实验研究法与共变数分析 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

图书标签:

• 实验研究
• 共变数分析
• 研究方法
• 统计学
• 实验设计
• 数据分析
• 心理学研究
• 教育研究
• 社会科学
• 量化研究

实验研究是较能确定变项因果关系的研究方法，针对实验研究资料的统计方式，大多数的统计书籍，会建议採用「共变数分析」（Analysis of Covariance [ANCOVA]）。许多研究生或研究人员因不熟悉共变数分析的基本概念，而不敢採用共变数分析处理实验研究的资料。本书旨在说明实验研究法与共变数分析的关联性，解析共变数分析的基本概念，并介绍SPSS与「EZ_ANCOVA」的EXCEL统计软体的操作与报表解读，协助读者能顺利以共变数分析，进行实验资料的统计分析工作。

本书特色

　　‧解说实验研究与共变数分析的关联性。协助实验研究的研究人员，採用共变数分析进行实验资料分析，以获得更精准的统计结果。

　　‧介绍如何使用SPSS与「EZ_ANCOVA」的EXCEL统计软体，并透过统计软体的操作步骤与报表解读，让读者学会进行共变数分析。

　　‧针对令人困扰的「詹森－内曼法」（Johnson-Neyman procedure），除了介绍基本原理。并引导读者使用SPSS与「EZ_ANCOVA」的EXCEL统计软体，进行统计分析。

