CH 統計學的基本概念
44 統計學 -SPSS 之應用 統計學 敘述統計學 推論統計學 實驗設計 有母數統計學 無母數統計學 原始資料 次級資料 統計資料 動態資料 靜態資料 普查資料 抽查資料 變數 自變項 依變項 中介變項 連續變數 間斷變數 名義變數 次序變數 等距變數 比率變數 量的變數 質的變數 社會學變數 心理學變數
CH 統計學的基本概念 45 - 統計學 統計學 (statistics) 是由拉丁字根 status 發展出來的 其最初是因政府單位需要處理資料概念發展而來, 如 : 教育行政機關處理全國各級各類學校資料 ; 或戶政機關整理戶口普查資料等等 政府機關要從這些雜亂無章的資料中整理出有系統 有意義的訊息, 即必須要使用計算 畫記測量和分析等方法 故統計學為蒐集 整理 陳示 分析和解釋統計資料, 並可由樣本資料來推論母體, 使能在不確定的情況下做成決策的一門科學方法 統計學無固定的研究對象和領域, 乃是一種方法和工具, 因其理論基礎極為嚴謹與科學, 故根據其理論基礎所做之決策, 皆有精確的解釋效果, 故其為一種科學方法與決策工具 一 統計學的分類依資料的意義而言, 統計學可分為三大類, 分別為敘述統計學 推論統計學與實驗設計等三大類 : ( 一 ) 敘述統計學 (descriptive statistics) 又可稱為描述統計學, 其主要目的為使用測量 畫記 計算和描述等方法, 將一群資料加以整理 摘要和說明, 利用圖表或簡單特徵量, 來表達一堆繁雜資料的統計方法, 使研究者與讀者容易瞭解資料所含的意義與欲所傳達的訊息 重點在於僅將所蒐集之資料作討論分析, 並不將資料分析結果之意義推展至更大範圍 如 : 只計算樣本的算術平均數 x 或樣本比例 pˆ, 而不作母體平均數 µ 或母體比例 p 之推論 ( 二 ) 推論統計學 (iferece Statistics) 又稱為歸納統計學 (iductive statistics) 或統計推論學 (statistical iferece), 其係根據得自樣本的資料來推測母群體的性質, 並陳述可能發
46 統計學 -SPSS 之應用 生之誤差的統計方法 在推論統計中, 研究者的重點在於瞭解母群體的性質, 而非描述樣本的性質 推論統計因母群體條件的不同, 而又再分為有母數統計學 (parametric statistics) 和無母數統計學 (orparametric statistics) 兩大類 :. 有母數統計學當母群體符合常態分配 (Normal distributio) 時所使用的統計推論方法 如欲瞭解目前國中生之智力測驗結果, 因國中生智力測驗分數為常態分配, 故在符合隨機取樣原則下, 抽測 名國中生作測驗, 得到樣本平均數 x, 再由樣本平均數 x 推算所有國中學生之未知平均數 µ, 即可得知目前國中生之智力測驗表現情形. 無母數統計學當母群體的資料分配不符合常態分配時, 所使用的統計推論方法 如欲瞭解國小學童有砂眼的比例, 故隨機抽測 名國小學童, 其中有 m 位 m 罹患砂眼, 則樣本比例 pˆ =, 再由 pˆ 來估算所有國小學童患有砂眼之 未知比例 p 因國小學童患有砂眼的情況並非是常態, 故無法以有母數推論統計學來作資料處理, 必須以無母數統計方法來作推論分析 ( 三 ) 實驗設計 (desig of Experimet) 實驗設計是利用資料產生之重複性與隨機性, 使特定因素以外之其他因素 ( 已知或未知 ) 的影響相抵銷, 以淨化觀察特定因素的影響效果, 因而提高分析結果精確度的設計 主要目的即是在於考驗實驗假設中所列自變項與依變項之間的關係, 嚴謹的實驗研究中, 實驗者要操弄自變項以觀察其對依變項所發生的影響 在統計學的發展歷程中, 依次序而言, 敘述統計學最早發生, 其次是推論統計學, 再其次是實驗設計, 而敘述統計學通常為推論統計學作基礎的鋪路之作 另有學者將統計學的分類分為 : 敘述統計學 推論統計學與應用統計學等三類 而應用統計 (Apply Statistics) 乃是藉由推論統計方法, 建立統計模型, 利用統計模型做成決策之科學方法 ; 亦有學者將統計學分為兩大
