比較多個時間點的因素結構的理由（文獻回顧）

以下為回顧前人進行多個時間點的因素結構比較的原因。
紫字標示者為我認為可用於我的論文的原因。

原因	比較方法	出處
之前的研究曾建議刪題，有些卻不用。或建議刪除的題目不同	Multiple group confirmatory factor (MGCF) model framework	[1]
欲測量的特質會受到特定因素影響（例如：生病後的時間長度、是否回到工作、社經地位）	Multiple group confirmatory factor (MGCF) model Framework、計算量表分數與其它特質的相關程度 (multi-trait- multi-method matrix ,MTMM)	[1, 2]
題目間的關係可能因為時間點不同而改變，導致因素結構改變	1.      直接比較分析結果、各題在不同時期的難度、平均分數與標準差 2.      Coefficient of congruence and Catttell’s Salient Similarity Index (Cattell, 1978)，用於CFA	[3, 4]
題目難度的排序可能因為評估時間點而不同	直接比較分析結果、各題在不同時期的難度、平均分數與標準差	[3, 5]
因素間的關係尚不確定	計算量表分數與其它特質的相關程度 (multi-trait- multi-method matrix ,MTMM)	[6, 7]
驗證現有的理論架構	1.      SEM （用於CFA的結果） 2.      Multi-group CFAs in a repeated-measures design	[8, 9]
欲驗證量表的測量不變性 (longitudinal invariance of the factor Structure/ measurement invariance) -因為個案在某些時間點可能無法/不適合回答某些問題 -因素結構若因時間而不同，不利於長期追蹤的結果比較	Multi-group CFAs in a repeated-measures design	[7, 9, 10]

搜尋長期追蹤之多次評估結果比較的關鍵字

為了搜尋長期追蹤之多次評估結果比較的論文，我主要嘗試了三套Medline搜尋策略（每一套中間有多次微調，但若記錄下來就太複雜了，因此略過不表）。
結果發現先找到適合的關鍵字 (本次搜尋的重要關鍵字是time points）之後，再以簡馭繁似乎是比較合適的方法。

第一套搜尋策略
搜尋策略

# ▲	Searches	Results
1	(construct validity or unidimension$ or factor analysis).tw.	32924
2	(compar$ or follow$ or cross time or over time or longitudinal).tw.	5288995
3	1 and 2	12591

結果：找到太多不相干的結果。我認為是follow、compare、cross time這3個詞彙的影響。刪除此三詞彙後，文獻數減少但精準度仍不高。
精準度：約1%（前100篇文獻中，可能符合搜尋目的的文獻）

第二套搜尋策略（增加『相近』的概念，希望可以縮小搜尋結果）

# ▲	Searches	Results
1	(construct validity or unidimension$ or factor analysis).tw.	32924
2	(similar or same or invarian$ or stable).tw.	2372315
3	("across time" or "time point$" or longitudinal).tw.	207793
4	1 and 2 and 3	331

結果：雖然搜尋到的篇數已經少於第一套搜尋策略，但不相干的結果仍然不少。我認為我可能沒有掌握到最適合的關鍵字。
精準度：約2%

第三套搜尋策略
搜尋策略

# ▲	Searches	Results
1	("across time" and "time points").tw.	342
2	(construct validity or unidimension$ or factor analysis).tw.	32924
3	1 and 2	12

結果：搜尋到的篇數減少且精準度大幅提升。然而我認為文章數似乎過少（因為關鍵字非常限定），因此改以Web of Science重新搜尋。閱讀最新的50篇與引用次數最高的50篇，搜尋結果的精準度約20%。
精準度：58%

OTES V2.6 認知訪談記錄（本院+中山）

I.        版面修改的建議

A.      建議放大基本資料、問卷題目的字體。
→同意。已將原本的字體大小（12號字）增大為13.5號字。

B.      建議於問卷上方註明收案標準，以免治療師忘記適合的個案對象。
→同意。

II.      評分的困難

A.      第15題（居家或病房活動的治療情形）：個案體力太差，無法執行居家或病房活動。這題是否應註明為N/A？
→建議降低居家活動的難度與量，以提升個案執行居家或病房活動的可行性。例如：建議執行ADL相關的練習。

B.      評估失語症個案的第2（主動討論）、4（態度正面）題有些困難。
→依個案狀況的實際表現填寫即可。

C.      個案認知狀況不佳，易分心，評估第6、7題時，表現不一致。
→依個案狀況的實際表現填寫即可。

III.    其它：

A.      此版本比之前的版本好寫許多，包含用詞易懂、排版易前後對照等。

B.      邀請參與認知訪談的治療師成為未來的量表使用者，是否會影響研究的效度？
→應該不會。治療師參與任認知訪談後，對量表應該會更加瞭解，有助於評分時選擇最接近個案程度的選項。

GSES過去論文因素結構彙整 (12/3更新）

GSES之原作者以CFA與PCA驗證量表的因素結構，結果為單一因素結構。
資料出處：Scholz, U., Gutiérrez-Doña, B., Sud, S., & Schwarzer, R. (2002). Is general self-efficacy a universal construct? Psychometric findings from 25 countries. European Journal of Psychological
Assessment, 18(3), 242-251. （點選書目可以看到全文）

