[概念]電腦適性化測驗(computerized adaptive test，CAT)

適性測驗之定義

一種測驗方式可讓受試者僅針對符合其能力的題目作答，能有助於提高測驗效能。

適性測驗之方法

以中等難度的題目當作開始題目。若答錯第一題，則第二題則選擇較簡單之題目；若答對則給予較困難之題目。以此類推。

CAT定義

1. 以電腦代替施測者選擇題目給予受試者施測
2. 可快速選擇相稱於受試者能力之題目，連續估計受試者能力水準，使受試者的能力估計更加精確。

CAT優點

1. 較傳統測驗更提升施測效能，即能夠利用少數題目得到高度且準確的分數。
2. 較傳統測驗更能維持測驗之保密，避免洩題。
3. 於大規模的測驗計畫中，電腦化適性測驗聚有相當高的投資報酬率。

CAT缺點

1. 若受試者很少的情況下，電腦化適性測驗花費顯得較為不划算，部分原於電腦硬體與維護的投資。

參考資料

1. 適性測驗

[統計]Bland-Altman圖 & limits of agreement

其實這篇不是第一篇關於B-A圖跟LoA了，但是這次在寫討論的時候還是說不出個所以然來。
直到我看到了一句話，突然解開畫B-A圖、算LoA跟使用ICC計算再測信度的差異（當然，也有老師的指點，只是在討論的當下我好像還沒有馬上抓到重點。）
抱歉這麼晚釐清，但是釐清真的很爽。

結論：兩者的差異在於ICC是計算團體層級的再測信度，B-A圖跟LoA因為是個別分數的散佈圖，所以能反映出個體層級的再測信度，這才是這兩者分開討論最主要的差異。

參考文獻：
wikipedia Inter-rater reliability

Bland and Altman have expanded on this idea by graphing the difference of each point, the mean difference, and the limits of agreement on the vertical against the average of the two ratings on the horizontal.
The resulting Bland–Altman plot demonstrates not only the overall degree of agreement, but also whether the agreement is related to the underlying value of the item. For instance, two raters might agree closely in estimating the size of small items, but disagree about larger items.

2018.09.20～2019.02.01總整理(20190201持續更新)

英文

準備英文口頭報告SOP

l   理解並掌握欲報告之主要概念

l   報告前撰寫講稿，並且給LYNN確認英文文法

l   PPT製作時呈現重點，可使用圖表輔助講解

困難及問題(藍色)/解決方法(橘紅色)：

l   理解概念需要先將英文翻成中文，之後再將理解之中文翻回英文確認意思。可嘗試看完文獻後直接用英文寫出本段重點，之後再彙整每段之重點。

l   沒有撰寫講稿之習慣，或事前未規劃足夠之時間準備。養成每周以英文簡短彙整一篇文獻 (前言部分)

l   準備PPT時（以文獻報告為例），會習慣將該文獻之第一段每一段落都做成一張PPT。應該先將概念理解之後，重新排列組合，以凸顯重點。

寫作自我檢核

整體

l   前後是否呼應

l   主題、研究目的、內文是否呼應

l   如果自己不確定是否有寫好（如重要性），可先檢查自己那些文字有提到

段落層級

l   主題句是否凸顯主旨、段落主題

l   是否有結論句

l   結論句是否與之前過多重覆

l   是否包含過多意思相近之名詞

句子層級

l   主詞、動詞是否明確

閱讀文章

單字無法藉由查字典理解

l   整本書/文章前後文是否有提過，或是否有該文字之定義

l   找該作者其他相關文獻之解釋，或其他該領域之學者如何解釋

l   不確定之段落不要自行腦補解釋，應根據白紙黑字理解

分析方法

SPSS統計分析SOP

l   前置：點確定之前都先點"貼上之後"，保留語法

l   確認資料是否有遺漏

l   確認資料之正確性/完整性 (頻率分析)-天花板/地板效應

l   確認資料之分配型態 (描述性統計)-Mean/SD/偏態/峰度

l   遺漏值之補救(是否插補與老師/團隊討論，基本不插補)

