part3初等统计与理论.ppt

Part 3 初等統計與理論 閱讀範圍 邱皓政著 量化研究與統計分析 Chapter 8 類別資料的分析─卡方檢定 Chapter 9 平均數差異假設檢定─t檢定 Chapter 10 平均數變異分析─ANOVA Chapter12 線性關係的分析─相關 陳景堂著 統計分析SPSS for Windows入門與應用 卡方檢定練習(Chapter 9) 平均數差異假設檢定 (Chapter 10、 12~13) ANOVA (Chapter 14) 1.類別資料的分析(交叉分析) 卡方檢定 類別資料的分析 類別資料的產生 原發性類別資料：當被測定的變項的本質是名義性的屬性, 例如性別資料、宗教信仰等 等距尺度或比例尺度所測得知資料(如分數、身高、體重等)，常常為簡化資料起見，常以分組方式化簡為類別變項，例如將身高分為低、中、高三組 類別資料的處理型態: 次數與百分比 類別資料的呈現: 次數分配表(frequency table)與列聯表(contingency table) 類別資料的分析: 卡方檢定與其他關聯性分析法 列聯表範例 類別變項的檢定類型 適合度檢定(Goodness of fit test) 某一個變項是否與某個理論分配或母群分配相符合 檢定的內容僅涉及一個變項，是一種單因子檢定， (例如:某校學生性別比是否為1:1? 即 H0: P男= P女 = ?) 適合度檢定之目的，在於檢定某單一變數(X)之實際觀察次數分配與某理論分配是否符合? 類別變項的檢定類型 獨立性檢定 (independence test) 同時檢測兩個類別變項﹙X與Y﹚之間的關係時，其目的在於檢定從樣本得到的兩個變項(X與Y)的觀察值，是否具有特殊的關聯 (例如: 一群人中學歷分佈與性別分佈的關係)。 獨立性檢定之目的，檢測同一個樣本的兩個變項的關聯情形，若兩個類別變項沒有互動關係(即卡方值不顯著)，則稱兩變項之間互相獨立。相反的，則具有關聯性 類別變項的檢定類型 同質性檢定 (Homogeneity test) 檢定不同人口母群體，在某一個變項的反應是否具有顯著差異。 同質性檢定之目的，檢測雙樣本(兩個不同之母體)在單一變項的分佈情形 (例如:公 私立大學性別分佈之比較)。若甲乙兩樣本沒有差異，我們稱此兩個母體是同質的。 類別變項的檢定類型 多重列聯表分析 探討三個或以上類別變項之間是否具有關聯（非獨立）或無關（獨立)。 三個類別變項關係之探討，須將其中一個設為控制變項，而另外兩個變項便形成列聯表(例如:不同性別(男、女)，婚姻狀況(未婚、已婚)與生活滿意度(刺激、規律或無聊)三種變項關係之討論) 以卡方檢定進行多重列聯表分析 ，缺乏統一指標來檢定變項關聯強度，因此可以使用G2統計法 卡方檢定的統計原理 卡方檢定所檢定的是樣本觀察次數﹙或百分比﹚與理論或母群體次數﹙或百分比﹚的差異性。 理論或母群體的分配狀況，可以統計的期望值來表現 卡方的統計原理，取觀察值與期望值相比較。卡方值越小，表示檢定之結果未達顯著差異(Do not reject H0)；相反的，卡方值越大，代表統計量與理論值的差異越大，一旦卡方值大於某一個臨界值，即可獲得顯著的統計結論 (Reject H0 ) 列聯表的期望值的計算 卡方列聯表統計中， 各細格之期望次數﹙或理論次數﹚不得小於5。 列聯表範例之觀察值與期望值 關聯係數 卡方檢定值之範圍由0到無限大，除檢定顯著性外，卡方值的大小無法比較關聯性之大小 關聯係數可以改善卡方檢定的缺點。 關聯係數：以0至1的係數來反應類別變項之間的的關聯情形，數值越接近1表兩變項之關聯越強。 Phi（φ）係數：2＊2列聯表的卡方值的轉換 Ｃ列聯係數： 2＊2以上的列聯表卡方值的轉換 Cramer’s V係數：當樣本數較大時，可減緩列聯係數萎縮的問題。 關聯係數 Lambda（λ）係數係以削減誤差比（proportioned reduction in error; PRE）來計算關聯係數， Lambda越高，表示以某一變項去解釋另一個變項可以有效消除誤差的比率越高， PRE指以某一個類別變項去預測另一個類別變項時，能夠減少的誤差所佔的比例，比例越大，兩個變項的關聯性越強。 對稱形式λ（symmetrical）：無特定預測關係 非對稱形式λy.x（asymmetrical） ：有因果性預測關係 Tau係數的計算考慮了所有的次數，因此敏感度較Lambda係數為高，分析不對稱關係時，宜採用Tau係數。 SPSS的卡方檢驗 類別變項的分析，SPSS視窗版提供了無母數統計﹙NPAR﹚、對數模式﹙LOGLINEAR﹚與交叉列聯表﹙CROSSTAB﹚三種模式來進行卡方檢定。 適合度檢定：在無母數統計與對