時近期末,我知道大家非常忙碌,所以有一段時間沒有post部落格讓大家回應了。不過,這樣的用意,是讓大家能夠「趁機」補齊之前遺漏的回應與作業。請大家千萬不要忘記囉!
上一次的課堂裡提到:研究者在「實驗法」裡所運用的「推論統計」,主要是「比較」實驗組在經過某項「實驗處理」之後(treatment) ---是不是有所「差別」(difference)。換句話說,我們想知道研究者對實驗組實施了某項「實驗處理」後,原組在「後測」與「前測」之間到底有何具體成效與進步;而就算「差別/進步」產生了,到底夠不夠顯著。
例如說,某位心理學研究者採用了一種新的CBT諮商治療法 (這就是所謂的「實驗處理」)來治療案主。而他想知道:到底這個新的方式與傳統的諮商方式「比較」,能不能對案主產生「更佳」的療效 (這就是所謂的:「差別/進步」)。
在統計學上,為了要檢驗這個「差別/進步」(difference):我們都會先設一個「虛無假設」。
這個意思就是說,統計學家先假設:經過「實驗處理」之後----實驗組的前測(X1) 與後測(X2)成績完全沒有差別。再用這個「沒有差別」(虛無)的假設 (X2- X1 = 0),來跟實際的「前測後測」的差異作比較 (X2 -X1 = P) 。如果經過計算,我們發現前後測的差異 (P - 0) 達到了「統計上的顯著差異」,而不僅僅是有「些微差別」而已,那麼我們就推論:我們的「實驗」有效 (effective)。反之,如果沒有達到一定的顯著差異,那麼這個實驗就被認定為無效。
上述的基本概念,是所有推論統計的核心。
換句話說。在任何推論統計當中,我們總是去「比較」實驗後與實驗前的「差別」是不是超越了某個誤差值的門檻(這就是所謂的信心水準),而達到了所謂「統計顯著水準」(Statistical Significance)。
上一次的課堂裡提到:研究者在「實驗法」裡所運用的「推論統計」,主要是「比較」實驗組在經過某項「實驗處理」之後(treatment) ---是不是有所「差別」(difference)。換句話說,我們想知道研究者對實驗組實施了某項「實驗處理」後,原組在「後測」與「前測」之間到底有何具體成效與進步;而就算「差別/進步」產生了,到底夠不夠顯著。
例如說,某位心理學研究者採用了一種新的CBT諮商治療法 (這就是所謂的「實驗處理」)來治療案主。而他想知道:到底這個新的方式與傳統的諮商方式「比較」,能不能對案主產生「更佳」的療效 (這就是所謂的:「差別/進步」)。
在統計學上,為了要檢驗這個「差別/進步」(difference):我們都會先設一個「虛無假設」。
這個意思就是說,統計學家先假設:經過「實驗處理」之後----實驗組的前測(X1) 與後測(X2)成績完全沒有差別。再用這個「沒有差別」(虛無)的假設 (X2- X1 = 0),來跟實際的「前測後測」的差異作比較 (X2 -X1 = P) 。如果經過計算,我們發現前後測的差異 (P - 0) 達到了「統計上的顯著差異」,而不僅僅是有「些微差別」而已,那麼我們就推論:我們的「實驗」有效 (effective)。反之,如果沒有達到一定的顯著差異,那麼這個實驗就被認定為無效。
上述的基本概念,是所有推論統計的核心。
換句話說。在任何推論統計當中,我們總是去「比較」實驗後與實驗前的「差別」是不是超越了某個誤差值的門檻(這就是所謂的信心水準),而達到了所謂「統計顯著水準」(Statistical Significance)。
讓我再舉個例子好了。
假設妳用了一種化妝品,而妳想要知道這個化妝品到底「有沒有效」。推論統計上的作法是:第一,妳一定要「比較」妳自己「使用前」與「使用後」化妝品的差別是否夠「顯著」。假設妳用了這個化妝品「之前」(前測)與「之後」(後測)產生了「天壤之別」的效果(這就是所謂「統計顯著水準」。用了這個化妝品之前「不堪入目」(哈哈);用了之後,竟然「美若天仙」)----妳才能確定這個化妝品是「有效」的。然而,如果只有產生「一點點一滴滴」的差別----我們就不能判定這個化妝品是有效的。
第二。妳還要「確定」妳是不是真的用了這個化妝品才美若天仙----還是妳天生麗質,「本來」就美若天仙,跟是不是使用化妝品全然無關。
這是非常複雜的概念,我們下一次見面就會詳盡解釋。而這裡想要讓各位同學「天馬行空」地想想看-----在我們實施統計或者實驗程序的時候,「誤差」產生的來源會是什麼,又要如何避免?