統計分析

前一陣子有個剛進 lab 的博一學生來找我討論他的研究提案。他的文獻回顧卡得很痛苦。

他告訴我，他把幾個核心概念丟進 Google Scholar，結果跑出三千多篇 paper。他花了一個多禮拜，用關鍵字一頁一頁撈，把摘要看起來有點關聯的都下載下來。結果報 paper 的時候，我發現他漏掉了這個領域近三年最重要的兩篇 foundation papers，反而看了一堆應用型的邊緣文章。

這幾年帶學生找題目，我越來越覺得，初期工具的選擇，會直接決定你摸索期的痛苦指數。大家最直覺、最習慣用的永遠是 Google Scholar。但我通常會建議他們，在你要建立一個陌生領域的 domain knowledge 時，Semantic Scholar 可能是更好的起手式。

這兩者到底該怎麼選？怎麼搭配？

Google Scholar 的致命傷：關鍵字驅動的「資訊海嘯」

Google Scholar 就像是一張孔徑極小的巨大漁網。

它的優勢很明顯：覆蓋率無可挑剔。幾乎只要是有掛在網路上的學術 PDF、甚至是一些尚未出版的 working papers，它都能撈出來。對於已經很清楚自己要找什麼的人來說，這是一個很安心的資料庫。

但這也是它對新手最不友善的地方。

當你輸入一個稍微 broad 一點的關鍵字，它會按照 relevance 和總引用數給你結果。但很多時候，引用數高不代表這篇 paper 對「你現在的問題」最重要。

有些 paper 引用數破千，只是因為它提出了一個常被提及的名詞定義，後來的人在 introduction 都會順手 cite 一下。你很容易迷失在幾百頁的搜尋結果裡，分不清哪篇是方法論的突破，哪篇只是沾到邊的過客。

Semantic Scholar 的破局點：看懂「誰真的有影響力」

這時候，我通常會讓學生停下在 Google Scholar 的漫無目的搜尋。我請他把那兩三篇他覺得最有感覺的 paper，丟進 Semantic Scholar 裡。

Semantic Scholar 是由 Allen Institute for AI 開發的。它最大的差別在於，它試圖去理解文獻與文獻之間的「實質關係」。

它不只是傻傻地算這篇 paper 被引用了幾次，它會用自然語言處理去分析那些引用的 context。

我最常叫學生看的一個功能是「Highly Influential Citations」。一篇經典 paper 可能有 800 個引用，但 Semantic Scholar 會幫你過濾出，真正把這篇 paper 當作核心基礎、有在內文深入討論甚至延伸其方法的，可能只有不到 30 篇。

——這對一個正在海裡掙扎的研究生來說，就是把一個禮拜的盲目 reading，縮短成一個下午的精準打擊。

什麼時候你「必須」留在 Google Scholar？

雖然我在初期更推崇 Semantic Scholar 的網絡篩選能力，但有些場景下，Google Scholar 還是目前無法被完全取代的工具。

1.…

開場：為什麼我後來幾乎每個研究都會走到 Profile Analysis

我是做教育研究的。這幾年回頭看自己做過的題目，從自我調節學習（self-regulated learning, SRL）、motivation，到 learner differences，雖然表面上研究主題不一樣，但有一件事越來越明確：很多研究計畫走到最後，我都會回到 Profile Analysis 這條思路。

這裡說的自我調節學習，指的是學生能不能自己設定目標、監控進度、調整策略，讓學習不只是被動完成，而是主動管理。

不是因為它比較新，也不是因為它看起來比較厲害。更根本的原因是：教育本質上是人的問題。

教育研究當然可以用很多變項來解釋。你可以看動機高低、策略使用、學習成績、背景變項，也可以做相關、迴歸、ANOVA、SEM。這些方法都重要，也都常用。但如果你真的在研究「人」，你很快就會發現：單一變項本身固然重要，可是真正更有意思的，往往是不同變項之間怎麼組合在同一個人身上。

有些學生不是單純動機高或低，而是動機高但策略弱；有些人策略很多，但監控能力差；有些人表面上總分差不多，可是背後其實是完全不同的 learner type。這些差異，如果只看平均效果，常常會被壓平。

