中介與干擾效果分析：使用JASP(第1版)-FindBook 找書網 ISBN:9786264424820

章節試閱

2-1　觀察變數與潛在變數
　　在社會科學、教育研究與心理學等領域裡，研究者常常會聽到「觀察變數」（observed variables）與「潛在變數」（latent variables）這兩個概念。雖然它們都屬於研究中重要的「變數」類型，但在定義、目的與用法上卻存在明顯的差異。若能理解這些差異，不僅有助於研究者正確設計研究工具，也能避免在統計分析與論文撰寫的過程中產生錯誤解讀結果數據的現象。以下將分三個面向來說明。
一、定義上的差異
　　觀察變數，顧名思義就是「可以直接被測量或觀察到的數據」。它們通常透過問卷題項、測驗分數、生理指標或實驗數據來獲取。例如：一份問卷中的「每天花多少時間使用社群媒體」題項，或一位學生的「數學成績85分」，都屬於觀察變數。這些數據是研究者能直接蒐集的，沒有經過額外的抽象推論。
　　而潛在變數，則是個「無法直接測量，但可透過多個觀察變數間的關聯去推估的概念」。這些變數通常代表心理特質、態度或能力等抽象的構念（construct，又稱構面）。舉例來說，「學習動機」、「自尊」、「工作滿意度」等這些心理或社會特質，並不能直接以單一數據或標準測量工具去測量，而是必須設計一組題項（例如：問卷中的5到10個相關題項），再透過統計分析（例如：因素分析）而推導出背後共同存在的潛在變數（或稱共同因素、因素、構念、構面）。換句話說，潛在變數是一個「理論上假設存在，但必須透過觀察變數來間接捕捉、衡量」的抽象概念。
二、研究目的上的差異
　　研究者使用觀察變數的目的，通常是為了描述現象或建立初步關聯。例如：研究者想知道學生的「睡眠時數」與「考試成績」之間是否具有相關性時，就可以直接以兩個觀察變數來進行分析。這種分析的焦點是「數據層面的直接關聯」。
　　然而，研究者引入潛在變數時，目的則更偏向於解釋與建構理論。因為許多重要的社會或心理特質並非單一指標能完全捕捉的。舉例來說，學習動機不僅包含「內在動機」（例如：因興趣而學習），還包括「外在動機」（例如：為了成績或獎勵而學習）。研究者會透過多個題項來分別測量這些面向，然後再以「潛在變數」的形式去概念化「整體的學習動機」。因此，潛在變數的研究目的更傾向於將抽象理論操作化，讓研究者能以科學方式測量、驗證並推進理論。
三、用法上的差異
　　在統計實務上，觀察變數與潛在變數的用法差異也十分明顯。
1. 觀察變數的用法
　　觀察變數常見於傳統的統計方法中，例如：描述性統計、t檢定、變異數分析（Analysis of Variance, ANOVA）、迴歸分析等，這些方法直接使用蒐集到的分數或數值作為分析材料。舉例來說，若研究者要比較「男性與女性在壓力程度上的差異」時，就會直接以受試者問卷中「壓力量表總分」作為觀察變數來進行分析。
2. 潛在變數的用法
　　潛在變數則常見於進階統計方法中，尤其是驗證性因素分析（Confirmatory Factor Analysis, CFA）與結構方程模型（Structural Equation Modeling, SEM），這些方法允許研究者透過多個觀察變數來建構並驗證一個潛在構念。例如：在研究學習動機時，研究者可以設計多道題目來測量「內在動機」與「外在動機」，再利用CFA來檢驗這些題項是否能有效的代表「學習動機」這個潛在變數（即評估「學習動機」的信度、收斂效度與區別效度）。進一步地，研究者甚至可以在SEM模型中同時檢驗多個潛在變數之間的因果關係。例如：探討「學習動機」是否會影響「學習策略」與「學業成就」。這種分析不僅能提供變數之間的統計關係，還能支持或修正既有的理論模型。
四、進一步的比較與整合
　　為了讓觀察變數與潛在變數間的差異更清楚的表達出來，我們可以用一個簡單的比喻來理解。觀察變數就像「樹上的葉子」，每一片葉子都是我們能直接看到的具體數據；而潛在變數則像「樹的根」，雖然看不見，但正是根系的存在讓葉子呈現出某種共同的樣貌。研究者透過觀察葉子的狀態，去推論地下根系的樣貌，這就是從觀察變數到潛在變數的推導過程。
　　換句話說，觀察變數比較偏向於「資料蒐集與描述」，而潛在變數則偏向於「理論建構與解釋」。觀察變數處理的是具體數據層次，而潛在變數則操作的是抽象概念層次。這兩者並非對立，而是互補的。研究者若只用觀察變數，容易只停留在現象描述的層次；而若能進一步建構潛在變數，則能進入更深層的理論驗證與解釋。

