研究方法期末整理

問卷
- 每一個問題都是一個變數
- 評比(1－5呎度)隔頁一樣要留著
- 回答的方向要一致，如果上面都是左邊問題右邊回答，下面也要一樣
- 不能一直重複出現 → 多餘
- 問題和回答的距離不能那麼遠
- 不能沒有回答的地方
- 衡量分數與標準要講清楚
- 要有題號
- 不能太多行(盡量省一點)，成本會很高
- 回答方式要簡單一點
- 不要期待回覆者寫任何文字
- 用最省力的方式回答問題
- rank有排序，有分rate跟rank的設計，rank不會重複
- 有分底到高(1-7分)ascent, 高到底(7-1分)descent
- 問題區與回答區的比例 3:1 4:1
- 5尺度還是7尺度，全部的問卷尺度要一致

survey的精髓
- 範圍非常大，大到幾百萬、幾十萬
- 研究的變數幾十個
- 用推論
- 如果2萬個人跟2百個人結果一樣，為甚麼要做2萬個人
- 民調

調查法是科學研究最常使用之方法
- 研究不一定適合用survey，很多人用不代表對
- 樣本或母群體
- 追求一般性事實
- survey沒有命題
- 個案底下看不到假設

在survey底下已經真正要做資料的收集了

操作型定義
- 用數字解釋文字

郵寄問卷 vs. 電腦網路
- 網路問卷完勝郵寄問卷，所以用網路問卷，對，但前提是母體都是網路使用者
- 如果母體不完全是網路的使用者，但全部用網路問卷，結果就跑掉了

survey底下幾乎都是用封閉性的問題
- 個案研究─開放性

我收集的資訊越多越好 → 設計的問題越多越好
- 設計內容越多 → 回收率越低
- 設計內容越少 → 回收率越多

個案的對象是母體的一部份

量表(norms)與問卷(questionnaire)
- 量表(標準化產物)─經過嚴謹設計及信度、效度測試並在某個群體下具有代表性。(ex：魏氏量表─智力巴氏量表)
  - 經過第三方公正單位(學會、協會、政府單位)
  - 個人不可能發展量表(沒有公權力)
  - 大量資料蒐集 → 修正內容 → 大量資料蒐集
- 問卷(未標準化產物)─針對某研究主題而產生的問題。(未經過大眾認定)
  - 小量資料蒐集 → 修正內容 → 大量資料蒐集

Scale (尺度)
- 任何一個變數出來，第一個動作一定要問尺度
- 判斷尺度錯，分析方法也會錯
- 要走能力判斷是哪種尺度
- Nominal
  - 你不屬於這個，就是屬於這個
  - 一定是屬於分類底下
  - Non-Metric data
- Ordinal
  - 有次序
  - Non-Metric data
  - 講師助理教授副教授教授
    - 不一定幾年就往上升，有可能3年有的8年有的20年
  - 資本額(衡量單位不一致)
- Interval
  - 有次序，距離一樣
  - Metric data
  - 溫度、年資(衡量單位一致)
- Ratio
  - 唯一例外 open 的問題
  - Metric data
  - 請回答者直接填寫
- Ordinal vs. Interval
  - Measurement Unit
  - N-2, N-1 , N , N+1 , N+2

Metric data vs. Non-Metric data
- Non-Metric data
  - 屬性的資料
  - Nominal、Ordinal
  - 個數、百分比
  - 個人基本資料(描述性)
  - 分群用 → 比較 → 差異
- Metric data
  - 屬量的資料
  - Interval、Ratio
  - 平均數、標準差
  - 常態分配
  - 研究主要內容(較複雜性)
  - 主要研究用

coding
- 數字(1、2、3…)在coding上具有二種意義
- Symbol → Nominal、Ordinal
- number → Interval、Ratio

