CAT-FER分析結果

2018/9/6 重新分析/挑選終止條件
本次進行重新分析的理由有三：
1. 之前分析的排除條件有誤（少數受試者認知程度不符標準，但未被刪除）；
2. 之前計分時將「不知道」視為「答錯」，但理論上應視為「missing」；
3. 「平靜」不屬於基本情緒（具有不同誘發事件、生心理反應及演化意義），故其概念/意義可能與其他向度（辨識基本情緒）不同。


本次分析，即建立在修正上述三點問題的前提下，進行重新分析；
具體而言，分析項目方向有二：
(1) 維持7個向度之情緒辨識，但將「不知道」視為「missing」，以下簡稱為「7向度」；
(2) 僅評估6種基本情緒，且將不知道」視為「missing」，以下簡稱為「6向度」。

分析結果以「IRT分析」及「CAT模擬分析」二部分呈現：
IRT分析

CAT模擬分析

終止條件之選取原則：
Most reliable set：使用最少題數，使各向度之平均信度趨近於完整題庫之終止條件組。
Most efficient set：使用最少題數，使各向度之平均信度 ≧ 0.70。

依據上述結果，
以6向度模型進行分析應較合適（符合基本情緒理論，且信度及效率較佳）。
-------------------------------------------------------------------------------------------------


本次終止條件之挑選原則為：「同時考慮7種情緒」，並挑選兼顧「信度」及「效率」；

暫不考慮刪除部分向度的主要原因為「各考量所刪除之向度不一致」（詳見文末「附錄1」）

為增加CAT-FER之適用性，我們分別挑選下列二種終止條件組，以符合各使用者之需求：

1. 「較精準」條件組：使用最少題數，使各向度之信度近似施測完整題庫之結果。

2. 「較快速」條件組：使用最少題數，使所有向度之信度達可接受水準 (0.70)；

為決定上述二組終止條件，我們依序比較「信度最大值」、「LRI標準」以及「綜合度最大值及LRI標準」對信度及效率之影響：

一、信度最大值

上圖可見：

1. 「信度 ≧ 0.90」幾乎無助於施測題數；

2. 「信度 ≧ 0.80」約使用80％的題目，可提供與施測完整題庫相似的信度；

3. 「信度 ≧ 0.70」則只需43％的題目，可使各向度之信度達可接受之水準 (0.70)。

由此可見，「信度 ≧ 0.80」及「信度 ≧ 0.70」是較有幫助的終止條件。

二、LRI標準之影響

上圖中：

1. 「LRI < 0.020」及「LRI < 0.015」於大多數向度（如「快樂」、「悲傷」、「生氣」及「害怕」）之信度過低（低於50%的受試者信度超過可接受標準 [0.70]）；

2. 「LRI < 0.001」、「LRI < 0.005」及「LRI < 0.010」所提供之信度大致可接受（超過50%之受試者信度達可接少標準）；

因此，「LRI < 0.001」、「LRI < 0.005」及「LRI < 0.010」是較有幫助之終止條件。

三、綜合信度最大值與LRI標準之結果

上圖中：

1. 「綜合信度最大值與LRI標準」所需題數都比「單純LRI標準」少；

2. 於「信度 ≧  0.80 OR LRI < 0.001 / 0.005 / 0.010」之組合中，以「信度 ≧  0.80 OR LRI < 0.001」之信度最高，故被選為「較精準」之終止條件組；

3. 於「信度 ≧  0.70 OR LRI < 0.001 / 0.005 / 0.010」之組合中，以「信度 ≧  0.70 OR LRI < 0.001」滿足所有向度之平均信度達可接受水準，故被選為「較精準」之終止條件組。

因此，我們決定：

較快速：以「信度 ≧ 0.70 OR LRI < 0.001」；

較精準：「信度 ≧ 0.80 OR LRI < 0.001」；

此二種終止條件與整體施測題庫之比較表如下：

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

附錄1：各種刪除向度之考量與結果：

 (1) 欲刪除信度較低（幾乎沒有人信度超過0.80）之題庫，則目標為：「快樂」及「生氣」

 (2) 欲刪除題目難度與受試者能力分配不一致之題庫，則目標為：「平靜」、「快樂」與「害怕」；

 (3) 欲刪除SZ功能無受損之向度，則文獻結果「尚無定論」，且我們數據顯示幾乎所有情緒都有差異（除快樂僅有中度 [d = 0.51] 差異外 ，其他向度差異程度均大  [d = 0.93–1.79]。

因此，難找到統一且合理的理由，刪除或選擇性施測特定向度。