# 期末考試與報告規範

📌 期末考試
| 項目 | 說明 |
|------|------|
| 📅 時間 | 6/5（三）10:30–11:30 |
| 📝 題型 | 選擇題、問答題、組內互評 |

📌 期末報告
| 項目 | 說明 |
|------|------|
| 📅 繳交期限 | 6/12（三）23:59 前 |
| 📄 檔名格式 | 組別 + 量表名稱（例：G5焦慮量表） |
| 🔁 檔案格式 | 以簡報檔形式繳交 |
| 👥 必附內容 | 組員分工表 |
| 📤 上傳方式 | 每組由一位代表上傳 |

---

# CH05　測驗分數的應用與常模
> **焦點**：以 SPSS v24（繁體中文）為操作環境

> **資料來源**：課堂逐字稿與 CH05 投影片整理

---

## 1️⃣ 原始分數資料載入

請開啟 `score(1).sav`，確認欄位如 `國文`、`數學`、`英文` 為原始成績分數。

---

## 2️⃣ 計算 Z 分數（標準化）

### 操作路徑
1. `分析 ➝ 描述統計 ➝ 描述統計（Descriptives）`
2. 加入所有成績變項
3. 勾選 **儲存為 Z 分數**
5. 系統會產出變數如：`Z國文`、`Z數學`、`Z英文`

### 備註
Z 分數表示與平均數距離的標準差數，可為正或負，平均為 0、標準差為 1

---

## 3️⃣ 計算 T 分數

### 轉換公式
T 分數 = `Z * 10 + 50`

### 操作路徑
1. `轉換 ➝ 計算變數（Compute Variable）`

2. 新變數名稱：如 `T國文`
3. 計算公式：`Z國文 * 10 + 50`

COMPUTE T國文 = Z國文 * 10 + 50.
EXECUTE.

> 老師補充：T 分數將 Z 變成「全正整數」，利於解釋與呈現

---

## 4️⃣ 計算 PR（百分等級）
[按這裏可以復習](https://hackmd.io/vTuTsgkMSQeci-0daXIOcQ?view#%E7%99%BE%E5%88%86%E7%AD%89%E7%B4%9A%EF%BC%88PR%EF%BC%89%E8%88%87%E7%99%BE%E5%88%86%E4%BD%8D%E6%95%B8%EF%BC%88Pp%EF%BC%89%E8%A8%88%E7%AE%97%E6%8C%87%E5%8D%97)
### 操作路徑
1. `分析 ➝ 描述統計 ➝ 百分等級（Frequencies）`
2. 選擇原始分數欄位（如：國文） *以SPSS26爲例
3. 點選「統計量」→ 勾選「百分等級」

4. 輸出報表中會顯示各原始分數所對應 PR 值

---

## 5️⃣ 跨測驗與跨班比較（Z 分數應用）

### 範例說明
- 小明：國文 90，班上 M=80, SD=5 → Z = 2.0
- 小華：英文 70，班上 M=60, SD=10 → Z = 1.0
→ 小明表現相對更突出

---

## 6️⃣ 報告撰寫建議

| 項目 | 內容建議 |
|------|----------|
| 敘述統計 | 原始分數平均、標準差 |
| Z 分數分佈 | 觀察是否為常態，是否有極端值 |
| T 分數 | 報告轉換後平均是否約 50 |
| PR 值 | 描述個體相對位置（如：「超過 78% 同儕」） |

