导读:本文包含了多组比较论文开题报告文献综述及选题提纲参考文献，主要关键词:婚姻关系,亲子关系,ODD症状,发展级联效应
多组比较论文文献综述
殷锦绣,刘旭,蔺秀云[1]（2019）在《婚姻关系、亲子关系与儿童对立违抗障碍症状之间的关系:一项多组比较追踪研究》一文中研究指出对立违抗性障碍(Oppositional Defiant Disorder, ODD)是儿童青少年期最常见的心理障碍之一,因其是一系列情绪问题和行为问题的集合而受到关注。根据家庭系统理论,家庭中的多个互动水平的子系统都会影响个体水平的儿童发展,如亲子子系统、婚姻/夫妻子系统和兄弟姐妹子系统,而在中国,独生子女政策造成了兄弟姐妹子系统的缺失,夫妻子系统和亲子子系统之间的互动更多,对儿童的影响也更大。家庭中存在发展级联效应(如溢出效应、补偿效应),不仅婚姻关系可以影响亲子关系,然后扩散影响儿童的ODD症状,反向的发展级联同样存在,个体水平的儿童的ODD症状也可以级联影响互动水平的亲子关系、婚姻关系,用发展级联解释叁者的相互影响更具有生态效度。虽然已有研究关注了叁个变量的单向影响或其中两个变量的双向影响,但尚未有纵向研究同时关注叁者的相互影响。本研究通过对北京、山东、云南等14所小学212名ODD症状儿童、161名普通(无ODD症状)儿童的两年叁次(T1, T2, T3)追踪调查,采用父母填写的婚姻适应量表、亲子关系量表和ODD症状量表,用交叉滞后模型检验了婚姻关系、亲子关系(分为亲密/冲突两个维度)与儿童的ODD症状的相互影响,发现:(1)大部分同时间和跨时间的双变量相关达到显着水平(见表1);(2)从整体上来看,婚姻关系、亲子关系、儿童的ODD症状之间存在双向的级联影响。在T1～T2之间,婚姻关系对亲子亲密、亲子冲突、儿童的ODD症状有溢出效应,儿童的ODD症状对亲子亲密有显着负向预测作用、对亲子冲突有显着正向预测作用;在T2～T3之间,亲子关系与婚姻关系之间存在单向补偿效应,且仅有亲子亲密可以显着降低儿童的ODD症状(见图1);(3)这些关系在ODD症状组与普通组间存在差异,在T1～T2之间,亲子亲密对婚姻关系的影响在两组间呈现相反方向的趋势;在T2～T3之间,婚姻关系仅在普通组中对亲子亲密存在溢出效应,而亲子亲密对婚姻质量的补偿效应仅存在于ODD症状组中(见表2)。本研究为理解普通家庭和ODD症状家庭中多个子系统如何双向级联影响提供了基础,提示了从家庭的多个子系统干预儿童情绪和行为问题的重要性。(本文来源于《第二十二届全国心理学学术会议摘要集》期刊2019-10-19）
林少炜,吴思英[2]（2019）在《基于结构方程模型多组比较的任务驱动教学模式效果评价》一文中研究指出任务驱动教学模式是一种基于构建主义学习理论的教学模式[1]。任务驱动教学模式要求教师在教学设计中,把教学内容设计成一个或多个具体任务,将教学内容巧妙地隐含在每个任务之中,而在教学过程中,通过任务中的相关问题来引导学生思考,并经过自我思考和教师的适当点拨,使学生自己解决问题从而达到掌握教学内容,进而培养学生分析、解决问题的能力。在教学效果评价中,学者们往往只对实施了某种教学手段群体的教学效果评价,而忽视了与传统教学模式教学效果的分析[2-(本文来源于《中国卫生统计》期刊2019年01期）
