2011年11月7日 星期一

經驗學習:早期發現論文中的錯誤,及早更正

最近一週在修改OTK論文的審稿者意見的回覆信。
一開始覺得審稿者的提問有些難以招架,
因為OTK的參考文獻確實不多,問卷的設計只有驗證表面效度與內容效度。
而審稿者最在意的就是這兩個缺陷造成的後續問題。
所幸在多次與老師討論之後,回覆信終於寫得比較完整了!
然而,今天發現了一個大問題:
之前以為沒有影響受訪者OTK分數的特性,竟然有一個會使受訪者的OTK分數有顯著差異,
而且這個特性(受訪者身份為個案或家屬)影響到後續的資料處理:是否可以將個案與家屬視為同一群人,合併進行分析。

在緊急與老師討論之後,老師建議以共變數分析 (analysis of covariance, ANCOVA) 與迴歸分析控制受訪者身份的影響,
分析受訪者在不同類別變項的特性中(例如:性別、教育程度),平均分數是否有顯著差異。
或是將屬於連續變項的特性(年齡、中風後時間)放於多元迴歸式當中,迴歸係數是否顯著不等於0。

下午分析完ANCOVA與迴歸的結果發現:在控制受訪者身份的影響之下,
其他受訪者特性並不影響其OTK之得分。
因此論文中的結果可能不需要大幅改寫。
但是在資料分析、討論與結論的段落則須做修改。

由這次經驗讓我學習到未來在處理資料時需要更加小心,以免造成類似的事情再次發生。

4 則留言:

  1. 有個案又有家屬喔,可以考慮用dyadic data analysis來處理dependence的問題,先算一下ICC,然後用multilevel modeling的概念來處理吧!

    回覆刪除
  2. 作者已經移除這則留言。

    回覆刪除
  3. To Antonio:
    謝謝你的分享。
    我沒有聽過這個分析方法耶,
    感覺好像有點複雜的樣子!
    我再找時間研究一下,
    說不定可以用在之後的研究上喔!

    回覆刪除
  4. 這個我最近也在學,一個很有趣的分析法,直接對付dyad data的dependence問題,應用還滿廣的

    回覆刪除