臺灣博碩士論文加值系統

在本研究中，主要是應用資料加權的相關方法，處理於因素分析時資料缺失的問題，並與其他相關資料缺失處理方法比較。本篇研究使用第二波長期教育追蹤資料，除了原始資料以外，也利用其原始資料的缺失結構，以隨機的方式製造不同缺失比例的缺失資料，以比較處理缺失的方法，在不同缺失比例的情況下的處理效果。

針對於資料加權方法，本篇論文探討多種加權方式，包括：依非缺失資料之基本問項結構加權、缺失資料逐項加權、基本資料問項結構下缺失資料逐項加權等。針對每一種加權方法，以逐筆不同缺失比例，我們將比較不同的加權方法及因子個數、特徵值、因子主要變項、因素負荷的表現。也將與其他缺失資料處理方法比較加權的方式，對於問卷中有關心理健康的問項進行加權，而後進行心理健康問題的因素分析。

Our study is to apply weighting methods in dealing with the problem in incomplete data analysis under factor analysis, and compare with other methods for missing data. The data we used were got from the second wave Taiwan Education Panel Survey (TPES), and used structure of original missing data to make missing data of various missing proportion randomly to compare with the effects of different weighting methods among different missing proportions.
Be aimed at weighting method, this study discussed numerous ways to weigh data which comprised weighting by demographic data, mental health data, and the feature of missing data under demographic data. To comparison with weighting method for each missing proportion, we observed presentation of number of factors, eigenvalue, main factor variables, and factor loading. Based on weighting method, we compared with other common method of missing data procedures as well, and weighed mental health questions in questionnaire, and then proceed with factor analysis.

第一章 緒 論------------------------------------------------------------------------- 1
第一節 研究目的-------------------------------------------------------------------- 1
第二章 相關文獻---------------------------------------------------------------------- 2
第一節 資料缺失與缺失機制----------------------------------------------------- 2
第二節 處理資料缺失的方法----------------------------------------------------- 3
第三節 加權方法的應用----------------------------------------------------------- 4
第三章 研究方法---------------------------------------------------------------------- 6
第一節 研究流程-------------------------------------------------------------------- 6
第二節 分析資料-------------------------------------------------------------------- 7
第三節 缺失資料的建立----------------------------------------------------------- 8
第四節 針對處理資料缺失情形的必要性-------------------------------------- 10
第五節 處理資料缺失的加權方法----------------------------------------------- 10
第六節 比較不同處理資料缺失之加權方法應用在因素分析的效果----- 13
第四章 資料分析及結果討論----------------------------------------------------- 15
第一節 不同缺失比例資料集的建構--------------------------------------------- 16
第二節 針對處理資料缺失情形的必要性分析--------------------------------- 17
第三節 應用加權方法處理缺失資料進行因素分析--------------------------- 20
第四節 應用加權方法處理缺失資料之因素分析比較------------------------ 25
第五節 整合各隨機抽取缺失資料集之加權方法比較------------------------ 35
第六節 整合各隨機抽取缺失資料集之總評量指標--------------------------- 37
第七節 隨機抽取缺失資料集之一致性比較------------------------------ 41
第五章 結論與建議------------------------------------------------------------------- 42
參考文獻------------------------------------------------------------------------- 44
附錄-------------------------------------------------------------------------------------------- 46
附表一 缺失資料之缺失結構------------------------------------------------------- 47
附表二 各個隨機抽取資料集使用不同加權方法之因素分析結果---------- 49

目 錄

第一章 緒 論------------------------------------------------------------------------- 1
第一節 研究目的-------------------------------------------------------------------- 1
第二章 相關文獻---------------------------------------------------------------------- 2
第一節 資料缺失與缺失機制----------------------------------------------------- 2
第二節 處理資料缺失的方法----------------------------------------------------- 3
第三節 加權方法的應用----------------------------------------------------------- 4
第三章 研究方法---------------------------------------------------------------------- 6
第一節 研究流程-------------------------------------------------------------------- 6
第二節 分析資料-------------------------------------------------------------------- 7
第三節 缺失資料的建立----------------------------------------------------------- 8
第四節 針對處理資料缺失情形的必要性-------------------------------------- 10
第五節 處理資料缺失的加權方法----------------------------------------------- 10
第六節 比較不同處理資料缺失之加權方法應用在因素分析的效果----- 13
第四章 資料分析及結果討論----------------------------------------------------- 15
第一節 不同缺失比例資料集的建構--------------------------------------------- 16
第二節 針對處理資料缺失情形的必要性分析--------------------------------- 17
第三節 應用加權方法處理缺失資料進行因素分析--------------------------- 20
第四節 應用加權方法處理缺失資料之因素分析比較------------------------ 25
第五節 整合各隨機抽取缺失資料集之加權方法比較------------------------ 35
第六節 整合各隨機抽取缺失資料集之總評量指標--------------------------- 37
第七節 隨機抽取缺失資料集之一致性比較------------------------------ 41
第五章 結論與建議------------------------------------------------------------------- 42
參考文獻------------------------------------------------------------------------- 44
附錄-------------------------------------------------------------------------------------------- 46
附表一 缺失資料之缺失結構------------------------------------------------------- 47
附表二 各個隨機抽取資料集使用不同加權方法之因素分析結果---------- 49