這也是為什麼我後來越來越常用 Profile Analysis。它不是拿來炫技的統計方法，而是一條比較貼近教育問題本質的研究思路。這篇文章想談的，就是：為什麼有些研究做到最後，不能只停在平均數或單一變項關係，而必須進一步去看 profile。

Variable-centered 和 person-centered，問的根本不是同一件事

大部分研究生比較熟悉的，是 variable-centered 的分析方式。

你問的是：

• X 和 Y 有沒有關係？
• 哪個變項可以預測哪個結果？
• 組別之間平均差多少？

這是迴歸、ANOVA、SEM 這一整條分析邏輯最擅長處理的問題。它很好用，也完全合理。很多研究問題，本來就應該這樣問。

但 person-centered 的出發點不一樣。

它問的是：

• 這群人裡面，是不是本來就有不同類型？
• 這些類型之間，各自有什麼特徵組合？
• 不同類型的人，後續表現、結果、風險或需求是否不同？

所以這不是「同一個問題的進階版」，而是另一種問問題的方式。

舉例來說，如果你研究學生的自我調節學習（SRL）：

• variable-centered 可能會問：

「SRL 總分能不能預測成績？」

• person-centered 可能會問：

「學生是不是可以分成不同 SRL profile？而且不同 profile 的成績、動機、表現是否不同？」

這兩種做法都可以成立，但它們看到的東西不一樣。

為什麼教育研究特別需要這條思路

在很多教育研究裡，人不是平均數。

有些學生不是單純高或低，而是「某些面向很強、某些面向很弱」。你如果把這些人全部壓成一個總分，再拿去做相關或迴歸，分析本身可能沒有錯，但你可能已經把最有價值的教育訊息壓掉了。

例如，你研究大學生的時間管理策略，量表有四個分量表：計畫制定、優先排序、執行監控、彈性調整。你把四個分量表加總，然後發現總分和 GPA 相關 .28。

這個分析不是錯，而是不夠。

因為同樣一個總分下面，可能有完全不同的學生：

• 有些人計畫制定很強，但彈性調整很差
• 有些人每個面向都中等，但非常穩定
• 有些人執行監控很強，可是前期規劃很弱

這些人最後在學習表現上可能走向不同結果，但如果你只看一個總分，你就看不見這些差異。

這也是我認為 Profile Analysis 在教育研究裡特別有價值的原因。教育現場真正關心的，往往不是「平均來說這群學生怎麼樣」，而是：這群學生裡面，有哪些不同型態，而不同型態的人需要什麼樣的理解與介入。

Profile Analysis 到底在做什麼

先講最白話的一句：

Profile Analysis 想做的，不是看單一變項的效果，而是辨識人群裡不同的組合型態。

這裡有幾個概念要先分清楚：

1.

…

每學期批改研究計畫書，我都會看到同樣一句話：「本量表 Cronbach’s α = .87，信度良好。」

這句話沒有錯，但它遮蔽了很多問題。Cronbach’s α 是什麼？它能告訴你什麼？更重要的是，它告訴不了你什麼？這篇把這些事情說清楚。

Cronbach’s α 是什麼？

Cronbach’s α（1951）是量表內部一致性的常用估計指標，用來反映題項作為同一量表時的一致程度。直覺上的意義是：如果一組題目都在測同一個構念，它們應該彼此高度相關；α 就是這個相關程度的綜合指標。