沈雪,张露,张俊飚,骆兰翎[3]（2018）在《稻农低碳生产行为影响因素与引导策略——基于人际行为改进理论的多组比较分析》一文中研究指出水稻种植是我国农业温室气体的主要排放源,有效引导农户进行水稻低碳化生产对减少农业温室气体排放,实现我国农业绿色可持续发展具有重要意义。基于改进的人际行为理论,建立稻农低碳生产行为影响机制理论框架,继而运用结构方程模型,实证检验了影响稻农低碳生产行为的主要因素及其影响路径。研究表明,低碳行为意愿与能力是激发稻农低碳生产行为的直接动因。行为态度、社会规范、环境情感通过影响低碳行为意愿作用于低碳生产行为。其中,行为态度的影响最大(0. 555),其次是社会规范(0. 232),环境情感作用最小(0. 153)。促进条件在意愿-行为、能力-行为的转化过程中具有显着的调节作用。进一步的多群组分析发现,受教育程度、家庭年收入、种植规模等变量在不同群组间的调节效应存在显着差异。由此表明,鼓励稻农适度扩大水稻种植规模,完善农业绿色生产补贴,加强水稻低碳生产教育与专业技术培训等是提高农户低碳认知与行为意愿,引导稻农从事低碳生产的有效手段。(本文来源于《长江流域资源与环境》期刊2018年09期）
陈维[4]（2016）在《高中生自尊与学习倦怠的关系:基于SEM的多组比较》一文中研究指出为探讨高中生自尊与学习倦怠以及两者间的关系,为降低高中生的学习倦怠水平提供参考依据。本文采用Rosenberg自尊量表和青少年学习倦怠量表,对贵州省1 500名高中生进行问卷调查。研究结果显示:高中生的自尊和学习倦怠存在显着的性别差异,而在年级变量上仅自尊水平有显着性的差异。自尊与学习倦怠呈显着性的负相关,并能负向预测学习倦怠水平。研究结论:自尊能够部分预测高中生的学习倦怠,并且在不同性别的高中生群体中具有跨群组不变性。(本文来源于《现代中小学教育》期刊2016年07期）
李晓岳,高峰强,田雨,王蕾,丁琦峰[5]（2015）在《警察工作投入的组织与个体影响因素:基于路径分析的多组比较》一文中研究指出目的:探讨警察的组织支持、心理资本与工作投入之间的关系。方法:抽取某省警察341名,使用组织支持量表、心理资本量表与工作投入量表进行调查,采用SPSS 17.0进行相关分析、AMOS 17.0进行路径分析及多组比较分析。结果:警察的组织支持、心理资本与工作投入之间存在显着正相关,组织支持与心理资本均能显着影响工作投入(C R>2.58,P<0.01),婚姻状况起到显着的调节作用(CMIN/df=0.29,P<0.05)。结论:心理资本在组织支持对工作投入的影响中起到部分中介作用,且在组织支持对工作投入这一路径上,会受到婚姻状况的调节作用。(本文来源于《中国健康心理学杂志》期刊2015年11期）
王蕾[6]（2014）在《警察的组织支持、心理资本与工作投入的关系》一文中研究指出目的：本研究试图探讨警察的组织支持、心理资本与工作投入之间的关系，为提高警察在工作中的投入程度提供参考依据。方法：采用分层整群抽样的方法抽取济南市、潍坊市警察400名，使用组织支持量表、心理资本量表和工作投入量表进行调查，回收有效问卷341份，采用SPSS17.0、AMOS17.0软件进行统计分析。结果：(1)警察的组织支持、心理资本和工作投入存在人口学差异性。女性警察的组织支持显着高于男性，已婚警察的心理资本及工作投入均显着高于未婚警察，工作年限较长的警察心理资本显着高于工作年限较短的警察。(2)警察的组织支持、心理资本和工作投入之间存在显着正相关。(3)通过多层回归检验和路径分析发现，心理资本在组织支持对工作投入的影响中起到部分中介作用。心理资本变量会使组织支持对工作投入的影响作用加强，即组织支持可以直接影响工作投入，也可以通过影响心理资本而间接影响工作投入。(4)通过基于路径分析的多组比较发现，未婚警察对组织支持更为敏感，同样的组织支持对未婚警察来说会带来更为明显的工作投入。而性别、工作年限对于变量之间的作用路径无显着影响。结论：要根据警察的性别、婚姻状况和工作年限等特点进行因势利导，区别对待。在工作中给予警察人员更大的支持，进一步提升其心理资本，从而激发工作热情，增强工作投入。(本文来源于《山东师范大学》期刊2014-12-12）