Two-way ANOVA vs ANCOVA

Rank vs. Rate
- Rank：在固定範圍下，通常希望這些值不會重複出現。
- Rate：在固定範圍下，這些值可以重複出現。

基本資料 + 主要內容
- 問卷個人基本資料─Nominal & Ordinal & Ratio
- 問卷研究主要內容─Interval & Ratio
- 回覆你的內容的人，對你的研究是不熟悉的
- 熟悉的是他自己，所以要先讓他寫基本資料 → 造成熟悉感
- 除非基本資料是敏感的問題(有時候年紀是敏感、收入也是)，才放後面。放在一開始會變成我為甚麼要告訴你?，後面也就不告訴你，變無效問卷

複選題
- 每個選項都是一個變數(問題)
- 每個選項轉換成Nominal設計

一題多問
- 避免命名兩個以上的名稱 (factor analysis)–例如：便利性及清晰性
- 忌諱出現 and , or (和、與、或)
- 一個問題一個概念

研究結果
- 高階管理人員支持(IV)影響組織的競爭力(DV) → 錯的
- One question ---- one variable
- 測出來的
- 不是問出來

Proposal model vs. Refined model
- Proposal model → 前三章 before conduct study
- Refined model → 第四章最後面或第五章前面 after analysis results

研究的歸類
- Correlation
  - H0：the more x , the more y . –有明確資料支援
  - There is no significant correlation between v1 and v2 . –沒有明確資料支援
  - Matrix data
- Difference
  - g1(Non-Matrix data) is greater(less) the g2(Non-Matrix data) on DV1(Matrix data)\
  - There is no significant difference between g1 and g2 on DV1

Scale 3, 5, 7
- 越聚集的信度越大
- 信度(一致)
  - 探索性 → 0.6
  - 驗證性 → 0.8
- 常態分配曲線
  - 1-3 切割成3塊
  - 1-5 切割成5塊
  - 1-7 切割成7塊
    - 衡量單位比較小(單位到單位的距離)
    - 變動比較小 → 變異比較小 → 信度比較高

回覆問題可信度(7±2)
- 回答者最多只能7±2題
- 大約每五題空一行
- 讓填卷者可以休息

表面效度 (Face Validity) vs. 內容效度(Content Validity)
- 沒有數字分析
- 表面效度(Face Validity) 先
  - 清楚的交代你的變數來源
  - 變數來源大部分都是文獻來的
  - 文獻(95%)或個人經驗(5%)有清楚交代變數的來源
  - 沒有testing
- 內容效度(Content Validity) 後
  - The extent to which it provides adequate coverage of the topic under study
  - 內容對嗎?
  - 假設在做區塊鏈，結果再談別的東西
  - 內容效度(有2種)
    - Pretest (先) vs. Pilot Study (後)
      - 相同:
        Content validity
      - 相異:
        目的
        對象
        人數
      - Pretest：邀請field的3-5專家來幫忙看content，寫的內容是否包含了你要的 (same communication platform) → 對不對
      - Pilot study：從填寫問卷的population抽取sample(10-20,1/20)看content → 懂
        絕對不要期待母體的樣本，跟你有共同的溝通語言
        如果抽樣出來的樣本不懂，表示母體也會不懂
        填 → 寫下自己的意見
        看 → 字眼的了解與否，把問題告訴研究者

Mail survey concurrent techniques
- Cover Letters
- Questionnaire Length
- Survey Sponsorship
- Return Envelopes
- Postage
- Personalization
- Anonymity
- Size,Reproduction,and Color
- Money Incentives
- Deadline Dates

Trade -- off
- 問卷設計多寡 → 回收率高低

Cover Letter
1. Letter head (logo)
1. 感謝時間
1. 身份說明
1. 探討主題、目的
1. 對他的貢獻
1. 填答方式、時間(不超過15分鐘)
1. 保密（不具名）
1. 整體研究（個別揭露）
1. Deadline、due day (網路7天。)
1. Incentive (禮卷、電話卡、筆、樂透)
1. Survey Sponsorship or Advisor