---

## ✅ 小提醒

- T 分數與 PR 可協助「非專業讀者」理解結果
- 若不同測驗要合併分析，建議先轉換為 Z 或 T 再進行比較

---

📂 本章適用資料：`score(1).sav`

# CH07 測驗的信度：SPSS 操作筆記
> **焦點**：以 SPSS v24（繁體中文）實作內部一致性與折半信度分析。
📂 本章適用資料：`se500(10).sav`
---

## 1️⃣ 內部一致性（Cronbach's α）

### 📘 原理簡述
- 衡量題項是否「內部一致、同質性高」
- 適用於 Likert 類型（1–5）連續變項

### 🛠 操作步驟
1. `分析 ➝ 比例 ➝ 信度分析`
2. 將 `se1 ~ se6` 全部拖入變項欄

3. 點選「統計量」：
- 勾選：**項目－總分相關**、**刪除項目後的信度係數**（待確認）

4. 解讀重點：
- Cronbach α ≥ 0.70 → 可接受

- 若「刪除後信度 ↑」→ 考慮刪該題

RELIABILITY
  /VARIABLES = se1 se2 se3 se4 se5 se6
  /SCALE('全量表') ALL
  /STATISTICS = DESCRIPTIVE CORR SCALE ALPHA.

---

## 2️⃣ 折半信度（Split-Half Reliability）

### 📘 原理簡述
- 將題目「分成兩半」，計算兩半的相關
- 再以 Spearman-Brown 校正，推估全量表信度

### 🛠 操作步驟
1. `分析 ➝ 比例 ➝ 信度分析`|

2. 將 `se1 ~ se6` 拖入變項欄
3. 點選「模型」→ 勾選 **折半信度**
4. 勾選「統計量」→ 如上


5. 檢視報表：
- **Spearman-Brown 校正係數** 才是最終信度（如：0.783）

RELIABILITY
  /VARIABLES = se1 se2 se3 se4 se5 se6
  /SCALE('全量表') ALL
  /MODEL = SPLIT.

> 💡 系統預設將前半（se1–se3）與後半（se4–se6）配對
> 可用語法自行指定如「奇數 vs 偶數題」

---

## 3️⃣ 輸出報表撰寫建議

| 項目 | 說明 |
|------|------|
| α 值 | 報告整體 Cronbach's α，附上題數 |
| 題目分析 | 項目–總分相關是否 < .30，是否應刪題 |
| 刪題 α | 某題刪除後 α 是否明顯上升 |
| 折半信度 | 報告 Spearman-Brown 校正值（非原始相關） |

---

## 4️⃣ 補充技巧

- 題目數少時 α 可能偏低，可考慮加題或進行修題
- 若 α 高於 0.90，可能存在冗題問題
- 可於「分析 → 比例 → 信度分析」→【貼上】檢視語法自動產出

---

# CH09 測驗的效度：SPSS 操作筆記

## 📘 效度三大類型

| 分類 | 名稱 | 說明 |
|------|------|------|
| 測量的效度 | **內容效度** | 題目內容是否充分反映測量目標範疇 |
| 測量的效度 | **構念效度** | 測量分數是否能反映心理構念、內在因素結構 |
| 決策的效度 | **效標關聯效度** | 測驗分數與外在效標之關聯強度（同時／預測） |

---

## 1️⃣ 效標關聯效度（以 PR 預測學業表現）

### 操作範例（se500(12).sav）

1. `分析 ➝ 關聯 ➝ 雙變數相關（Pearson）`
2. 選擇：`PR` 和 `期末成績` 或其他效標變數
3. 勾選 **雙尾檢定、顯著標記**
4. 結果解釋：
- \( r ≥ .30 \) → 有效度可接受
- \( p < .05 \) → 統計顯著

CORRELATIONS
  /VARIABLES= PR Score Final_Grade
  /PRINT=TWOTAIL NOSIG
  /MISSING=PAIRWISE.