以下表格彙整了我在Medline與PsycInfo二個資料庫當中，搜尋到的一般自我效能量表 (General self-efficacy scale, GSES)的因素結構驗證的結果。
結果共有八篇論文探討GSES的因素結構。
資料分析方式以羅序分析與驗證性因素分析為主。
論文的研究族群差異頗大，包含SCI個案、病態肥胖的成人、中老年人、一般成人、大學生、思覺失調症個案。
結果顯示GSES為單一因素者佔多數，也有研究結果顯示GSES為二因素、三因素或二階三因素結構。
又，結果為單一因素結構的五篇論文中，有三篇的結果顯示GSES為明顯的單一因素結構。一篇的結果顯示：刪除量表的前三題後，GSES為明顯的單一因素結構GSES。一篇的結果顯示GSES雖為單一因素結構，但可解釋變異量未達50%。
由此彙整結果可知：GSES之因素結構較可能是單一因素結構。

出處	資料分析方式	研究族群	結果
Claudio, P., Alarcos, C., & Szilvia, G. (2014). Rasch analysis of the General Self-Efficacy Scale in spinal cord injury. Journal of Health Psychology, 19, 544-555.	Rasch analysis	SCI	1.       overall fit to the Rasch model 2.       high reliability (rp = 0.92) 3.       ordered response scale structure 4.       no DIF
Bonsaksen, T., Kottorp, A., Gay, C., Fagermoen, M. S., & Lerdal, A. (2013). Rasch analysis of the General Self-Efficacy Scale in a sample of persons with morbid obesity. Health & Quality of Life Outcomes, 11, 202.	Rasch analysis	adults with morbid obesity	1.      delete item1~3 2.      Cronbach’s alpha=0.93 3.    First component explained 64.5% of total variance 4.      separate the respondents into three distinct levels 5.      DIF in relation to age, education or work status
Leung, D. Y., & Leung, A. Y. (2011). Factor structure and gender invariance of the Chinese General Self-Efficacy Scale among soon-to-be-aged adults. Journal of Advanced Nursing, 67, 1383-1392.	CFA	community-dwelling Chinese soon-to-be-aged adults	1.          One factor model (CFI = 0.96, SRMR = 0.04 and RMSEA = 0.06 ) 2.          both genders demonstrating an equivalent pattern of factor loadings 3.          Cronbach’s alpha= 0.89
Yildirim, F., & Ilhan, I. O. (2010). [The validity and reliability of the general self-efficacy scale-Turkish form]. Turk Psikiyatri Dergisi, 21, 301-308.	EFA	18 years of age that had at least 5 years of education	1.          3-factor structure 2.          explained 41.5% of the observed variance 3.          Cronbach's alpha = 0.80 4.          test-retest reliability = 0.69.
Wu, C. H. (2009). Factor analysis of the general self-efficacy scale and its relationship with individualism/collectivism among twenty-five countries: Application of multilevel confirmatory factory analysis. Personality and Individual Differences, 46, 699-703.	Conventional confirmatory factor analysis	persons from 25 countries	1.          single latent factor structure 2.          χ 2 (35) = 1645.19, p < 0.01, CFI = 0.971, TLI = 0.963, RMSEA = 0.049
Scherbaum, C. A., Cohen-Charash, Y., & Kern, M. J. (2006). Measuring General Self-Efficacy: A Comparison of Three Measures Using Item Response Theory. Educational and Psychological Measurement, 66, 1047-1063.	IRT	students enrolled at a large northeastern university	1.     unidimensionality 2.          first eigenvalue accounted 43%.
Chiu, F. P., & Tsang, H. W. (2004). Validation of the Chinese general self-efficacy scale among individuals with schizophrenia in Hong Kong. International Journal of Rehabilitation Research, 27, 159-161.	EFA	schizophrenia	1.          internal consistency (0.92-0.93) 2.          test re-test reliability (0.75-0.94) 3.          two-factor solution explaining 69.0% of variance
Bosscher, R. J., & Smit, J. H. (1998). Confirmatory factor analysis of the General Self-Efficacy Scale. Behaviour Research & Therapy, 36, 339-343.	CFA	Aging population	a model with 3 correlated factors and one higher-order factor