α 的值介於 0 到 1 之間，常見的經驗法則參考門檻：

• α ≥ .90：優秀
• .80 ≤ α < .90：良好
• .70 ≤ α < .80：可接受
• α < .70：不足（有些領域接受 .65）

⚠️ 這些只是經驗法則，不是硬性標準。把 α 值對應到門檻後就結束信度討論，是很多論文的問題所在。

α 告訴不了你的三件事

一、α 高 ≠ 量表是單一構念

α 高只代表題項彼此相關。如果一個量表包含兩個彼此相關的構念（例如：認知投入和行為投入），α 仍然可能很高，但這不代表它是單一維度的量表。

我看過學生把一個雙因素量表的所有題目混在一起算整體 α，然後用整體分數做分析。這在結構上是有問題的——你應該分別報告各分量表的 α，而不是把所有題項混算。

⚠️ 審稿人最常抓的點：明明是多構面量表，作者卻只報整體 α，不分子量表報告。這幾乎是 reviewer 的標準 comment，值得提前防範。

二、α 受題項數影響

在其他條件相同的情況下，題項越多，α 越高。題目變多會拉高 α，但不代表量表內容更好、更精準。你可以把一個很差的量表通過無限增加題目來提高 α。

因此，α = .92 不能直接說「量表很好」，也要看題目數量、每題是否有獨立貢獻。

三、α 假設等負荷，在題項負荷差異大時可能偏估

Cronbach’s α 有一個數學假設：每個題項對潛在構念的「貢獻」是相等的（tau-equivalence）。如果題項的因素負荷量差異很大（現實中非常常見），α 在某些條件下可能高估或低估真實信度，因此不應被視為精確無誤的單一答案。

⚠️ α 高不代表有效度。 我看過學生把「信度良好」寫得像量表已被證明有效——這是兩件不同的事。信度高只說明題項彼此一致；量表是否真的在測你想測的構念（效度），需要另外的證據。

四、反向題沒處理會讓 α 崩掉

這不是 α 本身的限制，而是學生最常犯的操作錯誤。我看過不少學生拿到一個 α 很低的結果，以為是量表有問題，後來發現是反向題根本沒有先做逆向計分（reverse coding）。

凡是量表中有反向題（例如：「我不擅長時間管理」和「我能有效管理時間」放在同一個量表），在計算 α 之前，必須先把反向題的分數翻轉（5 改 1，4 改 2 等等）。跳過這步，α 一定偏低，甚至是負數。

更好的替代指標：McDonald’s ω

α 假設每題對構念貢獻相近；McDonald’s ω 則允許不同題項有不同的因素負荷量。因此，ω 在很多情況下比 α 更能補足內部一致性估計的限制，是近年方法學文獻更推薦的補充指標。

⚠️ ω 不是要取代 α，而是幫你更完整地說明量表信度。兩者都報，才是現在審稿人比較期待的做法。

ω 有兩種版本：

• ω total（ω_t）：整體量表總分作為測量工具時的可靠性，適合單維度量表。
• ω hierarchical（ω_h）：當量表有一般因素與群因素時，總分到底多大程度反映一般因素——適合多維度量表，回答「整體分數有多可靠」這個問題。

計算工具：R psych 套件（omega()）、JASP（信度分析模組）。

⚠️ ω 的估計通常建立在因素模型上，因此最好在有清楚測量模型或因素分析結果支持下報告。如果你的量表沒有做 EFA 或 CFA，ω 的計算本身也缺乏依據。許多期刊與審稿人會鼓勵同時報告 α 與 ω，作為更完整的信度說明。

α 太高是問題嗎？

有學生問我：「老師，α = .96 是不是很好？」

我說：「要看情況。」

α 非常高（.95）有時候反而是個警訊：

• 題項重複性太高：幾道題說的幾乎是同一件事，對量表沒有增加新資訊。
• 題項數量過多：用 20 題測一個概念，α 自然飆高。

信度不是越高越好，而是應該在「足夠高」的範圍內，同時確認每道題都有獨立貢獻：

• item-total correlation 應 > .30（表示這題與整體量表有正向相關）
• 刪除某題後，若 α 明顯上升，表示該題可能與整體量表不一致，需要重新檢視

⚠️ 補充提醒：α 不是量表的固定屬性，同一份量表在不同樣本（例如：不同年齡層、不同文化背景）可能得到不同的 α 值。不要把文獻上的 α 直接當作自己研究的品質背書，而要根據自己資料實際計算並報告。

如何在論文裡報告？

完整的信度報告應包含：

• 各分量表各自報 α，不要只報整體（多維度量表尤其重要）
• 題項數：α = .87（8 題）
• ω 值（若有因素分析基礎）：α = .87，ω = .89
• item-total correlation：審稿人若問，你要能提供

範例寫法：「本研究採用 XX 量表，共 3 個分量表。各分量表的 Cronbach’s α 分別為：認知投入 .83（5 題），行為投入 .79（4 題），情感投入 .86（5 題），均達可接受標準（α ≥ .70）。McDonald’s ω 分別為 .85、.81、.87，與 α 值相近，顯示各分量表符合基本的等負荷假設。」

