Chapter 01 資料檔轉換與分組

Chapter 02 反向題計分與向度變項欄增列

Chapter 03 描述性統計與次數分配

Chapter 04 積差相關分析

Chapter 05 獨立樣本t檢定

Chapter 06 單因子獨立樣本變異數分析

Chapter 07 重複量數（相依樣本）檢定

Chapter 08 迴歸分析

Chapter 09 共變數分析

Chapter 10 量表項目分析

Chapter 11 探索性因素分析

Chapter 12 中介模型檢定

Chapter 13 調節變項

Chapter 14 應用AI進行量化數據分析與結果詮釋的注意事項

後記

附錄　AI在驗證性因素分析應用?

緒論



　　本書以「AI與SPSS的運用」為副標題，旨在為讀者開啟一條更直覺、有效率的學習路徑。全書以人工智慧作為主要的數據分析工具，再搭配SPSS進行結果檢核，形成AI與傳統統計軟體並行的雙軌學習模式。這樣的設計基於一個重要的理念：AI工具能有效降低統計技術的入門門檻，讓使用者能以更自然的方式理解分析步驟與數據意涵；而SPSS作為學界歷史悠久且高度可靠的統計軟體，則提供了穩定的驗證基準，確保分析結果的準確性與可信度。兩者結合後，不僅能提升初學者的學習效率，也能協助讀者養成嚴謹的研究態度。

　　本書的內容架構依循實際統計分析的操作流程，由基礎到進階循序展開。AI訊息指令的撰寫從最初的簡易句式，逐步引導到更精準、完整的表達方式；統計分析方法則涵蓋從基礎統計到高等統計的核心技術。推論統計是本書的重點內容，我們依據不同研究問題的特性與資料型態，系統性介紹常用的統計方法，包括：探討變項關聯性的相關分析、比較兩組平均數差異的獨立樣本t檢定、比較三組以上的變異數分析，以及針對同一群受試者在不同條件或時間點的重複量測分析。此外，共變數分析也在書中獲得詳細說明，協助讀者在排除干擾變項後，更準確地評估自變項對依變項的影響。

　　在測量工具的建構與檢驗上，本書亦提供完整介紹。項目分析協助研究者檢視問卷各題目的品質與適切性；因素分析則用於探索量表的潛在結構，建立良好的構念效度，它是量表編製與心理計量中不可或缺的分析方式。迴歸分析部分從最基本的簡單迴歸開始，逐步延伸到多元迴歸，並補充邏輯斯迴歸及ROC曲線的應用，以協助讀者理解如何建構預測模型，以及如何更深度解讀各項迴歸係數。

　　隨著研究方法的持續演進，中介與調節模型的檢定已成為現代研究中常見而重要的議題。本書以清楚易懂的方式說明中介模型如何揭示變項間的間接作用機制，並解釋調節模型如何呈現不同條件下效果的變化。透過AI與SPSS的雙重示範，讀者能更具體掌握這些進階統計技術的操作流程與分析邏輯。

　　本書的編寫理念，強調理論與實務並進。每一章節除了概述統計方法的基本原理外，更特別著重於AI提示語撰寫與SPSS操作流程的示範，並透過具體案例展示如何解讀分析結果。書中所有範例皆以「讓讀者能夠獨立完成分析並正確詮釋」為目標，協助初學者逐步建立自信，並提升實際操作能力。

　　本書的五大特色如下：

1. AI與SPSS雙軌並行的創新學習模式：以AI作為主要分析工具，並結合SPSS作為結果檢核基準。AI降低初學者的技術門檻，SPSS提供結果的精準性與可信度，兼顧學習效率與分析嚴謹度。

2. 循序漸進的系統化內容架構：本書依據研究實際流程編排，從資料庫建立、資料前置處理、描述統計，逐步進入推論統計與進階分析，使讀者能按部就班累積能力。

3. 完整涵蓋主要推論統計方法：內容包含相關分析、t檢定、變異數分析、重複量測、共變數分析、迴歸分析（含邏輯斯迴歸與ROC曲線），以及中介與調節模型檢定，提供統計應用的全貌。

4. 兼顧測量工具發展與驗證：涵蓋項目分析、因素分析、反向題處理、向度建構、信效度檢驗，提供量表編製的完整流程。

5. 理論與實務並重的操作導向內容：以清楚的概念說明搭配AI與SPSS的實務示範，使讀者能真正應用統計工具，而非僅停留在概念理解。

　　在人工智慧快速發展的時代，善用AI提高統計分析效率已成必然。然而，任何工具最終都必須建立在使用者對統計概念的充分理解與批判思考之上。本書期望協助讀者在AI工具與傳統統計軟體的雙重支援下，建立扎實的數據分析能力，並在未來的研究工作或專業實務中，奠定穩固的統計思維與判讀能力。?