題目打包法(Item Parceling)之策略簡介
更新於 發佈於 閱讀時間約 5 分鐘
題目打包法(Item Parceling)是一種統計學方法，主要用於結構方程模式(SEM)中。打包法的基本思想是將多個觀察指標打包成一個新指標，以提高模型的擬合程度。打包法有很多優點，如提高模型的擬合程度和要求樣本數減少。但也有缺點，如不適合測量模型分析。本文將簡介題目打包法之策略。
緒論
題目打包法旨在透過總分或平均數，將來自同一量表的數個題目組合在一起成新的標題題目。 以下圖為例子，量表原來有 6 個題目, 可計算每 2個題目的總分或平均數(小組內題目數也可以不相等), 形成 3個新指標， 後續直接用 新指標進行分析。打包後的指標數量 可以根據模型的複雜度及樣本數量決定。如果模型複雜, 樣本數量, 可以將每個因素打包成一個指標; 反之則每個因素內打包成 3 個指標。
本文主要參考文獻如下:
吴艳 和 温忠麟. (2011). 结构方程建模中的题目打包策略. 心理科学进展, 19(12), 1859-1867.
題目打包法優點:
- 指標數據質量變好: 從古典測量理論的觀點來看, 由多個題目打包後的指標, 量尺的刻度變多、間距變小, 區分能力進一步增強, 變成了一個更好的“題目”。
- 模型擬合程度提高: 因為模型更加簡單，新指標的誤差變小，所以打包法可以提高模型的擬合程度。
- 估計偏差不大: Yuan、Bentler 和 Kano (1997) 的研究表明，當量表中的項目是一維且同質的時，與直接使用原始項目相比，使用項目包裹不會改變結構參數的估計。
Yuan, K. -H., Bentler, P. M., & Kano, Y. (1997). On averaging variables in a CFA model. Behaviormetrika, 24, 71–83.
- 要求樣本數減少: 結構方程模式, 對樣本容量有一定的要求。有建議說樣本應當是題目(指標)數量的 10 倍以上。打包法可以使模型更加簡潔，使得要得到穩定模型的需求樣本量也相對減少
- 改善數據偏態問題:非常態對SEM的結果正確性影響很大。打包法有助於改善數據非常態問題(Bandalos & Finney, 2001; Hau & Marsh, 2004)。即使原始數據嚴重非正態(如偏度 5.0, 峰度 25.0), 打包後也會變 成 近 似 正 態 分 布 ( 偏 度 0.5-1.5, 峰 度 -5.0 －5.0)(Bandalos, 2002)。
題目打包法缺點:
- 打包法忽略了題目誤差之間的關聯: 如下圖螢光處，若兩個題目的誤差有所關聯時(誤差共變項 )，在使用打包法之後,兩個變項被打包成一個，所以兩個題目的誤差共變項將被忽略，所以需要先對題目的誤差相關進的重要性行分析與探討。
- 要求條件不少:打包的變項前提條件是單維、單因素, 適合結構模型分析
- 不適合測量模型分析。例如:因素分析。在因素分析中不適合用打包法, 因為打包隱藏了因子分析關注的信息, 如題目是否存在跨因子現象(即一個題目和多個因素有高關聯)。
题目打包的策略
無子量表測驗的打包策略
因子平衡法:這種方法平衡了題目獨特成分之間的關係, 意欲讓每個小組有差不多的因素負荷量和變異量。模 型 擬 合 比 較 好，且容易掩蓋真實的結構(Bandalos, 2008; Kim & Hagtvet, 2003; Little et al., 2002)。做法如下: 先進行因子分析, 把題目按因素負荷量大小由高到低排列, 然後根據小組數將題目輪流由高到低、再反過來依次排列。比如說有 6 個題目, 要打包 3 個組合變項, 則這 6 個題目按照負荷由高到低，1 表示負荷最高的題目，6表示負荷最低的題目。排列後, 再按照如下方式排列：
