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。
晨晰部落格新站 發表在 痞客邦 留言(1) 人氣()
(10)接著介紹定義組別時,若調整組別編號的順序,對於結果會產生什麼影響,如圖所示,將組別1與組別2的編碼對調。
晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()
晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()
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:
晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()
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。
晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()
晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()
在觀察型研究中比較不同治療方法的預後時,由於沒有辦法像臨床試驗那樣做到隨機分派,因此得到的估計結果必定會受到未測量因子的干擾,我們稱之為「Unmeasured confounding」。相較之下,臨床試驗由於做到隨機分組,因此無論是在觀察的到的因子(Observable factors)或是觀察不到的因子(Unobservable factors),都不會有系統性的差異。
因此學者陸續提出針對 Unmeasured confounding 的敏感度分析(Sensitivity analysis),最具代表性的是哈佛醫學院知名流行病學專家 Sebastian Schneeweiss 提出的作法1。但這個作法有其侷限性,首先要知道那個 Unmeasured confounder 是什麼變項(例如抽煙、社經地位等),接著必須假設該干擾因子是二元變項,再來要設定不同治療組別(例如暴露組、未暴露組)在該干擾因子的不同盛行率,然後看如何地不均衡的情況之下會讓療效接近於零(例如:risk ratio = 1)。
晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()
晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()
本篇為Power BI 模板來源介紹系列的第二篇,這次介紹的是微軟跟Intel合作,在中國舉辧的視覺化比賽(大陸地區叫可視化大賽)。這個比賽從2017年起,每年舉辦可視化大賽吸引各方Power BI好手互相交流,至2022年止,已舉辦了5屆,由於提供3C獎品,每次都吸引100多個作品參賽,2022年參賽作品更來到200多個。
晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()
晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()