Please enable JavaScript.

Coggle requires JavaScript to display documents.

量化分析 - Coggle Diagram

- - - - 研究者目的在於透過樣本資料的檢驗，來對抽取出此樣本的母群做推論
  - - - 虛無假設Ho
        
        在母群中，兩個變項間的關係不存在、兩變項間獨立，及兩變項間沒有相關，或是任何所觀察到的差異是由隨機誤差所導致
      - 對立假設(研究假設)H1
        
        陳述兩個變項在母群中有關聯或相關的假設
      - 判定的機率值α
        
        又稱為統計性水準，或第一型錯誤Type I error。是研究者設定的一個標準
        
        顯示若虛無假設為正確時(在母群中變項間無關係存在)，其願意冒多大的險來錯誤地接受虛無假設
        
        一般用.05的機率水準作為統計顯著性的最低接受水準，代表有95%的信心相信在母群中兩個變項間的關係是存在，又為100次中有5次是抽樣誤差所導致
  - - - 期望次數=(欄總合x行總和)/樣本大小
      - 自由度=(欄位數-1)x(行位數-1)
      - 檢定統計量x2=每個〔(樣本資料fo-期望資料fe)的平方〕/期望資料fe 的相加
  - - - 當相關係數越大，表示兩連續變相間的線性關聯度越強；相關係數越小，表示線性關聯越弱
      - 迴歸分析是在線性關係假設成立的情況下，進一步以直線方程式探討兩個連續變項間的解釋與預測的統計方法
        
        簡單迴歸，一個獨變項去預測依變項
        
        R2，稱為迴歸可解釋變異量比，即使用獨變項去預測依變項的預測解釋力；也稱為迴歸模型的決定係數，評估迴歸模型的整體解釋力
  - - - 考慮獨變相間的共變相關結構，並以此共變結構為基礎，將變相間的關係以模式化的方式來進行分析及推論出因果結論的一種統計技術
        
        探討變相間的直接效果與間接效果
        
        常用來分析多個變項對某種行為或態度的連續性影響，並以箭頭連結數個變項(概念)所形成的路徑圖；路徑分析是一系列的迴歸分析所組成
  - - - SEM模型分為：測量變項(觀察變項)，是SEM 過程分析與計算的基本元素，及潛在變項，是由測量變項所推估出來的變項
        
        與傳統路徑分析差異：
        
        可同時估計模型中的所有參數
        
        可處理潛在變項的問題，同時進行路徑因果關係的檢測
        
        可有效估計測量誤差，並排除在分析過程之外
- - - - 利用電腦的運算能力，結合專家的知識，從龐大的資料中找尋所需之資訊，並從裡面挖掘蘊藏的資料庫中的知識
    - - 1、理解要應用的領域、熟悉相關知識
      - 2、建立目標資料集，並專注所選擇(selection)之資料子集
      - 3、再從目的資料中做前置處理，去除錯誤或不一致的資料
      - 4、做資料簡化與轉換工作，經由資料採礦的技術程式成為組型、做迴歸分析或找出分類型態
      - 5、最後經過解釋評估後成為有用的知識
  - - - 如趨勢trend、組型pattern、相關性relationship的過程，也是從資料中發掘資料或知識
  - - - 是「監督式學習」，資料庫的資料分別給予一個分類標籤class label，目的在按照分析對象的特徵、屬性，建立一個簡明的模型mode或法則rule，來描述事物或預測
        
        建構過程將原始資料預先分為訓練集training data和測試集testing data，透過分析訓練集的樣本，產生關於類別的精確描述，可對未知數據進行分類或預測
        
        例如，健保詐欺偵測、醫療診斷等
    - - 探討及描述大型資料庫中，某些資料屬性項目會引起其他項目出現的關聯；也就是資料的特性規律，又稱為規則或法則
        
        例如，瀏覽完3c產品的網頁後，接著會有一定機率會繼續瀏覽相關配件的網頁
    - - 是「非監督式學習」，將有相同或類似的群體或變項分成一群，並與其他的群集作區別，可區隔出群組之間的差異性
        
        分群時事先並不會定義各類別，而是直接根據數據自然產生的區隔
        
        例如，客戶型態的區隔、市場區隔等
    - - 根據既有連續數值之相關屬性資料，輸入某些資料，就可以運用推估的方式，得知某一未知連續性變數的值，分類和推估通常一起運用
        
