statistical significance and effect size - ncnu moodle 课程.pptVIP

Statistical Significance and Effect Size 抽樣與抽樣分配 Population vs. Sample 研究者想了解台北市參加自願就學方案的國中學生，升入高中或高職後的生活適應情形。從三萬名學生中抽取三千名。 Random sampling vs. Purposive sampling 亂數表複習 隨機抽樣最簡便而正確的方法 假設全班有五十人，校長想要抽測五人，請依亂數表選出 區間估計 任何一個樣本平均數的可能出現機率 信賴水準(confidence level)與信賴區間(confidence interval) 在推論統計學裡，稱這個95% 或99%的數值為信賴水準，而稱 之間線段為95%或99%的信賴區間 練習題 某班有49名學生，該班在某科立年考試成績的σ=5，今年該科考試成績是85分，試推論該科在信賴水準0.95的分數範圍。 統計假設 對立假設(Alternative Hypothesis) 假如學業成績與成就動機有正相關稱之為對立假設，以H1或HA表示。 虛無假設(Null Hypothesis) 假設學業成績與成就動機相關為0，因其有被推翻或拒斥的可能，所以稱為虛無假設，以Ho表示。 虛無假設(H0) vs 對立假設 (HA) 研究者提出依個與對立假設剛好相反的假設，然後收集資料去考驗這種假設的真實性。 常用顯著水準 .05 (α=.05) 推翻虛無假設犯錯機率小於5% .01(α=.01) 推翻虛無假設犯錯機率小於1% P value (P值) 的解讀 p .01 推翻虛無假設犯錯率小於1%，差異非常顯著。 p .05 推翻虛無假設犯錯率小於5%，差異顯著。 假設考驗的結果 考驗的結果不外乎有兩種，保留(retain)或拒絕(reject) null hypothesis。不論是我們保留或拒絕虛無假設，不論我們說Ho是真是假，均不證實它是對或是錯，因我們的決定也有犯錯的可能，只是犯錯機率的大小之別而已。 雙側考驗 單側考驗 第一型錯誤(type I error) vs. 第二型錯誤(Type II error) Type I error- α表示 Type II error –β表示 避免Type I error 通常在實驗研究(有關生命科學)中，研究者認為觸犯第一類型錯誤比較嚴重且不可原諒，所以必須避免；這就是研究者寧願冒觸犯第二類型錯誤，而不願冒觸犯第一類型錯誤的原因所在。 Effect size(有效程度) 愈來愈多統計學家發現顯著水準容易受到樣本大小的影響，而影響我們的判斷，因此提出了effect size的觀念，來代表檢測的結果。 Effect size 公式 假設一母群體平均IQ為100，而一樣本(1600名)之平均IQ為105，SD為15，試求其effect size. Effect size的解讀 .20 小 .25~.75 中等 80大 * * 我們可以獲得無數個 的區間，其中95%的區間將會包括μ在內 而有5%的區間沒有包括μ在內 μ: population mean X: sample mean S: sample Standard deviation * * *