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 本單元目標 說明適用與兩個樣本有關之假設測定的情況。 解釋假設測定之邏輯如何運用在兩個樣本的請況。 說明什麼是獨立隨機樣本（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 上個單元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。而本單元則是討論涉及兩個母群體之特性的值是否達到顯著差異的研究情境。很明顯的是，研究者經常不知道兩個母群體的特性，也不可能問兩個母群體中的每一個人。因此，研究者必須從兩個母群體中抽樣，然後從這些樣本所得到的資訊做推論。研究者從事兩個樣本之假設測定時，事實上是在問：「是否兩個樣本之特性的值間的差異夠大，使我們在一已知的犯錯機率下，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？」譬如說，我們發現在比較男性與女性之隨機樣本後，發現兩群體的態度的差異夠大時，我們可以推論說，這樣的差異不是肇因於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、兩個樣本間平均數差異之測定（大樣本） 　　兩個樣本特性之間差異的假設測定步驟，基本上是和上單元所討論的相同，但在一些步驟中，如所做的假設或假定，以及代入公式中之抽樣分配之標準差的計算方式等，也有不同之處。 以下就兩個樣本之假設測定在五個測定步驟中重要的不同處，一一說明： 　　一、第一步驟：在基本假定部份，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。例如，當我們選取一個男生到樣本中時，並不會影響我們選取任何一位女性的機率。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？)　 　　二、第二步驟：在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」。因此，當測定統計值是落在臨界區內時，我們即可拒絕此虛無假設，而推論說兩個母群體在某方面的特性是有差異的。在此之虛無假設是以 　　　　　　H０：μ１＝μ２　來表示。 而研究假設，則視研究者是要從事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。 　　三、第三步驟：在兩個樣本的假設測定情況中，我們要處理的是兩個樣本之特性間的差異，如兩個平均數或比例的差異。而此情況的虛無假設是兩個樣本所來自的兩個母群體間的特性沒有差異。在此虛無假設下的抽樣分配就是：所有可能的兩個樣本間特性的差異所構成的分配。以兩個樣本平均數假設測定的情況來說，就是所有可能之兩個樣本間平均數的差異。 當樣本數夠大時（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，依照一定的樣本數，從兩母群體各自做多次抽樣。而每次從兩母群體中各自抽出一個樣本後，計算出兩樣本間平均數的差異。如此重複多次抽樣後，這些兩兩樣本間平均數之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σeq \x \to(X)1－eq \x \to(X)2，如何計算此σeq \x \to(X)1－eq \x \to(X)2，在下面會詳談。我們知道在虛無假設為真的條件下，大多數兩個樣本間之平均數的差異會接近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。我們可以進一步選擇Z分配來幫助我們做下一步假設測定的工作。 　　四、第四步驟：在計算測定統計部份，得到 Z(obtained)之公式是以下面之形式來表示： 　 Z(obtained)＝ 其中 (eq \x \to(X)1－eq \x \to(X)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 　　　　σeq \x \to(X)1－eq \x \to(X)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)＝