统计分析的思考.doc

社會研究方法 關秉寅 統計分析的思考 社會學研究在理論引導下所構思的統計模式，通常是一個多變項的模式。這些變項在理論中可能分屬於微觀及宏觀間不同的層次，並且有因果的關係。而實際測量到或觀察到的變項往往是未能直接觀察到之概念的具體指標，因此有信度和效度的問題。 社會學研究通常是在理論命題（關於一些概念間因果關係的陳述）的引導下，利用統計方法來分析資料。這些命題引導我們預測或假設在一個特定樣本內，某些變項間相關之模式，或在多變項的模式中部份相關（partial association）的情況。研究者最好是用一些圖形或命題的形式來表達這類的關係。 當我們用一個因果關係或路徑圖來表達多個變項間的關係時，對研究者和其他讀者言，都能達到一目了然的效果，也能引導研究者做分析的方向。因此在做統計分析前，應花些時間建構此種因果圖形，澄清自己未來準備分析的方向。 做統計分析時，首先要判斷各變項之測量尺度（levels of measurement）是類別（categorical），還是連續（continuous）變項；然後進一步判斷何者為自變項，何者為應變項。雖然統計分析的方法是依照變項的測量尺度來決定，但不論是哪種分析，其所問的問題和原則是相同的。 基本統計分析方法 應變項（DV）之測量尺度 自變項（IV）之測量尺度 類別 連續 類別 各種與交叉表有關之分析；DV為虛擬變項之邏輯（logistic）迴歸 t-test；ANOVA；含IV為虛擬變項之迴歸 連續 DV為虛擬變項之邏輯迴歸 多元迴歸 兩種尺度都有 含IV為虛擬變項之邏輯迴歸 ANCOVA；含IV為虛擬變項之迴歸 多變項的統計分析─以一個有三個變項的模式為例 研究問題：什麼是影響事業成功的因素？先賦地位與成就地位對職業成就之影響力為何？ 研究架構：性別、教育程度與職業取得間的關係（status attainment model） 測量之變項：性別、受教育年數、職業聲望分數 命題1：性別會影響成就 假設1：女性對職業聲望分數之影響為負 命題2：人力資本（知識）會影響成就 假設2：受教育年數越多，職業聲望分數越高 兩變項間關係之基本分析 ─ 兩樣本間平均數差異之t test：測定是否兩性別間之職業聲望分數平均數達顯著差異？ ─ 迴歸分析：以受教育年數為自變項和職業聲望分數做迴歸分析 問題：性別與受教育年數間可能有共變之關係，我們如何知道何者比較重要？或是否兩個變項都重要？ 部份相關（partial association） 定義：在X1、X2和Y三變項的模式中，所謂X1和Y的部份相關是指在控制或去除X2對Y之影響力後，看 X1與Y之相關程度為何。或：X1獨立解釋Y變異量的部份。 通常我們用ry,x1.x2之符號來表示在控制X2後，X1與Y間的部份相關。 共同相關（joint association） 定義：在X1、X2和Y三變項的模式中，所謂X1、X2和Y的共同相關是指X1、X2與Y之相關程度為何。或：X1、X2共同解釋Y變異量的部份。 通常是用ry.x1,x2之符號來表示在X1、X2 1與Y間的共同相關。 思考多變項分析的一些基本概念工具 ─ 原因（causes）與因果關係（causal relations） 因為相關有許多種，如在三個變項（E，S，P）間可檢視的相關就有： 簡單相關：E,S E,P S,P 一度部份相關（first order partial association）: E,S.P E,P.S S,P.E 共同相關：E.S,P S.E,P P.E,S 因此，我們需要進一步從相關的思考到因果關係的思考。 ─ 模式（model） 利用模式，我們可將理論轉化成多變項間關係的假設。 模式是提出哪個變項會對什麼變項有影響的假設。 模式也使我們注意統計分析結果中哪些是與理論的測定有關係。 ─ 直接效力（direct effects）：是指某自變項獨立於其他自變項外直接對應變項之影響力。此是構成因果關係之基本要素。 ─ 確定因果關係與方向 就統計的觀點來看（請和實存論的觀點比較），所謂的因果關係就是認為某一變項改變會造成另外一個變項的變化。如果我們要說X造成Y的變化，則需有下列的條件： 1、X和Y有共變（covary）的關係：如果Y的變化是random的，而不是隨X做相當系統性的變化，則X就不能說是造成Y變化的原因。當然，X常不是Y變化的唯一原因，或兩者間的變化常不是完美的。我們通常預期兩者間的關係是一種可能性（機率性）。 2、X的變化是在Y變化前：多個變項間因果關係之假定，一方面要靠對因果機制的瞭解，另一方面則需靠研究設計時要能測量到變項發生變化之時間點。 3、X和Y之間的共變不是因為其他變項如Z所造成的（即所謂的虛假關係）:任何的因果模式應視為暫時性的