###### tags:`[師][課]課堂筆記`

# 統計學(一)
<center> --課堂共筆與內容保留一切權利-- </center>

主筆：[方方](https://www.instagram.com/young_sian_fang/)

:::info
課堂連結：[Moudle](https://moodle3.ntnu.edu.tw/course/view.php?id=28068)
:::
---
## 先前筆記
**製作：姿樺** [連結](https://drive.google.com/file/d/1Smmtt0MH77bVyVcv356173edrAJ2xpwM/view?usp=sharing)
## Class 5
**日期：** 2022/10/07
**時間：** 09：30

### 上課內容
* 考試：說明報表內容
* 相依樣本平均數檢定
資料：量化 / 質性
比較2組-->T檢定
* 單一樣本T檢定
[分析]->[比較平均數法]->[單一樣本T檢定]
(依檢定值進行篩選分析)
顯著性(雙尾)-->p值，能與目標值進行比較

* 成對樣本分析
[分析]->[比較平均數法]->[獨立樣本T檢定]

* 變異數等式的 Levene 檢定：兩群資料的離散情形。
* 顯著性：0.363<0.5，甲、乙 無明顯顯著差異(差距量不大)

* 主管領導風格的顯著性

1. 重新編碼(變數轉換) 將小公司(1,2->1)、大公司(其他->2)
2. 計算問項平均數(AS算數平均數)
3. [分析]->[比較平均數法]->[獨立樣本T檢定]
**檢定變數：想得到的值**
4. Result

> a. 關係不顯著
> b. p值看較小的(.579)
* 成對樣本T檢定
[分析]->[比較平均數法]->[成對樣本T檢定]
0.046<0.05 **具有顯著差異性存在--->期中&期末成績顯著(78->84：進步)差異**

* ANVO
1. 先劃出變項間的關聯
2. 判斷資料屬性
3. 判斷重複量測
4. 決定方法

### 下一堂課

### 其他

## Class 6
**日期：** 2022/10/14
**時間：** 09：30

### 上課內容
* ANOVA [參考連結](https://belleaya.pixnet.net/blog/post/30754486-%5B%E6%95%99%E5%AD%B8%5D-%5B%E7%B5%B1%E8%A8%88%5D-anova%E8%AE%8A%E7%95%B0%E6%95%B8%E5%88%86%E6%9E%90-%E5%B0%8F%E7%AD%86%E8%A8%98)
*
**期中/末報告**
**SPSS獨立樣本單因變異數分析**
* 應變數 -> 生活滿意度, 固定因子 -> 婚姻狀態
![](https://i.imgur.com/mOl8aXk.jpg
**[分析]->[比較平均數法]->[單因子變異數分析]**
* 選項
* 事後
**顯著水準** 0.05/6 -> 0.0083 (排列組合的C取樣 eg.C4取2)

---
**一般線性模型-單變異數** 分析功能
**[分析]->[單一線性模型]->[單變異數]**
* 選項
* 事後
* 顯著性
**兩圖資料分布相似-->無顯著性。**
**逐一比對顯著差異性(若小於0.05，具有顯著差異性)
* 變異數分析下(如:scheffe法)生活狀態與婚姻滿意度具有/無相關性
考試時會給報表，需要於表中找到題目所需的資料&分析。
檢定方法判斷：每組組數資料量相同/不同決定，雪費法可用範圍廣，較為妥善。
e.g.:LSD, HSD, N-K, Scheffe...etc
**[分析]->[單一線性模型]->[重複量測]**
* 重複量測
* 定義
重複量測4次
* 選項
C4取2除以6
* 

結論一:時段的不同對反應時間具顯著性影響，亦表示該分析法適合使用。
結論二:針對個別時段進行顯著分析

## Class 7
**日期：** 2022/10/21
**時間：** 09：10

### 上課內容

**簡單回歸分析**
[分析]->[迴歸]->[線性]
[統計資料]
**相關性**
相關係數：1-->最為相關。
R平方數值：解釋能力，意指0.676-->可以解釋依變數63.5%的變異。-->x提升，y也更著提升。
回歸係數為0.822，>0.5，具有顯著差異性。
1. 廷整後解釋能力：期中成績對於期末成績**解釋能力**為63.5%
2. 期中考對於期末考具有**顯著正向**影響。
**係數須看T值**
1. 正值或負值
2. >1.96

**多元回歸分析**
> 同時回歸：全部一起放
> 逐步回歸：電腦幫助判斷
> 階層回歸：研究者一個一個放(e.g.性別、考試成績、作業與缺席)
**同時回歸**
[分析]->[迴歸]->[線性]
顯著性為0.009(具顯著性)。

1. 調整後的R平方(解釋能力)
2. 看變異數分析(總體)的顯著
3. 看個別的相關性
共線性存在的判斷-->個別變項預測能力檢驗(與其他項目黏在一起)
若VIF>10，表示兩者關係緊密。於量測時盡量將問項分開
**逐步回歸**
[分析]->[迴歸]->[線性]
使用不同的模型(變數不同)， 若增加或減少討論的變數可能改變不同的顯著性/解釋能力
**階層回歸**
[分析]->[迴歸]->[線性]
依序使用[下一個]
自己選的分項/組有可能結果不理想。