CH 統計學的基本概念 47 類 : 一為數理統計學 (mathematical statistics), 重點在於闡明各種統計方法的原理, 另一為應用統計學 (Applied statistics), 即將統計學的統計方法應用在各類科學研究與專門學術領域之應用 二 統計方法的基本步驟 ( 一 ) 蒐集資料研究者若有足夠的人力 財力和時間, 則可直接由資料來源處觀察 調查 實驗或測量直接取得資料 ; 否則, 可引用政府機關 學術機關等已發表的間接資料 ( 二 ) 整理資料原始資料是雜亂無章的, 而使群體所蘊含的特質無從顯現 資料整裡的目的在於將凌亂無章的資料予以簡單化 系統化, 使錯綜複雜的資料成為簡約的形式, 以彰顯群體的特質 ( 三 ) 陳示資料陳示資料是以文字說明 統計表 統計圖或數學方程式, 來表現統計資料特徵及其相互間的關係 ( 四 ) 分析資料計算統計資料的重要表徵數, 如 : 算術平均數 標準差 相關係數 樣本比例等等, 以顯現資料的重要特徵及其相互間的關係意義 ( 五 ) 解釋資料闡明由分析資料所得之表徵數的意義, 可使表徵數更具有代表性, 且能顯現統計資料所蘊含的特性 ( 六 ) 推論母體由母群體中以隨機抽樣的方式, 取得具有代表性的隨機樣本, 估算此樣本的統計量, 透過抽樣分配原理, 對母群體或母數作估計或檢定等統計推論工作
48 統計學 -SPSS 之應用 三 統計資料的分類 ( 一 ) 依資料的取得是直接或間接來區分. 原始資料研究者直接由資料來源處觀察 調查 測量或實驗而得的資料, 稱為原始資料 直接資料或第一手資料. 次級資料指現成已發表的資料, 又稱為間接資料或第二手資料 ( 二 ) 依資料存在的時間來分. 靜態資料表示該現象在某一特定時間, 及空間靜止狀態之情況下的資料, 稱為靜態資料 如 : 民國 96 年 7 月 3 日全國各級各類學校學生數即為靜態資料. 動態資料依時間先後連續排列的靜態資料即成了動態資料, 亦即表示該現象在某一特定時期內演變情形的資料, 稱為動態資料 如 : 歷年來台灣地區國民小學的學生數 ( 三 ) 依原始資料涵蓋的範圍來分. 普查資料利用調查的方式, 對母群體中的所有個體進行調查, 即為普遍調查或全面調查, 簡稱普查或全查. 抽查資料係由母群體中隨機抽取部分的個體作調查, 再將調查的結果推論至母群體 只要抽樣合乎機率原理, 且能小心查驗, 由樣本再推論至母群體, 仍能得到可靠的結果
CH 統計學的基本概念 49 四 母體與統計量 ( 一 ) 母體是由具有共同特性之個體所組成的群體, 稱為母群體 ( 二 ) 母數是由母體所算出的表徵數, 即為母數或參數, 例如算術平均數 µ 比例 p 標準差 σ 相關係數 ρ 等 ( 三 ) 樣本是由母體中抽取部分的個體所組成的小群體, 稱為樣本 ( 四 ) 統計量由樣本所算出之表徵數, 即稱為統計量, 例如算術平均數 x, 比例 pˆ, 標準差 s, 相關係數 r 等 五 變數及其分類 ( 一 ) 常數指不能夠依不同的值出現或改變的屬性, 其為一定數 ( 二 ) 變數指可依不同的值出現, 或依其他因素而改變的一種屬性, 沒有固定的數 變數依不同的情況, 可有下列之分類 :. 以實驗設計觀點論可分為自變項 依變項 中介變項 調節變項 混淆變項 控制變項 主動變項 屬性變項 抑制變項 曲解變項 虛擬變項 () 自變項 (idepedet variable) 在實驗設計中, 實驗者所操弄的變項, 稱為自變項
50 統計學 -SPSS 之應用 () 依變項 (depedet variable) 因自變項之變化而發生改變的變項, 即為依變項, 是實驗者所欲觀察的變項 (3) 中介變項 (iterveig variable) 介於自變項與依變項之間, 是無法直接觀察與操弄的變項 (4) 調節變項 (moderator variable) 又稱為次級自變項或居中變項, 會明顯影響自變項與依變項關係的變項 (5) 混淆變項 (cofoudig variable) 又稱額外變項或無關變項, 除了自變項與調節變項外, 另一會影響依變項結果的變項, 但卻未受到控制, 使得其影響實驗結果 (6) 控制變項 (cotrol variable) 凡在實驗過程中受到控制的變項皆是 (7) 主動變項 (active variable) 又稱自動變項, 指可以在受試者身上主動操弄的變項, 常用於受試者內設計, 如 : 工作壓力 (8) 屬性變項 (attribute variable) 又稱機體變項, 指不能在受試者身上主動操弄的變項, 只能以測量方式獲得, 常用於受試者間設計, 如 : 性別 (9) 抑制變項 (suppressor variable) 在實驗設計中, 有些變項未納入自變項, 但其介入對依變項產生很大的影響效果, 使得實驗隱藏了自變項與依變項的真正關係, 常被視為干擾變項 針對這種干擾變項, 雖然實驗過程中難以避免與消除, 但在統計處理上可利用共變項分析, 來消除掉其對依變項的影響效果 (0) 曲解變項 (distorter variable) 其介入實驗中, 使得自變項與依變項關係反轉 () 虛擬變項 (dummy variable) 在統計運算中, 某些變項以人為方式給予數據表示, 此即稱為虛擬變項 如 : 以 表示男生 ; 以 0 表示女生