如果有問題，歡迎留言。

更新記錄：2026-03 首次發布。

…

學生交來初稿，我翻到方法段，看到一句話：「本研究刪除含有遺漏值的樣本，最終有效樣本為 N = 218。」

我問：「原始問卷收了多少份？」

他說：「251 份。」

我說：「你刪掉了 33 個人，占將近 13%。你有沒有想過，這 33 個人為什麼沒有填完？」

他沉默了一下。這個問題，很多學生沒有想過。

缺失值不是「髒資料」，是資訊

缺失值（missing data）在量化研究裡幾乎無可避免。問卷有人跳題、有人漏填、有人中途離開；追蹤研究有人失聯。問題不是「資料有缺失就不好」，而是：這些缺失是怎麼產生的？

Rubin（1976）把缺失值的機制分成三類，這個分類直接決定你應該用什麼方法處理：

1. MCAR（Missing Completely At Random，完全隨機缺失）
   缺失與任何變項的值完全無關。例如：問卷印刷有個版本漏印了一題，哪些人拿到這份問卷是隨機的。
   這是最理想的情況，但現實中很少見。
2. MAR（Missing At Random，隨機缺失）
   缺失與其他已觀察到的變項有關，但與遺漏的數值本身無關。例如：女性比男性更容易在薪資題跳過，但控制性別後，缺失就不再系統性地和薪資高低有關。
   這是最常見的假設，多重插補和 FIML 都以 MAR 為前提。
3. MNAR（Missing Not At Random，非隨機缺失）
   缺失和遺漏的數值本身有關。例如：憂鬱分數越高的人越可能跳過憂鬱相關題項。
   這是最棘手的情況，標準統計方法無法完全解決，需要特殊模型或明確說明限制。

Listwise Deletion 的問題

Listwise deletion（刪除含有缺失值的整筆資料）是最常用的做法，SPSS 的預設值也是這個。它只在 MCAR 的情況下不會造成偏誤——因為只有在缺失完全隨機時，刪掉這些人才不會讓留下來的樣本變得「特別」。

如果缺失是 MAR 或 MNAR，listwise deletion 會：

• 造成樣本偏誤：留下來的樣本不再能代表原始母群
• 損失統計力：樣本數減少，估計誤差增大
• 低估標準誤：某些情況下讓結果看起來比實際更顯著

⚠️ 容易犯錯的地方：學生在方法段只寫「刪除含有遺漏值的樣本」，但沒有說明缺失率、沒有檢驗缺失機制、也沒有討論這個做法對結論可能的影響。審稿人看到這裡，會直接問：你怎麼知道缺失是 MCAR？

現代處理方式：MI 和 FIML

當前方法學文獻推薦的兩種主流做法是多重插補（Multiple Imputation, MI）和完整資訊最大概似法（Full Information Maximum Likelihood, FIML）。兩者都在 MAR 假設下比 listwise deletion 表現更好。

多重插補（MI）

核心邏輯：不是用一個值去填補缺失，而是建立多個完整資料集（常見做法是 20 次以上，缺失比例較高時可增加插補次數），每次填補都反映填補的不確定性，最後合併分析結果。

操作工具：SPSS（Analyze → Multiple Imputation）、R mice 套件、Stata mi impute。

適合情況：缺失值分散在多個變項；想用不同軟體分開做插補和分析。

完整資訊最大概似法（FIML）

在 SEM 或 CFA 模型中，FIML 讓模型在估計時直接使用每個受試者提供的所有有效資訊，不需要預先填補缺失值。FIML 通常適用於以模型為基礎的分析（如 CFA、SEM、路徑分析），不是所有統計程序都能直接套用。

操作工具：AMOS（預設支援）、R lavaan（missing = "fiml"）、Mplus（DATA: LISTWISE = OFF）。

適合情況：跑 CFA 或 SEM，缺失值主要在觀察變項上。

⚠️ 容易犯錯的地方（一）：學生以為 FIML「自動處理了缺失值所以不用報告」。其實 FIML 也需要在方法段說明：使用 FIML 估計，假設缺失機制為 MAR。

