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。
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。
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。