晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

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。

2.  匯出（Export）

相信許多研究者在輸入資料時，許多人都會建立在Excel檔中，主要原因是Excel中有格線，可以方便keyin及減少錯誤的發生，另外就是可以在keyin完後做簡單的運算，像這種變數欄位確定的套裝軟體檔案，SAS提供了資料轉換功能（Import & Export），方便研究者在SAS及其他套裝軟體的資料間使用匯入及匯出的功能，本節以Excel檔為例（先將Excel存成*.xls）。

我在另一篇文章中提到以SPSS進行one-way ANOVA分析時，如變異數不同質，應改用Brown-Forsythe或Welch統計量來檢定，而事後比較則改用Dunnett’s T3或Games-Howell。這個取向仍是基於傳統的F test with post hoc架構進行，只是改用修正後的F值及事後比較法。

問卷設計時，常常會看到複選題或排序題。對於複選題，有些教科書提到，這種題型可用的分析方法較少，如SPSS軟體提供之次數分配及交叉表；而對於排序題分析則付之闕如，很少有書本提到如何作。

一般在作差異分析時，常用的方法為獨立樣本T檢定及單因子變異數分析（one-way ANOVA），可是這二個方法其實都有前提假設：

在之前文章有提到過，若我們想要進行共變異數分析之前，必須先進行迴歸係數同質性檢定，若交互作用未達顯著，則符合迴歸係數同質性假設，可移除交互作用項後繼續共變數分析；但若交互作用達顯著，則違反迴歸係數同質性假設，並需改採詹森內曼法進行分析。

每個人進研究所最重要的一個課題就是~~畢業，其他稀奇古怪的相似因素（EX:交朋友、培養第二興趣、重溫校園時光...），都是假的，都是自欺欺人的，只要畢業這個目標沒有達成，研究所生涯將會從一種光環變成一種惡夢，讓你每天吃不好睡不好，甚至產生疾病。

三、以MERGE敘述句做資料的橫向合併（變數合併）

合併資料是大型資料（譬如資料庫）最常見的資料處理之一，由於資料龐大，因此這些資料在一開始都會被拆分在很多資料集裡，直到分析之前才會進行合併的動作。在介紹資料合併之前，將先介紹一下相關有用的敘述句。