中介與干擾效果分析: 使用JASP | 誠品線上

中介與干擾效果分析: 使用JASP

內容簡介

內容簡介 ⊙系統化教學掌握分析與報告全流程。 ⊙JASP整合Lavaan提升實戰分析能力。 ⊙真實論文案例完整情境演練。 ⊙影音教學輔助快速提升學習成效。 本書聚焦於中介效果與干擾（調節）效果分析，從基本概念出發，逐步延伸至多重中介、調節式中介及潛在變數分析。內容結合JASP操作與Lavaan語法，兼顧理論說明與實務應用，協助讀者掌握從資料建置、模型設定、結果解讀到報告撰寫的完整流程。 全書以真實碩博士論文為案例，貼近實際研究情境，並搭配影音教學資源，降低學習門檻、提升操作效率。無論是專題研究、論文撰寫或進階統計分析需求，本書皆提供清晰且可實踐的指引，協助讀者建立紮實的分析能力與研究信心。

作者介紹

作者介紹 陳寬裕現職：屏東科技大學休閒運動健康系特聘教授榮譽：2022～2025年榮獲史丹佛大學遴選「全球前2%頂尖科學家」學歷：嘉義大學觀光休閒研究所博士班長榮大學經營管理研究所博士清華大學工業工程研究所碩士臺灣大學大氣科學系學士Email：[email protected]

產品目錄

產品目錄 第1章 JASP簡介與建立資料檔1-1 閱讀本書須知1-2 JASP簡介1-3 相較於SPSS，JASP的優勢1-4 下載JASP軟體與安裝1-5 啟動JASP與偏好設定1-6 JASP軟體的介面說明1-7 JASP軟體的資料編輯視窗1-8 計算變數功能1-9 JASP軟體的分析視窗1-10 建立資料檔1-11 開啟資料檔1-12 編輯變數的類型、標籤與數據內容1-13 JASP學習速成之影音教材習題第2章 中介效果初探2-1 觀察變數與潛在變數2-2 將潛在變數轉換為觀察變數2-3 中介效果的基本概念習題第3章 觀察變數的中介效果檢定3-1 觀察變數的中介效果3-2 使用「中介分析」功能檢驗中介效果3-3 使用「PROCESS模組」檢驗中介效果3-4 使用Lavaan程式碼檢驗中介效果3-5 三種中介效果檢定方法的評論3-6 中介效果的檢驗—Sobel檢定法習題第4章 觀察變數的多重中介效果檢定4-1 多重中介效果簡介4-2 檢驗平行式多重中介效果4-3 第二個檢驗平行式多重中介效果的範例4-4 檢驗序列式多重中介效果習題第5章 觀察變數的干擾效果檢定5-1 干擾效果簡介5-2 連續型觀察變數之干擾效果檢定—「PROCESS模組」的「模型樣板1」5-3 數值型觀察變數之干擾效果檢定—使用Lavaan程式碼5-4 類別型干擾效果檢定—Lavaan語法5-5 直接效果之干擾模型檢定—「PROCESS模組」的「模型樣板5」習題第6章 觀察變數的調節式中介效果檢定6-1 調節式中介效果檢定6-2 檢驗調節式中介效果—「PROCESS模組」的「模型樣板7」6-3 檢驗調節式中介效果—「PROCESS模組」的「模型樣板14」6-4 以Lavaan程式碼模擬執行「PROCESS模組」的「模型樣板7」6-5 以Lavaan程式碼模擬執行「PROCESS模組」的「模型樣板14」6-6 檢驗調節式中介效果—「PROCESS模組」的「模型樣板58」習題第7章 潛在變數的中介效果檢定7-1 中介效果的檢驗—使用Lavaan程式碼的效果運算子7-2 中介效果的檢驗—Sobel檢定7-3 中介效果的檢驗—拔靴法習題第8章 潛在變數的多重中介效果檢定8-1 平行式多重中介效果檢定之範例一8-2 平行式多重中介效果檢定之範例二8-3 序列式多重中介效果檢定習題第9章 潛在變數的干擾效果檢定9-1 使用多群組結構方程模型檢驗干擾效果9-2 使用潛在交互作用項檢驗干擾效果習題第10章 潛在變數的調節式中介效果檢定10-1 潛在變數的調節式中介效果檢定10-2 範例說明與操作步驟10-3 分析結果的撰寫習題參考文獻附錄一 品牌形象、知覺價值與品牌忠誠度關係之研究（正式問卷）附錄二 遊客體驗、旅遊意象與重遊意願關係之研究附錄三 景觀餐廳意象、知覺價值與忠誠度：轉換成本的干擾效果附錄四 旅遊動機、體驗價值與重遊意願關係之研究附錄五 認真休閒特質與幸福感之研究：兼論配偶支持的干擾效果附錄六 第一線服務人員工作熱情與情緒耗竭關係之研究：情緒勞務策略的中介角色

