因徑/結構方程模型與統計工具適配
Case Study in Multivariate Analysis:
Path/ SEM and Adequacy of Statistics Tools

神掌打通任督二脈‧易筋經以簡馭繁

多因子分析常用模型簡介多因子分析常用模型簡介

Teachers' Stress:教師壓力統合論

核心文獻價值

概念模型意義

統計報表是什麼意思

對本論文的評論

沒有巨人怎麼辦

統計工具適配

綜合應用實例研討:子孫引用-大家都這樣搞

多因子分析的「知識論」反省


Teachers' Stress:教師壓力統合論

Meta‐analysis A Meta‐analysis for Exploring the Diverse Causes and Effects of Stress in Teachers

本篇出自國際知名期刊,是教師壓力研究被高引用的範例,更是國內統合分析法教學的核心教材。

這篇文章標題中的 Meta‐analysis,是統合分析;Exploring,就是探索建構;Diverse(多),就是指多變項;Causes(因) and Effects(果) 就指是「因徑模型」,也就是SEM,請不要被文字所惑。 

該文就是要建構一個統合教師壓力的因徑/結構方程模型

在這樣崇隆的聲望與宏大目標下,原文卻有具體的基礎技術錯誤,在理論建構上,科學邏輯的交代也含糊不清。

這個範例也讓我們深思:學術界的「社會相信」現象,與研究生態宗教化、紅衣大主教化的問題。 

本論文是否有作為尋找研究題目、核心文獻的價值?本論文是否有作為尋找研究題目、核心文獻的價值?
本論文是否有作為尋找研究題目、核心文獻的價值?本論文是否有核心文獻的價值?
主題

教師壓力,是教育領域的重要議題。

文獻研究

選擇65篇文獻,包括期刊論文51篇、學位論文13篇、會議論文1篇,其中含非英文論文11篇。

依據領域內若干核心文獻, 建立多變項理論概念模型如下節。

研究方法

採用統合分析 Meta-Analysis,所以對象是文獻中的教師樣本。

整合各來源樣本(教師)特徵,製作詳盡樣本摘要表。

整合各來源文獻中與教師壓力相關之各變項,與其整合統計量。

資料分析

以整合後各變項之統計量,進行兩兩變項之簡單迴歸統計。

來源

來自教育領域中有名期刊 CANADIAN JOURNAL OF EDUCATION 。

綜合以上該論文的研究程序、資料規模、與出版單位,該論文具有作為有核心文獻的「形象」。

 
Theory of Acceptance and Use of Technology (UTAUT) 本論文的核心貢獻為其教師壓力統合模型,其概念模型的意義為何? 

教師壓力統合模型

Theory of Acceptance and Use of Technology (UTAUT) 教師壓力概念模型的意義為何?

這是一個以5個核心變項、30餘個次要變項-或變項的水準,所組成的複雜因徑/結構方程模型(Path/ SEM Model)。

5個核心變項包括1個應變項:受壓程度,1個自變項:外在施壓者,與3個中介變項:第一層中介的:情緒反應程度,與第二層中介的:主動處理能力、被動處理能力。

本論文研究發現的報表是什麼意思?本論文研究發現的統計報表是什麼意思?

教師壓力概念模型

本論文研究發現的報表是什麼意思?本論文研究發現的統計報表是什麼意思?

整合各文獻後,取得9個變項,進行兩兩變項之簡單相關統計,所得簡單相關係數矩陣表。

本論文報告有無可評論之處?本論文結論為何?是否證實其理論架構?有無可評論之處?

作者宣稱建構了一個解釋教師壓力的終極(finalized model)理論-實證統合模型,原文與小標題如下:

TOWARD A THEORETICAL‐EMPIRICAL MODEL OF STRESS

In preparation for developing a meta‐analytic framework, we examined,
discussed, and synthesized existing theoretical stress models to map the empirical relationships and represent these studies into a finalized model of the stress cycle...we wanted to have a conceptual model of teacher stress to augment and refine, based on the empirical relationships studied in the research we surveyed. (p.459)

本論文報告有無可評論之處?本論文結論為何?是否證實其理論架構?有無可評論之處?

