# 版權與著作權聲明
本系列統計教學文章為我根據自身學習經驗、參考文獻與統計老師指導所整理的學習筆記與實務心得，僅供學術研究與學習交流使用。若內容有誤，歡迎指正，我將盡快進行修正與補充。

:::info
**若您希望引用、轉載、節錄本文，請務必遵守以下規範：**
* 註明文章出處
* 附上此文章原始連結
* 並標示作者：每天都是研究日(today is researchday
@today-is-researchday)
* 範例格式：
本文轉載自「每天都是研究日」的統計教學系列：
[原始連結網址]
:::

:::danger
**❗️侵權與法律責任❗️**
若經查證未經授權抄襲、轉載或變造文章內容、圖片、或作為商業用途與非商業用途使用，將依法追究法律責任。
:::

如有合作、授權、教學邀約等需求，歡迎來信聯絡：
📩 [信箱：[e-mail]]
🔸 [IG：https://www.instagram.com/today_is_researchday/]

# 統計方法
統計學中有兩個主要分支：描述統計和推論統計
我們常聽到的t檢定、ANOVA這些分析方法是屬於推論統計的

我將社會科學領域常見的分析方法畫成下圖
其實分析方法還有很多啦，但這些是lab可能會比較常用到的(應該到迴歸分析就用不太到了)

對統計來說，每種分析方法都有自己需要符合的先決條件(如：常態分配、同質性檢定、變數型態等等)
之後的文章都會有教學，我盡量寫成連討厭數學的小白都能懂的說法了><

[統計分析方法大圖](https://drive.google.com/file/d/1DyhZCTX33gCUbLGF1rNRrIF_Dbb05ZwY/view?usp=sharing)

更多統計基本知識，請看下面文章
[要不要考研究所_統計-統計基礎知識](/Rju2hFg8R3KEHpyM5gFaBw)

## 描述/敘述統計
相較於推論統計，描述性統計是比較簡單的統計(?
描述統計主要是針對資料(資訊)進行描述，只是介紹數據大概整體的樣子，不會對數據去做進一步的假設與推論
常見的描述性統計會說明：樣本數(N)、平均數(M/Mean)、標準差(SD)、標準誤(SE)、百分比、中位數跟信賴區間(CI)等等
:::danger
每個領域的描述性統計需要的欄位不同，可以多看看paper都放了什麼
:::

之前在寫paper的時候，老師就建議我在開始分析前，都建議跑一個描述性統計
舉例來說：我有用t檢定跟ANOVA分析不同性別跟學期的學生，對A面向有沒有影響
所以在每個分析前，我都放了一個描述性統計(如下圖)

但要不要放或是描述性統計需要哪些欄位，就看指導教授說了算
沒有絕對一定要放，但常見有放的就是樣本數、平均數、標準差、標準誤

## 資料整理
在開始進行描述性統計前，都要先整理一下原始數據，之後不管用哪套統計軟體跑都會比較好跑
要把那些數據清掉，可以問指導教授
每一次的清洗數據狀況都不同，只要合裡在論文中交代清楚就好

:::success
**例如，我論文都會寫我依據以下內容清洗數據**
**1. 同學校、學號、電子信箱且30分鐘內回答2次之重複回答
2. 反向題答錯者(如果有設計反向題，反向題填錯的)(雖然我很少設計反向題)
3. 缺漏值
(我的領域很常遇到受試者跳題或是沒填到問題，通常是當下回收時會馬上檢查，有缺就馬上補
如果過好幾天/月才發現，去補問，這種我都覺得數據會有問題，我都會直接刪掉)
4. 亂回答問卷(這個是指，全部都填1這種的，我會當亂回答)**
:::

清好數據後，接下來要整理資料
為了避免資料丟進統計軟體變亂碼，我建議
1. 資料去識別化，所有可以看出填答者身分的資料都要刪掉(例如:學號、姓名、信箱或其他個資等)，建議都轉成ID識別
2. 題目/題項變成全英文
3. 選項盡量都用代碼，例如性別的男女，變成1跟2(男生=1，女生=2)這樣

## 統計常見名詞解釋
* 平均數
所有數字加起來，再除以數量
:::info
例子：
5個人的成績：
80、90、70、60、100
平均數：
(80 + 90 + 70 + 60 + 100) ÷ 5 = 80
所以平均成績是 80分
:::

* 標準誤
指代表樣本平均數與母體平均數間的誤差程度(白話文：樣本平均數有多準確
如果標準誤很小：代表這個平均值很可靠
如果很大： 代表平均值不太穩定
:::success
更多關於標準誤的解釋與舉例，可以去看[四個步驟徹底學習標準誤：它跟標準差到底有什麼不同？](https://haosquare.com/standard-error/)
:::