商品規格

試閱文字

自序 : 在學術研究的旅途中，我們常會遇到一個共同的難題：明明已經理解了理論架構，也蒐集了資料，卻在分析階段卡關。尤其當研究設計涉及中介效果、干擾（調節）效果，甚至調節式中介效果時，複雜的統計概念與語法往往讓人望而卻步。這正是本書誕生的初衷—讓結構方程模型不再只是統計專家的領域，而是每一位研究者都能掌握的實用工具。
　　本書以JASP為主要操作平台，結合Lavaan語法，帶領讀者從觀察變數到潛在變數的分析應用，逐步學會中介、干擾與調節式中介效果的實作。不同於多數僅提供文字說明的統計教材，本書的每一個範例都附有影音教材，讓讀者能一邊觀看操作示範、一邊實際練習，就像有一位隨時在旁指導的老師。更難能可貴的是，本書的範例與習題幾乎都來自真實的碩、博士論文。這不僅讓內容更貼近實際研究情境，也幫助讀者瞭解如何將結構方程模型技術應用於各領域的研究設計與資料詮釋。透過這些真實案例，你不只是學會「怎麼做分析」，更能體會「為什麼要這樣分析」。
　　編寫本書的過程中，我們希望做到三件事：讓結構方程模型變得看得懂、學得會、用得上。從理論概念到語法撰寫，再到結果解讀與報告撰寫，我們以清楚的邏輯與實務導向的講解，引導讀者循序漸進地掌握每個步驟。無論你是初次接觸結構方程模型的新手，或想強化實務分析能力的研究者，都能從本書中找到適合自己的切入點。研究不應只是冷冰冰的數字與公式，而是一場發現意義與建立證據的旅程。希望這本書能陪伴你走過統計分析的挑戰，讓你在研究的道路上，不再害怕結構方程模型的複雜，而是能夠自信地說：「我懂，也能做。」
　　本書適合社會科學、商業管理、心理學、教育學及其他相關領域的研究者與學生使用，無論是初學者還是具備一定統計基礎的讀者，都能從中獲益。希望透過本書的引導，能夠幫助讀者克服統計學習的障礙，並能夠將所學應用於實務研究之中。我相信，透過不斷的練習與實踐，讀者將能夠更自信地進行統計分析，提升研究的嚴謹性與說服力。最後，感謝所有在本書撰寫過程中提供支持與建議的朋友與同仁，期待本書能夠為大家的研究工作帶來實質的幫助。
　　本書得以順利出版，首先感謝五南圖書出版公司的鼎力支持與協助，還有對我容忍有加的家人以及默默協助我的助理。由於編寫時間倉促、後學水準亦有限，錯誤之處，在所難免，敬請批評指正，後學不勝感激！

陳寬裕
謹致於屏東科技大學休閒運動健康系
[email protected]