　　本书资料档，请至本公司网站www.wunan.com.tw
　　输入书号1H0H，即可找到下载处。

探索心理学研究的坚实基石：从理论到实证的严谨路径 本书旨在为初学者和有经验的研究者提供一个全面、深入且实用的指南，涵盖心理学及相关社会科学领域中的核心研究方法与数据分析技术。我们聚焦于构建科学研究的逻辑框架、设计有效的实验范式，并掌握处理复杂数据所需的统计工具。全书内容摒弃了晦涩难懂的纯理论阐述，转而强调实践操作性、批判性思维的培养以及对研究伦理的深刻理解。 第一部分：研究的哲学基础与设计蓝图 本部分奠定了科学研究的哲学根基，指导读者如何将一个模糊的想法转化为一个可操作的研究问题。 1. 科学范式与知识构建 我们将首先探讨科学知识是如何产生的。内容涵盖实证主义、解释主义等主要哲学立场如何影响研究设计和数据解释。重点分析了理论在科学中的角色——如何从理论中推导出可检验的假设，以及如何通过实证检验来修正或巩固现有理论。我们将深入剖析可证伪性原则在心理学研究中的应用与挑战，引导读者区分科学假设与非科学断言。 2. 研究问题的界定与文献综述的艺术 一个优秀的研究始于一个清晰、聚焦且具有研究价值的问题。本章详细阐述了如何从广泛的兴趣领域中提炼出具体、可测量的研究问题。此外，文献综述不再被视为简单的文献堆砌，而是一门批判性对话的艺术。我们将教授如何系统地检索、评估现有文献，识别研究空白（Gaps），并在此基础上构建自己研究的理论模型和逻辑基础。内容包括如何有效利用数据库、如何进行元数据分析，以及如何撰写具有说服力的综述部分。 3. 测量：从概念到数值的桥梁 心理学研究的有效性高度依赖于测量的质量。本章详尽讲解了测量的基本要素：信度（可靠性）与效度（有效性）。我们将区分不同类型的信度（如重测信度、内部一致性）和效度（如表面效度、结构效度、效标关联效度）。此外，我们还将介绍不同层次的测量尺度（定类、定序、定距、定比），并讨论如何构建和验证新的测量工具，例如量表的开发流程、项目分析（Item Analysis）及其优化策略。 4. 研究设计的基础结构 本部分深入探讨了研究设计的核心要素。我们将详细区分实验研究、类实验研究（准实验）和非实验研究的内在逻辑、优势与局限。重点分析了因果推断的四大标准：时间优先性、共变性、排除他因性。内容包括： 横断面设计与纵向设计的对比与适用场景。 个体内设计（Within-subjects）与组间设计（Between-subjects）的平衡考量。 抽样理论：从总体到样本的过程，包括概率抽样（简单随机、分层、系统、整群）和非概率抽样（便利、配额、滚雪球）的选择原则与潜在偏差。 第二部分：实验范式的构建与执行 本部分聚焦于实验法，这是心理学研究中推断因果关系的最有力工具。 5. 实验法的核心要素与控制技术 实验法的精髓在于对自变量的操作和对因变量的精确测量。本章详细阐述了如何有效地操纵自变量，包括情景操纵、指令操纵和刺激呈现方式。更重要的是，我们将探讨如何通过严谨的控制技术来最小化无关变量的干扰。内容覆盖随机分配（Random Assignment）的机制、匹配技术、平衡顺序效应（如抵消、反向平衡）以及使用控制组或安慰剂组的策略。 6. 复杂实验设计的展开 现实中的研究往往涉及多个自变量。本章系统介绍了因子设计（Factorial Designs）的构建与解读。我们将详细解释主效应（Main Effects）和交互作用（Interaction Effects）的概念，并教授如何理解更高阶的交互作用图表。内容包括：$2 imes2$、$2 imes3$等常见设计的规划，以及如何通过重复测量设计（Repeated Measures）来提高统计功效，同时应对重复测量数据中常见的球形度问题。 7. 准实验与现场研究的挑战 在许多情境下，完全的随机分配是不可能或不道德的。本章专门讨论类实验设计，如时间序列设计、非等效控制组设计。重点分析了在无法随机化时，如何运用匹配（Matching）和倾向得分匹配（Propensity Score Matching，作为高级工具的引入）来增强因果推断的可信度。此外，现场研究和自然观察法的伦理考量和数据记录标准也将被详细讨论。 第三部分：数据准备、探索性分析与推论统计入门 本部分将研究从数据收集阶段过渡到正式的统计检验。 8. 数据清洗与描述性统计 原始数据往往充满错误和异常值。本章提供了一套系统的数据管理和清洗流程，包括缺失值（Missing Data）的处理策略（如平均值替换、回归插补的风险评估）。随后，我们将深入讲解描述性统计的运用：集中趋势（均值、中位数、众数）和离散程度（标准差、方差、四分位数范围）的恰当报告。数据的可视化（直方图、箱线图、散点图）将作为理解数据分布形态的关键工具进行介绍。 9. 推论统计学的基本逻辑 推论统计的基石在于概率。本章清晰地解释了零假设检验（Null Hypothesis Significance Testing, NHST）的完整框架：从建立$H_0$和$H_A$到计算检验统计量，再到确定P值和做出决策。我们将用直观的方式解释第一类错误（$alpha$错误）和第二类错误（$eta$错误）的概念，并强调统计功效（Power）在研究设计阶段的重要性。 10. 差异检验的实践应用 本部分侧重于比较组间差异的常用统计方法： t检验：单样本、独立样本和配对样本t检验的适用条件、假设检验及其结果的规范化报告。 方差分析（ANOVA）导论：如何检验三个或更多组均值之间是否存在差异。我们将详细解释单因素ANOVA的原理，包括平方和的分解、F统计量的计算及其自由度的概念。同时，本章将重点讲解事后检验（Post-hoc Tests，如Tukey's HSD）在多重比较中控制I类错误的重要性。 通过这三个部分，读者将建立起一个从提出科学问题到设计严谨实验，再到初步进行数据分析的完整认知链条，为后续更高级的统计建模（如回归分析、结构方程模型等）打下坚实的基础。本书的最终目标是培养研究者独立思考、审慎决策的科学素养。

