一直以來作的研究都是用 Cronbach’s alpha，因為問卷多半是連續變量，但最近作的一項計畫，是處理學生答對與否，在信度方面，就不能用Cronbach’s alpha了，要用Kuder-Richardson reliability test，因為是categorical variable。
公式列在下面
Where:
N = number of items on the test (25 for you)
= variance of total scores
= item p-value
在Stata，要先安裝一個套件才能使用。
要直接安裝的話，程式在下面：
net install kr20.pkg…
Stata: 計算Kuder-Richardson (庫李信度) Read More »
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。
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。
這又叫作因子可分解性。
在之前的文章提到過什麼是effect size, 另外一篇文章提到計算effect size的方法，裡面有個計算effect size的計算器，輸入資料之後，就能計算effect size (效應值)，非常好用。
研究就是解決一連串的問題，如果你是比較平均值的差異，藉此來算effect size，這是由計算器就可以得到的。
然而，如果你的結果是odds-ratio或是risk ratio，那你用計算器只能得到log odds ratio，這個數值並不是effect size。有沒有簡單轉換公式可以用呢？
那我們一步一步來。
首先，可以到 http://www.campbellcollaboration.org/escalc/html/EffectSizeCalculator-OR4.php，開始使用計算器。…
將log odds ratio 轉換成effect size Read More »
上次寫了一篇Stata: xtmixed 階層線性模式分析指令簡介，有網友詢問：為什麼不用更容易操作的HLM軟體呢？既然有網友詢問了，我當然是為了研究生2.0的網友謀福利，立刻邀請該網友分享他使用HLM的心得與操作步驟。
研究生2.0的社群，就是靠分享而茁壯。如果你有研究軟體相關的講義，或是作研究相關的心得要分享，都歡迎在facebook與版主聯繫。
另外，新成立的slideshare帳號，希望用來分享非版主作的pdf講義。有的製作者想匿名，又不想要自己辛苦作的東西浪費，所以這類東西就透過slideshare與研究生2.0的部落格增加曝光度。
廢話說完了，下面是HLM的講義~
…