邬顺全[7]（2014）在《多组比较的倾向性评分模型构建及匹配法的研究和应用》一文中研究指出研究背景：随着信息技术的不断发展，观察性研究无论是在数量上还是在研究准确性上都在不断增加和提高。大样本的观察性研究在医学研究当中发挥着越来越重要的作用。但在观察性研究中，由于研究对象所在的组别不是随机分配的，而是自然存在的，因此具有某些特征的研究对象更倾向于进入处理组或对照组，导致不同组间存在混杂偏倚。倾向性评分法(propensity score, PS)是解决观察性研究中存在混杂偏倚的常用研究方法。该方法便于理解、研究步骤标准化程度高，近些年在非随机化大样本的观察性研究当中被广泛应用。倾向性评分法的应用主要包括匹配法、分层法和回归校正法等，以匹配法最具优势，应用范围也最为广泛。倾向性评分匹配法主要包括最邻近匹配法、卡钳匹配法和马氏距离匹配法等几种方法。目前，对于倾向性评分匹配法的应用上还有一些问题尚未得到解决。例如，对于在倾向性评分模型中应放入何种类型的协变量，目前仍存在着争议；何种匹配方法更具优势目前尚未得到定论；另外，目前倾向性评分匹配法主要用于分组因素为二分类的观察性研究资料，很少有研究将其用于分组因素为多分类的观察性研究资料中。研究目的：构建分组因素为有序叁分类的倾向性评分匹配方法。通过模拟研究筛选纳入到倾向性评分模型中的协变量，比较多种匹配方法在分组因素为有序叁分类情况下优劣，通过调整参数确定不同数据特征下最具优势的匹配方式，同时在分组因素为有序叁分类的情况下对不同倾向性评分应用方法进行比较，最后将模拟研究中建立的最优倾向性评分匹配方法应用到实际数据分析中。研究方法：本研究采用蒙特卡洛法模拟数据集。分组因素模拟为有序叁分类，并分别调整不同组间的样本量比例为1:1:1、2:3:5、1:2:3和1:4:5。根据协变量与分组因素和结局的关系模拟不同类型的协变量，包括与分组因素和结局均相关联的协变量、与分组因素相关联的协变量、与结局相关联的协变量和与分组因素和结局均不相关联的协变量。通过在倾向性评分模型中纳入不同类型的协变量，确定在分组因素为有序叁分类情况下倾向性评分模型中应纳入的协变量类型。根据分组因素为二分类的倾向性评分匹配方法的基本思想，构建分组因素为有序叁分类的倾向性评分匹配法，包括最邻近匹配法、卡钳匹配法和马氏距离匹配法，并通过SAS宏程序实现各种匹配方法。在不同匹配方法中设定不同匹配参数，如匹配比例、卡钳值等，通过比较不同匹配方法和设定不同匹配参数确定不同数据特征下最具优势的匹配方式。另外，还将利用模拟数据比较不同倾向性评分应用方法，包括匹配法、分层法、回归校正法和匹配后回归校正法。采用有序logistic回归分析法计算分组因素为有序叁分类的研究对象的倾向性评分值。在倾向性评分匹配前后需要对放入倾向性评分模型中的协变量进行均衡性检验。本研究采用标准化差异法(standardized differences, SD)来评价不同组间协变量的均衡性。通过预实验得到，当分组因素为有序叁分类时，不同组间标准化差异的绝对值的最大值大于0.1时，叁组间的协变量尚未达到均衡。当完成倾向性评分匹配后，还要对模型的偏性和精度进行评价。本研究采用相对偏倚(relative bias, RB)来评价模型的偏性，RB的绝对值越小，表明模型的偏性就越小；采用平均误差均方(mean squarederror, MSE)来评价模型的精度，MSE越小，表明模型的精度越高。最后，将模拟研究建立的分组因素为有序叁分类的倾向性评分匹配方法应用到实例分析中。实例分析部分的数据来源于第二军医大学承担的“中国大陆胃肠道疾病流行病学调查”的数据。本研究利用问卷中调查对象的一般信息、体格检查问卷和SF-36健康调查问卷中的数据，评价腹部肥胖与健康相关的生活质量(health-related quality oflife, HRQOL)之间的关系。人口学信息包括性别、年龄、身高、体重、教育水平、职业和慢性病发病情况等。