第14章：描述數據

親愛的研究夥伴們，歡迎來到這趟數據分析旅程的起點。在我們深入探討統計的術語與公式之前，讓我們先走進一個你我未來都可能遇到的臨床研究情境。

想像一下，你的團隊剛完成一項為期四週的前導研究，旨在比較兩種不同的復健計畫，對於剛接受完膝關節置換手術的高齡患者，其功能性體適能的改善效果。A計畫是傳統的、在健身房進行的肌力訓練；B計畫則是一套創新的、結合太極與平衡元素的社區功能性活動。研究結束後，你取得了兩組各10位參與者在「六分鐘步行測試」中增加的距離（單位：公尺）數據。看著電腦螢幕上剛出爐的原始數據，你的心情既興奮又有些茫然：

• A計畫（傳統肌力訓練）改善距離（公尺）： 25, 30, 28, 45, 33, 29, 31, 35, 27, 85
• B計畫（社區功能性活動）改善距離（公尺）： 35, 40, 38, 42, 39, 41, 37, 36, 45, 43

看著這兩串數字，我們能馬上得出結論嗎？哪一個計畫看起來比較有潛力？B計畫的數據看起來相當集中，而A計畫的數據中，那個「85公尺」的進步幅度特別突出，這代表什麼？我們又該如何處理這個看似「異常」的數值？

這個情境告訴我們一個研究的根本道理：單純羅列原始數據，就像是拿著一堆零散的拼圖，我們看不見完整的圖像。為了能清晰、負責任地講述數據背後的故事，我們必須先學會如何「描述」它。本章節的目的，正是要提供給你一套強而有力的工具，讓你學會整理、摘要、並呈現數據的基本樣貌，將這一串串冰冷的數字，轉化為有意義的資訊。

在任何量化研究中，描述性統計（Descriptive Statistics）都是我們進行數據分析的第一步，也是最不可或缺的一步。它是一套方法，幫助我們將龐雜的原始數據，轉化為有條理、易於理解的資訊。我們可以把它想像成一位醫生為病患進行的初步身體檢查：在開立複雜的斷層掃描或核磁共振之前，醫生會先透過問診、聽診、量血壓等基本程序，來掌握病患的整體狀況。同樣地，描述性統計就是我們對數據進行的「初步體檢」。

描述性統計的兩大核心功能

1. 摘要數據：將龐大的資料集濃縮成幾個關鍵的數字。例如，用一個「平均分數」來代表全班的學習成效，或用一個「標準差」來描述一群長者反應時間的變異程度。這讓我們能快速掌握數據的核心特徵。
2. 辨識樣態：透過摘要和視覺化，初步揭露數據中潛在的趨勢、分佈形狀，或是值得注意的特殊觀測值（例如開頭案例中的「85公尺」）。這些初步的發現，往往是我們形成或修正研究假說的靈感來源。

學習描述性統計，不只是記憶一堆公式，更重要的是建立一套系統性的研究思維。當面對一組新數據時，我們的探索過程是有邏輯順序的。首先，我們會問：「這組數據的『典型』數值是什麼？」（這就是集中趨勢）。接著，我們會好奇：「數據點圍繞著這個典型數值的離散或變異程度有多大？」（這是離散趨勢）。最後，我們會想看到全局：「如果把所有數據放在一起，它們整體的『形狀』或『樣貌』是什麼樣的？」（這就是分佈與視覺化）。本章的結構，正是依循著這套從點到線、再到面的探索邏輯來鋪陳的。

當我們想用「一個數字」來代表整組數據時，我們尋找的就是它的「中心點」，也就是統計學上所說的集中趨勢（Central Tendency）。它告訴我們數據最傾向於集中的位置。最常見的集中趨勢量數有三種：平均數、中位數和眾數。

平均數 (Mean)

平均數，或稱算術平均數（Arithmetic Mean），是我們最熟悉也最常用的指標。它的計算方式很簡單：將所有數值加總後，再除以數值的總個數。

其中，x̄ 代表樣本平均數，x_i 代表每一個觀測值，n 代表觀測值的總數。

• 優點：平均數的計算納入了每一個數據點的資訊，因此它被認為是一個相當全面的集中趨勢量數。
• 缺點：它的最大罩門，就是對極端值（outliers）非常敏感。在上面的藥物範例中，那位服用12種藥物的長者，就顯著地將平均數往上拉。若回到本章開頭的A計畫復健數據，那個85公尺的極端值，將會嚴重扭曲我們對「典型」改善效果的認知。