試閱文字

內文 : 2-1　觀察變數與潛在變數
　　在社會科學、教育研究與心理學等領域裡，研究者常常會聽到「觀察變數」（observed variables）與「潛在變數」（latent variables）這兩個概念。雖然它們都屬於研究中重要的「變數」類型，但在定義、目的與用法上卻存在明顯的差異。若能理解這些差異，不僅有助於研究者正確設計研究工具，也能避免在統計分析與論文撰寫的過程中產生錯誤解讀結果數據的現象。以下將分三個面向來說明。
一、定義上的差異
　　觀察變數，顧名思義就是「可以直接被測量或觀察到的數據」。它們通常透過問卷題項、測驗分數、生理指標或實驗數據來獲取。例如：一份問卷中的「每天花多少時間使用社群媒體」題項，或一位學生的「數學成績85分」，都屬於觀察變數。這些數據是研究者能直接蒐集的，沒有經過額外的抽象推論。
　　而潛在變數，則是個「無法直接測量，但可透過多個觀察變數間的關聯去推估的概念」。這些變數通常代表心理特質、態度或能力等抽象的構念（construct，又稱構面）。舉例來說，「學習動機」、「自尊」、「工作滿意度」等這些心理或社會特質，並不能直接以單一數據或標準測量工具去測量，而是必須設計一組題項（例如：問卷中的5到10個相關題項），再透過統計分析（例如：因素分析）而推導出背後共同存在的潛在變數（或稱共同因素、因素、構念、構面）。換句話說，潛在變數是一個「理論上假設存在，但必須透過觀察變數來間接捕捉、衡量」的抽象概念。
二、研究目的上的差異
　　研究者使用觀察變數的目的，通常是為了描述現象或建立初步關聯。例如：研究者想知道學生的「睡眠時數」與「考試成績」之間是否具有相關性時，就可以直接以兩個觀察變數來進行分析。這種分析的焦點是「數據層面的直接關聯」。
　　然而，研究者引入潛在變數時，目的則更偏向於解釋與建構理論。因為許多重要的社會或心理特質並非單一指標能完全捕捉的。舉例來說，學習動機不僅包含「內在動機」（例如：因興趣而學習），還包括「外在動機」（例如：為了成績或獎勵而學習）。研究者會透過多個題項來分別測量這些面向，然後再以「潛在變數」的形式去概念化「整體的學習動機」。因此，潛在變數的研究目的更傾向於將抽象理論操作化，讓研究者能以科學方式測量、驗證並推進理論。
三、用法上的差異
　　在統計實務上，觀察變數與潛在變數的用法差異也十分明顯。
1. 觀察變數的用法
　　觀察變數常見於傳統的統計方法中，例如：描述性統計、t檢定、變異數分析（Analysis of Variance, ANOVA）、迴歸分析等，這些方法直接使用蒐集到的分數或數值作為分析材料。舉例來說，若研究者要比較「男性與女性在壓力程度上的差異」時，就會直接以受試者問卷中「壓力量表總分」作為觀察變數來進行分析。
2. 潛在變數的用法
　　潛在變數則常見於進階統計方法中，尤其是驗證性因素分析（Confirmatory Factor Analysis, CFA）與結構方程模型（Structural Equation Modeling, SEM），這些方法允許研究者透過多個觀察變數來建構並驗證一個潛在構念。例如：在研究學習動機時，研究者可以設計多道題目來測量「內在動機」與「外在動機」，再利用CFA來檢驗這些題項是否能有效的代表「學習動機」這個潛在變數（即評估「學習動機」的信度、收斂效度與區別效度）。進一步地，研究者甚至可以在SEM模型中同時檢驗多個潛在變數之間的因果關係。例如：探討「學習動機」是否會影響「學習策略」與「學業成就」。這種分析不僅能提供變數之間的統計關係，還能支持或修正既有的理論模型。
四、進一步的比較與整合
　　為了讓觀察變數與潛在變數間的差異更清楚的表達出來，我們可以用一個簡單的比喻來理解。觀察變數就像「樹上的葉子」，每一片葉子都是我們能直接看到的具體數據；而潛在變數則像「樹的根」，雖然看不見，但正是根系的存在讓葉子呈現出某種共同的樣貌。研究者透過觀察葉子的狀態，去推論地下根系的樣貌，這就是從觀察變數到潛在變數的推導過程。
　　換句話說，觀察變數比較偏向於「資料蒐集與描述」，而潛在變數則偏向於「理論建構與解釋」。觀察變數處理的是具體數據層次，而潛在變數則操作的是抽象概念層次。這兩者並非對立，而是互補的。研究者若只用觀察變數，容易只停留在現象描述的層次；而若能進一步建構潛在變數，則能進入更深層的理論驗證與解釋。

最佳賣點

最佳賣點 : 本書聚焦於中介效果與干擾（調節）效果分析，從基本概念出發，逐步延伸至多重中介、調節式中介及潛在變數分析。內容結合JASP操作與Lavaan語法，兼顧理論說明與實務應用，協助讀者掌握從資料建置、模型設定、結果解讀到報告撰寫的完整流程。