腹部特征定义为“正常腰围”、“轻度腹部肥胖”和“重度腹部肥胖”叁类。健康相关的生活质量采用中文版的健康测量简表(SF-36)进行评价。以腹部特征为分组因素，健康相关的生活质量的各个维度得分为结局，筛选人口学信息中的变量为协变量，构建倾向性评分模型。利用模拟研究建立的倾向性评分匹配方法控制混杂因素对结局的影响，从而评价腹部肥胖对健康相关的生活质量的影响。研究结果：（1）协变量筛选：在分组因素为有序叁分类的情况下，当倾向性评分模型中纳入与结局相关联的协变量时，可获得相对较高的匹配比例，并且估计的处理效应的偏性相对最小，精度最高。当逐步从模型中剔除一个协变量后，如果该协变量与分组因素和结局变量均相关联，会极大增加处理效应估计值的偏性，降低其精度，说明与分组因素和结局变量均相关联的协变量需全部纳入，同时再纳入与结局相关联但与分组因素不相关联的协变量可进一步减小处理效应估计的偏性，增大处理效应估计的精度。因此，在分组因素为有序叁分类的情况下，倾向性评分模型中需纳入与结局相关联的协变量，无论其是否与分组因素相关联。（2）匹配方法构建和比较：本研究构建了分组因素为有序叁分类的倾向性评分匹配方法，包括最邻近匹配法、卡钳匹配法和马氏距离法，并对不同匹配方法进行比较。在不同组间样本量比例下，卡钳匹配法的效果均达到最好。当组间样本量比例为1:1:1时，采用卡钳匹配法（卡钳值设为0.005）进行1:1:1匹配效果最好；当组间样本量比例为2:3:5时，采用卡钳匹配法（卡钳值设为0.01）进行1:1:1匹配效果最好；当组间样本量比例为1:2:3时，采用卡钳匹配法（卡钳值设为0.01）进行1:1:1匹配效果最好；组间样本量比例为1:4:5时，采用卡钳匹配法（卡钳值设为0.01）进行1:2:2匹配效果最好。（3）不同倾向性评分应用方法比较：不同倾向性评分方法均能极大地降低处理效应估计值的偏性，提高处理效应估计值的精度。无论组间样本量比例如何，匹配法和匹配后回归校正法的效果均优于其他方法。当组间样本量比例为1:1:1时，回归校正法优于分层法；当组间样本量的比例逐渐拉大时，分层法优于回归校正法。（4）实例研究：经倾向性评分匹配后，所有与结局相关联的协变量均在不同腹部特征组间达到了均衡，因此可以直接评价腹部肥胖对健康相关的生活质量的作用。结果表明，在体能维度上，重度腹部肥胖组的人群得分均显着低与正常腰围组，而轻度腹部肥胖组的人群得分显着高于正常腰围组。而在社会功能维度上，只有重度腹部肥胖组的人群在得分上显着低于正常腰围组人群，轻度腹部肥胖组人群与正常腰围组人群在得分上无统计学差别。研究结论：在分组因素为有序叁分类的情况下，倾向性评分模型中应纳入与结局相关联的协变量。在进行倾向性评分匹配时，采用卡钳匹配法进行匹配效果最好，卡钳值和匹配比例根据组间样本量比例进行调整。在不同倾向性评分应用方法中，以匹配法和匹配后回归校正法的效果最好。与传统多因素统计方法相比，本研究建立的分组因素为有序叁分类的倾向性评分匹配方法可通过控制混杂因素定量评价不同组间连续型结局变量的差异。(本文来源于《第二军医大学》期刊2014-05-01）
吴美京[8]（2014）在《多组比较资料贝叶斯倾向性评分模型的构建及应用》一文中研究指出研究背景：倾向性评分法是目前控制观察性研究资料中非随机化分组组间的混杂偏倚的主要方法之一。该方法主要分两步进行：第一步，构建处理因素模型，估计倾向性评分值；第二步，应用倾向性评分值，构建结局变量模型，即在不同的对比组间根据该倾向性评分值进行分层、回归、加权或者匹配以达到对比组间协变量分布的均衡，然后在已均衡了协变量分布的匹配组中或者层内构建结局变量模型，进行处理效应的估计。目前，倾向性评分法还存在着一些难以解决的问题：(1)没有考虑倾向性评分值的不确定性对于估计处理效应的影响；(2)估计处理效应时没有办法利用先验信息。