2013年3月1日 星期五

OT滿意度問卷初步分析結果

OT滿意度問卷之項目漏答率 (n=448)
項目編號
項目漏答率 (%)
AT01
0.02
AT06
0.02
AB10
0.05
T06
0.02
E01
0.02
E11
0.04
C01
0.19
C02
0.12
C03
0.02
C04
0.24
C05
0.02
C06
0.03
註:AT向度為職能治療人員的態度;AB向度為職能治療人員的能力;T向度為照護及時;E向度為治療環境;C為校標題



整個量表(12) missing data ≤ 3人數:434
超過一半之項目未填答之人數:4
12個題目都完整填答之人數:266

資料解釋:
C01之項目內容為"您是否同意,這家醫院的職能治療對您的日常生活能力 (例如:穿衣服、洗澡等自我照顧能力)有幫助",C02之項目內容為"您是否同意,這家醫院的職能治療對您的姿勢控制 (如翻身、站立平衡) 能力有幫助",C04之項目內容為"您是否同意,這家醫院的職能治療對您的認知知覺能力(如記憶力、注意力)有幫助"。
C01, C02, C04之項目漏答率偏高,於項目漏答率計算中,有刪除受測者回答6或9之分數。於C01, C02, C04項目中,受測者回答6之項目數分別為53、40、80位,受測者回答9之項目數分別為30、14、26位。此結果顯示有8.2%-16.4% 之受測者不覺得自己有需要職能治療師提供 ADL、姿勢控制、認知知覺能力方面的幫助,有3%-16.4% 之受測者無法回答問題。可能解釋原因有二:(1) 受測者有看護照顧,因此不覺得需要職能治療師提供服務。(2) 受測者不知自己曾接受過ADL、姿勢控制、認知知覺能力之治療,或者受測者沒有接受過ADL、姿勢控制、認知知覺能力之治療,因此不知如何回答問題。

------------------------------------------------------------------------------------------------------------
CFA分析結果
missing data無法分析CFA。已與李晏討論過,李晏建議要使用插補法,才能分析missing data之前與謝老師討論 (2/26),此些missing data不合適使用插補法。因此未使用插補法。


OT滿意度問卷之CFA分析
項目數
χ2
df
χ2/df
CFI
TLI
RMSEA
12 (n=266)
343.84
54
6.37
0.81
0.77
0.14
8 (n=388)
205.03
20
10.25
0.83
0.76
0.16

註明:12題包括AT01, AT06, AB10, T06, E01, E11, C01, C02, C03, C04, C05, C06
8題包括AT01, AT06, AB10, T06, E01, E11, C05, C06
AT向度:職能治療人員的態度;AB向度:職能治療人員的能力;T向度:照護及時;E向度:治療環境;C:校標題
CFA指標判斷標準:χ2/df < 3.0, CFI ≥ 0.95, TLI ≥ 0.95, RMSEA < 0.08


資料解釋:不管是12題或是8題,此些題目都非為單一向度,有可能此些題目可分成2個以上的因素,此些因素可有第二層高階因素。

------------------------------------------------------------------------------------------------------------

4 則留言:

  1. 老師建議(3/1):
    1. 請補充 missing data ≤ 3 人之人數
    2. blog 表格宜加上 title,且表格列數多,宜選擇性加上背景,以提高可讀性
    3. 請分析 C01~C04 等4題,原始分數(含6 & 9)得分之分布
    4. 請排除 C01~C04 等4題後,分析其它8題之CFA
    5. 協助解釋結果

    回覆刪除
    回覆
    1. 第1, 2, 4, 和5點,已在部落格3/1之"OT滿意度問卷初步分析結果"中補充及更新。
      第2點,已在部落格3/1之"C01-C04之得分分佈"中補充。

      刪除
  2. Many thanks!
    1. 請用差補法補上 missing data <=3 者,再重新分析之。
    2. 請加上各指標之判斷標準。

    回覆刪除
    回覆
    1. 1. 李晏建議使用regression imputation的方法插補。但我只會平均數插補法,會請教李晏是否可使用平均數插補法。等李晏回覆後,再用差補法,重新分析之。
      2. 已補充CFA指標判斷標準。

      刪除