淡江大學覺生紀念圖書館 (TKU Library)
進階搜尋


下載電子全文限經由淡江IP使用) 
系統識別號 U0002-1807201315291800
中文論文名稱 以SEM方法分析精神病學敏感議題資料時採用資料插補法的必要性及適宜性
英文論文名稱 The Necessity and Appropriateness of Applying Data Imputation in Analyzing Sensitive Psychiatry Data by SEM
校院名稱 淡江大學
系所名稱(中) 數學學系碩士班
系所名稱(英) Department of Mathematics
學年度 101
學期 2
出版年 102
研究生中文姓名 許芳瑋
研究生英文姓名 Fang-Wei Hsu
學號 600190309
學位類別 碩士
語文別 中文
口試日期 2013-06-27
論文頁數 28頁
口試委員 指導教授-張玉坤
委員-傅瓊瑤
委員-彭成煌
中文關鍵字 遺漏值  最大期望法  結構方程式 
英文關鍵字 Missing data  Expectation maximization  Structural equation modeling 
學科別分類 學科別自然科學數學
中文摘要 精神病學之研究資料除了遺漏值問題外,整組資料實屬於多測量多因果的問題。若以傳統的廣義線性模式針對各項測量值分別進行分析,雖能簡化分析結果的解讀,但容易產生結果不一致現象。若能以結構方程式來建構彼此間整體的因果關係,就可有效避免此種結果不一致的現象發生。但傳統結構方程式的使用,除了對整體資料有多變量常態的要求外,更重要的是資料必須是獨立且不得有遺漏值。雖然統計軟體已陸陸續續納入最大期望法的功能,但其適用性(或差異性)卻未呈現。有鑑於此,本研究將針對遺漏值議題,以精神病學之實際研究資料依遺漏值不同嚴重度來進行最大期望法後,再以結構方程式分析並將所獲結果進行比較,進而比較最大期望法的適用性(或差異性)。
英文摘要 Besides the missing data problem, the entire psychiatry data usually is multiple indicators and multiple causes (MIMIC). Using generalized linear models (GLM) to analyze the results for each indicator, the interpretation of the results can be simplified but could end up with inconsistent conclusions. Structural equation modeling (SEM) is an appropriate method to solve this MIMIC problem and avoid the potential inconsistent results. However, SEM require the data to be independently multiple normally distributed and, in addition, no missing data. Although the packages provide EM method, the appropriateness of the analytic results has not been presented. Accordingly, in this study, we are going to compare the appropriateness of using EM methods to various severities of missing data in psychiatry studies based on the results obtained from SEM.
論文目次 第一章 緒論 1
第一節 研究背景與目的 1
第二節 注意力不足過動症各量表解釋 3
第二章 結構方程式 6
第一節 結構方程式 6
第二節 結構方程式之模型適配指標 7
第三章 研究資料與分析方法 8
第一節 研究資料 8
第二節 分析方法 9
第四章 分析結果與比較 12
第一節 注意力缺陷過動症量表與兒童異常行為檢核表 12
第二節 注意力缺陷過動症量表與(父母)症狀自評量表 16
第三節 注意力缺陷過動症量表與兒童青少年社會適應量表 18
第四節 注意力缺陷過動症量表、(父母)症狀自評量表與兒童青少年社會適應量表 20
第五節 插補法與刪除法之比較 23
第五章 結論 26
第六章 討論與建議 27
參考文獻 28
圖目錄
圖2.1. 1:結構方程模式之基本架構 6
圖4.1. 1:SNAP與CBCL治療前 13
圖4.1. 2:SNAP與CBCL治療後 14
圖4.2. 1:SNAP與SCL之治療前 17
圖4.2. 2:SNAP與SCL之治療後 17
圖4.3. 1:SNAP與SAICA之治療前 19
圖4.3. 2:SNAP與SAICA之治療後 19
圖4.4. 1:SNAP、SCL與SAICA之治療前 21
圖4.4. 2:SNAP、SCL與SAICA之治療後 21
圖4.5. 1:SNAP與CBCL治療前(刪除法) 24
圖4.5. 2:SNAP、SCL與SAICA之治療後(刪除法) 25

表目綠
表4.1. 1:SNAP與CBCL治療前與治療後的適配指標 13
表4.1. 2:SNAP與CBCL測量變項間探討之相關 14
表4.2. 1:SNAP與SCL治療前與治療後的適配指標 16
表4.3. 1:SNAP與SAICA之治療前與治療後的適配指標 18
表4.4. 1:SNAP、SCL與SAICA之治療前與治療後的適配指標 20
表4.4. 2:SNAP、SCL與SAICA測量變項間探討之相關 22
表4.5. 1:SNAP與CBCL,插補法與刪除法的各適配指標的適配值 23
表4.5. 2:SNAP、SCL與SAICA,插補法與刪除法的各適配指標的適配值 24
參考文獻 Dempster﹐Laird and Rubin(1977)﹐Maximum Likelihood from Incomplete Data via the EM Algorithm,
Daire Hooper, Joseph Coughlan, and Michael R. Mullen (2008), Structural Equation Modelling: Guidelines for Determining Model Fit, Electronic Journal of Business Research Methods, V 6 (n1), p. 53-60.
Little, R.J.A. and Rubin, D.B. (1987), Statistical Analysis with Missing Data, New York: John Wiley & Sons, Inc.
Rubin, D.B. (1987), Multiple Imputation for Nonresponse in Surveys, New York: John Wiley & Sons, Inc.
Tabachnick, B.G., & Fidell, L.S. (2006). Using multivariate statistics (5th ed.),Needham Heights,MA:Allyn and Bacon.
IBM SPSS Statistics 19 Core System

邱皓政(2011),結構方程模式(二版),雙葉書廊有限公司
陳順宇(2007),結構方程模式,心理出版社
黃芳銘(2006),結構方程模式,理論與應用,五南出版社
吳明隆(2007),結構方程模式-AMOS的操作與應用,五南出版社
論文使用權限
  • 同意紙本無償授權給館內讀者為學術之目的重製使用,於2014-08-01公開。
  • 同意授權瀏覽/列印電子全文服務,於2014-08-01起公開。


  • 若您有任何疑問,請與我們聯絡!
    圖書館: 請來電 (02)2621-5656 轉 2281 或 來信