晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

9.X(Y)典型因素與X(Y)觀察變項間的相關係數

如同架構圖中的S，舉例來說S11為X第一個典型因素與知識性動機(X1)的相關係數為

之前我們介紹了三種較常用的相關分析，分別為皮爾森積差相關（Pearson product-moment correlation）、史皮爾曼等級相關（Spearman rank order correlation）與點二系列相關（Point-biserial correlation），但這些分析僅適用變項X對Y為一對一的相關分析，我們稱為簡單相關。當X與Y變項皆不只為一個變項時，我們可改用典型相關分析來求出X與Y的線性相關，我們稱為多元相關。

最近去參加了聯合通商公司（和碩集團子公司）舉辦的產品說明會，想要了解一下如何在商業領域應用統計分析來協助決策，說明會的地點舉辦在遠東國際飯店的洛北園，場地十分高雅，大約可以坐50人，當天也是坐的滿滿滿，看來的確有許多商業人士對這一塊有興趣。

統計分析方式百百種，搞得大家頭很痛，為了減輕初學者的頭痛症狀，在這邊作了點整理，讓初學者可以清楚的知道哪些統計方式最常用，以及從哪些統計分析方法先下手去學習最有效益。為了了解這個問題，我先從碩博士論文網隨機的抓取一些量化研究的論文，並且一篇一篇記錄下他們用了哪些統計分析的方法，由於不同領域的論文常用的統計方法也會不一樣，所以分了三大類來搜尋，分別是社會科學與教育類、醫學護理類、管理類，每一大類搜尋20～30篇論文，然後將這些論文使用到的統計方式整理且繪圖如下面：

一般而言，無論我們用CARDS或是INFILE來建立資料集，所建立的Data都將先暫存到目錄底下WORK的資料館裡（如下圖），因此我們可以到此資料館裡，將此Data另存成SAS的資料檔（副檔名為sas7bdat），可是如果要一直手動來執行上述的步驟似乎有點麻煩。

事實上調節變項在迴歸分析的作法並不複雜，承上例以性別為調節變項的例子，迴歸方程式就如下這樣：

減肥行為 = 截距項 + a × 減肥知識 + b × 性別 + c × (性別×減肥知識) + 殘差

        這次武漢統計局來台觀光交流，很榮幸我們可以從台灣商業統計應用的角度和他們互換一些經驗。帶團的是李濤副局長，笑容可掬，而隨行的十三人也都是武漢巿各處的處長或副處長級，但都非常親切。

當依變項為二元的類別變項時，若想作迴歸分析，此時不能再使用一般的線性迴歸，而應該要改用二元羅吉斯迴歸分析。

網路發達之下，網路購物日日夯，不出門就可以逛街誰不愛？我每每上YAHOO超級商城就發現有好多的賣家在賣各式各樣的商品，看的我眼花撩亂，讓我不禁非常好奇，YAHOO是怎麼樣來管理那麼多的商家？如果沒有管理那鐵定是亂成一團，購物糾紛滿天飛才是。

在之前的兩篇文章我曾經簡介過「中介變項」的概念與檢驗流程，接下來這兩篇文章也會針對於「調節變項」的概念（上篇）及檢驗流程（下篇）作簡介，在這之前也是建議先閱讀研究生2.0的針對調節變項的介紹https://researcher20.com/2010/06/08/%E4%B8%AD%E4%BB%8B%E8%AE%8A%E6%95%B8mediator%E8%88%87%E8%AA%BF%E7%AF%80%E8%AE%8A%E6%95%B8moderator/，大家應該看一下他摘錄的重點之後再看我的介紹，這樣子觀念的銜接會比較順暢。