l   再測信度(兩兩跑ICC，記得設定ICC model)

l   如果有再測，pool所有評估的時間，然後算MD/SD(SD只能EXCEL彙整之後求出)

l   pair t-test求difference of MD、SD及顯著等級

l   SEM/MDC/effect size之計算(EXCEL寫公式求出)

l   確認誤差異質性 (資料點絕對值後計算相關係數)

l   同時效度/收斂效度/生態效度 (評估工具之間之相關係數)

l   確認重點指標 (表格呈現時之取捨)

概念釐清

1.      評估工具測量到之概念無共識/目前研究對於某一概念無共識（如ToM）

l   彙整目前研究常用之概念為何

l   該研究領域主要研究者寫出來之概念為何

2.      欲分析之項目過多如何判斷？

l   作者採用之計分方法

l   確認標準計分方式

l   確認目前常用之計分方式

 自己應該還有更多不足之部分，想到的話會再更新

[學習筆記]迴歸分析是否能夠探討因果

今天文獻評析小考的題目：

“Q1a. 主題是探討變項之相關，統計分析 (regression) 顯示關連程度，這些代表因果關係嗎？”

檢討前，當然還是先問Google，彙整之後我寫的答案為：
“A1a. 是的，迴歸分析為探討某一變項與另一變項之依賴情形，且就統計方法上，迴歸分析可將兩變項寫出一迴歸分析式，所以此統計方式可以探討其因果關係。但相關分析則僅能探討關聯程度，無法確認誰是誰的因。”(迴歸分析的觀念錯了)

檢討時得到的答案發現自己寫錯了，當下當然覺得很奇怪，為什麼和自己參考的答案不同。
一天的課程結束後，再看一次自己參考的資料，結果發現自己又犯了斷章取義/過度推測的錯誤。

因此重新統整一次迴歸分析與相關分析的比較：
1.  如何決定使用迴歸分析或相關分析的時機？
應從分析數據的目的及數據性質來判斷。迴歸分析為探討依變項(dependent variable)y對於一個自變項(independent variable)x的依賴情形。x可利用實驗設計加以控制，並且藉由迴歸方程式來說明x的改變可能造成y的改變。相關分析是探討兩變項互相依賴之程度，及一起變異之程度。因兩變項間無一方程式可說明兩者的依賴情形，所以沒有自變項與依變項之分。常用於探討測定一群體之變項互相關聯的程度，則採用相關分析。

2. 迴歸分析跟相關分析可以決定變項間的因果關係嗎？
不行，雖然迴歸分析之依變項與自變項間有一迴歸方程式可以說明兩者之間的關聯，但是僅能表示「操作自變項x可能會造成依變項y的變異」，並不能證明x的改變是y變異的原因。相關分析亦不能探討變項間之因果關係，只能探討變項間互相關聯的程度。



之後如果有學到關於迴歸分析或相關分析的概念再行補上。

[學習筆記]R code筆記及目前遇到的問題記錄

R code筆記

問題與心統助教交流：
Q：計算變異數及標準差使用n或n-1做為分母時，是否有規定什麼時候可以使用n或n-1，還是是依據計算者主觀的想法？目前我認為/理解的概念是如果描述統計資料為已知，不須估計，則自由度為n(分母就使用n)；描述統計資料未知時，則需估計，此時自由度為n-1(分母就使用n-1)。但我不確定是不是就是樣本是否能代表母群的意思？
A：n/n-1 取決於怎麼解讀樣本，如果要用樣本推論母群，那麼變異數就要除以n-1，才會是母群變異的不偏估計。如果不推論母群，那就除以n，表示單純看樣本變異情形。選用什麼當作分母都可以，但是需要解釋為什麼這麼選擇。

