眾所皆知臨床試驗（randomized controlled trial, RCT）提供的證據是目前醫療常規決策的黃金準則，但其有一定的侷限性，例如是高度選擇的樣本與不自然的人為強力監督之下的收案情形等，因此從 2018 年末美國食藥署發動真實世界證據計畫《Real World Evidence Program》以來，各界紛紛積極投入研究真實世界研究可以在醫療常規決策扮演什麼樣的角色。關於真實世界證據計畫的背景說明，可以參考筆者之前發表的文章（https://reurl.cc/VLzzEA、https://reurl.cc/kXOOLd與https://reurl.cc/p633xx）。
而在各方組織與研究團隊中，又以受到美國食藥署資助的『RCT DUPLICATE』組織最大、研究範圍最大以及最多實際成績（https://www.rctduplicate.org/）。而在眾多已經發表的文章中，又以 2023/04 刊登於世界頂尖的美國醫學協會雜誌《JAMA》的研究受到各方矚目1。
企業或組織每天都會產生營運資料，一般都儲存在資料庫，但有時也會產出多個檔案，例如每天產出一個日訂單資料檔。當我們以Power BI分析時，如果你想單獨看某一天的狀況，若匯入整個資料庫，再籂選日期，曠日廢時。這時，如果每天都有一個獨立檔案，且檔名在命名上有一定的規則，就可以用到本文教學的方法，一次只匯入一個檔案就好，一鍵換檔（也可稱為動態檔案，Dynamic File Name）。舉例，有一個資料匣（或雲端空間）存有每天的excel檔，檔名是以日期命名，如下圖。
結果：
（9）單因子變異數分析的第一張為描述性統計，可以得到每一組的樣本數、平均數、標準差。由於差異分析的表格通常需要交代各組別的描述性統計，所以會建議步驟4需要勾選，並將各組的平均數與標準差呈現於表格中。
當比較樣本平均數差異的組別數來到三組以上時，就不適用先前教過的獨立樣本t檢定，而必須改用單因子變異數分析(One way ANOVA)。順帶一提，當組別數只有兩組樣本的話，也是可以使用單因子變異數分析來進行組間的平均數比較，得到的結果會和獨立樣本t檢定的結果一致，不過大部分研究遇到兩組的組間比較，仍是以獨立樣本t為主。
獨立樣本單因子變異數分析與獨立樣本t檢定有一樣的前題假設：（1）被檢定的變項需符合常態性；（2）樣本獨立性；（3）變異數同質性，有關三項假設的說明，可以參考上一篇SPSS進行獨立樣本t檢定，其中關於變異數質性的操作，會比獨立樣本t檢定來得複雜一些些，將在下方操作時一併說明。
本篇為Power BI 模板來源介紹系列的第二篇，透過上一篇的對Power BI 模板來源介紹，不管是在學習、統整資訊、亦或是工作簡報上，你是否對使用Power BI更躍躍欲試呢？本篇將會介紹一個更加厲害的模板網站，讓你除了對BI報表的視覺威力嘆為觀止，也有少數幾個可免費下載的模板（須註冊），讓你可以動手操作，讓我們接著看下去吧。本篇模板來源：網路平台ENTERPRISE DNA的展示集(https://enterprisedna.co/showcase)。
ENTERPRISE DNA可以說是一個線上Power BI百貨公司，只要訂閱會員就可以享受觀看線上課程、查看多種模板、及相關數據的服務，透過多種訓練增強實際的職場應用。且他提供的摸版在功能、視覺美觀、整體配置都很強大，若你正在因為沒有精美的模板呈現出想要的效果，一定要來看看他們的服務，以下介紹二個平台提供的模板讓大家體驗一下：
最近想要回來介紹一些比較常用的統計方法，雖然這些方法在網路上都非常容易，不過除了介紹操作流程之外，想順便將常常被提問的問題一起分享給大家。
獨立樣本t檢定收錄在SPSS的「比較平均數」裡，比較兩組樣本的平均數差異用來推論到母群體的結果。進行獨立樣本t檢定前有三項假設需先符合：（1）被檢定的變項需符合常態性，透過常態檢定，或是呈現偏態、峰度或常態機率圖形說明，由於常態檢定在大樣本的條件下，分配的非常態性容易達到顯著條件，此時採用圖表判定，會比較合適一些；（2）樣本獨立性，指的是每一筆樣本都是獨立的資料，什麼情況下會不獨立呢？舉例來說，同一位研究對象被重複收案兩次，那就會違反樣本獨立性的假設；（3）變異數同質性，針對兩組樣本的變異數進行比較，當比較結果未達顯著才符合同質性的假設，而在SPSS軟體裡同時提供了變異數符合同質及違反同質的t檢定結果，因此只需要判斷使用那一個結果即可。
{{ article.title }}