本論文報告宣稱獲得教師壓力統合論模型,實則其證據(統計數據)與其概念模型毫無關係。

其理由如下:

缺乏多變項模型-因徑/結構方程模型(Path/ SEM Model)建構之基礎知識

兩兩變項之簡單相關,無法證明孰先孰後。

本研究全是態度變項,資料由量表所得。彼此在統計證據力上完全相同,在第一因徑上,何以是主動處理能力,影響情緒反應程度,再影響受壓程度?而不是情緒反應程度,影響主動處理能力,再影響受壓程度?

其他各因徑均相同。

中介效果與證據不符

模型顯示:主動處理能力(A)-情緒反應程度(E)-受壓程度(B)是完全中介效果,亦即主動處理能力與受壓程度的多元迴歸係數βAB應為0,但報表並沒有這樣的證據。

同時,報表顯示簡單相關係數rAB =.2685, rEB =03977,若βAB =0,則表示 rAB = rAE × rEB,則應該 rAE =.6751。但實際上,報表卻是rAE =.0500,欲證明此中介關係,必須rAE 趨近於1,結果rAE 反而趨近於0,可謂證據於結論完全相反。

其他各中介效果均與證據不符。

缺乏多變項分析之基礎技術能力

以上問題應使用多元迴歸與因徑/結構方程模型(Path/ SEM Model)建構技術解決,顯然本論文並沒有呈現這方面的能力。

他如外在施壓者的資料型態交代不明,是否能夠使用因徑/結構方程模型(Path/ SEM Model),亦須深究。

缺乏統計之基礎知識思想

觀察5個核心變項的兩兩相關係數,除了rEB =0.3977,其他全部都小於、甚至非常小於0.3,在統計知識思想的詮釋,就是「不重要」。

對象是人類行為、測量工具是態度量表,只要樣本夠大,出現0.3以下的相關係數毫不足奇,但其真實意義就是「不重要」。

這種現象很可能是理論、變項定位不圓滿,或量表設計不周全所造成的。

缺乏人類行為研究之基礎詮釋能力

觀察所有呈現出來的資料與證據,其實只有一個簡單結論:教師感到受壓程度,可能小部分與其控制情緒反應程度有關。

其他所有變項都沒有重要意義,更不存在一個複雜的因徑模型。

從知識論與方法論來看,一個正確的小規模理論,遠優於一個大而無當的漫畫。

如何在本論文研究發現的基礎上發展?如何在本論文研究發現的基礎上發展?沒有巨人怎麼辦?

作者自我定位為一位巨人,並希望發展更跨領域的應用,原文如下。但是…

The results of the present study may be useful for researchers in other fields trying to better understand the relationship between external stressors, negative emotions, personality mediators, support variables and, most importantly, burnout. Indeed, understanding and uncovering negative emotions related to external stressors is the first step towards a better performance, a higher degree of professional satisfaction, and, consequently, a higher level of teacher retention. (p.483)

如何在本論文研究發現的基礎上發展?如何在本論文研究發現的基礎上發展?沒有巨人怎麼辦?

研究是要站在巨人的肩上向前看,經由以上的分析,本論文似乎不是巨人,沒有巨人怎麼辦?

巨人是要去找的,不是方便就會出現的。

統雄老師曾經和同學開玩笑說:「一看你列的參考文獻,都是以方便取得的為主,那些也都是以方便生產的產物。你的論文方向根本沒有在巨人的肩上可以站,你就乾脆變成找一些株儒來打好了。」