2-1　觀察變數與潛在變數
　　在社會科學、教育研究與心理學等領域裡，研究者常常會聽到「觀察變數」（observed variables）與「潛在變數」（latent variables）這兩個概念。雖然它們都屬於研究中重要的「變數」類型，但在定義、目的與用法上卻存在明顯的差異。若能理解這些差異，不僅有助於研究者正確設計研究工具，也能避免在統計分析與論文撰寫的過程中產生錯誤解讀結果數據的現象。以下將分三個面向來說明。
一、定義上的差異
　　觀察變數，顧名思義就是「可以直接被測量或觀察到的數據」。它們通常透過問卷題項、測驗分數、生理指標...

顯示全部內容

作者序

在學術研究的旅途中，我們常會遇到一個共同的難題：明明已經理解了理論架構，也蒐集了資料，卻在分析階段卡關。尤其當研究設計涉及中介效果、干擾（調節）效果，甚至調節式中介效果時，複雜的統計概念與語法往往讓人望而卻步。這正是本書誕生的初衷—讓結構方程模型不再只是統計專家的領域，而是每一位研究者都能掌握的實用工具。
　　本書以JASP為主要操作平台，結合Lavaan語法，帶領讀者從觀察變數到潛在變數的分析應用，逐步學會中介、干擾與調節式中介效果的實作。不同於多數僅提供文字說明的統計教材，本書的每一個範例都附有影音教材，讓讀者能一邊觀看操作示範、一邊實際練習，就像有一位隨時在旁指導的老師。更難能可貴的是，本書的範例與習題幾乎都來自真實的碩、博士論文。這不僅讓內容更貼近實際研究情境，也幫助讀者瞭解如何將結構方程模型技術應用於各領域的研究設計與資料詮釋。透過這些真實案例，你不只是學會「怎麼做分析」，更能體會「為什麼要這樣分析」。
　　編寫本書的過程中，我們希望做到三件事：讓結構方程模型變得看得懂、學得會、用得上。從理論概念到語法撰寫，再到結果解讀與報告撰寫，我們以清楚的邏輯與實務導向的講解，引導讀者循序漸進地掌握每個步驟。無論你是初次接觸結構方程模型的新手，或想強化實務分析能力的研究者，都能從本書中找到適合自己的切入點。研究不應只是冷冰冰的數字與公式，而是一場發現意義與建立證據的旅程。希望這本書能陪伴你走過統計分析的挑戰，讓你在研究的道路上，不再害怕結構方程模型的複雜，而是能夠自信地說：「我懂，也能做。」
　　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，無論是初學者還是具備一定統計基礎的讀者，都能從中獲益。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

在學術研究的旅途中，我們常會遇到一個共同的難題：明明已經理解了理論架構，也蒐集了資料，卻在分析階段卡關。尤其當研究設計涉及中介效果、干擾（調節）效果，甚至調節式中介效果時，複雜的統計概念與語法往往讓人望而卻步。這正是本書誕生的初衷—讓結構方程模型不再只是統計專家的領域，而是每一位研究者都能掌握的實用工具。
　　本書以JASP為主要操作平台，結合Lavaan語法，帶領讀者從觀察變數到潛在變數的分析應用，逐步學會中介、干擾與調節式中介效果的實作。不同於多數僅提供文字說明的統計教材，本書的每一個範例都附有影音教材...

顯示全部內容

第1章　JASP簡介與建立資料檔
1-1　閱讀本書須知
1-2　JASP簡介
1-3　相較於SPSS，JASP的優勢
1-4　下載JASP軟體與安裝
1-5　啟動JASP與偏好設定
1-6　JASP軟體的介面說明
1-7　JASP軟體的資料編輯視窗
1-8　計算變數功能
1-9　JASP軟體的分析視窗
1-10　建立資料檔
1-11　開啟資料檔
1-12　編輯變數的類型、標籤與數據內容
1-13　JASP學習速成之影音教材
習題

第2章　中介效果初探
2-1　觀察變數與潛在變數
2-2　將潛在變數轉換為觀察變數
2-3　中介效果的基本概念
習題

第3章　觀察變數的中介效果檢定
3-1　觀察變數的中介效果
3-2　使...

顯示全部內容