晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

通常資料鍵檔、清理及編碼完之後，就會開始進行分析!!不過有時候就得先去篩選樣本後再來進行分析，通常會發生在（1）選擇特定樣本，譬如說只分析男生，或只分析學歷在大專以上的對象；（2）針對所有樣本隨機抽取選需的份數。

情況一的部分，主要是研究者欲針對特定對象來進行統計分析，因此會在分析之前以滿足調件的方式，去篩選出特定樣本；情況二的部分則常發生在研究者僅作一次收案，但又要進行預試分析，因此針對所有資料抽取出一小部分的樣本來進行預試分析，再用剩下的資料進行正試分析。

前一篇提到，擷取到了鉅量的文字，這是一個巨大的寶藏，當然要用力挖掘。但是要怎麼挖呢？總不能用手（人工）吧！那要挖到民國幾年？介紹大家二個工具。

（四）樣本數計算軟體介紹：G*power

目前為止，我們已經得到效果量（Cohen’s d）並且帶入統計公式，進而計算出每組至少需要165名，不過讀者會問，難道每一次都得自己手算嗎？當然不是，在此隆重介紹世界知名的樣本數計算軟體：G*Power，是由德國好幾間大學的教授所研發撰寫的，不僅功能強大而且完全免費。

大家好:超級數據力演講開跑囉，大專院校或機構如果

有想要推廣數據分析，歡迎與我們聯繫，我們會去貴單

（三）狀況一：有實驗組與對照組的平均數與標準差

以下例子引用Rosner (2002, p.308). Hypertension and Oral Contraceptive between Premenopausal nonpregnant women。該研究為比較有無服用某種口服避孕藥兩組的收縮壓（SBP），假設我們現在想要規劃一個類似的研究，但是使用的藥物則跟Rosner該例中的藥物不同，然而我們到底要收集多少樣本數也必須要有一個根據，因此我們只好假設如果我們預期效果若跟Rosner的研究相同，那我們至少需要收集多少樣本數以達到這個效果。

（二）好用工具介紹：ES_calculator

不過，有些讀者可能對以上公式要在Excel自行寫函數會有些困難，因此我隆重介紹一個非常好用的工具，此EXCEL是由「Practical meta-analysis」此書的作者David Wilson所設計的，裡頭包括了10幾種不同狀況之下該如何計算出效果量，此檔案可由google直接搜尋下載，請搜尋「effect size determination program Wilson」，第一個網頁連結即可直接下載該EXCEL檔（檔名：ES_calculator.xls）。

過去幾年寫了關於樣本數規劃的幾篇文章廣受讀者迴響（http://ppt.cc/HoFL、http://dasanlin888.pixnet.net/blog/post/34469297、http://dasanlin888.pixnet.net/blog/post/34469303），不過雖然在觀念的部分已經做了詳盡的介紹，但是許多讀者仍在實際計算樣本數時會遇到一些困難點，諸如：我應該如何計算效果量（effect size）呢？或是參考文章所提供的數據有缺漏，還是可以引用這篇文章的數據計算樣本數嗎？

目前實務上最常碰到的就是比較兩組的差異，通常為實驗設計（Randomized controlled trial, RCT）或類實驗設計（Quasi-experimental）的研究，由於篇幅的限制因此本文只先介紹這類型的狀況。

針對類別變項進行交叉分析時，通常會利用卡方檢定（Chi-square test）或費雪精確性檢定（Fisher's exact test）來進行考驗，而醫護領域有時候還會計算出「相對風險」（Relative risk, RR）或「勝算比」（Odds ratio, OR）來作呈現，本篇文章將以此兩項指標為主題進行介紹。

在鉅量資料時代，資料是多樣性的，一般常用來分析的結構化資料只佔20%，更多的是文字資料，如訪談稿、機器記錄檔（log）、FB臉書、Twitter推特、網誌、部落格、留言版等，所獲得的資料都是一堆文字，對統計學家來說，其分析意義主要在字詞出現頻率。高出現次數代表被討論或關注的頻率高，也就是該字詞可能是一種多數人的主流意見。

所以這方面分析統計方法難度並不高，重點在於如何擷取文字資料、自動辨別字詞與計數。前者會因為來源不同而需要不同的技術或軟體，而後者則需要事先建立龐大的字詞資料庫以供比對。今天筆者介紹一種應用在部落格分析上的方法，非常簡單且容易學習，最重要的是免費。