> 可視作**同時效度**（若成績與測驗同時取得），或**預測效度**（成績為後測）。

---

## 2️⃣ 構念效度：透過因素結構支持（連結 CH10）

若要檢驗量表背後構念是否一致，可使用：

- **探索性因素分析（EFA）**
- **確認性因素分析（CFA）— 進階需 AMOS / SEM 工具**

於 CH09 可先用 EFA 檢查是否支持理論架構，再納入效度報告內。

---

## 3️⃣ 內容效度：由專家審查確保題目涵蓋性

此部分無 SPSS 操作，建議於編題時：

- 建立「題項-構念」對應表
- 邀請 3–5 位領域專家評量各題目的適切性
- 計算 CVI（內容效度指數）作為佐證

---

## 📄 報告撰寫建議內容

- 效標關聯效度：
- 呈現 PR 分數與外部變項的相關係數表
- 討論相關強度與統計意義
- 構念效度（如有執行 EFA）：
- 報告萃取因素、解釋變異量與題目 loading
- 內容效度：
- 敘述題項設計流程與專家審查回饋摘要

---

## 💡 備註

- SPSS 中不能直接「計算效度係數」，但可用相關分析 / EFA / 回歸等方式提供實證。
- 效度是「蒐集證據的過程」，不是單一數值能代表。

---
# CH10 探索性因素分析（EFA）：SPSS 操作筆記
> **焦點**：以 SPSS v24（繁體中文）操作環境，配合 `se1000.sav` 資料庫，實作完整的探索性因素分析流程。

---

## 📘 目的與原理簡述

- **目的**：藉由較少的潛在因素，簡化大量題目的關聯結構
- **應用**：檢驗量表是否具有「構念效度」（construct validity）

---

## 1️⃣ 適用性檢定（KMO、Bartlett）

**操作步驟**：
1. `分析 ➝ 降維 ➝ 探索性因素分析`
2. 選擇題項變數（如：Q1 ~ Q20）
3. 按下【描述統計】→ 勾選：
- *KMO 和 Bartlett's 檢定*
4. 結果判讀：
- KMO ≥ 0.80 → 良好
- Bartlett 檢定 p < .05 → 可進行因素分析

FACTOR
  /VARIABLES = q1 TO q20
  /FORMAT = SORT BLANK(.40)
  /CRITERIA = MINEIGEN(1)
  /EXTRACTION = PAF
  /ROTATION = VARIMAX.

---

## 2️⃣ 萃取方法與因素數決定

### 常見萃取法：
- **主因素法（PAF）**：推薦（能處理誤差變異）
- 主成分分析（PCA）：偏重資料降維

### 因素數決定：
| 方法 | 標準 |
|------|------|
| 特徵值（Eigenvalue） | ≥ 1 |
| 碎石圖（Scree plot） | 找出陡坡轉折點 |
| 題項數／3~5 | 作為參考估算 |

---

## 3️⃣ 轉軸選擇

| 方法 | 說明 |
|------|------|
| **Varimax（最大變異法）** | 直交轉軸，假設因素間無相關 |
| **Oblimin（Promax）** | 斜交轉軸，允許因素間相關 |

> 🔍 教師建議初步用 Varimax，如因素明確且相關性不大。

---

## 4️⃣ 檢視因素負荷量

- 檢查「成分矩陣 / 模式矩陣（pattern matrix）」：
- 題項 loading ≥ 0.55 → 保留
- 低於 0.32 → 建議刪除

| 負荷量 | 解釋能力 | 判斷 |
|--------|----------|------|
| .71↑ | 優秀 | ✔ |
| .63↑ | 非常好 | ✔ |
| .55↑ | 好 | ✔ |
| .45↑ | 普通 | △ |
| .32↑ | 不及格 | ✘ |

---

## 5️⃣ 產出因素分數（可選）

在【得分】頁面勾選：
- *儲存因素分數（Save factor scores）*
- 系統會於資料檔中產生新變項，如：FAC1_1、FAC2_1...

---

## 6️⃣ 結果報告建議內容

- KMO 與 Bartlett 檢定值
- 解釋變異量表（各因素所占百分比）
- 負荷量表（按題項排序）
- 題目是否刪除與命名
- 因素名稱與詮釋

---

## 💡 小提醒

- 題目數與樣本數比例建議 > 5:1（20題至少需 100人）
- 若因素之間明顯有交集，建議改用「斜交轉軸」
- 若需接續「確認性因素分析」，可使用 AMOS/SEM 工具

---