中位數 (Median)

中位數是指當一組數據由小到大排序後，位置恰好在最中間的那個數值。

計算方式：

• 如果數據總數是奇數，中位數就是排序後最中間的那個數。例如：(2, 3, 5, 7, 11)，中位數是5。
• 如果數據總數是偶數，中位數就是排序後中間兩個數的平均值。例如：(2, 4, 6, 8, 10, 12)，中位數是 (6+8)/2 = 7。

• 優點：中位數最大的優勢就是對極端值不敏感，或稱之為「穩健」（robust）。因此，當數據分佈不對稱（偏態）或存在極端值時，中位數是比平均數更佳的集中趨勢代表。

眾數 (Mode)

眾數是指在一組數據中，出現次數最頻繁的那個數值。

• 特性：一組數據可能沒有眾數（如果所有數值都只出現一次），也可能有一個或多個眾數。

為了幫助你快速掌握這三個量數的應用時機，請參考下方的比較表。

只知道數據的中心點是不足夠的。想像有兩位物理治療師，他們各自帶領的10位學員，在平衡測驗中的平均進步分數都是10分。這聽起來表現一樣好，對嗎？但如果我們深入去看數據，治療師A的學員進步分數介於8到12分之間；而治療師B的學員，有些進步了20分，有些卻只進步1分，甚至退步。雖然平均值相同，但兩組數據的「穩定性」或「一致性」卻截然不同。

這就是離散趨勢（Dispersion或Variability）的重要性。它衡量的是數據點彼此之間，或是數據點與中心點之間的散佈或變異程度。

全距 (Range)

全距是最簡單的離散趨勢量數，計算方式為「最大值減去最小值」。它能快速提供數據分佈的寬度，但缺點是它只考慮了兩個極端點，完全忽略了中間所有數據的分佈情況，且極易受極端值影響。

變異數 (Variance) 與 標準差 (Standard Deviation)

變異數與標準差是衡量數據離散程度最重要也最常用的指標。

概念：它們的核心思想是去計算「每一個數據點到平均數的平均距離」。但如果我們直接把每個點與平均數的差距（x_i - x̄）相加，正負差距會互相抵銷，總和永遠為零。為了解決這個問題，統計學家將每個差距進行「平方」，這樣所有值都變成正數，再將這些平方差加總後取平均，這個結果就是變異數（Variance）。

從變異數到標準差：然而，變異數的單位是原始單位的「平方」（例如，公尺的平方、公斤的平方），這在解釋上很不直觀。因此，我們將變異數開根號，把它還原成原始單位，這個結果就是標準差（Standard Deviation, SD）。標準差可以被直觀地理解為「數據點與平均數之間的典型或標準距離」。

（註：在計算樣本標準差時，分母使用 n-1 而非 n，是為了對母體標準差做不偏估計，這涉及到「自由度」的概念，我們在後續章節會再詳談。）

詮釋：標準差的數值大小極具意義。一個小的標準差意味著數據點大多緊密地聚集在平均數周圍，代表這組數據的變異性小、一致性高。反之，一個大的標準差則表示數據點分佈得很廣，遠離平均數，代表數據的變異性大、差異性高。

在我們掌握了數據的中心點和離散程度後，下一步就是看看數據整體的「形狀」。在自然界與人類社會的許多現象中，數據的分佈經常會呈現一種特殊的對稱鐘形，這就是常態分佈（Normal Distribution），也稱為高斯分佈（Gaussian Distribution）。無論是成年人的身高、體重，或是測量儀器的隨機誤差，它們的分佈都經常趨近於常態分佈。

常態分佈的關鍵特徵

1. 鐘形曲線：圖形呈現中間高、兩邊低的鐘形。
2. 對稱性：曲線以平均數為中心，左右完全對稱。
3. 集中趨勢合一：在完美的常態分佈中，平均數（Mean）、中位數（Median）和眾數（Mode）會是同一個數值，都位於分佈的正中央。