⚠️ 容易犯錯的地方（二）：用 MI 時，插補模型包含的變項不夠完整。MI 的插補品質取決於插補模型有多少有效預測變項——把所有分析相關變項都納入插補模型，結果才可靠。

怎麼檢驗缺失機制？

在方法段說明缺失值處理之前，應該先報告你如何判斷缺失機制。

Little’s MCAR test：SPSS 有內建（Analyze → Missing Value Analysis → Little’s MCAR test）。若 p > .05，表示沒有足夠證據拒絕 MCAR 假設，常被視為與 MCAR 相容——但這不等於「確認是 MCAR」，統計檢驗只能提供線索，機制判斷仍需結合理論與資料情境。

輔助變項分析：建立「是否缺失」的虛擬變項，與其他變項做 t-test 或卡方檢定。如果缺失組和完整組在某些變項上有顯著差異，就有理由懷疑不是 MCAR。

⚠️ 容易犯錯的地方：MNAR 無法用標準統計方法驗證（因為你沒有缺失的數值）。遇到可能是 MNAR 的情況，誠實在討論段說明是更合適的做法，而不是假裝問題不存在。

如何在論文裡報告？

缺失值的報告應包含：

• 缺失率：整體缺失率（如：缺失佔全部資料格的 X%）；各關鍵變項的缺失情況
• 缺失機制：如何判斷（Little’s MCAR test 結果，或輔助分析結論）
• 處理方式：用了哪種方法（MI / FIML / listwise）以及選擇理由
• MI 的細節（若使用）：插補次數、插補模型包含哪些變項、軟體

範例寫法：「本研究資料缺失率為 4.3%，各變項缺失率均低於 10%。Little’s MCAR test 結果不顯著（χ² = 12.3, df = 14, p = .58），初步支持缺失隨機假設。採用多重插補法（R mice 套件，M = 20 次），插補模型包含所有分析變項。」

缺失率多高就不能用？

沒有絕對的門檻。常見的粗略參考是：

• 5% 以下：通常影響不大，listwise 或 MI 均可，但應說明。
• 5%–20%：建議用 MI 或 FIML，並報告缺失機制檢驗。
• 20% 以上：需要非常謹慎，MI 仍可嘗試，但解釋要保守，且需討論對結論的潛在影響。

這些只是經驗參考，不是硬性標準。更重要的判斷仍是：缺失是否系統性地影響估計結果？ 也需要交代缺失集中在哪些變項——是 outcome 缺失多？還是某個背景變項？是否集中在特定群體？ 5% 的 MNAR 可能比 15% 的 MCAR 更嚴重。

如果有問題，歡迎留言。

更新記錄：2026-03 首次發布。

…

學生拿著跨組比較的結果來找我，說：「老師，我比較了男生和女生的 SEM 路徑係數，發現差異很大。」

我問了一個問題：「你有沒有先確認這個量表在男生和女生身上測的是同一個東西？」

他愣了一下。

這就是測量不變性（Measurement Invariance）要解決的問題——在跨組比較之前，你必須先驗證你的測量工具在不同群體裡的意義是否相同。如果沒有做這個檢驗，你的跨組比較在方法上是站不住腳的。

什麼是測量不變性？

假設你用一個動機量表同時測量男生和女生，然後比較兩組的動機分數差異。這個比較有一個前提：這個量表在男生和女生身上「測的是同一個東西」，而且測的方式相同。

如果量表裡的某道題，男生理解的方式和女生理解的方式不同，那你比較出來的「差異」，到底是真實的群體差異，還是量表本身的測量偏誤？你分不清楚。

測量不變性（Measurement Invariance），又稱測量等同性，就是用統計方式驗證：這個量表的因素結構、因素負荷量、截距，在不同群體之間是否相等。只有通過這個驗證，你的跨組比較才有意義。