将贝叶斯统计的思想引入到倾向性评分法中可以很好的解决以上问题。然而，截至目前，有关贝叶斯倾向性评分的理论研究和实际应用都仅仅适用于二分类分组变量。而在实践中，我们常常会遇到处理因素为多个分组的情况。因而，应用于处理因素为多个分组变量的贝叶斯倾向性评分法亟待研究。研究目的：本研究旨在探索当处理因素为多个分组变量（包括无序多分类和有序多分类资料）时如何将贝叶斯方法引入倾向性评分法中以控制多组组间的混杂偏倚，并通过不同方法的比较探索均衡多组组间混杂因素的最优方法，解决观察性研究实践中遇到的实际问题，并将所建立的模型应用到一项流行病学调查的真实数据的分析中，推广应用。研究方法：1、模型的构建：(1)提出中间贝叶斯广义倾向性评分法，分为两步：第一步为构建贝叶斯处理因素模型，估计广义倾向性评分值。当处理因素为无序多分类变量时采用贝叶斯多分类logistic回归模型，当处理因素为有序多分类变量时采用贝叶斯有序logistic回归模型。第二步为构建一般结局变量模型，采用多元线性回归模型估计处理效应。若处理因素为无序多分类变量，则应用回归法；若为有序多分类变量时，运用回归法、分层法和加权法。(2)提出两步骤贝叶斯广义倾向性评分法，第一步为构建贝叶斯处理因素模型，第二步为构建贝叶斯结局变量模型，采用贝叶斯回归模型估计处理效应。估计广义倾向性评分值方法和应用方法与中间贝叶斯广义倾向性评分法相同。2、数据的模拟：针对观察性研究的基本数据结构进行原始数据的模拟，产生处理因素、协变量和结局变量等叁种变量构成模拟数据集，其中处理因素分别考虑有序四分类变量和无序叁分类变量的情况；协变量分别考虑两分类变量、多分类变量和连续型变量的情况；结局变量仅考虑连续型变量的情况。模拟了1000个数据集，并考虑N=100、250和500叁种不同的样本量。当处理因素为无序叁分类变量时，考虑1=-0.4，2=0.3和1=-1.5，2=2.5两种不同的处理效应真实值和B t=0、1、10、100四种不同的处理因素模型的先验精度；当处理因素为有序四分类变量时，考虑=-0.4和=2.5两种不同的处理效应真实值，叁种不同的处理因素模型的先验精度（B=1、10、100）和叁种不同的广义倾向性评分值应用方法（回归法、分层法或加权法）。对于两步骤倾向性评分法，我们还考虑了0、1、10、100四种不同的结局变量模型的先验精度，并考虑了无先验信息和真实参数值作为先验信息两种情况。3、实例应用：本研究将构建的模型在一项实际的流行病学调查“中国人群胃肠疾病患病情况调查”中进行应用，分析自评工作压力和婚姻状况分别对与健康相关的生活质量评分的八个维度的影响。采用一般和中间贝叶斯广义倾向性评分法进行分析，并与传统的多元线性回归法的结果进行比较。研究结果：1、模拟研究结果:通过估计值与真实值的差值的绝对值（即偏倚）的大小来判断处理效应估计的准确与否。偏倚越小，估计结果越准确。通过MSE判断模型的精度。通过相应的95%置信区间来判断处理效应估计值是否有统计学意义。从处理效应估计值的偏倚和MSE来看，一般广义倾向性评分法重复1000次的结果比重复1次的结果更准确； N=500时，即样本量足够大时，贝叶斯广义倾向性评分法和一般方法得到的估计值非常接近，两种方法大部分的结果偏倚在0.01或0.02左右。两种方法的MSE也很接近，差异也在0.01左右。从处理效应估计值的标准误差来看，贝叶斯方法的标准误差略大于一般方法。（1）中间贝叶斯广义倾向性评分法的拟合结果：a)处理因素为无序多分类变量：当1=-1.5，2=2.5且N=100时，贝叶斯方法在B t=0时得到的处理效应估计值比一般方法要准确得多（贝叶斯方法1和2的偏倚为0.04和0.11，MSE为0.21和0.10；一般方法为0.21和0.25，MSE为0.17和0.18）。