統雄老師讀高中的時候,每天放學後站在牯嶺街舊書攤上,讀3個小時。

讀大學和研究所的時候,根本還沒有網路、沒有電子檔案、也沒有館際服務,我跑遍北部所有大學的各個圖書館。政大總圖最寬敞、臺大總圖最有氣氛;但我要找的文獻都比較「專」,多半在臺大研究圖書館、心理系圖書館、和政大社科中心,還有一些在清華大學、交通大學。臺大心圖有層小閣樓,我站不直,必須坐在地上翻書。我發現許多書,數十年來都是我第一個翻。(也許也會是最後一個翻?)我也是在小樓中、舊紙的濃郁霉香中,第一次讀到 Pearson 在被認同之前,對追尋「第2類知識」(統計)的堅持。所以,沒有被迫讀書之苦,而是慶幸有人類心靈分享之樂。

因為那時沒有電子檔,我都要摘要影印,排滿了4個正常書櫃。我畢業後搬家,兩度裝箱打包送給圖書館和學弟。這不是「不考了、丟書樂」,而是讀通以後,已經變成我心智的一部分,不再需要為強記而存查了。研究所期間,讀完數千篇英文學術文獻,不但不是負擔,反而一看就知道文章的好壞,作者是在抄羊皮聖經,還是從事知識的冒險,找起「洋」巨人也快速多了!

統雄老師的文章中,有時會對一些主題提出一些檢討,其實每提出1項檢討,都是我曾經受教於99位巨人!

牛頓曾經遇到好的知識巨人,如伽利略;伽利略運氣就沒這麼好,但他勇於挑戰「聖經」巨人,這也是一種面對巨人的方法。

本論文從第一小節的評估中,至少形象上還有追求聖經巨人的樣子,所以是值得作為研討範例的。 

當前真實的學術生態為何?除了技術面的觀察之外,對這篇論文有無可從知識論、方法論出發的評論?
當前真實的學術生態為何?這篇論文從知識論、方法論觀察,應存在「統計工具適配」的問題。
同時,這篇論文後來曾被多篇論文引用、甚至作為核心教材,其所反映當前真實的學術生態、甚至反映人類社會相信、集體行為的事實,亦足可借鏡。

統計工具適配:理論和方法、工具和目標、數字和結論必須一致。

將兩兩變項之簡單相關,誤導到因徑/結構方程關係,是行為研究領域中相當普及的情形。這個簡單的道理,其實並不深奧,不需要特殊抽象 的思考。但現象持續發生,原因是:第一、集體行為,研究只是工作的儀式,從來沒想過。第二、社會相信,以及結合、與穩定社會相信的龐大資源。

當前真實的學術生態:和15世紀的學術生態完全一樣,當學術活動變成一種職業、謀生、產生資源,就會變成「唸經」、宗教、比賽抄羊皮聖經、爭相紅衣大主教,忘了學術是追求「可以實證解決問題的科學知識」。

統雄老師曾向一位紅衣大主教說過,兩兩變項之簡單相關不能形成因徑關係,他不假思索,就說:不同意!他不是沒有想通的能力,而是被「點」、也不能「醒」。因為在這個錯誤的基礎上,已經建立了宗教大廟、聲望地位、享受與分配公共資源的權力。

從古至今的大眾學術教育機構,大致都只強調「結果」與「技能」,不重視(甚至完全沒有)「過程」與「思想」,也因此不注意培養學習的興趣、與樂趣。結果變成只剩下「唸經」,甚至進一步會壓抑知識創新。而且,不因為形象上的什麼「頂尖大學」「著名學術機構」有什麼不同。

伽利略改變人類歷史的研究,被當時世界上最頂尖、最有聲望的學術機構禁止;牛頓的創新研究被當時世界上最頂尖、最有聲望的學術機構「皇家學院」多次駁回。他奠定「第1類知識」的書「自然哲學的數學原理」,是獲得私人補助才得以出版。而開創「第2類知識」的始祖皮爾生,一樣不被當時世界上最頂尖、最有聲望的學術機構「皇家學院」認同,乾脆在朋友的支助下自行出版著作。

由於知識領域不同,在「第1類知識」領域中,新知識的實驗具備因果性、立即性,如果再搭配時代需求而產生的資源供給,較有可能在相對短期產生革命。牛頓、愛因斯坦能夠在及身獲得認同,應與工業革命興起、機械生產的知識需求;與二次大戰、原子武器的殺戮需求有關。

