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。
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。
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。
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。
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。