多變量分析期中報告與作業終於告一段落~~~

終於結束了多變量分析的期中報告和作業！
可以稍微鬆一口氣～～
在做作業和報告的過程中，很實在的演練了一些分析多變量資料的統計方法(ex: Profile Analysis, MANOVA)，收穫許多！
這次的期中報告是拿Jenny的3-aspect BI資料作分析，
小組的五位成員分工完成了這次的報告。
口頭報告時，發現自己變得非常緊張，

雖然目前每個星期都有英文報告的訓練，

但在比較多人的場合，還是會緊張，

我想，只有靠事前多準備，才能降低自己的緊張感吧！

也要練習多在大眾面前報告或發表意見，
希望可以幫助自己往後在公共場合能更自在的報告！

關於最近的統計學習

隨著多變量分析課程越來越多的教材，
在學習上會有些壓力和焦慮。
可能是自己的統計基礎還有待加強吧！
總是有在後面追趕的感覺！
雖然自己的進度比較慢，
但還是希望可以把一些基礎的統計概念弄清楚，
一步一步走的踏實。

關於統計家教

今天向業太詢問是否可請他擔任統計家教，
他原本覺得自己可能無法勝任(多變量分析部分)，
但我一直拜託他，他才答應試上一次看看。
目前可能進行的方式是以問題為導向，
即是把之前自己上課後覺得還不是很瞭解，或是自己找資料有疑問的地方，
先寫下來寄e-mail給業太，然後上課就以回答問題為主。
目前先暫定以這個方式進行，先試試看是否可行。

關於bootstrap運用於分析SRM/effect size的差異是否有統計上顯著的意義

今天傍晚向業太諮詢bootstrap的概念，
及如何運用這個方法分析SRM/effect size是否有significant difference。
業太的講解如下:
假設我們有一個real data set，共有300名個案。
因為是驗證反應性，所以會有兩個時間點T1,T2。
使用bootstrap的方法，
即是從real data set中隨機抽出300個人(每抽一次就放回去，所以可能會有重複抽到的人。注意：在此所抽的人數需與原本樣本數相同)當一個bootstrap samle。
我們可能重複這個動作1000次，所以會有1000個bootstrap sample，
也就有1000個bootstrap sample mean/SD。
如此的抽樣，在T1和T2皆進行一次，
故T1和T2各有1000個bootstrap sample (mean/SD)，就可計算出1000個SRM/effect size。
若要比較兩個評估工具，用以上方法，則會有1000個SRM/effect size difference，
如此，我們便可以估計出SRM/effect size difference的信賴區間，若不包含0，就有統計上的顯著意義了。

R軟體

星期六下午向佳苓請教如何使用R軟體,
也順便從網路上下載了這個免費的統計軟體
之後,利用R練習了這次的多變量分析作業: 矩陣的運算
學習後我發現R其實並不難(user-friendly!)
語法可以隨時查詢,程式碼的組成也蠻直觀的
我想之後自己應該會常常練習使用它!

About Comparison of Correlation Coefficient---Use of MedCalc software

因為目前需要比較兩個評估工具(HBSF,PASS)的外在反應性，
所以需要比較兩個Pearson r，分別是HSBF前後測分數差與BI或MO-STREAM前後測分數差的相關係數，與PASS前後測分數差與BI或MO-STREAM前後測分數差的相關係數。
在網路上找到了一個可以免費下載的統計軟體: MedCalc
Download後可在介面下選擇Tests =>Comparison of => correlation coefficents
填入r值及樣本數，便可計算兩者是否有顯著差異了。

A useful website for learning statistics (provided by Zii)

感謝姿誼提供一個十分實用的統計學習網頁
是由台灣大學統計教學中心建立的。
其中除了有統計軟體(Excel, SAS, SPSS, R)的介紹，
還有一些初等統計學概念性的教材，
又多了很多可以複習的教材了!

關於統計複習

根據姿誼的建議，目前使用一本中文參考書做複習:
林清山 (1992)。心理與教育統計學。台北：東華書局。
剛好書中的章節與姚開屏老師的講義是可以互相對照的，所以可以邊看書邊將重要的概念做記錄或筆記。
只是，自己看的進度有點慢，或者是先看中文參考書，之後再拿姚老師的講義當再次複習的教材。還在摸索複習的方式。

關於學習IRT

1. 盡可能的去學，不管觀念或公式。 2. 至少要知道IRT的大方向：用途,提供什麼資訊,怎麼判讀。 3. 試著使用分析軟體，才有真實感。 4. 上課盡可能跟著老師，一有問題就澄清。

"standard deviation of scores on a test" vs. "standard error of measurement on a test"

standard deviation (SD) of scores on a test: 一群個案分數的分布情況 (SD大,代表個案分數差距大)
standard error of measurement (SEM) on a test: 一個個案在接受重複評估多次後(不受learning/memory effect影響),其分數(受誤差影響)可能的範圍

SEM: SD _{all testing scores} ×√(1-r)

SD _{all testing scores}: 個案所有評量分數的SD

r: 再測信度 (ICC 值)

母數與無母數

母數：用來描述母群體特徵的參數(parameter)。會用來解釋等距或比率變項的資料分布情形。因為這些變項的分布情形，大多呈現「常態分布」。若想了解這些變項母群體的資料集中狀況，就會使用平均數、中位數等母數來描述它。而若想要了解母群體的資料分散狀況，則會使用標準差、變異數等母數來描述它。

無母數：當分析的資料為名義或次序變項時，因為無法量化，所以不要求資料要如何分配，也因此不需以參數來描述。