CH 統計學的基本概念 5. 依可數不可數來區分, 可分為連續變項和間斷變項 () 連續變項 (cotiuous variable) 有許多心理特質或物理特質是成為一個連續不斷之系列的, 而在這一連續不斷的系列上, 任何一部份都可以加以細分, 以得到任何的值, 或在其上面任何兩值之間, 均可得到無限多介於兩者之間大小不同的值, 此類的特質或屬性稱為連續變項 連續變項既然是連續不斷的, 故其值應視為一段距離, 而不是一個點, 故連續變項只是一個近似值 如 : 身高 體重 時間 智力商數等均為連續變項 () 間斷變項 (discrete variable) 又稱非連續變項, 是一種只能取特殊的值, 而無法無限取出任何值的變項, 故間斷變項的一個值, 是代表一個點而非一段距離且為精確數 如 : 每戶人家的孩子數 選舉的票數 桌子的張數 骰子的點數等 3. 根據 95 年 Steves 之分類, 從測量尺度觀點可分為名義變項 次序變項 等距變項 比率變項 : () 名義變項 (omial variable) 又稱類別變項, 係使用數字來辨認任何事物或類別之變項, 其只說明某一事物與其他事物之不同, 但並不說明事物與事物之間的差異大小和形式 如 : 座號 50 號之學生與座號 40 號學生之差並不能等於座號 30 號與 0 號之差, 且座號 50 號並非座號 0 號的五倍 () 次序變項 (ordial variable) 可以依某一特質之多少或大小次序, 將團體中各份子加以排列的變項 但次序變項僅表示方向次序, 亦即僅描述份子與份子在某一特質方面的次序, 並不描述份子與份子之差異的大小量 如 : 三位同學的作文得甲 乙 丙三個分數, 僅能說明甲優於乙優於丙, 但並不能說甲乙之差的量等於乙丙之差異的量, 亦即乙減丙不等於甲減乙 此外, 中位數 百分等級亦屬於次序變項 (3) 等距變項 (iterval variable) 除了可說明名稱類別和排列大小次序之外, 還可計算出差別之大小量的變項, 其基本特性為相等單位 如 :8 度 30 度 3 度, 不但可說明 3 度高於 30 度, 且亦高於 8 度, 並且可說明 3 30 = 30 8 此外, 平均數 標準差 積差相關亦屬於等距變項
5 統計學 -SPSS 之應用 (4) 比率變項 (ratio variable) 除了可說出名稱類別 排列大小順序和計算差距之外, 尚可說出某比率與某比率相等的變項 其最重要條件是具有絕對零點 如 : 重量 50 公斤是 0 公斤的五倍, 且 0 公斤是 公斤的 5 倍,50:0 = 0: 4. 以描述表達觀點而言, 可分為量的變項和質的變項 : () 量的變項 (quatitative variable) 又稱定量變項, 描述不同數值, 等距變項與比率變項屬之 () 質的變項 (qualitative variable) 又稱定性變項, 描述不同狀態, 名義變項與次序變項屬之 5. 以是否屬於社會學事實的觀點而言, 可分為社會學變項與心理學變項 : () 社會學變項 (sociological variable) 屬於社會學的事實, 來自所屬團體的各種特性, 如 : 社經地位 職業 () 心理學變項 (psychological variable) 個體內在不可直接觀察的變項, 通常是個人的意見 態度與行為
CH 統計學的基本概念 53 習題練習. 某校第二次月考數學科的題數是 5 題, 每題 分, 平均分數是 6 分, 標準差是 3 分, 本次月考與上次月考的相關是 0.80, 若第二次月考每題改為 4 分, 亦即是總分改為 00 分, 則 : () 第二次月考的新算術平均數是 () 第二次月考的新標準差是 (3) 第二次月考的新變異數是
Note...