        例如，建立一個模型，給予病患介於0及1之間的風險指數，在按照病患其他情況(飲食、體重、年齡等)，推估其罹患某疾病之風險值
    - - 根據所要估計對象的過去觀察值來預測未來值
        
        與推估的區別在預測以變量本身過去的值(已知)來估計未來的值(未知)或是趨勢
  - - - 例如，1、命名識別提取屬於文字探勘部分
      - 2、身分詐欺檢測利用關聯法則，找出犯嫌身分
      - 3、探討詐欺帳戶的識別，採用貝氏分類分析與關連法則，標示出詐欺帳戶與整個詐欺交易的模式
- - - - 常牽涉數字、圖與表之運用，是一套以組織、表達、分析、解釋資料的系統性方法
  - - - 一次只檢驗所有個體在單一變相上之分配
        
        描述一個研究中分析的基本單位(如個人或社區)
    - - 將所蒐集之原始數據整理成次數分配表的形式
        
        變相的數值與數值的次數是組成次數分配表的兩個基本欄位。例如，變相的數值為犯罪人之年齡；數值的次數為犯罪嫌疑人之數量
        
        未分組次數分配表
        
        例如，將每個年齡歲數作呈現
        
        分組次數分配表
        
        例如，將年齡改成每10歲1個區間，呈現較為簡潔
    - - 用以描述一組數據或一個分配的集中點、「平均」或「典型」數值
        
        中位數Median
        
        將變相或數值由大至小或小至大排列，取位居中間位置、能夠將全體觀察值對分的分數
        
        平均數Mean, Average
        
        所有數值之算術平均數，亦即將分配中的所有數值加總後再除以觀察值個數所得到的值
        
        目的是確定一組數據的均衡點
        
        眾數mode
        
        在一組數據或一個分配中出現次數最多的分數
        
        適用在各種測量尺度的變項上(名義、順序、等比)
    - - 兩組數據可能具有相同之平均數，但因數據的分散情形不同，兩組數據之分配形狀可能不同
        
        全距range
        
        一組分數或分配中最高分數與最低分數之差
        
        缺點
        
        僅用兩個極端值計算，具不精確及不穩定性，無法反應兩數值之間其他數值的離散狀況
        
        四分位差Quartile
        
        一組數據當中的第3/4位數(前25趴)與第1/4的距離(後25趴)
        
        當一組數據的離散程度越大，四分位差的數值就越大
        
        變異數及標準差standard deviation SD
        
        變異數及標準差越大，表示一個分數或一組數據的離散情形越大
        
        離均差是測量資料離散度的良好指標，反應的是每一個分數與平均數的距離
        
        變異係數
        
        標準差除以平均數，表示標準差占平均數的百分比，亦即反應一組分數相對於平均數的變異情形
        
        僅有描述功能，顯示兩組樣本的差異是否相近
      - 「離散」常用來描述數據分布，而「變異」（指：變異數、方差）更常用來描述隨機變數的變異程度
    - - 比率是一個相當基本的資料描述方式，為了做比較，比率常被用來邊準化某個量數
  - - - 焦點在於變相；描述或解釋兩個變相之間的關係
        
        雙變項表格：進行群體間之比較是閱讀此類表格之關鍵
    - - 檢驗兩個以上變項間的關係
        
        因果關係推論3步驟
        
        1、證明2個變項間之關係存在
        
        2、詳述此關係之中時間順序
        
        3、排除或控制可能為此關係之真正原因的其他變項
- - - - Decison Making Trial and Evalution Laboratory，DEMATEL
  - - - 2、面對複雜問題時，利用DEMATAL將因果關係結構化，藉由查看元素間兩兩影響程度，並利用矩陣及相關數學理論，計算出全體元素間的因果關係及影響的強度
        
        以協助了解關鍵因素，掌握問題本質
  - - - 2、決定衡量各因素間互相影響程度之尺度，是以分數表示各問題元素間互相影響之程度
        (目前學界常用的衡量尺度為0-3分、0-4分或0-5分，分數越大代表影響程度越大)
        
        3、透過問卷請專家針對各問題之影響因素兩兩進行比對
        
        4、由專家依自身的專業與實務經驗為主觀判斷，決定各構面間的影響程度為無影響、低度影響、中度影響、高度影響
        
        5、各因素在因果圖上的相對位置及數值，即可進行各元素間相互影響關係之解釋
        
        因果圖：將各元素之位置繪製在一二維平面上