資料分析前的預備動作— 資料清理、編碼與資料分析

編碼—事前編碼 收到問卷後，要將問卷資料輸入電腦中，以便進行分析 輸入資料前，須先進行編碼的工作 例1：當題目為性別：□男 □女，則輸入電腦時，可能會輸入「男」、「女」，或轉換成數字，如「1」、「0」。 例2：□很滿意 □普通 □不滿意，會編碼成3, 2, 1 編碼的目的 將問卷結果轉換成電腦可辨識與可進行分析的模式

資料清理 遺漏值 極端值 對受訪者太多無填或者亂答的狀況進行處理 若是太多問題無填答（約50％的題數未填答），則此問卷可歸為廢卷。 廢卷標準可由研究者自訂 系統性填答 可利用標準差進行判斷 若某受訪者在該量表( Ex. 滿意程度)的標準差為 0，代表受訪者填答的選項都一樣，研究者可以考慮將此問問歸為廢卷

編表與資料清理

編表的功能 找出錯誤 Ex. 出現不該出現的數値：選項介於1~4，填答結果為5 發現異常觀察值 極端值：影響分析結果 了解未回答(空白)的主要原由 刻意迴避 or 不知道(答案) 決定變數的分配型態 變數的分配不同，適用的檢定方法亦不同 Ex. 是否符合常態分配 計算平均數和離散度 了解所蒐集到樣本的特性

編表有清理資料的功能！

簡單編表—敘述統計表

資料尺度類型與適用敘述統計量 尺度的種類 數值處理 敘述統計方法 名目尺度 計數 計算頻率、百分比 順序尺度 排列順序 排列順序、中位數、計算百分等級 區間尺度 算數計算 平均數、變異數、標準差 比率尺度

次數與比率分析 受訪者150人 出席狀況：□按時上課 □偶爾未到(一星期約5次以下) □經常未到(一星期6~10次) □常常未到(一星期11次以上) 結果 按時上課：50人(33.3%) 偶爾未到：60人(40%) 經常未到：30人(20%) 常常未到：10人(6.67%)

次數分配表 目的 了解分佈的狀況 課堂參與狀況 人數 百分比 按時上課 50 33.33% 偶爾未到 60 40.00 經常未到 30 20.00 常常未到 10 6.67 150 100.00

亦可以圖形的方式呈現資料狀態

受訪者150人 性別：□男 □女 男生：75人(50%) 女生：75人(50%)

直方圖—受訪者性別比率

交叉編表(1/2) 目的 初步了解，不同母體之間，是否存在差異 Ex. 不同性別的學生，其上課出席狀況是否有所不同 課堂參與狀況 人數 男生 女生 合計 按時上課 30 20 50 偶爾未到 25 35 60 經常未到 15 常常未到 7 3 10 77 73 150

交叉編表(2/2) 如欲了解，不同性別的學生，其上課出席狀況是否存在明顯(統計顯著)差異，則建議使用卡方分析

卡方檢定—齊一性檢定(1/2) 隨機抽樣調查330位女大學生，獲得其就讀年級與選購化妝品主要目的的資料，如下表： 請問，不同年級學生選購化妝品的主要目的是否明顯不同？

假設檢定 對母體特性建立一個正面及一個反面的敘述，藉由樣本資料判斷假設對錯的過程。 正面的敘述為虛無假設(Null Hypothesis, H0) 反面的敘述為對立假設(Alternative Hypothesis, H1) H0通常為與期望結果相反的敘述

卡方檢定—齊一性檢定(2/2) 在α＝0.01下，檢定不同年級女大學生的化妝品使用目的是否相同 假設檢定 H0：不同年級學生選購化妝品的主要目的相同 H1：不同年級學生選購化妝品的主要目的不相同 統計量χ2 vs. χ20.01(6)

兩變數均為屬質變數（名目尺度、順序尺度）！ 卡方檢定的使用時機 兩變數均為屬質變數（名目尺度、順序尺度）！

敘述統計量 目的 可快速了解樣本的特徵 統計量類型 平均數：代表資料的集中趨勢 種類：算術平均數、中位數、幾何平均數、眾數 哪種統計量不易受極端值影響？ 離勢：代表資料的離散程度 種類：全距、四分位差、變異數、標準差

敘述統計量—範例 Ex.問卷題目 性別：□男 □女 您所選購筆記型電腦的重量為_____kg 針對第二小題，可以分析 性別：□男 □女 您所選購筆記型電腦的重量為_____kg 針對第二小題，可以分析 受訪者所購筆電的重量區間為何(最重、最輕)？ 受訪者所購筆電的平均重量為何？ 可以計算眾數、中位數嗎？ 受訪者所購筆電重量的變異數為何？ 購買筆電的重量是否受性別差異的影響？

Ex.問卷題目 性別：□男 □女 您所選購筆記型電腦的重量為_____kg 欲了解購買筆電的重量是否受性別差異的影響？ 該怎麼分析？

可使用分析方法 有母數 t檢定：單一樣本、兩組樣本 ANOVA：多組樣本 無母數 Mann-Whitney U檢定：兩組樣本 Kruskal-Wallis檢定法 ：多組樣本

假設檢定 對母體特性建立一個正面及一個反面的敘述，藉由樣本資料判斷假設對錯的過程。 正面的敘述為虛無假設(Null Hypothesis, H0) 反面的敘述為對立假設(Alternative Hypothesis, H1) H0通常為與期望結果相反的敘述

假設檢定的範例 行政院長的執政能力遭立法委員質疑，據悉已有超過一半的委員不滿意。 以p代表立法委員不滿意的比例，則假設檢定可定為何 (H0)？ or

某減肥食品公司宣稱其產品A較另一公司之產品B更有效果。以X代表服用產品A與B所減輕重量之差，則假設檢定之虛無假設與對立假設該如何定義？

相關係數 相關係數用來判定兩個變數間線性關係之強度 Ex.問卷題目包括： 網路購物佔您總消費金額的比率為何？_____% 您平均每日上網時數？ 您想了解，網購佔總消費金額的比率與平均每日上網時數間，是否存在(線性)關聯。

迴歸分析 目的：了解多個變數之間，是否存在線性相關 Ex.問卷題目包括： 網路購物佔您總消費金額的比率為何？_____% 您每月可支配所得多少錢？_____ 您平均每日上網時數？ 您覺得網路購物是否又保障？ □有保障 □沒感覺 □沒保障 你想了解，網購佔總消費金額的比率主要是受哪些因素影響？(可支配所得、上網時數、對網路安全的觀感)