b)处理因素为有序多分类变量：当=-0.4时，应用回归法后，贝叶斯方法和一般方法在小样本即N=100时的任意先验精度下得到的处理效应估计值相似，与真实值的偏倚均小于0.01。而应用加权法后，在小样本N=100的情况下，贝叶斯方法在先验精度B t=100时得到了比其它先验精度更为精确的结果（B t=1时偏倚=0.06，B t=10时偏倚=0.05，B t=100时偏倚=0.01），并且该结果比一般方法更接近真实值（一般方法的偏倚=0.03）。通过计算MSE得到，贝叶斯方法在先验精度B t=100时的MSE为0.01，略小于一般方法（MSE=0.02）。根据各自相应的95%置信区间，回归法和加权法的处理效应估计均有统计学意义。同样在小样本的情况下，应用分层法后，贝叶斯方法在先验精度B t=10时估计效果较其它先验精度好，并且与一般方法相似，然而各自相应的95%置信区间均包括了0，因此分层法得到的各估计值均没有统计学意义。当增加到2.5时，应用回归法、加权法以及分层法的处理效应的估计值的特点均与=-0.4时一致。（2）两步骤贝叶斯广义倾向性评分法的拟合结果：本研究中，无先验信息和真实值为先验信息两种设计得到的结果相似。a)处理因素为无序多分类变量：当1=-1.5，2=2.5且N=100时，贝叶斯方法在B t=0且B t=0时得到的处理效应估计值比一般方法要准确得多且有统计学意义（贝叶斯方法1和2的偏倚为0.04和0.11，MSE为0.21和0.10；一般方法为0.21和0.25，MSE为0.17和0.18）；b)处理因素为有序多分类变量：从处理效应估计值的偏倚来看，不论处理效应的真实值多少，不论样本量大小，不论处理因素模型的先验精度取值多少，应用分层法和回归法后，当结局变量模型的先验精度为0时，贝叶斯广义倾向性评分法和一般方法得到的估计值非常接近，两种方法大部分的结果偏倚在0.01左右。从MSE来看，贝叶斯方法上述情况下的MSE与一般方法的差异也在0.01左右。应用加权法后，则贝叶斯方法在各种条件下得到的处理效应估计值的准确性远不如一般方法，并且随着结局变量模型先验精度Bγ的增加，偏倚也越来越大。2、实例研究结果:（1）自评工作压力对健康相关的生活质量的影响：叁种方法结果相近。工作压力会影响到VT（活力）和MH（心理健康），当工作压力每上升一个程度，活力评分就会下降1.32分，心理健康则会下降约2分。（2）婚姻状况对健康相关的生活质量的影响：多元线性回归模型的结果中，婚姻状况会影响到PF、VT、SF、RE和MH等五个维度，而经过广义倾向性评分法调整以后，所有协变量都达到均衡的情况下，婚姻状况主要会影响到GH（健康总体自评）、VT（活力）、RE（情绪对角色功能的影响）、MH（心理健康）。与已婚的人群相比，离婚分居或丧偶的人群的健康总体自评分值下降了3分左右，活力评分则下降了约4分，而情绪影响分值更是下降了6分左右，心理健康评分下降了近5分。研究结论：(1)贝叶斯方法在小样本情况下略显优势。(2)因考虑了估计的广义倾向性评分值的不确定性，采用贝叶斯方法得到的处理效应的标准差大于一般方法。(3)在处理因素为无序多分类变量的情况下，一方面，当两个处理效应的真实值相差较大时，贝叶斯方法在先验精度为0时能得到与一般方法相比更为接近处理效应真实值的结果；另一方面，在一般方法得到的处理效应估计的偏倚较大时，采用贝叶斯方法估计可以大大的降低偏倚。(4)当处理因素为有序多分类变量时，我们推荐应用回归法或者在使用加权法时采用基于较高先验精度的中间贝叶斯广义倾向性评分方法，或者基于结局变量模型先验精度为0的情况下应用回归法或分层法的两步骤贝叶斯广义倾向性评分法。(5)中间贝叶斯广义倾向性评分法和两步骤贝叶斯广义倾向性评分法得到的处理效应最佳值是非常接近的，因而尚未能说明哪一种方法更好。在实践中，可以根据实际情况，选择合适的方法，并根据方法选择相应的条件。(本文来源于《第二军医大学》期刊2014-05-01）