作者简介

凃金堂

　　现职：高雄师范大学师资培育中心教授
　　学历：政治大学教育研究所博士
　　专长：教育测验与评量、教育心理学
　　着作：量表编制与SPSS
　　SPSS与量化研究
　　SPSS与统计应用分析（与吴明隆合着）
　　E-mail：tang@nknu.edu.tw

序言

第一章 实验研究法
壹、实验研究与因果关系
贰、实验研究的基本概念
参、实验研究的内外在效度
肆、实验研究设计类型

第二章 共变数分析基本概念
壹、（准）实验研究法使用共变数分析的理由
贰、共变数分析的基本概念

第三章 单因子共变数分析
壹、单因子共变数分析基本原理
贰、单因子共变数分析的计算历程
参、单因子共变数分析（一个共变项两个组别）的SPSS操作步骤与报表解读
肆、单因子共变数分析（一个共变项两个组别）的EXCEL操作步骤与报表解读
伍、单因子共变数分析（一个共变项三个组别）的SPSS操作步骤与报表解读
陆、单因子共变数分析（一个共变项三个组别）的EXCEL操作步骤与报表解读
柒、单因子共变数分析（两个共变项两个组别）的SPSS操作步骤与报表解读
捌、单因子共变数分析（两个共变项两个组别）的EXCEL操作步骤与报表解读
玖、单因子共变数分析（两个共变项三个组别）的SPSS操作步骤与报表解读
拾、单因子共变数分析（两个共变项三个组别）的EXCEL操作步骤与报表解读

第四章 詹森－内曼法
壹、詹森－内曼法的基本概念
贰、詹森－内曼法的SPSS统计操作与报表解读
参、詹森－内曼法的EXCEL统计操作与报表解读
肆、三组别回归系数不同质的统计方式

第五章 双因子共变数分析的基本概念
壹、双因子共变数分析的基本假定
贰、双因子共变数分析的基本概念

第六章 双因子共变数分析的统计软体操作
壹、一个共变项的2×2双因子共变数分析（单纯主要效果显着）
贰、一个共变项的2×3双因子共变数分析（单纯主要效果显着）

序

　　找寻变项之间的因果关系（causal relationship），一直是自然科学与社会科学的重要目的。确定变项之间的因果关系，才有助于科学研究的进展。实验研究是常被採用的量化研究方法，相对于其他研究方法，若能採用适切的实验设计，有效控制其他无关变项对依变项的影响，实验研究是最适合探讨自变项与依变项因果关系的研究方法。 

　　对于实验研究结果的统计分析，大多数的统计学教科书，建议应採用「共变数分析」（Analysis of Covariance [ANCOVA]）。然而修习过统计课程的研究生，大多只学过「变异数分析」（Analysis of Variance [ANOVA]）的统计方法，受限于课程进度的关系，较少接触到共变数分析的统计方法。故一听闻进行实验研究需要以共变数分析进行资料分析，常有不知所措的焦虑感。对于以共变数分析进行实验资料的统计分析之建议，有些研究生会认真参考相关的统计书籍，以共变数分析进行实验研究的资料分析。有些研究生会直接放弃採用共变数分析，先以独立样本t考验（适用于只有实验组与控制组两组时）或独立样本单因子变异数分析（适用于三个以上的组别时），进行实验研究的前测分数考验。若各组的前测分数没有显着性差异，则再採用独立样本t考验或独立样本单因子变异数分析，进行实验研究的后测分数之统计分析。有些研究生则不管实验前测分数是否有显着性差异，直接以独立样本t考验或独立样本单因子变异数分析，考验实验的后测分数。另外，有些研究生会以独立样本t考验或独立样本单因子变异数分析，考验实验的前测分数与后测分数之差异分数（亦即后测分数减掉前测分数）。这四种统计分析方式，大概是目前较常见到对于实验研究结果的统计分析。针对这四种统计方法，本书在第二章会进行分析比较，让读者有较清楚的了解。

