Please enable JavaScript.
Coggle requires JavaScript to display documents.
推論統計學的基本原則 - Coggle Diagram
推論統計學的基本原則
統計推論
樣本(sample)從被稱為母體(population)的較大群體裡抽出，然後在組成樣本的人們或對象上進行測量
有根據的猜測(educated guess)等同於母體的數字式特徵被視為
統計推論(statistical inference)
抽樣的母體選擇
有形母體(tangible population)
抽象母體(abstract population)
統計值與母數的概念
樣本推論至母體前的四個問題
相關的母體是什麼？
假設母體在本質上是有形的，樣本要如何從母體抽取出來？
組成樣本的受試對象，在測量過程扮演什麼角色？
此研究的統計焦點為何種數值？
統計焦點(statistical focus)，指出資料被摘要總結的方式
兩個數值可回應統計焦點
統計值(statistic)
母數(parameter)
低回答率、拒絕參與和耗損問題
回答率(response rate)
樣本裡有提供研究者所詢問資訊的個體的百分率
檢查不回應偏差(nonresponse bias)
拒絕參與(refusals to participate)
人們有時會婉拒參與研究，所創造的問題與低回答率所帶來的問題是同類型的
比較同意參與和婉拒參與間的差異，若差異不存在，才能推論至母體
耗損
可能產生於資料蒐集過程或活動，甚至受試者個人情況
檢查耗損偏差(attrition bias)
樣本類型
機率樣本(probability sample)
若母體的任何成員被抽樣的機率已知，導出的樣本即為機率樣本
四種機率樣本
簡單隨機樣本
每個樣本抽到的機會相同
分層隨機樣本
依據母體成員如何代表分層變項的認知而定
系統樣本
順著排序過的母體成員名單做選擇
群集樣本
母體中發展群集名單，再隨意在群集名單中篩選
非機率樣本(nonprobability sample)
調查者不以有限的受試對象為開始
四種非機率樣本
立意樣本
成員須符合研究者設立的某些準則，使問題本質能夠被調查所回答
方便樣本
從易於獲得獲能夠被徵募來參與研究的受試對象蒐集資料
配額樣本
研究者會先設定所需樣本的比例或數量，僅尋找足夠的樣本
雪球樣本
兩階段的方便或立意樣本