1 2 36 5 4
隨機法: 即題目隨機打包, 包括完全隨機、奇數和偶數隨機打包等。, 打包後, 每個指標有類似的誤差變異量。隨機法簡單易行, 從概念上說, 不受樣 本 的 影 響 , 因 此 值 得 推 薦 (Matsunaga, 2008)。然而, 如果題目變異量差異不小時, 打包結果會產生偏差, 更加偏向變異量大的題目(Little et al., 2002)。
有子量表測驗的打包策略
如果每個維度的題目不重合, 各自組成一個子量表,應該改採用有子量表測驗的打包策略。
內部一致性法(internal-consistency approach ), 也叫獨立打包法(isolated parceling), 是把同一因子下的題目打包, 強調各小組內題目的一致性, 實質是讓組內差異變小 。比如, 一個量表有三個因素共 9 個題目, 因素 1 包含題目1、2、3, 因素 2 包含題目 4、5、6, 因素 3 包含題目 7、8、9, 要打包成三個指標。如下所示:
指標1:題目1、2、3
指標2:題目4、5、6指標2:題目7、8、9
您的研究遇到了統計分析的困難嗎？您需要專業的統計諮詢和代跑服務嗎？請點我看提供的服務
224會員
124內容數
文章內容以圖像式和步驟化方式，教您如何在各種統計軟體中(例如:SPSS、R和Mplus)，執行多種統計方法。此外，我還會分享一些學術和科技新知，幫助您在學術之路上走得更順利。
留言0
查看全部
你可能也想看
Google News 追蹤
嘿，大家新年快樂~ 新年大家都在做什麼呢？
跨年夜的我趕工製作某個外包設計案，在工作告一段落時趕上倒數。
然後和兩個小孩過了一個忙亂的元旦。在深夜時刻，看到朋友傳來的解籤網站，興致勃勃熬夜體驗了一下，覺得非常好玩，或許有人玩過了，但還是想寫上來分享紀錄一下~
題目敘述 Combination Sum II_Leetcode #40
給定一個整數陣列candidates 和 目標值target。
每個陣列元素只能選擇一次，請問有多少種組合方法，可以使得組合數總和 = target?
請把滿足組合數總和 = target的組合方法以陣列的形式返回答案
數據驅動的專案管理如何提升決策質量，涵蓋數據收集與管理、數據分析策略、實際應用技巧，以及面臨的挑戰和解決方案。通過描述性分析、診斷性分析、預測性分析和規範性分析，專案經理能夠優化資源分配、進度管理和風險控制，確保專案順利進行。
IELTS Writing Task 2議論文寫作，又稱申論題，過去十五到二十年來常見的題型有三種：
探討兩造
因果方案
同意程度
如何一眼一秒識別題型呢？答案是：看指令詞。除了因果方案型沒有固定的指令詞，另外兩種都有二十年以來固定不曾改變的句子。
Some people think
以前考試最愛買參考書，參考書的編排通常是重點精華+題目+詳解。
不愛讀課本，只看重點精華就去做題目，以為這樣可以節省時間，做題目的時候模模糊糊，A好像也對，C看起來也很像...，根本沒搞清楚基本原理，又要重頭念一次。
才發現重點要自己整理，整理的過程是釐清內容和鞏固記憶最重要的環節。
整理是一
這篇文章，會帶大家快速回顧DFS+回溯法框架(還沒看過或想複習的可以點連結進去)。
用DFS+回溯法框架，解開 組合數之和 Combination Sum 的全系列題目。
幫助讀者鞏固DFS+回溯法框架這個重要的知識點。
回顧 DFS+回溯法框架
白話的意思
# 列舉所以可能的情況，
你是否曾經發送過問卷後，但只收到寥寥無幾的回應？或許問題不在於你的目標受眾，而是問卷本身！掌握良好問卷設計的關鍵步驟，能否大幅提升回應率呢？這篇文章就會帶你一起探索超實用六步驟問卷設計秘笈，並獲取專業題目設計範本，讓你的調研數據質量倍增！