CH 統計特徵量
56 統計學 -SPSS 之應用 算數平均數 中位數 集中量數 眾數 幾何平均數 調和平均數 標準差 變異數 絕對差異量數 平均差 變異量數 全距 四分差 變異係數 差異係數 相對差異量數 平均差係數 全距係數 四分差係數 描述統計分析之 SPSS for Widows.0 範例操作
CH 統計特徵量 57 - 集中量數 用來表達所有資料中意涵訊息的特徵, 以凸顯資料所代表的意義, 讓使用該資料之研究者或讀者能夠掌握分析方向, 此種量數稱之為統計特徵量 (Statistics characteristic quatity) 統計特徵量依其描述之特徵, 可分為四大類 : 集中量數 差異量數 偏態與峰度 一 集中量數 (measures of cetral locatio), 或稱集中趨勢量數, (measures of cetral tedecy) ( 一 ) 定義 指一群體中之個體的某一特性, 有其共同的趨勢存在, 此一共同趨勢之量數即稱之集中趨勢量數 ; 因其能夠代表該群體特性的平均水準, 故通稱為平均數 ; 又其反應該資料數值集中的位置, 故又稱之為位置量數 ( 二 ) 功能 ( 性質 ). 簡化作用指平均數能夠簡化群體內的所有數值, 而以一個數值代表全體的意義. 代表作用指平均數能代表整體資料的平均水準 3. 比較作用指平均數代表該群體的平均水準, 而便於與其他群體作比較 ( 三 ) 種類. 算術平均數 (Arithmetic mea)
58 統計學 -SPSS 之應用 () 定義為一群體各數據之總和除以個數所得之商, 簡稱為平均數, 以 X 表示 () 公式 完整原始資料 Xi X + X +... + X A. 母體資料 : µ = =, N N N: 為總母體數 X i X + X +... + X B. 樣本資料 : X = =, : 為總樣本數 分組資料 A. 母體資料 : µ = B. 樣本資料 : X = 3 簡捷法 f X i N i f X i i X i : 表示第 i 組之組中點 ; f i : 為第 i 組之組次數 X = A + ( f X i i )h N A: 假定平均數 ;N: 總個數 ; f i : 各組次數 ;h: 組距 ; 4 加權平均數 i i X = i W X W i W : 權重 X ' i X A = h
CH 統計特徵量 59 (3) 特性 任何一群數列中, 各個數值與其算術平均數之差的總和為 0, 即 (X i X) = 0 各數值與算術平均數之差異平方和為最小, 即 i X) (Xi K) ( X, K R 3 算術平均數適合代數運算, 亦即可由部分之算術平均數求得總平均數 4 當 X 為原變數,a,b 為任意常數,Y 為新變數時, 則 : A. Y = X ± a, 則 Y = X ± a B. Y = ax, 則 Y = ax C. Y = X, 則 Y = X a a D. Y = a ± bx, 則 Y = a ± bx 5 適用於等距變項 比率變項 6 優點 A. 感應靈敏 B. 嚴密確定 C. 簡明易解 D. 計算簡易 E. 適合代數運算 F. 受抽樣變動的影響較小 7 缺點 A. 受兩極端數值之影響過大 B. 分組次數表如有不確定之組距時, 無法求得算術平均數. 幾何平均數 (Geometric mea) () 定義 個連乘積的 次方根, 以 G 表示 此特徵數特別適用於比例 變
60 統計學 -SPSS 之應用 動率或對數值求平均數之用, 惟各個數值中不得有任一數據為 0 或負數, 否則即為無意義 X i () 公式 : G = X X... X = 或以對數方式表示 : log G (3) 特性 = (log X + log X +... + log X ) = logx i 若一數列成等比級數, 其幾何平均數最具代表性 適合代數運算, 亦即可由部分之幾何平均數求得全部數值之幾何平均數 3 幾何平均數恆小於算術平均數 (4) 優點 感應靈敏 嚴密確定 3 適合代數運算 4 受抽樣變動的影響較小 5 特別適用於求比例之平均, 為編列指數的工具 (5) 缺點 不易瞭解 不易計算 3. 調和平均數 (harmoic mea) () 定義各數值倒數之算術平均數的倒數, 又稱之為倒數平均數, 以 H 表示之 當一數列為調和數列, 欲求平均數時, 則應以調和平均數求之為佳