* 標準差
每一個數到平均數之間的距離

* 變異數
描述性統計通常不太會寫，但ANOVA就是拿變異數算的
表示一組數值資料中的各數值，相對於該組數值資料的平均數分散程度
:::success
我覺得解釋的很好的變異數與標準差關係的文章
[統計急救箱─樣本變異數與標準差](https://vocus.cc/article/64c63eebfd89780001848da6)
:::

* 信賴區間(通常是95%)
信賴區間可以自己調整，但通常是定義在95%(醫學相關的好像會訂在99%)
信賴區間的範圍很重要，研究有沒有顯著，其實是從信賴區間看的

講信賴區間之前，要先講假設檢定
我們在設定統計問題時，通常會建立假設
會建立虛無假設(H0)與對立假設(H1)
如：性別對購買意願的影響(自變項：性別；依變項：購買意願)
H0：性別不會影響購買意願
H1：性別會影響購買意願
:::info
**．虛無假設(null hypothesis)H0：**
1️⃣ 先假設自變項不會對依變項有影響(假設兩者不會有差異)
2️⃣ 再用資料去 推翻這個假設。

**．對立假說(alternative hypothesis)H1：**
研究者真正想證明的事情，會跟虛無假設的立場相反，當拒絕虛無假設時(p<.05)，即可接受對立假說，證實研究者的主張。
:::

搞懂了虛無假設跟對立假設，接下來就要說信賴區間了
從上圖可以看到，**有接受域跟拒絕域**，接受域就是當今天t值或z值等值落在接受域範圍，則接受虛無假設，代表虛無假設成立

如果落在拒絕域，則不接受虛無假設，代表虛無假設不成立，對立假設成立

而接受域是可以自行訂定的(但通常都是定接受域：47.5+47.5=95；拒絕域：0.025+0.025=0.05)
所以p=1.83(不顯著)，就是代表落在接受域，那麼研究的對立假設就不成立
p=0.04(顯著)，落在拒絕域，拒絕H0，研究成立

:::danger
總結來說，在做量化的流程大致上會有：
1️⃣ 設定假設

H₀：沒有差異
H₁：有差異

2️⃣ 收集資料(問卷/量表調查)

3️⃣ 進行統計檢定（t檢定或ANOVA等等)
得到：p = 0.03

4️⃣ 判斷結果
因為：p < 0.05，落在拒絕域

👉 拒絕虛無假設

代表：性別對購買意願有顯著影響
:::

:::success
想要知道信賴區間怎麼算的
可以參考[信賴區間的意義和計算](https://drfishstats.com/inferential-stats/confidence-interval-with-sigma/)
:::

## 用excel跑描述性統計
很多人都以為只有專業的統計軟體才能跑，但excel做為平民好工具，他其實也有資料分析的工具
甚至很多統計分析，只要你懂計算邏輯，你下函式或是用加減乘除，也可以用excel算出那些
~~(當時老師上課用excel算ANOVA，都覺得老師是個狠人)~~

### 資料分析工具箱
點選資料>資料分析>叫出資料分析工具箱

如果找不到這個工具箱怎麼辦呢?
點選檔案>選項
點選增益集>找到資料分析工具箱>點選執行>確定

還是不知道怎麼用的，請看以下
[微軟載入資料分析工具箱教學](https://support.microsoft.com/zh-tw/office/%E5%9C%A8-excel-%E4%B8%AD%E8%BC%89%E5%85%A5%E5%88%86%E6%9E%90%E5%B7%A5%E5%85%B7%E7%AE%B1-6a63e598-cd6d-42e3-9317-6b40ba1a66b4)

### excel跑描述性統計
下載工具箱後，點選資料>資料分析>叫出資料分析工具箱>點選敘述統計
1. 選取要分析的資料範圍
2. 如果第一列是題目記得要勾 **類別軸標記是在第一列上**
什麼叫題目?這個叫題目，如果選取的資料範圍有包含題目，記得要勾

3. 選擇輸出範圍
4. 一定要勾紅框處的兩個地方，這樣excel才會去計算

---
確定之後會跑出結果，就可以把結果填入到剛剛看到的描述性統計的表中

## 用SPSS跑描述性統計
### 匯入資料
打開SPSS，點選開啟>資料

找不到檔案，點選檔案類型，選擇所有檔案

### 編輯變數型態與標籤名稱
資料匯入成功!先點選變數選項，我們先來改變數型態跟名稱

我會調整的只有下面紅色欄位

* 類型：我通常只會用到字串或數值
* 小數：我會設定是幾位小數或是整數
* 值：可以設定資料標籤，如：1=女性
* 測量：統計中資料的型態很重要，通常有名義、次序跟尺度，通常要跑推論統計(ANOVA那些)資料形態一定要是尺度(可以被計算的)，如果是名義就只能跑名義能跑的統計(如：卡方檢定)

不知道什麼是測量尺度的話，請參考 [要不要考研究所_統計-統計基礎知識](/Rju2hFg8R3KEHpyM5gFaBw)

選擇你要編輯的資料標籤的值，點選...