　　进行共变数分析时，有一项很重要的基本假定：「回归系数同质性」（homogeneity of regression slopes）。若实验研究蒐集的资料，符合「回归系数同质性」假定，则可直接透过统计软体（例如SPSS）进行共变数分析。一旦实验的资料不符合「回归系数同质性」假定，便不适合进行共变数分析，较合适的作法是改採「詹森内曼法」（Johnson-Neyman procedure）。由于SPSS对于「詹森内曼法」的统计程序，并未提供「点选」（point-and-click）的操作介面，必须採用SPSS程式语法的方式进行，因而让许多研究生却步。另外，「詹森内曼法」适用在两个组别时，若实验设计是三组以上，且实验资料出现不符合「回归系数同质性」假定时，则如何适切的使用「詹森内曼法」，对研究生而言，又是另一个难题。故本书第四章即针对「詹森内曼法」，进行详细的介绍。

　　本书目的在于协助採用实验研究的研究生或研究人员，採用共变数分析进行实验资料的分析，以获得较为精准的统计结果。除了介绍共变数分析的基本假定与基本原理外，也介绍如何透过SPSS统计软体的操作与报表解读，来进行共变数分析。另外，介绍如何透过笔者所写的EXCEL程式，进行共变数分析。本书共分成六章，第一章介绍实验研究法（准实验研究法）的基本概念；第二章介绍共变数分析的基本概念；第三章介绍单因子共变数分析的基本原理与统计软体操作；第四章介绍「詹森内曼法」的基本原理与统计软体操作；第五章介绍双因子共变数分析的基本概念；第六章介绍双因子共变数分析的统计软体操作。希冀透过本书的介绍，能让更多的研究生或研究人员，愿意採用共变数分析来进行实验研究资料的统计分析，此也是本书命名为「实验研究与共变数分析」的原因。 

　　本书得以顺利完成，要特别感谢内人佳蓉老师与小女昕妤，她们对笔者的全心支持，才能促使本书的完成。本书得以顺利出版，要特别谢谢五南图书公司的鼎力支持，尤其是编辑部的诸多协助。本书思虑不週之处，尚请大家不吝指正。

参、实验研究的内外在效度
    
会採用实验研究法进行研究，主要目的是想探讨自变项对依变项的因果关系。当研究设计能严谨控制其他无关变项的干扰，而让依变项只受到自变项的影响，则较能精准的判断自变项与依变项的因果关系。相对地，若实验设计不佳，导致依变项除了受自变项的影响外，也受到其他无关变项的影响，则无法准确的釐清自变项与依变项的因果关系，此即为内在效度（internal validity）的问题。所谓内在效度是指实验研究能精准呈现自变项对依变项之因果关系的程度，实验设计若能排除其他无关变项的影响，而能精准显示自变项对依变项的因果关系，则该实验具有较高的内在效度，故内在效度是实验研究的一项重要特质。除了内在效度，外在效度（external validity）则是实验研究另一项重要特质。通常实验研究的对象，常是从母群所有受试者中，抽选出一群受试者作为样本。实验具有高的内在效度，只表示对样本受试者而言，该实验的结果能清楚呈现自变项对依变项的因果关系。但该实验的研究结果，能否类推到母群所有受试者身上，则属于外在效度的问题。若针对样本受试者所获得的研究结果，也能类推到母群其他受试者，则表示该实验具有高度的外在效度。
 
一、影响内在效度的因素
    
Campbell与Stanley（1963）主张有八种情况会威胁实验研究的内在效度，包括历史事件（history）、成熟因素（maturation）、测验（testing）、测量工具（instrumentation）、统计回归（statistical regression）、样本选择偏误（biases）、样本流失（experimental mortality）、样本选择与成熟因素交互作用（selection-maturation interaction）等。

