疑問
1.當個案前後測的施測不完整，且多數個案只有一次施測時，是否仍適合進行反應性的研究？
解決方法1：把只有一次施測的個案挑出來。檢驗前測組和後測組是否來自同樣的分配。
解決方法2：把兩次都有施測的個案挑出來，進行一般的effect size計算。
解決方法3：用pooled t的方式，計算t值。
待準備的資料
1.概念改由表格呈現、操作改由文字敘述。
2.確認effect size的定義、臨床用與意義。
3.GRI發展的原因。
4.比較power和effet size的應用與意涵。
5.調整effect size的用途的排序，使主軸得以呈現。
6.重新確認專有名詞是否都改成英文或縮寫。
施測不完整是說有missing value的問題嗎？那是不是要先處理遺漏值啊＠＠
回覆刪除To Antonio：
回覆刪除我面臨的問題不是只有一兩題沒有資料，
而是整個前測或後測都沒有資料。
所以，是滿嚴重的"missing data"。
所以我才考慮分成兩類計算......
但我不知道這樣是不是恰當的。
因為我沒有查到有文獻遺漏2/3以上資料來計算反應性的解決方式......
欠缺個案整筆資料，通常是因為未完成追蹤導致。
回覆刪除跟個案未填寫問卷的部分項目所造成的 missing data不同，以上2者宜區隔之。
有關[未完成追蹤的比例高，是否仍適合進行反應性的研究？]
適不適合是程度的問題，沒有絕對的答案。
有分析總比沒有好，不是嗎?
您有何補救的方法嗎?或可驗證[未]完成追蹤者與完成者有何差異嗎?
To 老師：
回覆刪除感謝您提供的建議。
關於未完成追蹤的補救方式，目前文獻看到的通常是比較流失的個案和未流失的個案的人口學變項與疾病資料，
確認沒有顯著差異，
就當作他們沒有什麼不同，研究結果也可以推論至流失的那群人身上。