晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

在抽樣調查時，尤其政治上的選舉民意研究，特別重視樣本的代表性問題。常見的狀況是樣本與母體在人口特性上有明顯不同，例如已知母體中男女的人數比例應為1:1，但抽取的樣本男女比例卻為2:1，此時如果進行意見的統計，則女性的意見將被低估。

上一篇說到以G-power軟體來計算迴歸分析的樣本數，通常只要在內文裡交代利用的計算軟體，透過迴歸分析方法，設定「型一誤差α」、「檢定力1-β」、「效果量effect size」與「自變項個數」各為多少，所計算的樣本數為何，十篇裡有八、九篇都能順利過關。

多元迴歸分析（Multiple Regression Analysis）常被拿當來作一篇研究最主要的分析方法，而研究的一開始必須先去先計算要收案的樣本數，此時論文裡就會出現各式各樣的抽樣公式，通常以隨機抽樣公式為主。

約三年前我曾經寫過一篇GEE的簡介文章，廣受許多的朋友的迴響（http://dasanlin888.pixnet.net/blog/post/34468724），而這幾年使用GEE的比例越來越高，尤其是護理領域特別偏好使用GEE，有些問題常常重複地被提起，因此本篇文章旨在將幾點比較常被提問的問題作個釐清。

SAS中竟然包含點選分析的功能，這對懶得使用語法或臨時找不到參考語法的人來說真是一項福利，不過要使用這項功能似乎得花費一番功夫。

由於學術問卷在設計時，即使是自編量表，多半已依理論確立構面，再依構面設計題目，故在施測前通常已設計好構面及所屬題目。當進行因素分析以驗證 建構效度時，常見到結果與原先設計有差異的現象，這時常令研究者感到困擾，對於構面題目錯置的題目，常無所適從。雖請教老師，老師間又常有不同作法。有刪除者、有主觀移動者、有因素從新命名者、忽視者等不一而足。

        最近朋友有個小房間在台北市想要出租，我想說幫他蒐集一些資訊看看租多少錢比較適合，因此我重操舊業到591租屋網蒐集一些房屋出租的相關資訊來做分析，也順便了解一下台北市的租屋行情。

最近在金石堂看到一本新書，叫「搶錢的合法執照」（財經傳訊出版社），作者張正彬是韓國人。裏面提到，許多企業在經營客戶滿意（CS）的同時，目的在提升客戶的忠誠度，也就是再次購買的可能性。簡單講，老闆會去經營客戶滿意度，多半想要提高營業額；如果客戶很滿意，但卻不會再購買，那多數老闆可能就不在乎客戶有多滿意了。

承上篇，我們將α跟power的定義作個總結，α就是「母群體不存在著性別差異，但我們的樣本資料發現顯著差異（p＜α）」，由於我們可能得到一個極小的p值（例如0.0001），我們此時會宣稱性別有所差異，這背後的邏輯是「如果母群體不存在著性別差異，那我們得到這種樣本資料（p＜0.0001）也太不可能了，所以我們認為母群體是有性別差異的」。

之前我們曾經提過樣本數（Sample size）計算的三個要素，首先是型一誤差（Type I error, α）、再者是型二誤差（Type II error, β），最後則是效果量（Effect size），可參見之前的文章。