评分☆☆☆☆☆

天啊，這本《實驗研究法與共變數分析》根本就是為我量身打造的！我最近正在進行一個專題研究，過程中遇到了瓶頸，尤其是在處理那些看似相關，但又不知道真實關聯性的數據時，真的讓我焦頭爛額。我聽過「共變數分析」這個名詞，但總覺得它很高深，不知道從何下手。 看到這本書名，我就燃起了希望！我期待它能一步步帶我釐清「共變數」到底是什麼，以及它和「相關」到底有什麼不同。更重要的是，我希望書裡能有清晰的步驟教學，教我如何運用統計軟體（像是SPSS或R）來進行共變數分析，並且如何解讀分析出來的結果。我真的不想再憑感覺猜測數據了，我需要一套科學的方法來驗證我的假設。

评分☆☆☆☆☆

身為一個對社會現象充滿好奇的讀者，我一直很著迷於探究事物背後的「為什麼」。過去我可能會透過觀察、訪談等方式來收集資訊，但總覺得少了點什麼，好像無法更深入地挖掘出事物之間的因果關係。這本書《實驗研究法與共變數分析》的出現，正好填補了我這方面的知識缺口。 我特別期待書中能闡述實驗研究法如何幫助我們建立更穩固的因果判斷。我知道實驗設計本身就有其獨特的優勢，可以透過操弄自變項來觀察依變項的變化，進而推論因果關係。但具體要怎麼設計出一個能有效排除混淆變項的實驗，讓我的研究結論更具說服力，這是我非常想從書中學習的部分。

评分☆☆☆☆☆

这本书我早就想找了！一直以來，雖然有聽過「實驗研究法」這個詞，但總覺得它離我有點遠，不知道實際操作起來到底有多複雜，或是跟我在學校學過的那些研究方法有什麼不一樣。這次看到這本書的書名，加上「共變數分析」這個詞，我就覺得這本書肯定不是那種紙上談兵的學術論文，而是真的能帶我進入實驗設計和數據分析的殿堂。 我尤其好奇的是，書裡會不會花很多篇幅講述如何設計一個「好的」實驗？像是樣本的選擇、變數的控制、因果關係的判斷等等，這些都是我一直很想深入了解的地方。另外，我也很想知道，書中會不會提供一些實際的研究案例，讓我能更清楚地理解實驗研究法在不同領域的應用，像是心理學、教育學，甚至是行銷學。光是想像一下，就能感受到這本書的實用性有多高了！

评分☆☆☆☆☆

這本書名雖然聽起來有點學術，但我覺得它對很多想做研究的人來說，一定非常有幫助。我之前在寫論文的時候，就常常在想，有些變數之間看起來有關聯，但不知道是不是真的有影響。像是某個教學方法跟學生的學習成效，或是某個產品的廣告跟銷售量。 我希望這本書能夠教我如何用更科學、更嚴謹的方式來檢驗這些關聯性。特別是「共變數分析」這個部分，我聽說它可以幫助我們在考慮了其他潛在因素的情況下，更精確地了解兩個變數之間的真實關係。我真的很期待能學到這種能夠「抽絲剝繭」找出真相的方法，這樣我的研究結果才會更有份量，也更能幫助大家理解問題。

评分☆☆☆☆☆

我對數據分析一直都有濃厚的興趣，但很多時候，即使我收集到了大量的數據，也常常不知道該如何下手。尤其是當我想探討一個變數如何影響另一個變數，但又擔心有其他因素會干擾我的判斷時，我就會感到很困惑。 這本《實驗研究法與共變數分析》的書名，讓我覺得它能夠提供我解決這個問題的工具。我希望書中能詳細介紹如何透過實驗研究法來設計出能有效控制干擾變數的研究，並且進一步學習如何運用共變數分析來處理和解讀數據。我特別期待能看到書中提供實際的操作步驟和案例，這樣我才能真正將這些理論應用到我的學習和研究中，讓我的數據分析能力更上一層樓。