量表開發資料品質稽核
EFA/CFA 前的問卷資料品質檢查
描述
此技能會針對量表開發研究所蒐集的原始問卷資料，從遺漏資料、離群觀測值、粗心作答（straightlining、longstring、random responding）、題目層級的分布異常、信度與可因素分析之前提等面向，進行系統性的品質稽核。不會產出最終的 EFA/CFA 結果；而是根據證據判斷資料是否已準備好進入後續分析階段，並提出分層分割樣本（EFA/CFA split）的建議。所有計算皆透過實際執行程式碼（Python：pandas、scipy、factor_analyzer、pingouin）完成，不會產生假設性數值。
相關技能
查看全部
量表開發資料前置審查
當您需要在進行 EFA/CFA 或最終信度分析前，從心理計量資料品質的角度審查由專業問卷公司蒐集的原始量表開發資料（Excel/CSV）時，即可使用此技能。它會全面評估缺失值、離群值、隨意作答、作答偏誤、題目品質與樣本數充足性，並產出 Go/No-Go 決策；不會修改資料，僅提供診斷與審查報告。
效度與信度報告撰寫器
根據您的 EFA 或 CFA 分析輸出（KMO、Bartlett 檢定、因素負荷量、適配度指標、Cronbach α／CR／AVE），產生可直接用於論文的完整「方法」＋「結果」文字。正確分類適配度指標的門檻值（CFI/TLI≥.90、RMSEA≤.08 等），並在不隱瞞效度問題的情況下，如 AVE<0.50，清楚加以說明。適用對象：進行量表開發或翻譯與調適研究的學者及研究生。
量表開發資料品質稽核
EFA/CFA 前的問卷資料品質檢查
描述
此技能會針對量表開發研究所蒐集的原始問卷資料，從遺漏資料、離群觀測值、粗心作答（straightlining、longstring、random responding）、題目層級的分布異常、信度與可因素分析之前提等面向，進行系統性的品質稽核。不會產出最終的 EFA/CFA 結果；而是根據證據判斷資料是否已準備好進入後續分析階段，並提出分層分割樣本（EFA/CFA split）的建議。所有計算皆透過實際執行程式碼（Python：pandas、scipy、factor_analyzer、pingouin）完成，不會產生假設性數值。
相關技能
查看全部量表開發資料前置審查
當您需要在進行 EFA/CFA 或最終信度分析前，從心理計量資料品質的角度審查由專業問卷公司蒐集的原始量表開發資料（Excel/CSV）時，即可使用此技能。它會全面評估缺失值、離群值、隨意作答、作答偏誤、題目品質與樣本數充足性，並產出 Go/No-Go 決策；不會修改資料，僅提供診斷與審查報告。
效度與信度報告撰寫器
根據您的 EFA 或 CFA 分析輸出（KMO、Bartlett 檢定、因素負荷量、適配度指標、Cronbach α／CR／AVE），產生可直接用於論文的完整「方法」＋「結果」文字。正確分類適配度指標的門檻值（CFI/TLI≥.90、RMSEA≤.08 等），並在不隱瞞效度問題的情況下，如 AVE<0.50，清楚加以說明。適用對象：進行量表開發或翻譯與調適研究的學者及研究生。
發現下一個適合你的技能
繼續探索更多精選 AI 技能，用於研究、創作和日常工作。