把資料整理時的數字，再還原成中文或英文的資料標籤，並點選新增

輸入完畢後，按下確認送出

### 跑描述性統計
點選分析>描述性統計>描述性統計量

你會發現，有些欄位不見了，因為字串是不能被計算的
所以前面是字串的那些欄位，就不會出現
像學期跟年級，能被計算，本身就是一件很奇怪的事情(如：平均2.78個學期)
所以在設定資料欄位時，一定要想清楚，這個欄位被計算後，是不是合理的

將要分析的內容，丟到變數，點選旁邊的選項

把這些都勾起來
:::info
補充統計名詞英文
數量=N
平均數=M
標準差=SD
標準誤=SE
信賴區間=CI
:::

跑完之後就會出現結果囉

### 次數分配表
如果有人問我，如果還是想要知道字串分別有多少(如：男女生分別有幾位)，可以怎麼算?
其實，SPSS還有個叫做次數分配表的也能算出描述性統計XDD
他可以同時算字串跟數值

所以相比剛剛另一個，我更常用這個XDD
一次算完

點選分析>敘述統計>次數分配表

把所有要跑的資料都丟到變數

點選旁邊的統計量，勾下面這些(或是你想勾的也可以勾起來)

如果你想看圖，也可以到圖表中點選想看的圖

可以發現，數值就會跑出平均數那些，但字串只會顯示個數

下面也有個別的個數與百分比資料
如果資料標籤沒有設定好，就會依照原始數據的內容顯示

## 用JASP跑描述性統計
### 匯入資料與資料欄位編輯
點選漢堡(那三條槓)>開啟>電腦>找到你的檔案

如果欄位名稱不是英文，或想改成中文
在紅框處點兩下

會跳出資料欄位編輯視窗，可以在這裡編輯，編輯時下面的資料是同步改變的
資料欄位名稱
資料型態(次序、尺度跟名義)
資料標籤，1=???

### 跑描述性統計
編輯好資料，點選上面的分析，開始進行統計分析

點選描述性統計>描述性統計量

把所有要分析的資料丟到變量

點選你要勾選的項目
通常就是平均數、標準差、標準誤還有信賴區間(要選平均數的信賴區間!)
阿要跑常態檢定也是在這裡跑
勾好之後，資料就會在旁邊跑出來囉!

# 描述性統計論文中撰寫方式
老闆說表格中要放什麼，你就放什麼
沒有說就放個數(N)、平均數(M)、標準差(SD)、標準誤(SE)、信賴區間上界、信賴區間下界

:::danger
從上表發現，在學期一時，A(M=2.76)、B(M=2.97)、
C(M=2.74)、D(M=2.89)跟E(M=2.90)，平均皆未達 3，表
示許多大學生在學期一時不擅長使用或操作數位工具。
:::
只能描述你看到的數字
不能進行過多的推論!!!!
描述性統計不是推論統計，他只是在計算平均，告訴你數據分散的狀況還有平均
不能說看到
女性平均數>男性平均數就說，女性消費能力顯著高於男性

---
# 一些碎碎念
自從上次發完考量的部分，看了朋友的書審後，朋友跟我考上同學校了(開心撒花)
消失這段時間，我ㄎ一ㄣˊ了我自己的研究進度，一整個大躍進(還有ㄎ一ㄣˊ了學弟的畢業進度，真的要瘋掉了)
看了N本論文，也寫了幾篇paper投出去了
後續再慢慢分享給大家，包含我研究的內容應該也可以分享了(???
謝謝我的學弟，跟我合作搞出了這個東東

:::info
**補充一下**
**如果你的研究，一開始沒有想好這個題目要怎麼分析
你在寫研究結果時，就會炸裂(我也會炸裂，雖然很多時候我是笑出來)**

**最近，看了很多學弟妹碩論在分析質性的內容(我們家很常做質性分析)
很開心地跑了描述性統計
然後把不能加總計算的東西加總計算(例如次數或性別)**

**算出來後跟我解釋這個行為平均有2.54次，標準差1.34
心臟都抽痛了一下**

**孩子們，描述性統計不是讓你這樣用的(搖肩膀)
你先看看你剛剛在解釋些什麼鬼東西**

:::

# 參考資料
[在 Excel 中載入分析工具箱](https://support.microsoft.com/zh-tw/office/%E5%9C%A8-excel-%E4%B8%AD%E8%BC%89%E5%85%A5%E5%88%86%E6%9E%90%E5%B7%A5%E5%85%B7%E7%AE%B1-6a63e598-cd6d-42e3-9317-6b40ba1a66b4)-取自微軟
[四個步驟徹底學習標準誤：它跟標準差到底有什麼不同？](https://haosquare.com/standard-error/)-取自好豪
[信賴區間的意義和計算](https://drfishstats.com/inferential-stats/confidence-interval-with-sigma/)-取自Dr.Fish漫游社會統計