化妝品的故事---推估統計與虛無假設

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)。

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？

量化研究(統計的兩種型態）---敘述與推論

上次跟各位同學「預告」過：從這個禮拜開始，我們要進入比較「枯燥」的研究法課程：那就是「量化研究」的基本概念與論文寫作的技術性問題....等等。

很多人把「量化研究」與「統計」混為一談。事實上，「量化」研究是一種相對於「質性」研究的概念。所謂「統計」，是從事量化研究的一種方式；可是，卻不見得是「唯一」的一種方式。舉例來說，最近很流行的「知識探勘」(data mining)就是一個跳脫傳統統計典範的研究的模式。（若是有空，會再與各位介紹這個新興的量化研究方式。）

所有的量化研究都有兩個主要的目的：「預測」(prediction)與「解釋」(generalization)現象。而任何一個好的量化研究，都要能夠符合這兩個評斷標準。或許各位還記得我們在黑板上曾經畫過的圖：一個能「涵蓋與解釋最多現象」的量化研究(越大的圈圈），就是最好的研究。

依據這個想法，我們可以把統計分為兩種：(1) 敘述性統計(descriptive statistics)，與(2)推論性統計(referential statistics)。我們常用的統計概念，例如：平均數、中數...等等，都屬於「敘述性」統計這個範疇之內。而各位或許聽過的某些統計專有名詞，例如：T檢定，變異數分析...等等，都是屬於推論性統計。

而(1)與(2)之間最大的差別，在於剛剛我們所提到的「預測」與「解釋」的力量(power)。一般上，(1)的「解釋」與「預測」的力量(power)遠遠沒辦法與(2)相比。所以，當我們在寫作論文或者研究計畫時，都是以(2)的「推論性統計」當作量化研究的基本統計法。在課堂上，我也會慢慢的將這些概念跟各位介紹。

請各位將課本76頁至90頁先行預習。
並且先熟習這些概念：自變項、依變項、量尺、信度與效度等等...。

兩種「推估」的殊死戰

延續上述對於「個案」的探討---這裡還要繼續介紹一個新的統計觀念：「推估」。(Estimation)

一般上，「推估」分為兩種類型。一種為根據「特殊個案」的狀況所做出的診斷性/臨床性/專家推估(Clinical Estimation)，另一種則為針對「普通個案/母群體」所做出的統計性推估。(Statistical Estimation)。

這樣舉例來說吧。讓我們想像兩個狀況，(A)與(B)。

(A) 一個受過專業訓練的臨床/諮商心理師對某一個「個案A」作心理衡鑑。然後心理師藉由訪談、心理測驗......等等的工具瞭解「個案A」的家族史，教育背景.....等等，然後做「推估」。最後，他認為這個「個案A」罹患憂鬱症的可能性(likelihood)為百分之58。上述就是所謂：某個專業人員針對「單一個案」(個案A) 的「診斷性/臨床性/專家」推估。這樣的狀況常常在一般的心理醫療機構見得到。

(B) 另一個狀況是：有一個心理學家設計了一套心理衡鑑軟體。這套軟體首先蒐集了數以萬筆的憂鬱症病患的原始背景資料(database)，並且轉化成某一個「推估」的公式，可以準確地用數學式推估任何一個人(當然，包括了個案A)罹患憂鬱症的可能性。所以，只要我們在電腦裡輸入任何一個「個案」的訪談資料、心理測驗成績與教育背景...等等的變數(variables)，這套軟體就會自動告訴你這個「個案」罹患憂鬱症的可能性有多少。

所以，經由電腦的軟體估算，假設我們得出：「個案A」罹患憂鬱症的可能姓是百分之64。上述的狀況，就是所謂的：「統計性推估」。統計推估強調不涉入任何人為的主觀判斷因素，純粹讓證據/數字說話(Let numbers speak out)。

當然。既然要作「推估」，就是要盡量達到「準確」的目的。（否則為什麼我們要「推估」呢？） 很可惜地，心理學界在這兩種推估上有非常嚴重且激烈的學術論戰與分歧。大家爭論的是：上述哪一種推估，(A)或者(B)，較為穩定與可靠，具備較高的「可信度」(推估結果的一致性與穩定性）。更進一步來說，這根本就是「質化」與「量化」研究的外顯的學術殊死戰！

想在這裡請教各位。基本上妳相信「專家」的所做的「專家推估」(A狀況)比較準確 ，還是電腦依據大量數據資料庫與數學式，在不受任何人為干擾的狀況(B狀況）下，所得出的推估預測較為準確？ 又為了什麼？

大家不妨「推估」看看。預知詳情與解答，下回課堂分曉。: )

Jimmy

個案研究的兩種範疇

請各位先連結至此PPT大致瞭解「個案研究」的概念為何。

上次跟各位提到了：所有的「個案」都可以歸納成兩個種類。 第一類型為：「普通個案」(general case)，第二類型則為：「特殊個案」(specific case)。

顧名思義，「普通個案」就是研究者挑選最具有「代表性」(representatvie)的某個案，並據此個案的研究結果，推估解釋(generalization)其餘相類似個案的過程。

例如：妳或者對「新台灣之子」這個議題有興趣。所以，妳在工作的環境裡找尋這樣的「個案」加以深入研究，並希望妳自己的研究成果能夠擴大解釋到所有「新台灣之子」的現象。 也就是說妳所選擇的「個案」是母群的「代表」，只要瞭解這個「普通」個案的狀況，那麼妳就能夠大致上了解所有類似個案的情況。

相反的，所謂「特殊個案」是研究者特別選擇出某個「與眾不同」的個案，並針對這個議題做更深入、更批判性的探討。其目的，是要深入挖掘某個議題，並且藉由尋找反例來「補充/說明/推翻」某個表面上看似完整的理論與現象。

例如：人人可能都會說：「學音樂的小孩不會變壞」。可是，妳卻發現妳的班上有一個很特殊的學生，他雖然學了音樂，品德、常規與學業表現卻都不如預期。這時，就是研究者採取「特殊個案研究」的方式來深入探討「學音樂的孩子不會變壞」這個陳述的時候。研究者要問的是：是不是這個「理論」（或者某些約定俗成的常識），有任何不夠完整之處？

在這裡請各位思考這個問題。

在妳周遭的環境中，能不能舉例：在「一般個案」與「特殊個案」的範疇中，各有什麼研究議題/主題符合上述的分類？

記得(憂傷的「俗民誌」）

拍了這張照片，在陰雨的午後。
面對生命的的驟然消逝....在傷痛中，我竟沒有太多的話可以說。

那麼，走的，好走吧。

縱然沒有人知道，留下來的我們，還能夠留多久...

可是，既然留著了，讓我們繼續。
讓我們每天，都要好好的活著。

因為，只有好好的活著；
那走了的，才會被我們永永遠遠的....

記得。

P.S.
只是隨記所感（是我們研究方法論裡面的....「俗民誌」？）。謝謝關心。