在《為什麼這樣工作會快、準、好》一書中，作者Charles Duhigg介紹了「工程設計流程（engineering design process）」決策法，這是一套要求人們在解決問題的過程中，需要根據以下幾個步驟：明確界定問題、蒐集資料、提出解決方案、討論選擇並透過持續的實驗找到最好答案。其實這個
我們常把研究分成量化與質性兩種不同的方法（當然不止這兩種方法），其中量化分析主要在討論變數與變數的關係，而質性分析則在變數間在的互動過程與事件。因此通常在進行質性研究時，我們需要收集大量田野調查或訪談資料。做過訪談的人都知道，訪談後需要反覆的聆聽訪談錄音並將其轉化為訪談逐字稿，這是一個大工程，還好現
嘿，大家新年快樂~ 新年大家都在做什麼呢？
跨年夜的我趕工製作某個外包設計案，在工作告一段落時趕上倒數。
然後和兩個小孩過了一個忙亂的元旦。在深夜時刻，看到朋友傳來的解籤網站，興致勃勃熬夜體驗了一下，覺得非常好玩，或許有人玩過了，但還是想寫上來分享紀錄一下~
題目敘述 Combination Sum II_Leetcode #40
給定一個整數陣列candidates 和 目標值target。
每個陣列元素只能選擇一次，請問有多少種組合方法，可以使得組合數總和 = target?
請把滿足組合數總和 = target的組合方法以陣列的形式返回答案
數據驅動的專案管理如何提升決策質量，涵蓋數據收集與管理、數據分析策略、實際應用技巧，以及面臨的挑戰和解決方案。通過描述性分析、診斷性分析、預測性分析和規範性分析，專案經理能夠優化資源分配、進度管理和風險控制，確保專案順利進行。
IELTS Writing Task 2議論文寫作，又稱申論題，過去十五到二十年來常見的題型有三種：
探討兩造
因果方案
同意程度
如何一眼一秒識別題型呢？答案是：看指令詞。除了因果方案型沒有固定的指令詞，另外兩種都有二十年以來固定不曾改變的句子。
Some people think
以前考試最愛買參考書，參考書的編排通常是重點精華+題目+詳解。
不愛讀課本，只看重點精華就去做題目，以為這樣可以節省時間，做題目的時候模模糊糊，A好像也對，C看起來也很像...，根本沒搞清楚基本原理，又要重頭念一次。
才發現重點要自己整理，整理的過程是釐清內容和鞏固記憶最重要的環節。
整理是一
這篇文章，會帶大家快速回顧DFS+回溯法框架(還沒看過或想複習的可以點連結進去)。
用DFS+回溯法框架，解開 組合數之和 Combination Sum 的全系列題目。
幫助讀者鞏固DFS+回溯法框架這個重要的知識點。
回顧 DFS+回溯法框架
白話的意思
# 列舉所以可能的情況，
你是否曾經發送過問卷後，但只收到寥寥無幾的回應？或許問題不在於你的目標受眾，而是問卷本身！掌握良好問卷設計的關鍵步驟，能否大幅提升回應率呢？這篇文章就會帶你一起探索超實用六步驟問卷設計秘笈，並獲取專業題目設計範本，讓你的調研數據質量倍增！
在《為什麼這樣工作會快、準、好》一書中，作者Charles Duhigg介紹了「工程設計流程（engineering design process）」決策法，這是一套要求人們在解決問題的過程中，需要根據以下幾個步驟：明確界定問題、蒐集資料、提出解決方案、討論選擇並透過持續的實驗找到最好答案。其實這個
我們常把研究分成量化與質性兩種不同的方法（當然不止這兩種方法），其中量化分析主要在討論變數與變數的關係，而質性分析則在變數間在的互動過程與事件。因此通常在進行質性研究時，我們需要收集大量田野調查或訪談資料。做過訪談的人都知道，訪談後需要反覆的聆聽訪談錄音並將其轉化為訪談逐字稿，這是一個大工程，還好現