晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

之前在SAS教學文章中有提到當組別數在三組以上所做的差異檢定為Kruskal-Wallis one-way ANOVA，當分析達顯著時，我們必須進一步做事後比較，而且所採用的事後比較為Dunn法，因為此方法同時適用在組別人數相同與不同的時候，因此為較多人使用。

在舊版的SPSS中，Kruskal-Wallis分析並沒有提供事後比較，不過到了新一點的版本（應該是在19版之後）則有鑲在分析程式中，當然在讀這篇的您有可能仍是使用比較舊版的SPSS，因此本篇還是會介紹一下公式的計算。

（2）成對樣本t檢定（Paired sample t test）

我們可以利用成對樣本t檢定去探討實驗組的研究對象在前後測上有無明顯地改善，另外再去檢定對照組的研究對象在前後測上有無明顯地改變，如果實驗組有明顯地改善，而對照組的前後測無明顯地變化，或有退步，則代表介入是有效果的；或實驗組無明顯地改善，而對照組有明顯地退步，亦是代表有介入效果的（顯然這種介入是想讓實驗組的狀況維持在一個穩定程度）。此檢定方法常配合獨立樣本t檢定一起呈現來說明介入效果。

近年來在協助統計分析時，在醫護及教育領域蠻常遇到介入性研究（interventional study），每個研究者當然都會希望自己的介入是有明顯地效果，老實說若沒有介入效果，那整篇的貢獻度相對來說就會變得非常低，因此本篇將分享自己處理的經驗，希望能提供研究者更多的選擇。

介入性的研究又以2×2的型態最常出現，所謂2×2是指兩組前後測的實驗設計，其中一組實驗組有接受介入，另外一組對照組則不接入任何介入，在介入之前讓兩組先進行測驗（前測），接著在實驗組接受介入後，再對兩組測驗一次。

雖然可以用N + (p*10) 的原則或者是根據正式公式樣本數計算的公式來大略預估需要多少人數，但是如果自變項數目太多時，這個原則可能還是失效的。

例如我們有10個自變項，若按照N + (p*30) 的原則（N設100），那麼所需要的是400名樣本；反之，舉一個極端的例子，如果我們有100個自變項，則需要3100名樣本，但按照經驗法則，如果一個迴歸模型中真的包括了100個自變項，那麼儘管樣本數高達3100名但結果可能還是很難有顯著的發現，這100個自變項可能達顯著水準的只會有少數幾個。一般我們在許多期刊論文上面看到迴歸模型的自變項很少超過10個，可能的話也盡量不要超過20個（儘管樣本數可能很大）。

無論是各種領域，只要使用到量化研究，最重要的也讓人最感興趣的就是「尋找預測因子」或「尋找關聯性」，或是大膽地說想要探討「因果關係」。例如醫學研究中，胸腔科的醫師可能想知道與肺腺癌病人的存活率有關聯性的變項有哪些；政治學的研究中，可能想要探討什麼特質的選民會投票給某種屬性的候選人或政黨，這也需要用到「預測」的技術，而在現代的統計學中，目前最主流作預測分析的統計方法就是迴歸分析（Regression analysis）。

迴歸分析會因為依變項尺度（Scale）的不同而採用不同的模型，例如連續型依變項是線性迴歸（Linear regression）、二元型依變項是Logistic regression等等各種不同的模型，不過大致上皆可歸類到廣義線性模式（之前的簡介，不過今天這篇文章不是在介紹統計分析方法，而是要淺談「迴歸模型建立的策略」，簡稱「建模」，說的白話一點就是我們如何決定一組迴歸模型中最後要保留哪些自變項。

前次提到支持度（support）、信賴度(confidence)、增益（lift）作為找尋速配行銷組合的標準。相關應用的軟體很多，大家只要去找資料探勘（Data Mining）的軟體，大都有關聯規則分析（Association）的功能。這個分析有多個演算法，最常用的一種叫Apriori演算法，詳細內容在網路上隨手可得，但通常難以理解。以下以圖示方式簡單介紹：

假設有四筆交易，各購買下列物品：

（5）設定分割中點以形成四大象限

9.左鑑兩下點選圖形or對圖形按右鍵→SPSS圖形物件→開啟

最近還蠻常遇到有關IPA的分析，那今天在此針對IPA的內容與操作過程做個介紹。IPA分析就如標題所示，全名叫作重要-表現分析法，研究的議題總是圍繞在服務品質上打轉，然後去搜集受訪者（顧客、消費者…等受到服務的人）對於某項服務的重視程度與感受程度，因此「重要」有時候會以「期望」、「重視」表示，而「表現」有時候則會以「感受」、「滿意」取代之，無論使用何種名詞，這類分析所使用的量表都是一個對等量表，也就是說「重要」與「表現」是用一模一樣的題目去測量受訪者的反應（如下圖）。

前次提到換尿布的偶然念頭，試著用相異矩陣來找尋速配的行銷組合。但是到底相似性要多大才能視為有用的組合呢？

本次企畫的兩個問題

Q1:現在的大環境下，您預計生幾個小孩呢?(1.不生 2.1個 3.2個以上)