鬍鬚曾統計顧問
  • 首頁
  • 最新消息
  • 統計學課程
    • 基礎統計SPSS
    • 行銷數量分析課程介紹
    • 信效度分析
    • 基礎迴歸分析
    • PLS結構方程式
  • 關於我們
  • 隱私政策
  • 統計學懶人包

 統計學懶人包

熱門搜尋:  標準化 | 問卷前測 | 交叉分析

抽樣基礎概念

10/16/2018

0 評論

 

抽樣是從母體中抽取適量的樣本並以樣本的統計量推論母體參數的過程。這樣講你一定不知道是什麼意思,必須先講裡面的名詞定義。🤔🤔

​母體是由我們感興趣的目標物(人事物)所組成的整體,樣本就是這個整體中的一部份,母體參數是這個整體中我感興趣的特性,樣本統計量則是這一部份人所感興趣的特性,之所以我們會想要抽樣就是因為想要藉由樣本的特性(樣本統計量)推論母體的特性(母體參數),這裡你一定就會知道用樣本特性推論母體一定會有誤差,不然這樣就太神了,沒錯,樣本推論母體一定會有誤差,這叫做抽樣誤差,當抽樣誤差太高,那我說你想用樣本特性推論母體的這個行為就很不可信,所以我們必須要想辦法盡量讓抽樣誤差不要太高,這樣我們想要用樣本推論母體就可以被接受了。抽樣誤差不會太高的意思就是在我們可接受的水準內,這個概念和型一錯誤與型二錯誤有關,容我之後再介紹。

當一個研究問題出來時,上述這幾個名詞會變得比較好懂。如果我的研究問題是想要知道一個學校中是否有超過一半的學生是戴眼鏡的,那我的母體就是這個學校中所有的學生,樣本是一部分的學生,母體參數就是所有學生中戴眼鏡的人所佔的比例,樣本特性就是這一部份的學生中有戴眼鏡的人佔的比例。我們要抽樣就是想要用一部分學生中有戴眼鏡人的比例去代表所有學生戴眼鏡的比例,用樣本特性去代表母體特性,關鍵的問題就是真的可以代表嗎? 代表性的問題,這個部分之後會詳談。 若想了解更多,別忘了常來逛逛,也給我一些支持打氣喔!!🤣​🤣

0 評論

大學時期的我學統計心得

10/15/2018

0 評論

 

在這裡我分享我以前學習統計的經驗。我以前也和您一樣什麼統計都不懂,我記得我開始認真學統計時是我要考研究所時,那時我去補習,有個老師用有趣的方式教統計學,我才知道原來統計也可以那麼好玩。
 
不過那個時候,老師還是主要是教計算與推導公式,這個相信大家都不太想要學的,後來老師說了一句話,就是其實,學這些公式你們也用不到,因為以後都交給電腦幫你跑統計,所以”會運用”才是重點!
 
我們要知道,什麼時候要用什麼統計方法去跑,然後,要學的就是統計軟體要怎麼跑,還有跑出來後要怎麼解釋結果,而這也是鬍鬚曾統計這邊主要想要教的,我們提供了很多種碩士班、博士班常見的統計課程,但是在學這些之前,我們必須先打好統計基礎!

之後再分想我碩班的學習經歷吧! 

0 評論

信度係數可以是1嗎?

10/14/2018

0 評論

 

哈囉,上次我們討論信度係數可以是1嗎? 大家好像都答對了呢,果然是好棒棒!
信度係數理論上可以是1但是實際上很怪,因為這表示沒有隨機測量誤差,而這也是不太可能之事。

​譬如,你問一個人三個問題想知道他對某品牌的滿意度,但是他真正的滿意度分數,搞不好連填答者自己也不知道,更何況是你😝 
真正的答案可能只有神知道!

信度分析還有很多議題,我們之後再好好介紹!

0 評論

類別變數的類別要怎麼決定

10/12/2018

0 評論

 

上次談到類別變數的基本特性:
不可以加減乘除、類別要滿足周延與互斥性,那接下來就要談類別變數的類別要怎麼決定。 為何要談這個,因為它會影響你值的分配(佈)情形 如果你用了以下的月所得類別,去研究一般台灣消費者:
□ 未滿5000
□ 5001-10000
□ 10001-20000
□ 20001-30000
□ 30001以上
這樣會有什麼問題?

很有可能發現大家都會傾向勾選最下面兩格,那這樣就不好啊,因為受試者的反應有偏向一邊,這樣會無法反映真實資訊,因為你會只知道說有很多人所得30001以上,可是你不知道確切的範圍,而且這樣會使統計分析結果變得很廢(因為不明確),知道男生有40%所得是在30001以上 VS. 知道男生有20%所得介於30001-40000有15%介於40001-50000,有5%為50001以上,請問前者還是後者比較明確,當然是後者阿,此外,如果做推論統計也不容易顯著(原因以後再說,簡單說就是因為值的範圍受到限制,可以這樣想: 一個受到限制的人要它有很顯著的表現也是很難的)。 那理想的狀況是什麼呢? 理想的狀況是受試者的填答應該要呈現常態分布(像一個鐘形的分配),也就是中間10001-20000最多人填,然後未滿5001-10000與20001-30000次多人填,然後最少人填未滿5000與30001以上。 那類別的範圍要怎麼決定才能讓受試者的填答呈現常態分佈一樣呢? 這個就要看你的目標研究對象是誰了,如果你今天是要研究學生,那你很明顯的可以用上面這些類別,可是如果你今天是要研究高所得的人,那你這樣的範圍就會不ok。所以,建議你事前去網路上看相關數據得知你的目標對象的所得範圍,或至少你在正式發問卷前,先邀請20位目標對象寫一下問卷,看他們填答的反應就可以知道了。 針對其他類別變數的選項決定,也是同理類推喔!

