假设测定：和两个样本有关之测定.DOC

　第九章　　假設測定 II：和兩個樣本有關之測定 independent random samples）。 以五個步驟的假設測定架構來展示與兩個樣本之平均數或兩個樣本比例之假設測定，並解釋其結果。 列出並解釋影響拒絕虛無假設之機率的每個因素（特別是樣本大小），以及說明達統計顯著與實質重要性間的差別。 前言 上討論的是測定一個樣本特性之值與母群特性之值間的差異是否達到統計上的顯著水準。而本則兩個母群體之特性的值是否達到顯著差異。很明顯的是，研究者經常不知道兩個母群體的特性，兩個母群體因此，研究者事實上在問：是否兩個樣本之特性的值間的差異夠大，使我們可以說這兩個樣本所代表之兩個母群體之特性的值是不同的？random chance，而是代表在男性與女性的兩個母群體間真正的差異。 參、兩個樣本平均數差異之測定（大樣本） 　　兩個樣本特性之間差異的假設測定步驟，基本上是和上所討論的相同，在一些步驟中，所做的假設或假定，以及代入公式中之抽樣分配之標準差的計算方式等。 兩個樣本之測定： 　　第一步驟基本假定部份，我們要假定兩個樣本都是隨機抽樣，而且是兩個獨立的隨機樣本，所謂獨立之樣本是說當我們抽選一個樣本時並不會影響到另一個樣本中個案選取之機率。自然，根據此一原則，最基本的作法是準備兩個母群體之名單（如男性和女性兩母群），然後，做各自的隨機抽樣，但事實上，我們常常是只由一個母群體中抽出一個樣本（依EPSEM之法），而只要此樣本本身是隨機樣本，依研究者分析所需而分成之子樣本(subsamples)基本上是符合兩獨立隨機抽樣(independent random sampling)之要求(為什麼？)　　　第二步驟說明虛無假設之步驟中，兩個樣本平均數差異之測定的虛無假設是改成「兩個（樣本所來自之）母群體的平均數是相同的」 　　　　　　H０：μ１＝μ２　來表示。 而研究假設，則視研究者是要一尾或兩尾假設測定，而以 　　　　　　（H１：μ１≠μ２）兩尾測定； 　　　　　　（H１：μ１＞μ２）或 　　　　　　（H１：μ１＜μ２）一尾測定之形式來表示。　　第三步驟樣本夠大（在此指兩個樣本之樣本數加起來是超過100）兩個樣本平均數之差異的抽樣分配也是一種常態分配（在此我們可想像，樣本數，兩母群各自做多次抽樣每次兩母群中抽出樣本，算出兩樣本間平均數的差異。重複多次後，這些差異值的分配會是一常態分配），而此樣本平均數差異之抽樣分配的平均數即為μ１－μ２，在假設μ１＝μ２時，此抽樣分配之平均數是0，而其標準差為σ1－2如何計算此σ1－2，在下面會詳談。0。如果兩個樣本間平均數的差異大時，就會離開0比較遠。當夠遠時，我們就可以拒絕虛無假設。我們可以選擇Z分配來幫助我們做下一步假設測定的工作。　　第四步驟計算測定統計部份， Z(obtained)之公式以下面之形式來表示： 　 Z(obtained)＝ 其中 (1－2)即兩個樣本平均數之差異 　　　　 (μ１－μ２)即兩個母群平均數之差異 　　　　σ1－2即為樣本平均數差異之抽樣分配的標準差 ※Z測定之基本形式是： Z(obtained)＝　 　　如前所述，μ１－μ２在H０：μ１＝μ２之假設下是為0，因此上式實為　　 　 　Z(obtained)＝ 　　 　　　在此σ1－2之定義是 σ1－2＝　（這公式代表什麼意思？為何σ1－2比σ1或σ２都大？） 但如我們所知，通常研究者並不知道σ1及σ2之值，因此必須以樣本標準差代入，因此， σ1－2＝　 以上公式就是平均數差異之抽樣分配之標準差的合併估計(a pooled estimate)，因此此估計用到了兩個樣本之特性。　　※要強調的是，只有當兩個樣本數之和大於100時，才可做此測定，也才可如此計算σ1－2（隱含在此σ1－2公式之假定是σ12≠ σ2 2，因為如果σ12= σ2 2的話，公式就不是這樣了。請您想想後者的公式會是什麼樣嗎？）Z(obtained)＝◎請看書中P.2P.227之例 、兩個樣本平均數差異之測定（樣本）當兩個母群之標準差無法得知，且樣本數是小100）的時候，上述根據Z分配所做之假設測定已不合適在此情況下，我們要改用t 分配來做為測定之基礎我們要計算自由度(df)，兩個樣本之平均數差異之測定的df是N1＋N2－2。　　另外，我們也必須在列出Model之基本假設部份，增加一個假設，即σ1＝σ2，因此在做t測定時， Model為：獨立隨機樣本 等距/比率之測量尺度 兩母群變異量相等（σ1 2＝σ2 2） 母群為常態 另外一很大的不同是計算測定統計所用的σ1－2是