第三节四种测量量尺.ppt

第1章 緒論 前言 統計學的功能： 描述所蒐集到資料的特色 將此特色推論到未蒐集到的資料上。 變項的種類：1. 量的變項 2. 質的變項 四種量尺：名義、順序、等距、比率。 第一節 統計學的意義（1） Statistics（統計學）源自印歐語系字根standing, status, state, understand等。這幾個字根的意義是在描述事物現象。這也就是統計學的基本意義。 除了描述統計學外，統計學還有另一功能：利用樣本（sample）所蒐集的資料，推論母體（population）的狀況，這就是推論統計學。 第一節 統計學的意義（2） 在描述統計學裡，注重資料的整理、分析、展示、與解釋。並沒有意圖將所得結果推論（generalize）至別的資料或更大的範圍上。 例如某研究者普查了台北市內所有幼稚園，結果發現幼稚園教師具有大學學歷的百分比佔80%，女性教師佔95%，平均年齡為25.2歲。 由於本研究關心的是台北市幼稚園，並不關心其他縣市幼稚園，因此台北市所有幼稚園就是母體，這就是屬於描述統計學的範圍。 第一節 統計學的意義（3） 在未進行推論統計之前，會先對資料加以整理，試圖找出一些規則或是有問題的資料（如極端值），此稱為探索性資料分析（exploratory data analysis），這也算是描述統計學分析的一部份。 第一節 統計學的意義（4） 在推論統計學裡，透過整理和分析，我們理解了資料意義後，意圖藉此推論母體的狀況。 例如某燈泡廠商關心其所生產燈泡壽命，該廠商年產燈泡100萬個，隨機抽取50個燈泡，測其壽命，結果發現平均壽命為1235小時，壽命最短為985小時，最長為1392小時。 我們並不只關心這50個燈泡壽命，而是希望透過這50個燈泡，而推論所有該廠商生產的燈泡。我們無法將所有的燈泡拿來一一測試，因為一旦測試完畢，燈泡就報廢了！ 第一節 統計學的意義（5） 將50個燈泡的結果，推論到所有燈泡，並不簡單。首先這50個燈泡應該能夠充分代表所有燈泡。所謂「充分」在此有兩個意義。 這50個燈泡必須是隨機挑選出來。 受測的樣本數不可太小。小樣本容易導致推論失真。不過數量也不必太大，因為數量反映出人力和物力，如果每個燈泡的壽命差異不大，只要測試一些燈泡即可。 第一節 統計學的意義（6） 樣本數決定，要看受測物體特性以及推論嚴謹程度而定。 如果受測的物體特性相當一致（如燈泡壽命），則樣本數不用太大。反之，如果受測的物體是人的某種特質，如智力，而每個人的智力差異相當大，此時受測人數就要多些。 如果推論品質必須非常嚴謹，誤差要非常小，此時樣本數就要很大。反之如果要求沒那麼精確，樣本數可以小一些。 第二節 變項的分類 （1） 在蒐集資料的過程裡，我們蒐集各式各樣的變項（variable，又譯變因），如性別、宗教、班級人數、身高、智力等。 變項可分為兩大類：質的變項（qualitative variable）和量的變項（quantitative variable）。 性別和宗教是質的變項，性別和宗教均無大小之分。班級人數、身高、智力則是量的變項。 第二節 變項的分類 （2） 量的變項：1. 間斷變項（discrete variable）2. 連續變項（continuous variable）。 班級人數是間斷變項，因為它必然是整數。身高和智力則是連續變項，因為任何兩個值之間，都可能存在第三個值（至少理論上是如此）。 質的變項必是間斷變項。由於質的變項必然可分為數個類別，因此又稱類別變項（categorical variable）。 量的變項未必是連續變項，例如班級人數，就是量的變項，但並不連續。 第二節 變項的分類 （3） 在實驗研究（experimental research）裡，變項可以分為獨變項（independent variable）和依變項（dependent variable）。 在觀察研究（observational research）裡，關心的是兩個變項共同改變的情形，而不是操弄某個變項，看另一個變項的變化，因此通常無所謂獨變項和依變項之分。 第三節 四種測量量尺 (1) 四種測量尺度（measurement scales） 名義量尺（nominal scale ） 即使在電腦的建檔登錄上，男性為1，女性為2，1和2只是代號，沒有順序的差別。 順序量尺（ordinal scale） 具有順序的意義。例如名次雖有順序意義，但卻無法精確描述其間的差距。 第三節 四種測量量尺 (2) 五點量尺：非常不同意、不同意、差不多、同意、非常同意。研究者常分別以1，2，3，4，5代表這五點。社會支持（social support）程度：列出「有急難時可以尋求協助的人」，人數越多，表