方程模型分析
9-1　測量模型分析實作
9-2　結構模型分析實作
習題

第10章　潛在變數的中介效果檢定
10-1　中介效果的檢驗—拔靴法
10-2　平行多重中介效果檢定之範例一
10-3　平行多重中介效果檢定之範例二
10-4　序列多重中介效果檢定
習題

第11章　潛在變數的干擾效果檢定
11-1　使用多群組結構方程模型檢驗干擾效果
11-2　使用潛在交互作用項檢驗干擾效果
11-3　潛在變數的調節式中介效果檢定
習題

第12章　測量恆等與模型泛化
12-1　測量恆等性簡介
12-2　測量恆等性的檢定
12-3　檢定測量恆等性的統計方法
12-4　範例模型介紹—量表發展過程
12-5　檢驗測量恆等性的範例
12-6　模型泛化簡介
12-7　檢驗模型泛化的範例
習題

參考文獻

附錄一　旅遊動機、體驗價值與重遊意願關係之研究
附錄二　遊客體驗、旅遊意象與重遊意願關係之研究
附錄三　景觀餐廳意象、知覺價值與忠誠度：轉換成本的干擾效果
附錄四　品牌形象、知覺價值與品牌忠誠度關係之研究（正式問卷）
附錄五　認真休閒特質與幸福感之研究：兼論配偶支持的干擾效果
附錄六　第一線服務人員工作熱情與情緒耗竭關係之研究：情緒勞務策略的中介角色
附錄七　電信業服務品質問卷（正式問卷）
附錄八　品牌形象、知覺價值對品牌忠誠度關係之進階研究

閱讀本書須知

第1章　二因子完全獨立變異數分析
1-1　二因子變異數分析的基本概念
1-2　二因子變異數分析的相關名詞
1-3　二因子變異數分析的類型
1-4　二因子變異數分析的效果類型
1-5　二因子變異數分析的整體檢定
1-6　二因子變異數分析的變異拆解
1-7　二因子變異數分析的單純主要效果檢定
1-8　二因子變異數分析的檢定流程
1-9　「變異數分析」功能的使用者介面
1-10　二因子完全獨立變異數分析的第一個範例
1-11　二因子完全獨立變異數分析的第二個範例
習題

第2章　二因子混合設計變異數分析
2-1　二因子混合設計變異數分析的基本...