但在人類行為研究領域中,包括資管的研究,還有待探索「第3類知識」的基礎理論,當前的各種研究報告,其實與「科學知識」還有段距離,是值得檢討反省、深思發展的。

世新大學的幾位研究生,就能夠發現各大學-包括著名大學博碩士論文中的基本粗淺錯誤。「唸經」式研究的原因,就是「有口無心」:長期以來不覺得社會科學有作用-事實上也是沒作用,大家互相搞儀式,因之沒有需求、沒有興趣。

所以,統雄老師經常建議研究生「一魚兩吃」:把論文和工作上要解決的管理問題合而為一,從而真正思考人類行為研究的科學基礎。

「科學知識」就是可實證、可預測的知識。人類行為知識在這方面的驗證,雖然還很少,以下幾個實驗與學習經驗,還是可提供參考:

接龍實驗:統計教科書在處理人類選擇行為時,是否有不足與可增補發展之處?

電子商務策略:研究網站行銷的著名論文那麼多,它自己的 Google 基準值為何?

選舉行為預測:人類的選擇行為,是否可以有長期而穩定的預測?


多因子模型分析的「知識論」反省

反省1:β與e

反省2:因徑關係除了分析更要詮釋

反省3:框架知識與基礎知識/複雜模型與簡單模型

反省4:基礎知識/簡單模型的因子數

反省5:人類行為是線性或非線性? 


統雄數學樂學/統計神掌易經筋-問卷 統雄數學樂學/統計神掌易經筋-問卷

 

回頁首 Up to page head 至頁尾 Down to page bottom
上一頁 Back to previous page 回頁首 Up to page head 下一頁 Go to nex page  

統雄數學神掌系列目錄
分享意見反映
統計教學的內涵與取向
高考統計考題的解析
微積分精華篇
微積分思想篇
微積分進階精華篇
統計/數學符號與其英語讀法
資料型態與視覺呈現
敘述統計
機率論與機率分配
推論統計學精華篇
t分配與 t檢定
推論統計‧理論建構
資料分析程序與SPSS基礎
SPSS 資料清理
SPSS 轉換:Recode 重新編碼
SPSS 轉換:Compute 建構新變項
SPSS 選擇觀察值_SPSS 資料庫管理
樣本代表性檢定
單變項:類別_二元資料/詮釋
單變項:類別_二元資料/應用
單變項分析:連續資料
單變項連續資料視覺檢視與清理
卡方分析(雙向)
多向卡方分析
單向卡方分析
變異數分析(單因子):詮釋
變異數分析(單因子):應用
簡單迴歸/相關分析:詮釋
簡單迴歸/相關分析:應用
對數/邏輯相關分析
測量工具信度/效度分析
量表信度 檢定
量表效標關聯效度 檢定
因素分析_EFA
因素效度分析_CFA:詮釋
因素效度分析_CFA:應用
多變項分析精華篇
多元迴歸分析:詮釋
多元迴歸分析:應用
一般線性模型精華篇
廣義線性模型
雙因子/多因子變異數分析
調節模型與交互作用詮釋
調節模型分析與建構
SPSS 統計圖應用:調節模型檢定
共變數分析/詮釋
共變模型建構/應用
因果模型與因果邏輯
中介模型分析
因徑/SEM:模型詮釋與因果邏輯
因徑/SEM:探索式因徑模型建構
因徑/SEM:驗證式結構方程解析
多變項分析實例SEM
多變項分析實例SEM+調節篇
因徑/結構方程SEM:反省
無母數統計
統計研討篇
專題-卜豐投針實驗
專題-機率與統計悖論
1類知識計量工具
2類知識計量工具
3類知識計量工具
非等機率知識體系建構
TX空時座標建構
一般取用測量
信仰取用測量
研究方法/民調市調系列
請點這裡看所有留言分類 Please click here to view categories of comments
同類別內相關主題