陈春念,黄水平,刘刚[9]（2012）在《结构方程模型多组比较方法评价不同付费方式的患者满意度》一文中研究指出目的应用结构方程模型的多组比较方法,评价不同付费方式下门诊患者满意度。方法在探索性因子分析基础上,应用验证性因子分析和均值结构模型的多组比较方法对医保和自费患者满意度的各因子(潜变量)大小进行分析。结果多组验证性因子分析说明医保和自费患者满意度之间的因子结构等同,多组比较模型分析了各维度的因子均值大小,表明医保组期望较自费组更低,对医疗服务效率更不满意,两组在忠诚度方面表现一致。结论解决了传统研究方法不能直接比较潜变量的问题,对心理研究工作具有重要意义,应予以推广应用。(本文来源于《中国卫生统计》期刊2012年03期）
刘万里,薛茜,曹明芹,马金凤[10]（2007）在《用SPSS实现完全随机设计多组比较秩和检验的多重比较》一文中研究指出目的针对医学研究中常见的完全随机设计多组样本资料数据经Kruskal-WallisH检验后无法直接用SPSS实现各组多重比较的问题,给予用SPSS统计软件具体解决方案。方法根据资料特点和样本量大小,结合SPSS软件本身的一些特点,在SPSS中实现秩和检验的多重比较。结果对同一数据资料进行处理,所得结论基本相同。结论本文提供了用SPSS软件实现该种数据分析的详细过程,分析人员可结合不同的工作,采用统计软件正确地完成此类数据的分析工作。(本文来源于《地方病通报》期刊2007年02期）
多组比较论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
任务驱动教学模式是一种基于构建主义学习理论的教学模式[1]。任务驱动教学模式要求教师在教学设计中,把教学内容设计成一个或多个具体任务,将教学内容巧妙地隐含在每个任务之中,而在教学过程中,通过任务中的相关问题来引导学生思考,并经过自我思考和教师的适当点拨,使学生自己解决问题从而达到掌握教学内容,进而培养学生分析、解决问题的能力。在教学效果评价中,学者们往往只对实施了某种教学手段群体的教学效果评价,而忽视了与传统教学模式教学效果的分析[2-
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多组比较论文参考文献
[1].殷锦绣,刘旭,蔺秀云.婚姻关系、亲子关系与儿童对立违抗障碍症状之间的关系:一项多组比较追踪研究[C].第二十二届全国心理学学术会议摘要集.2019
[2].林少炜,吴思英.基于结构方程模型多组比较的任务驱动教学模式效果评价[J].中国卫生统计.2019
[3].沈雪,张露,张俊飚,骆兰翎.稻农低碳生产行为影响因素与引导策略——基于人际行为改进理论的多组比较分析[J].长江流域资源与环境.2018
[4].陈维.高中生自尊与学习倦怠的关系:基于SEM的多组比较[J].现代中小学教育.2016
[5].李晓岳,高峰强,田雨,王蕾,丁琦峰.警察工作投入的组织与个体影响因素:基于路径分析的多组比较[J].中国健康心理学杂志.2015
[6].王蕾.警察的组织支持、心理资本与工作投入的关系[D].山东师范大学.2014
[7].邬顺全.多组比较的倾向性评分模型构建及匹配法的研究和应用[D].第二军医大学.2014
[8].吴美京.多组比较资料贝叶斯倾向性评分模型的构建及应用[D].第二军医大学.2014
[9].陈春念,黄水平,刘刚.结构方程模型多组比较方法评价不同付费方式的患者满意度[J].中国卫生统计.2012
[10].刘万里,薛茜,曹明芹,马金凤.用SPSS实现完全随机设计多组比较秩和检验的多重比较[J].地方病通报.2007