• 統計抽樣方法與基礎統計入門｜Statistics Sampling Methods 實例
參考資料
- 課程、網頁:
- 中華科大 CUSTCourses 【統計學-李柏堅】
- 交大 OCW 公開課程【統計學(一)(基礎統計) – 工業工程與管理學系 唐麗英老師】
- Udemy 【Statistics for Data Science and Business Analysis】
統計分析步驟
步驟1:定義欲研究之問題(ex:台灣的大學生一天睡多少小時?)，及該問題相關之群體(北中南東西的大學，都各自抽樣)(平均數)
步驟2:規劃實驗或問卷
步驟3:收集及分析資料
步驟4:進行統計推論 (前面的都是樣本結果，以此回推群體)
步驟5:衡量統計推論之可靠度
抽樣方法 : 隨機抽樣、非隨機抽樣
數據取得方式，可以是普查、抽查，抽查便要隨機抽樣/非隨機抽樣
PS 效度: 指測量工具(問券、態度行為量表)，可能影響到測量結果的準確程度
內部效度: 樣本的觀察值是否可信、可靠
外部效度: 研究結果是否能一般化，能普遍適用到樣本來自的總體
隨機抽樣
– 簡單隨機抽樣 Simple Random sampling : 需要取得全母體，隨機選取樣本
– 系統抽樣 Systematic Sampling/ systemeatic sample with a random start : 總體中隨機選擇一個起始點，按照固定的間隔k（抽樣間隔）選取樣本，要確保間隔是隨機的，以防止引入系統性偏差
– 分層隨機抽樣 Stratified Sampling : 群體先依照某一衡量標準(特性/性別/年齡/種族/收入)，分成數個不重疊的子群，每一子群中，再簡單隨機抽樣。群體差異大 適合用
例如 : 1~100人，要取10個，分成10層(例如照身高)，每層隨機抽一個
例如 : 1~100人，要取4個，分成男/女 -> 男:有信仰/無信仰、女:有信仰/無信仰，各隨機抽一個
例如 : 所有學生中，要取6個，能力分班，隨機從高級班、普通班、加強班各抽取兩人
– 部落、集群抽樣(Cluster Sampling) : 群體先分成部落，每個部落是群體的縮影，再簡單隨機抽樣一個部落全選取。群體差異小 適合用
例如 : 調查身高，1身高最矮~100身高最高，要取10個，分成10個部落(1,11,21…91)(2,21,31…93)…(10,20,30…100)取一組的全部
例如 : 10個班級，隨機分班，直接選取一個班的全部人
非隨機抽樣
– 偶遇、方便、便利抽樣 (Convinience Sampling) : 很常見的，在公共場所、電訪任意調查，是最簡便、節省費用和時間的方法，但總體單位差異大、抽樣誤差也大，特定類型的人可能更容易被選擇。市場初步調查情況不明時 適合用
– 配額、定額抽樣 (Quota Sampling) : 與分層抽樣類似，群體先依照某一衡量標準(特性/性別/年齡/種族/收入)，分成數個不重疊的子群，每一子群中，由調查人員主觀判定選取樣本，確保每個配額中都有足夠的受測者。這種方法旨在代表特定人口的各子群
– 主觀、立意抽樣（Judgmental Sampling） : 根據調查人員經驗，從總體樣本判斷最能代表總體的單位，多用在時間、人力、物力有限時，總體小、差異大的情況。調查人員對研究領域很熟悉 適合用
例如 : 想知道中部地區旅遊市場，直接去某幾個知名景點做任意調查
– 滾雪球抽樣 (Snowling Samplig) : 先選擇一些被訪者，再請被訪者介紹其他可能符合條件的人。難以找到或接觸的群體時 適合用
研究資料 : 尺度（Scale）: 用來測量和描述變數的特性、屬性
– 名義、名目尺度（Nominal Scale）: 分類或標記變數，但沒有順序、大小、固定間距。例如，性別（男、女）、職業、學號
– 順序、次序尺度（Ordinal Scale）: 有分類和順序，但無固定間距
例如，比賽名次、作業成績(A+、A、A-)、銷售量排行、教育程度（小學、中學、高中）
– 等距、區間尺度（Interval Scale）：有分類和順序，也有固定的數值差異，但沒有絕對零點
例如，溫度（攝氏度或華氏度）是一個區間尺度，因為零度並不表示完全缺乏溫度
例如，滿意度調查(李克特量表Likert, 1~5分)，原則上是順序尺度，但轉換為數值後，可以自行決定原點，便是區間尺度
– 比率尺度（Ratio Scale）：有分類和順序，也有固定的數值差異，並且具有絕對零點，可以做計算。絕對零點表示變數的零是真正的零
例如，身高、體重、收入、作業成績(1~100)等
網路圖片
顯著水準（Significance Level）
信賴係數（Confidence Interval）
