晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

近來由於統計方法的推展及電腦軟體運算能力的大幅強化，目前在學術的各領域，樣本數規劃（Sample size determination）或統計檢定力分析（Power analysis）幾乎已經成為必須報告的項目（在論文的研究方法的一個小段落），而筆者與公司同仁在過去幾年也分享過許多篇關於樣本數計算及統計檢定力的文章（如表一）。

表一、筆者與公司同仁之前關於樣本數或統計檢定力的論述列表

儘管目前原文書籍已經出版許多關於樣本數計算及統計檢定力的經典教科書（參考書目在以上文章中可以找到），然而這些書籍仍然太偏重於理論（技術細節，紙筆計算）的教授，筆者一直沒找到能夠同時涵蓋實務面（軟體操作）的參考書籍，直到『最適樣本數』（原作者Patrick Dattalo，譯者為師大衛教系王國川教授，五南出版，http://goo.gl/1Fynxa）此書的出版。

筆者認為本書有幾大特色：

第一，涵蓋許多種統計分析方法，除了基本的t檢定、單因子變異數分析（One-way ANOVA）、線性迴歸（Linear regression）之外，還介紹了多因子或重複測量的ANOVA、Logistic regression、Cox regression，甚至是比較進階的Multilevel model（Linear mixed model [LMM], Hierarchical linear model [HLM]）及結構方程模式（Structural equation model, SEM）等。可說包含了大多數統計分析方法的狀況，實數難得。

第二，當在介紹技術環節的時候，作者會引用大量的參考文獻，讀者可以按照作者已經整理過的資訊，自行參閱所需要的參考資料並做深入的研究。

第三，作者提供了「推薦策略」，亦即在特定統計方法的特定狀況下，作者會有不同的統計軟體或網頁資源的不同建議，這是非常實務且有用的資訊。筆者的經驗也是如此，沒有任何單一的軟體可以涵蓋多種統計分析的樣本數計算，筆者主要是使用G*power跟PASS這兩套軟體，其餘特定分析則會採用其他分析軟體或網頁來計算。

第四，第六章為「實戰」部分，因此本書除了點到為止的技術細節與充沛的參考資料之外，一共還提供了19種統計分析的實例，讀者可根據欲進行的特定統計分析按圖索驥。

                當然本書仍有缺憾之處，作者關於效果量（Effect size）的實務面的說明比較不足，例如Cohen’s d的計算只有列出公式，而沒有提供一個實際的例子，例如是以實驗組與對照組的平均數及標準差運算得出，缺乏如此的說明可能會讓初學研究者不容易瞭解。但整體而言本書仍然是非常值得收藏的好工具。