September 2014

美國學術工作發佈時程

找美國學術工作,你會非常關注什麼時候工作會張貼出來,這樣你可以知道今年整體市場如何,決定要申請工作的數量。

那何時是美國學術工作張貼的高峰期呢?這問題很難說,而且每個領域是有些不同的。不過為了給大家一個概念,這裡採用了The Chronicle of Higher Education的文章,裡面轉用了Modern Language Association的資料。

下圖是2013年張貼出來英語文學的學術工作。從中你會看到,506個工作review在年底之前就開始,只有113個工作是到2014年才開始review的。換句話說,你如果要找明年八月開始的學術工作,今年開始申請,而且今年學校就會review你的申請材料了。

再具體一點。70%的工作是在12/1號之前開始評審。如果推算回去的話,趨勢一樣的情況下,那意思是大部分的美國學術工作,你可能已經可以在網路上找到資訊,或是在這一個星期左右就會看到。

就像下圖,十月有111個工作到deadline,那表示這些工作是更早以前張貼的,所以現在(九月到十月初)是找學術工作的重要期間,千萬不要錯過!但也有可能你的領域早一點或晚一點,這請詢問你的指導教授。

MLA job trend

上面的時間是說明在這段時間,有多少工作到了submission deadline。…

探索性因素分析模型契合方式的比較

前面的文章探索性因素分析的設計與使用 (一) 講到了模型契合方式的選擇裡面提到了幾種常用的方法:

常用的方法有 maximum likelihood (簡稱ML), pricipal factors with prior estimation of communalities, 和 iterative principal factors。

ML 的優點是可以得到較廣的模型適合度指標 (a wide rage of indexes of the goodness of fit of the model)。此外,ML 還允許測試 factor loadings 與因素之間的相關度是否為顯著。然而,ML 的限制是假設了多變量的常態性 (normality)。如果嚴重違反常態性,得出的結果將是扭曲的。

principal factor methods (包含 iterated 與 noniterated的。注意:principal factor methods 與主成份分析是不一樣的) 的優點則是沒有常態性分佈的假設。此外,principal factor methods 也較不會得到扭曲的結果。然而,此種方法的缺點是提供較少範圍的 goodness of fit indexes (適合度指標)。此外,一般來說也不提供 confidence intervals 和顯著測試。

但這些解釋可能不是很直觀,所以找了個英文說明,讓大家更清楚。

 Factor analysis methods

探索性因素分析英文寫作

學統計的時候學的是觀念,但到了寫paper的時候,如何寫出來,還得在學學這些方面如何用英文來描述。另外,有時候分析都作了,但寫文章的時候又忘了,紀錄下這些步驟,也是提高文章的完整性。

下面針對探索性因素分析的部分,給出一些文章用的說法,大家自行修改,並附上一些寫作時可用的文獻。至於驗證性分析,目前還在整理,請大家靜待下一篇。

有些部分還不太全,這有空再補,或是請大家提供這方面有詳細描述的文章。文章也還有點亂,請大家包涵。如果有缺漏的地方,請大家指正。

探索性因素分析

可執行因素分析與否 (factorability)

這又叫作因子可分解性。

Evaluation of the correlation matrix indicated that it was factorable: Kaiser-Meyer-Olkin Measure of Sampling Adequacy = .##,
Scroll to Top
Verified by MonsterInsights