作業：
須將表格進行整理

### 下一堂課
- [ ] 10/28 作業
- [ ] 11/4 期中考
- [ ] 11/18期中報告

## Class 8
**日期：** 2022/10/2/
**時間：** 09：10

### 上課內容
期中考/期末報告：將分析表格萃取重要內容進行解釋、說明。
將左側表格轉變為右側表格樣式。
**統計學基礎**
平均數：(加總)/樣本數
變異差：
標準差：
偏態分布：

常態分布：
常態分布之最高點近乎為平均數，而當樣本數足夠多時即為"中央極限定理"
**常態分佈(高斯分佈)：**
將一連續變項之觀察值發生機率以圖呈現其分布情形，且具有以下特性：
* 以平均數為中線，構成左右對稱之單峰、鐘型曲線分布。
* 觀察值之範圍為負無限大至正無限大之間。
* 變項之平均數、中位數和眾數為同一數值。

標準偏差(standard deviation)：

> 68.3%的數值，落在平均數 ± 1個標準差間；
> 95.4%的數值，落在平均數 ± 2個標準差間；
> 99.7%的數值，落在平均數 ± 3個標準差間。
>
中央極限定理：
在適當的條件下，**大量相互獨立隨機變數**的**均值**經適當**標準化**後依分布收斂於**標準常態分布**

Z分數：
x是需要標準化的原始分數
μ為母體的**平均值**
σ為母體的**標準差**
z分數=2.09-->值為0.9817，則其分布位置為98.17%。

T/Z：不同之處-->母體/樣本
Z/T分配選用：

[σ是否已知]---->[是](樣本數足夠、已知母體) ===> 使用z檢定
   |
   |
   ---------->[否](樣本數不足、母體未知) ===> 使用T檢定
  

| | 百分等級(PR) | 標準分數(Z、T分數) |
| ----| ----------------| -------- |
| 單位 | 將群體分成100等分 | 以標準差作為單位 |
| 數值 | PR值永遠為正數 | 數值可以為負數 |
| 量尺 | 次序量尺 | 等距量尺 |

* Z分數是一種將原始分數以「在平均數之上或之下幾個標準差」的方式表示分數，意即我們可以透過Z分數知道個體位於群體中的相對位置

* T分數是Z分數的衍生分數，是Z分數藉由直線轉換產生的分數，通常為Z分數的10倍加上50，意即T=10z+50。

**假設檢定**
[參考簡報](https://slidesplayer.com/slide/16772265/)
統計假設：對母體參數的假設

虛無假設[H0]：
對立假設[H1]：

### **期中考**
時間09:00~10:10
1.電腦/SPSS考試
2.檔案為Excel資料
3.注意考場規則
4.有選擇題

**考前總整理**
1.衡量表、分組分析：變異數分析(組數超過4組時)
2.相關/迴歸分析>迴歸分析會有資料上的**明確因果關係**
3.成對/獨立 樣本T檢定：成對使用於同組但不同人，獨立則為兩個不同的組別。
4.兩構念具量表，試圖轉換
5.(早、中、晚：三群，超過2個群)重複量測-->變異數分析(並非T檢定)

- [x] A. 尺度判別 定義
- [ ] B. 分析方法 定義
- [ ] C. 操作/分析 說明結果
### 下一堂課
- [ ] 11/4 期中考
11/11 師大運動會
- [ ] 11/18 期中報告
期中報告：10min/組
組別：第八組( 1 ~ 7，8 ~ 10 )

## Class 15
**日期：** 2022/12/9
**時間：** 09：10

### 上課內容
**信度分析：**
[分析]->[比例]->[信度分析]
Cronbach's alpha是在衡量題目之間的一致性，因此一個題項就不可能會有一致性的指標。而這個數值是說明該題項刪除後，Cronbach's alpha係數會變為多少，因此必須找比量表還要高出許多的數值，代表刪除題項後可以提高Cronbach's alpha
**因素分析**
因素分析的主要目的是對資料找出其結構，以少數幾個因素來解釋一群相互有關係存在的變數，而又能到保有原來最多的資訊，再對找出因素的進行其命名，如此方可達到因素分析的兩大目標：資料簡化和摘要。

相互有關係存在的變數受共同因素(Common Factor)及獨特因素(Specific Factor)的影響。

因素分析分成探索性因素分析 ( Exploratory Factor Analysis) 與驗證性因素分析 ( Confirmatory Factor Analysis )。 探索性因素分析 是在沒有任何限制之下，找出因素的結構。 驗證性因素分析是在已知可能的結構下，驗證是否仍適用，如線性結構方程式 (LISREL) 。

因素分析的應用
1. 找出潛在因素
2. 篩選變數
3. 對資料做摘要
4. 由變數中選取代表性變數 ( 在因素中挑選一個變數使用 )
5. 建構效度
6. 做資料簡化 ( 相關性高的變數，僅需選取一個做代表 )

**因數分析**
以不同角度進行判讀(找出多少初始向量總計大於"1")。

### 下一堂課