【不顯著怎麼辦？】

不顯著是指：你感興趣的效果在考慮抽樣誤差後不怎麼強，未達到統計學家定的所謂門檻值😰
譬如，當我想知道某校男女期中考數學科成績平均數是否相同，然後不用母體去做，只採抽樣方式。男女分別抽樣100位，結果可能顯示男生樣本平均數大於女生10分，但抽樣誤差是6，兩者相除就是1.67，小於統計學家說的門檻值（在型一誤差最大值α設為0.05下，這個門檻值大約是1.96），因此效果不顯著。
這個時候怎麼辦？🤔
1. 增加樣本數 (一堆人)
增加樣本數可以使抽樣誤差變小，在分子不變下，分母變小，就會讓兩者相除變大，比較有機會高於門檻值！
2. 改變門檻值 (標準降低⬇️)
在α=0.05的門檻值不過的話，表示我的門檻值太嚴了，那我可以設寬鬆點，設α=0.10(型一誤差機率上升表示我容忍犯錯的程度上升)，這個時對應的臨界值就會降低到1.645。此時，我的1.67就會勝過臨界值，就會顯著了! 不過這個作法不是很推，因為感覺是降低標準
3. 效果量的增加 (影響很大)
想辦法讓男女樣本平均數的差異擴大，不過這比較難事後決定，只能事前去看。一般我們會有一個刻板印象，男生的數學科表現會大於女生(平均數差異大)，可是其實這也不一定是這樣，所以我們在事前就要知道，這個效果量其實不會很大🙅‍♀️
然而，如果我們要研究滿意的顧客是否會願意再來消費，那這個效果量就強了。自己心中要有個譜，然後如果效果量小，為了要顯著，就只能增加樣本或降低顯著的標準了；反之，如果事前就知道效果量大，你就可以拍拍手，不用那麼擔心👏👏👏
最近新上架了幾套新課程，馬上點選下面連結學習更多！
✨鬍鬚曾課程連結：http://bit.ly/2NYwETo
一起簡單學做的好！👍
#鬍鬚曾統計顧問 #基礎統計 #簡單學做的好 #推論統計 #顯著水準 #統計顧問