CH 統計特徵量 6 () 公式 : H (3) 特性 = X i 若一數列為調和級數, 則其調和平均數最具代表性, 尤以分子固定之比率資料更常用調和平均數代表其平均水準 求調和平均數的各個數值中, 不能有數值為 0 者 3 一群數值的算術平均數 幾何平均數及調和平均數, 其關係為算術平均數大於幾何平均數大於調和平均數, 即 X G H 4 適合代數運算, 亦即可由部分之調和平均數求得全部數值之調和平均數 (4) 優點 感應靈敏 嚴密確定 3 適合代數運算 4 受抽樣變動的影響甚微 5 特別適用於求算速率, 物價及匯價之平均 (5) 缺點 不易瞭解 不易計算 4. 中位數 (media) () 定義指一順序數列之中心項數值, 又稱為二分位數, 以 Md 表示之 () 公式 未分組資料 + A. 當 為偶數時 : o(md) =, 為總個數,o(Md) 為中位數 所在之位次
6 統計學 -SPSS 之應用 + + B. 當 為奇數時 : o(md) =, 小數點後四捨五入 N ( f )h 分組資料 : Md = L + f L: 為中位數所在組之下限 ;N: 總組數 ;f: 中位數所在組之次數 ;h: 組距 (3) 特性 f : 小於中位數所在組之各組次數和 在任何數群中, 各項數值與中位數之差的絕對值總和為最小, 即 Xi Md Xi K, K R 以同一組資料求算術平均數與中位數時, 各項數值與中位數之差的絕對值之和較各項數值與算術平均數之差的絕對值和為小, 即 Xi Md Xi X 但求平方值後則否, 即 : Xi Md Xi X 3 中位數不適合數學運算, 亦即無法由部分資料的中位數求算全部資料的中位數 (4) 優點 嚴密確定 簡明易解 3 計算簡易 4 所受抽樣變動的影響甚微 5 完全不受兩極端數值的影響
CH 統計特徵量 63 6 當分組次數表有不確定組距時, 仍可求得中位數 7 不但適用於量的變項, 且適用於次序變項之資料 (5) 缺點 感應不靈敏 不適合代數方法之運算 5. 眾數 (Mode) () 定義在所有資料中, 出現次數最多的數值即為眾數, 以 Mo 表示, 但眾數可能不存在, 也可能非唯一解 另在數列資料中, 眾數可以不為數字, 此乃集中量數之特例 () 公式對分組資料而言, 有下列三種方法可求得眾數 : Kig 插補法此法由 W. I. Kig 根據物理學之力偶原理所提出 f Mo = L + f + f h h: 組距 ;L: 眾數組的下限 f : 眾數組的前一組次數 ;f : 眾數組的後一組次數 Czuber 插補法此法乃是 E. Czuber 利用直方圖與幾何原理所創, 且修改了 Kig 差補法忽略眾數組之次數的缺點 f f Mo = L + f f f h f: 眾數組的次數 3 Pearso 經驗法則此為 K. Pearso 根據經驗發現, 在單峰微偏分配中, 算術平均數與眾數的距離約等於算術平均數與中位數之距離的三倍 公式為 : X Mo = 3(X Md) Mo = 3Md X
64 統計學 -SPSS 之應用 (3) 特性 分組資料因公式的不同, 所得之數值亦不同 眾數不合數學運算, 亦即無法由部分資料的眾數求算全部資料的眾數 3 組距相等的分組資料, 眾數組若為第一組或最後一組, 可依集中分配假設, 以其組中點為眾數較適當 4 眾數不受極端數值的影響, 但眾數值不甚穩定, 而且眾數值難求 (4) 優點 簡明易解 不受兩極端分數的影響 3 當分組次數分配表有不穩定組距時, 眾數仍可求得 4 不但適合量的資料, 亦適用於質的資料 5 近似眾數的計算, 甚為簡單 (5) 缺點 感應不靈敏 不適合代數方法的運算 3 近似眾數之值不易確定, 組距或組限稍有變動, 其數值可能變動甚大 4 當次數分配無規律或無顯著集中趨勢時, 則眾數喪失其意義 5 真確眾數之計算甚為繁雜 避免中位數只顧及一 兩個數值, 而忽略了其他大多數資料的缺點, 以及算術平均數易受到極大或極小數值的影響, 而使得代表性受到質疑的缺點, 故有 截尾平均數 與 溫塞平均數 作為補救參考