測量不變性的四個層次

測量不變性的驗證分四個層次，由寬鬆到嚴格逐步限制，且每一層都建立在前一層成立之上：

1. 形態不變性（Configural Invariance）
   驗證：兩組的因素結構相同——哪些題目屬於哪個因素，模式一致。
   這是最基本的要求，也是後續所有層次的基礎。
   使用時機：確認兩組對量表的基本解讀架構相同，作為後續比較的前提。
2. 測量不變性（Metric Invariance）
   在 Configural 基礎上，限制兩組的因素負荷量相等。
   意義：題目和潛在因素之間的關係強度在兩組相同。
   使用時機：要比較兩組的相關係數或迴歸路徑係數。
   ⚠️ 達到 Metric 可以比較變項之間的關係，但尚不宜直接比較群體平均數。
3. 截距不變性（Scalar Invariance）
   在 Metric 基礎上，進一步限制兩組的題項截距相等。
   意義：相同的潛在因素分數，對應的觀察值在兩組相同。
   使用時機：要比較兩組的潛在平均數差異——這是最常見的跨組比較目標。
4. 嚴格不變性（Strict Invariance）
   在 Scalar 基礎上，進一步限制殘差變異量相等。
   意義：測量誤差在兩組也相同。
   社會科學研究通常不要求這個層次——達到 Scalar 即可支持多數跨組比較。

如何進行測量不變性檢驗？

測量不變性的驗證用多群組 CFA（Multi-group CFA）來進行，逐步加入約束條件並比較模型配適度。

步驟一：Configural Model（基準模型）
讓兩組各自自由估計所有參數，只限制因素結構相同，作為配適度的基準。

步驟二：Metric Model（限制負荷量相等）
限制兩組因素負荷量相等，比較與 Configural 的配適度變化。

步驟三：Scalar Model（限制截距相等）
進一步限制截距相等，再次比較配適度變化。

判斷標準（ΔCFI / ΔRMSEA 為主，Δχ² 為輔）：

• 常用判準：ΔCFI ≤ .010，且 ΔRMSEA ≤ .015
• 不建議只依賴 Δχ²——Δχ² 對樣本數敏感，大樣本時幾乎必然顯著，容易誤判。

工具：AMOS（多群組分析）、R semTools 套件（measurementInvariance()）、Mplus（MODEL = CONFIGURAL METRIC SCALAR）。

容易犯錯的地方

一、跨組比較前完全沒有做這個檢驗

最常見的問題。很多論文的方法段描述了 SEM 配適度，然後直接跳到「男女比較結果」，完全沒有提測量不變性。現在審稿人愈來愈熟悉這個議題，很容易被抓。

我在審稿時看到這種情況，都會要求作者補做不變性檢驗，或者說明為什麼可以假設不變性成立。

二、只用 Δχ² 判斷

Δχ² 的問題是，樣本大（N > 300）時，任何微小差異都會顯著，讓你以為不變性不成立。

⚠️ 學生常見的錯誤：看到 Δχ² 顯著就說「測量不變性不成立」然後放棄比較。其實根據 ΔCFI 可能完全符合不變性標準。現代標準是 ΔCFI 和 ΔRMSEA 為主，Δχ² 報告但不作唯一依據。

三、部分不變性（Partial Invariance）的處理不對

如果 Metric 成立，但 Scalar 不完全成立（只有部分截距相等），叫做部分截距不變性（Partial Scalar Invariance）。

這種情況下仍然可以做有限度的跨組比較，但需要：

• 確認哪些題項的截距不等（用 MI 找出），並說明原因
• 以不變的題項作為錨點（anchor）
• 在限制段說明部分不變性對結論的影響

⚠️ 學生常見的錯誤：發現兩個截距不等就放棄所有跨組比較。部分不變性不代表什麼都不能比，只是比較範圍和解釋要更謹慎。

四、不知道怎麼報告

測量不變性的報告要用表格呈現四個模型的配適度比較，包含：每個層次的 CFI、RMSEA、SRMR、ΔCFI、ΔRMSEA，以及哪個層次成立的結論。

不變性不成立怎麼辦？

如果連 Metric Invariance 都不成立，代表這個量表在兩個群體測的是不同的東西：

• 先找出哪些題項的負荷量不等（MI 定位），看看是否有文化或語言差異
• 考慮量表是否需要修改，或分組建立不同測量模型
• 在論文裡誠實說明：量表在兩個群體有不同的心理計量特性，跨組比較有限制

這不是失敗。很多跨文化研究正是靠測量不變性檢驗，發現了量表在不同群體之間的心理計量差異，進而深化對構念的理解。

如果有問題，歡迎留言。

更新記錄：2026-03 首次發布。

…