在前一篇提到當自變項個數為2，且皆為獨立因子時，我們使用的是獨立樣本二因子變異數分析；若兩個自變項中，一個為獨立因子，另一個為相依因子時，則要改用二因子混合設計；若兩個自變項皆為相依因子時，則要改用二因子完全相依設計，又稱隨機化區組多因子設計（randomized block factorial design）。
以下列表格為例，想要去測量五位消費者，對於某知名飲料店糖份（半糖、全糖）與冰塊量（去冰、少冰、全冰）的接受程度，因此每一位必須喝完6種不同配置的飲料，每種飲料試喝間隔為1小時，並在喝完後填寫滿意度調查表（1~10分）。
在現實生活中，我們關心事件發生機率的問題，譬如我們會擔心飛機的失事率，麻省理工學院的學者巴耐（Arnold Barnett）曾經做過失事率的研究，他計算從1991年到2000年間美國飛機的失事率，每天搭乘一次飛機來計算的話，平均8000年才會遇到一次（約300萬分之1）。比起我們開車、騎車或是搭乘大眾運輸發生意外的機率還要低很多。雖然如此，大家坐飛機時仍會害怕，為什麼？因為一旦發生，代價太大了。我們關心事件發生的可能性，更care嚴重性。而期望值（Expected Value）便是一個機率與代價的綜合指標，它將每一種可能結果的嚴重度以機率值來加權，只要某個結果的機率很低，那個結果的影響性便會被大幅降低。
在編制量表（Scale）的時候，由於是以外顯（Manifest）的觀察變項（Observation variable，即題目）去測量看不見的特質（Trait，即潛在變項），因此研究者所設計的題目是否穩定且一致（信度）以及是否測量到想要探知的特質（效度）就顯的非常重要。關於信效度的概念，本部落格有2篇簡介文章的介紹可以先參考一下。
相信很多新手開車，不喜歡立刻買新車，怕不熟悉路況一不小心把新車弄壞了，那絕對是非常非常的心疼。買二手車相對的是個好選擇，但是二手車的問題是這個市場好像充滿陷阱與專業，一不小心賠錢事小，買到爛車真的會感覺相當的OOXX。不過現在網路發達，很多訊息都已經在網路上透明化了，如果可以在買車之前先做一些小小的研究，相信可以大大降低買貴買爛的風險。
{{ article.title }}