不過,就台灣平均月收入而言,到底類別要怎麼寫比較好啊? 這就是我給大家的討論了,請直接在下面留言喔..

對了,如果你真的對統計有興趣,可以來我的網站看看喔,有更多實用的課程可以學習,現在加入會員則有免費SPSS分析課程,讓你在兩天內快速搞懂基礎統計分析喔! (按這裡喔)😁😁😁

0 評論

類別變數的類別必須滿足周延與互斥性

10/12/2018

0 評論

 

上次我們談到類別變數不能加減乘除,那我們今天來談類別變數的另外一個重點:😜類別變數的類別必須滿足周延與互斥性,周延就是所有可能的類別都要列出來,互斥就是類別間不可重疊.. 今天問性別這個類別變數,常會用的類別是男生與女生,這在大部分的情況下都是可以的,可是如果今天一個國家中普遍接受有第三性,那這個第三性你就要列進去不然就少了這個類別,你的分類就不完全,也就是不周延 有關互斥性,最常看到學生的問題就是在所得:
請問你的月收入(可支配)
5000以下 5000-10000 10000-20000 20000-30000 30000以上 那如果我5000請問我要填在5000以下 還是填在5000-10000?

所以說囉,這樣的類別之間就沒有互斥 所以,類別變數或是名目尺度的變數,請記得要滿足類別之間的周延與互斥性。你想得到更多關於尺度的介紹嗎? 鬍鬚曾特別將各種變數的尺度彙整成一個講義喔,立即點這裡,填資料加入會員立即取得!

0 評論

知識小分享: 信度基礎

10/8/2018

0 評論

 
信度就是在看一個衡量工具的穩定程度..
一個體重機,鬍鬚曾上去量看看,第一次量80,第二次變成100,第三次變成60,那這個體重機就是沒有信度..因為不穩定

第二台體重機,鬍鬚曾上去量,不管試多少次,都是80,這個體重機就是有信度的..因為穩定..
那在衡量信度時都會用一些信度的係數..最常聽到的就是恐八阿法(Cronbach Alpha)

最沒有信度的情況是啥?

每次量的時候 體重都是隨著機率在變..這時候就是信度為0
這樣可以知道..完全沒有信度的情況就是信度全部由隨機性(隨機誤差)決定..也就是你的體重每次量的值都是靠機率決定,有時你會很爽,因為你變得很輕,可是有時你會爆肥,很刺激就是了吼..可是你也沒信心知道到底下一次量是多少

那反過來,當一個體重機怎麼量都一樣,這時信度係數為1,你就會信心滿滿知道下一次是怎樣,當然這個下一次是很短的時間量的,不然隔太久就會有其他因素影響你的體重造成前一次與後一次差異
所以信度就是你量測的值會不會跳來跳去的程度...當她一直跳來跳去,你信度就低,反之則反。而當信度低的時候,這個變數在預測其他變數的能力也會變弱,為何?
因為它一直跳來跳去阿,讓人無法捉摸 不信任,那這樣你還會寄望它可以預測別的變數嗎?

​但是..有可能會信度=1嗎? 哈哈,這就是我給妳的題目了!
送出答案
0 評論

類別變數可以算平均數?

10/5/2018

0 評論

 
我看到很多大學生常常還是會將類別變數計算平均數,其實這是有點問題的。類別變數的值代表類別(又常稱為名目尺度),算平均數就會有點怪怪的..
性別這個變數有兩個值
1=男生 2=女生
算平均數可能會出現1點多
那這是指啥阿?妖嗎?
其實平均數就是加總/樣本數,光你加總就很怪了,如果我有五個人:男生、男生、男生、女生、女生
所以你的意思就是男生加男生加男生加女生加女生
這個加起來到底會是什麼鬼?
然後這個什麼鬼你都不知道了,還給它除以五
那還真的是什麼鬼什麼鬼
所以類別變數算平均數是個蠻奇怪的,最好不要..
這也是為何名目尺度不可以加減乘除
0 評論
<<上一步
轉送>>
    圖片

    我是誰

    鬍鬚曾,政大博士,為人和善客氣,看起來呆呆萌萌的,喜歡分享簡單統計知識,熱心幫助有需要的人,做事認真,常常忘記要照顧自己

    查文章

    十月 2024
    十月 2022
    九月 2022
    十月 2021
    九月 2021
    八月 2021
    十月 2020
    二月 2020
    一月 2020
    十二月 2019
    十一月 2019
    十月 2019
    九月 2019
    八月 2019
    七月 2019
    六月 2019
    五月 2019
    四月 2019
    二月 2019
    一月 2019
    十二月 2018
    十一月 2018
    十月 2018

    類別

    全部
    勉勵與期許
    問卷前測
    問卷設計
    基礎統計概念
    大數據分析
    抽樣
    推論統計
    進階統計
    進階統計
    關於鬍鬚曾

    RSS 訂閱


隱私政策  |  部落格  |  關於鬍鬚曾  |  免費好康  |  輔大永續研究中心


Hours

M-F: 11 am - 5pm

Facebook

點我

Email

[email protected]
  • 首頁
  • 最新消息
  • 統計學課程
    • 基礎統計SPSS
    • 行銷數量分析課程介紹
    • 信效度分析
    • 基礎迴歸分析
    • PLS結構方程式
  • 關於我們
  • 隱私政策
  • 統計學懶人包