提高回覆率

Survey method misapplied or weaknesses
- Single-method designs where multiple (網路vs 實體)
- unsystematic and often inadequate sampling procedures
- low response rates → 致命傷
- Over-reliance on cross-sectional surveys where longitudinal surveys are really needed →過程性vs 結果性

survey → 不要碰非機率性抽樣

Sampling Methods(機率性)
- Simple random sampling(簡單隨機抽樣)
  - 選取的過程中，母群體的每一分子被抽中的機會，都是相同而且獨立(也就是不被其他分子所影響)的。
  - 依亂數表
  - 編號抽籤
- Stratify random sampling(分層隨機抽樣)
  - 某些次團體(或稱「層」)的抽中比率，與其在母群體中所佔的比率相等。
  - 分層隨機抽樣的樣本數比例差距過大
    - 95%-5%
    - 將5%的樣本剔除，只研究95%的部分
- Systematic random sampling(系統隨機抽樣)
  - 母體本身己經有排名、順序(rank、order)
  - 一千大製造業，需要200
  - 1000/200=5 → K
  - 1-K(5) 隨便一個數字 → 3
  - 從3開始，在+5，下一個是8，這樣才有200
- Cluster random sampling (群集隨機抽樣)
  - 希望確定具有某些特質的個體被選為樣本。Ex:班級、學校、醫院、地理區
  - 想了解全國資管所碩一的資素養 → 班為單位

抽樣方法選擇
- 完全沒有 → Simple random
- 比例分配 → Stratify random
- 群集 → Cluster random
- 順序 → Systematic random

Sampling Methods(非機率性)
- 非機率性的方法是無法推論到母體的
- 便利抽樣(convenient sampling)
  - 自己便利隨便抽
  - 容易挑自己熟悉的人
- 立意抽樣(Judgmental sampling)
  - 研究者自己認定它可以代表母體
  - 要證明可以代表母體 → 怎麼證明? → 同質性檢定
  - 同質性檢定 → 分析方法
- 雪球抽樣(snow-ball sampling)
  - 田野調查
  - key person → more
  - 要幾輪? → saturation

Response rate
- 問卷蒐集的完整時程─至少需要二-三個月
  - 研究所兩年 → 二上 proposal → 二下 survey出去 → 每年3~6月很多問卷 → 丟掉
- 過年後到4月是問卷高峰期
- 避開這時段會增加5-10%
- 提前進行問卷發放 (升二年級暑假就開始做了)

Valid response identification
- 全部都填3 → 問卷有效還無效?
- Repeat question
  - 一樣的問題，一題填3，一題填4 → 有亂填嗎? → 不一致喔 → 信度問題喔!
- Test re-test
  - 一致的要求 → 0.6(探索)? 0.8(驗證)? → 做驗證 → 0.8以上就可以
- Reliability– confirmatory > 0.8
  - 1到5，每一格信度0.2，所以一個填3，一個填4，信度0.8 → 正常
  - 1到5，每一格信度0.2，所以一個填3，一個填5，信度0.6 → 亂填

Useful response vs. Missing Data
- missing data under 10% for an individual case or observation (ignore)
  - 整份40題，5題沒填 -> 無效
- Variables with as little as 15% missing data are candidates for deletion

Missing value
- mean
- median
- mode
- 補0 → 很糟糕
- 打 . 就好 → 程式會自己判斷

Follow-up
- third mail沒有second mail的一半 → 小心被告騷擾

Min sample size
- 1. Pilot test using Factor analysis
  - 收集10~20，做因素分析，產生幾個因素，乘10倍就是最小樣本數

Analysis min sample size
- 看用甚麼方法

Non-Response Bias
- 母體1000 -> 樣本200 → 800沒回覆
- 母體跟樣本有相同的行為
- 200跟800不一樣的行為了
- 所以可以用200推回去嗎?
- 證明200跟800有相同的行為
- 時間切割
- 證明同質型

網路問卷和實體問卷分頭同步進行
- 是否能合併使用? 無反應偏差的測試 → 同質性檢定

母群體效度(population validity) vs. 生態的效度(ecological validity)
- population validity → Model-模式
- ecological validity → Theory-理論