量表是很多問題組成的，通常是用來衡量一個概念，像是忠誠度，要衡量這個概念，我們會用譬如三題去衡量
1. 我願意推薦別人來這裡消費
2. 我未來會願意繼續消費
3. 即使競爭對手比較便宜我還是願意在這裡消費

其實我們也可以用量表將人們分類喔，而這個時候，這些量表衡量的概念應該是反映個人差異(Individual Differences)的特質，像是宅與萌，雖然這兩個概念的定義很不清楚，但是因為比較有趣，所以我就用這兩個概念當例子。
​
當我要衡量一個人的宅與萌程度，到底要怎麼量? 
首先我就從過去文獻中找找看是否有人使用過衡量這兩個概念的量表，如果我有幸找到了(若找不到就要自行發展量表，這個複雜，以後再說)，我就會用這些量表去衡量宅與萌。

假設宅與萌分別用五題衡量，請填答者針對每題勾選其同意程度，那每位填答者就會有十個分數，我們就可以算出每位填答者在宅與萌的分數，宅的分數就是五題問題的平均數，萌的分數也是五題問題的平均數，那接下來我們就可以將填答者分類了!

問題是要怎麼分? 
答案就是用中位數或是平均數去分。
當填答者在宅的分數高於中位數(平均數)，則被歸類為”高宅”；低於中位數(平均數)則是”低宅”；當剛剛好等於中位數(平均數)，則會刪除。
萌那邊也是類似的作法。

但是我們怎麼知道區分是有效的? 
答案就是用兩獨立樣本t檢定。
我們會比較是否”高宅”與”低宅”這兩群人是否在”宅分數”有顯著差異，高宅是否顯著高於低宅的宅分數
萌那邊也是要做。
如果都顯著，表示歸類成功

那你就可以知道每一個填答者可以被歸到哪一類，也可以知道鬍鬚曾是否如同同學所說，是被歸類到宅萌類，也就是高宅值高萌值，就是宅萌!

有個細節，就是什麼時候要用平均數，什麼時候要用中位數作為歸類的基礎? 這容我之後再說吧! 一起簡單學做的好!

#鬍鬚曾統計顧問 #基礎統計 #研究運用 #研究方法

比較平均數的檢定有兩種，一種叫做獨立樣本t檢定，另外一種叫做成對樣本t檢定，到底要用哪一種呢?

這個問題的答案就在於是否是"相同實驗個體"!
如果你想要比較兩個班級的期中考成績平均數是否相同，妳兩個班各抽一些人各30人，在這個情境中，一個人只會在一個班級有成績，不會同時在兩個班級都會有成績，這個時候就不是相同實驗個體..不同人的分數理論上是獨立的。
如果你想要看一個新的教學方法是否能改善同學的學習成效，引入此教學方法之前，妳給學生做了一個測驗，然後開始引入教學方法教了一個學期，在期末又做了一個相同的測驗，妳想看是否這個班級期末測驗的平均數大於期初測驗，但是妳只從班級裡面抽了30位同學，這個時候，妳會發現一個人會有兩個成績，一個是改變前，一個是改變後，此種情況就是相同實驗個體，某一個人的前測分數會和後測分數相關，因為都是同一個人。
當相同實驗個體時，表示不獨立，有相依，所以要用成對樣本t檢定
當不同實驗個體時，表示獨立，就要用獨立樣本t檢定
好好想想吧，這個概念很重要喔! 以後我們會延伸到進階版，也就是不只兩群的情況..以後再說吧!
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 #統計基礎 #假設檢定

這次我去英國的Academy of Marketing Conference是個行銷的國際學術研討會，既然是學術研討，裡面論文用的統計方法當然就比較嚴謹，我看了看，都幾乎屬於進階統計的範疇，所以說如果要做研究，妳基礎統計觀念一定是必備的，然後要懂一些進階統計概念，要會用軟體跑這些進階統計並能解讀報表，這些都是需要努力學習的啊!
其中一個常用的統計技術就是線性結構模式，聽起來好像很難，但是其實它是迴歸分析的進階版本，可以同時估計很多路徑關係，又可以考量測量的誤差，如此而已...
這個統計技術常被用來驗證研究中的研究架構，譬如，服務品質影響滿意度，滿意度影響忠誠度，就可以利用線性結構模式去檢驗，當然啦，應該要更複雜的關係。
但是線性結構模式主要是針對構念(抽象的概念)間關係去檢驗，如果妳的研究架構中沒有構念，都是很具體的東西，譬如點擊率銷售量等等，那就沒有必要阿。
我這次聽到一篇研究是說B2B公司可以利用數位行銷干預作為去提升網站的轉換率與購買發生，如果是這樣的架構，應該就不用用到線性結構模式，因為都是具體的變數，可惜的是這篇研究並無告知它怎麼去看數位行銷干預與轉換率，只說用Google Analytics裡面的數據去看，所以其實也沒有很清楚。
如果你要做學術研究又用問卷法，那麼線性結構模式就是一定要會的了，之後有機會再說吧，畢竟這裡還是以分享基礎統計知識為優先，簡單的要先建立基礎，才能走向難的，這才是簡單學、做得好的精神!😎
#鬍鬚曾統計顧問 #簡單學做的好 #進階統計 #研討會統計