隨著橫斷性研究設計(cross-sectional study)的限制愈來愈多,例如單一時間點單一受試者來源可能會出現嚴重的共同方法變異(common method variance, CMV),一或者是單一時間點蒐集自變數和依變數,較難推斷這兩者之間的因果關係。

有一些研究學者主張以跨時間點的資料蒐集方式,降低CMV問題,亦增強自變數對依變數的預測關係。這樣的學術研究現象與趨勢,促成近年來許多研究開始採用縱貫性研究設計(longitudinal study)(吳齊殷、張明宜、陳怡蒨,2008)。

縱貫性研究的基本定義可視為蒐集同一資料來源兩個(含)以上時間點的資料,然而縱貫性研究資料除了以一般的迴歸分析之外,是否有其他適用的統計分析方法呢?本篇目的即為彙整當前縱貫性研究設計常見的統計分析方法有哪些,提供給大家參考。

一、重複量數變異數(Repeated measured ANOVA)

二、潛在成長模型(latent growth model, LGM)

  • 基本假設為受試者在某一變數的「改變」和「研究者測量時間內的消長變化」視為有關連性的。
  • 至少需要三個測量時間點
  • 相較於重複量數變異數分析之優點:可接受遺漏值(missing data)、測量時間可為不等距、可違反同質性之假設(余民寧,2013)。

三、時間序列(time series)

  • 瞭解和評估某一變數隨時間變化之趨勢,或用來預測未來的趨勢。
  • 建構時間序列模型的步驟涵蓋:1鑑定(identification);2估計與診斷(estimation and diagnosis);3預測(forecasting)(楊銘欽、李姣姿、邱尚志,2004)。

 

參考文獻

余民寧(2013)。書評:潛在成長曲線模式。當代教育研究季刊,21(2),149-159。

吳齊殷、張明宜、陳怡蒨(2008)。尋找機制與過程:長期追蹤研究的功用。αβγ量化研究學刊,2(1),1-26。

楊銘欽、李姣姿、邱尚志(2004)。供需成本節制對健保醫療費用影響之時間序列分析。台灣公共衛生雜誌,23(5),377-387。