圖目錄

圖一 製造缺失資料集範例---------------------------------------------------------------------- 8

表目錄

表1 各資料集的缺失比例表------------------------------------------------------------------ 16
表2 重複隨機選取五次各資料集的八題心理健康問項完整資料筆數表------------ 16
表3 五次隨機抽取缺失資料之不同缺失比例與基準資料集的共變異矩陣檢定表 19
表4 排除缺失之完整資料樣本數一覽表--------------------------------------------------- 20
表5 第一組隨機抽取的缺失資料八題心理健康問項未缺失個數--------------------- 21
表6 第一組隨機抽取缺失資料八題心理健康問項加權的權重------------------------ 22
表7 各缺失比例完整資料樣本數------------------------------------------------------------ 22
表8 基準資料集次數分配表------------------------------------------------------------------ 23
表9 缺失10%資料集次數分配表------------------------------------------------------------ 23
表10 Drop1以t10資料26題為例---------------------------------------------------------- 24
表11 Drop1加權前後處理缺失資料後，因素分析的估計效果表-------------------- 26
表12 Drop2加權前後處理缺失資料後，因素分析的估計效果表-------------------- 28
表13 Drop3加權前後處理缺失資料後，因素分析的估計效果表-------------------- 30
表14 Drop4加權前後處理缺失資料後，因素分析的估計效果表-------------------- 32
表15 Drop5加權前後處理缺失資料後，因素分析的估計效果表-------------------- 34
表16 整合各隨機抽取資料集之加權方法比較表---------------------------- 36
表17 Drop1與相對應之特徵值作為權重的因素負荷表---------------------- 37
表18 Drop2與相對應之特徵值作為權重的因素負荷表---------------------- 38
表19 Drop3與相對應之特徵值作為權重的因素負荷表---------------------- 38
表20 Drop4與相對應之特徵值作為權重的因素負荷表---------------------- 39
表21 Drop5與相對應之特徵值作為權重的因素負荷表---------------------- 39
表22 各資料組(drops)與相對應之特徵值作為權重的整合因素負荷表---------- 40

Anderson, T.W. (1984). An introduction to multivariate statistical Analysis, 2nd ED. John Wiley & Sons, New York.

Banerjee, K. S., (1948). Weighing designs and balanced incomplete blocks. Institute of Mathematical Statistics.

Browne, M. W. (1984). The decomposition of multitrait-multimethod matrices. British Journal of Mathematical and Statistical Psychology, 37, 1– 21.

Drasgow, F. (1986). Polychoric and Polyserial Correlations. Encyclopedia of Statistical Sciences, 7, 68–74.

Hagemann, M., and Schenk, O. (2006). Weighted matchings fir preconditioning symmetric indefinite linear systems. Society for Industrial and Applied Mathematics, 28(2), 403–420.

Ibrahim, J. G. (1990). Incomplete data in generalized linear models. Journal of the American Statistical Association, 85, 765–769.

Jöreskog, K. G. (1990). New developments in LISREL: analysis of ordinal variables using polychoric correlations and weighted least squares. Quality and Quantity 24(4) , 387 – 404.

Lipsitz, S. R., Molenberghs, G., Fitzmaurice, G. M., and Ibrahim, J. (2000). GEE with Gaussian Estimation of the correlations when data are incomplete. Biometrics, 56(2), 528-536.

Moustaki, I., and Knott, M. (2000). Weighting for item non-response in attitude scales by using latent variable models with covariates, Royal Statistical Society, 163(3), 445-459.

Olsson, U. (1979). Maximum likelihood estimation of the polychoric correlation coefficient. Psychometrika, 44(4), 443-460.




Otwombe, K.N., and Galpin, J. (1990). Weighting method for binary longitudinal data with incomplete covariates and outcomes incorporating auxiliary information. Retrieved April 4, 2009, from http://www.statssa.gov.za/ycs/SpeakerPresentations
/Acropolis5/Day3/Session%20VIIID_Prof.%20Jacky%20Galpin/Otwombe%20Kennedy.pdf

Rubin, D. B. (1976). Inference and missing data. Biometrika, 63, 581-592.

Schafer, J. L. (1997). Analysis of Incomplete Multivariate Data, New York:
Chapman and Hall.

Schafer, J. L., and Graham, J. W. (2002). Missing data: our view of the state of the art. Psychological Methods, 7(2), 147–177.

Takeda, E., and Satoh, J. (2000). A data envelopment analysis approach to multicriteria decision problems with incomplete information. Computers & Mathematics with Applications, 39(9-10), 81-90.

Wang, Hong-Long, Chun-Ju Chen, Meng-li Yang, and Ting H. Lin (2008), Exploratory factor analysis for Incomplete Ordinal data, International Conference on Survey Research Methodology, 2008第八屆「調查研究方法與應用」國際學術研討會, Sep.11-12, 2008, Taipei, Taiwan ROC.