經驗法則 (The Empirical Rule)

對於近似常態分佈的數據，標準差和數據分佈的關係有一個非常實用的「經驗法則」，也稱為「68-95-99.7法則」：

• 約有 68% 的數據會落在距離平均數 ±1個標準差 的範圍內。
• 約有 95% 的數據會落在距離平均數 ±2個標準差 的範圍內。
• 約有 99.7% 的數據會落在距離平均數 ±3個標準差 的範圍內。

我們之所以要特別強調常態分佈，不僅僅是因為它在自然界中很常見。更重要的是，它是從「描述統計」走向「推論統計」的一座關鍵橋樑。許多重要的統計檢定方法（例如t檢定、變異數分析），其理論基礎都建立在數據呈常態分佈的假設之上。此外，根據統計學上一個極其重要的「中央極限定理」（Central Limit Theorem），即使原始母體的數據不是常態分佈，只要我們抽取的樣本夠大，樣本平均數的分佈也會趨近於常態分佈。這個美妙的特性，正是我們能夠用樣本來推論母體的理論基石。因此，理解常態分佈，是為你後續學習更進階的統計方法鋪路。

俗話說，「一圖勝千言」。相較於充滿數字的表格，一張好的統計圖表能更直觀、更快速地傳達數據中的訊息與樣態。資料視覺化不僅是研究結果的「呈現」工具，它本身也是一種重要的「分析」過程。以下介紹幾種在高齡健康與運動科學研究中最基本也最常用的圖表。

長條圖 (Bar Chart)

• 用途：比較不同類別（Categorical Data）之間的數值大小。重點在於「類別間的比較」。
• 特徵：每個長條代表一個獨立的類別，長條之間有間距，以強調其分類的獨立性。

直方圖 (Histogram)

• 用途：呈現單一連續變項（Continuous Data）的次數分佈。重點在於「看數據的整體形狀」。
• 特徵：X軸是連續的數值區間（稱為bins或組距），Y軸是落在該區間內的次數（頻數）。長條之間沒有間距，代表數據的連續性。

散佈圖 (Scatter Plot)

• 用途：探討兩個連續變項之間的關係。
• 特徵：圖中的每一個點都代表一個觀測個案，其在X軸與Y軸的位置，分別由兩個變項的數值所決定。

箱型圖 (Box Plot)

• 用途：同時呈現一組連續數據的集中趨勢、離散趨勢與分佈樣態。它在比較多組數據分佈時，功能尤其強大。
• 特徵：箱型圖又稱盒鬚圖，它用簡單的圖形呈現了數據的「五數摘要」（Five-Number Summary）：最小值、第一四分位數（Q1）、中位數（Q2）、第三四分位數（Q3）和最大值。箱子的高度（Q3 - Q1）代表了中間50%數據的散佈範圍，箱外的點則通常被視為可能的極端值。

身為一位剛踏入研究領域的新手，在處理數據時，有幾個觀念特別容易混淆。讓我們花點時間，把這些關鍵點釐清。

恭喜你！在本章節中，我們一同走過了數據分析的第一里路。我們學會了，描述數據是所有嚴謹研究的基石。我們利用集中趨勢的量數（平均數、中位數、眾數）來尋找數據的「典型代表」；利用離散趨勢的量數（特別是標準差）來理解數據的「變異程度」；最後，我們透過資料視覺化的工具（長條圖、直方圖、散佈圖、箱型圖）來觀察數據的「整體樣貌」與其中潛在的「關聯」。你現在已經具備了將原始數據轉化為初步洞見的基本能力。

然而，到目前為止，我們所做的一切都還停留在「描述」我們手中這群特定的研究對象，也就是我們的「樣本」。但在科學研究中，我們的終極目標，幾乎都是希望將從樣本中獲得的發現，推廣到更廣泛的「母體」。我們如何能有信心地從樣本數據，去做出關於母體的合理猜測或「推論」呢？

這正是我們下一章節即將探索的激動人心的領域。我們將從「描述統計」邁向「推論統計」的世界，學習如何運用機率理論與統計檢定，讓我們的數據不只會說話，更能說出具有概化意義的科學結論。