Intraclass Correlation Coefficients(ICC)

l   10 forms

決定Form的問題：

(1)   對於所有的受測者是否有同一組的施測者？(決定Model)

(2)   是否有一個隨機的rater pool？(決定Model)

(3)   對於單一施測者的信度感興趣還是多施測者的結果感興趣？(決定Type)

(4)   比較關注趨勢(consistency)還是絕對相同的值？(決定Definition)

Model:

(1)   1-way random effects
此Model有個rater pool，每次測驗都從rater pool重新抽選施測者，概化能力最強 (SEM&MDC可用)

(2)   2-way random effects
從rater pool中挑出兩人，結果可概化到其他施測者 (SEM&MDC可用)

(3)   2-way fixed effects
特定的兩位施測者(無rater pool)，信度只能使用於特定的施測者，無法將結果概化到其他施測者。

Type:

→依照研究者的實驗設計而定

(1)   single rater/measurement(單一施測者/評估結果)(單一評估結果)

(2)   multi rater/measurement(多施測者/評估結果)(結果的平均值)

Definition:

→只有2-way random effects及2-way mixed effects可以選

(1)   consistency(評估結果的趨勢)

(2)   absolute agreement(可反映評估結果的差異)

l   功用：適用於驗證評估工具的信度(施測者間信度、施測者內信度、再測信度)

l   選用Form的要點：

1.     研究目的及方法設計為不同(單一施測者還是多施測者)

2.     2-way mixed的model較適用於驗證intrarater reliability及test-retest reliability，但分析結果僅能使用於特定的施測者（無法概化）

3.     intrarater reliability及test-retest reliability的Definition應選用absolute agreement，因為重複施測相同的評估工具的測量值若選用consistency，則無法反映系統性的誤差(如：練習效應)

[LOTCA-II]中風組與腦部外傷組心理計量特性整理(碩論)

蔡佳殷. (2005). 洛文斯坦認知評估第二版國內信效度之檢驗：中風與頭部外傷病患. 高雄醫學大學, Available from Airiti AiritiLibrary database. (2005年)

信度

	中風組	頭部外傷組
內部一致性 Cronbach’s α	α = 0.908 (n=31)	α = 0.942 (n=33)
再測信度 Pearson r	r = 0.949 (n=22)	r = 0.984 (n=20)
施測者間信度 Pearson r	r = 0.994 (n=20)	r = 0.999 (n=20)

效度

	中風組	頭部外傷組
同時效度 Pearson r	(n=20) LOTCA-II總分與WAIS-III各分量表有中至高度相關(r= .56~ .84)；WAIS-III總量表與LOTCA-II總分有中度相關(r= .70) LOTCA-II總分與MMSE總分有中度相關(r= .693) LOTCA-II總分與TVPS總分有低到中度相關(r= .47~ .78) LOTCA-II總分與WCST總分有低到中度相關(r= .46~ .50) LOTCA-II總分與BVRT總分有中度相關(r= .685)	(n=20) LOTCA-II總分與WAIS-III各分量表有低至中度相關(r= .32~ .76)；WAIS-III總量表與LOTCA-II總分有中度相關(r= .61) LOTCA-II總分與MMSE總分有中度相關(r= .812) LOTCA-II總分與TVPS總分有低到中度相關(r= .49~ .83) LOTCA-II總分與WCST總分有低到中度相關(r= .46~ .62) LOTCA-II總分與BVRT總分有中度相關(r= .65)
區辨效度 MANOVA	(n=31) 中風組與正常組之比較，區別正確率為66.1%，中風組正確預測率為58.1%，正常組的正確預測率為67.2%	(n=33) 頭部外傷組與正常組之比較，區別正確率為78.1%，頭部外傷組正確預測率為63.6%，正常組的正確預測率為93.5%

建構效度：使用EFA因素分析，分析結果顯示可由一共同因素解釋變異量為66.96%。