第15章：進行推論

親愛的同學們，首先恭喜各位踏上了研究的這條精彩旅程。在接下來的學習中，統計學將會是各位最得力的夥伴之一。我知道，許多人聽到「統計」兩個字，心中不免會有些許焦慮，請放心，這門學問並非冰冷的數字遊戲，而是一套充滿邏輯與智慧的語言，幫助我們從有限的觀察中，窺見更廣闊的真實。

讓我們先從一個情境開始。想像一下，您的研究團隊開發了一套創新的12週「樂活高功能運動」課程，目標是改善社區高齡者的肌少症問題。為了驗證效果，您招募了50位長者，隨機將其中25位分配到您的新課程（實驗組），另外25位則參與常規的靜態伸展活動（控制組）。

12週過去了，成果令人振奮：實驗組的長者，在腿部推舉肌力測量上，平均進步了1.5公斤；而控制組僅僅進步了0.2公斤。表面上看來，這1.3公斤的差距似乎證明了您課程的卓越效果。但此刻，一位嚴謹的研究者心中必然會浮現一個關鍵問題：「這個1.3公斤的差距，真的是因為我的課程有效，還是純屬巧合？會不會只是剛好我這50位參與者比較特別，換一批人來結果就不同了？」

更進一步地說，我們如何能根據這區區50人的數據，就充滿信心地向社會大眾、政策制定者宣稱，這套課程對於全台灣數百萬的高齡者都可能有效？

這個從「樣本」的發現，推論到「群體」真實情況的過程，正是本章的核心:推論性統計 (Inferential Statistics)。而我們用來回答「這是不是巧合？」這個問題的嚴謹程序，就稱為假說檢定 (Hypothesis Testing)。本章將是各位的嚮導，帶領大家學習如何搭起這座從「我發現了什麼」到「這代表了什麼」的橋樑。

要理解假說檢定的核心精神，我們可以把它想像成一場法庭審判。這個比喻能幫助我們建立一個清晰的思考框架。

最終的判決

判決的過程很簡單：比較證據（p 值）與標準（α 值）。

• 如果 p < α (例如，p=0.02 < α=0.05)：代表證據的說服力已經跨過了「排除合理懷疑」的門檻。我們做出判決：拒絕虛無假說 (Reject the null hypothesis)。我們稱這個結果具有統計顯著性 (statistically significant)。這意味著我們有足夠的證據支持對立假說。
• 如果 p ≥ α (例如，p=0.12 > α=0.05)：代表證據不足。我們的判決是：無法拒絕虛無假說 (Fail to reject the null hypothesis)。請特別注意這裡的用詞！這就像法庭判決「無罪」，不代表我們證明了被告是「清白的」，只代表「證據不足以定罪」。同理，統計上無法拒絕 H₀，不代表我們證明了「課程沒效」，而是我們「沒有足夠的證據證明它有效」。這個區別是成為一位優秀研究者的基石。

學會了假說檢定的邏輯後，接下來我們要認識幾位能幫助我們完成檢定任務的得力助手。選擇哪位助手，取決於你的研究問題與資料特性。

當你的研究核心是想比較「兩組」的「平均值」時，t 檢定 (t-test) 就是你的首選。

獨立樣本 t 檢定 (Independent Samples t-test)

使用時機：當你想要比較兩個互相獨立、無關聯的組別在某個連續變項上的平均值時使用。例如：男性 vs. 女性、實驗組 vs. 控制組。

簡化結果報表：

t(98) = 4.12, p = .001

白話文這樣說：「我們的研究發現，沒有衰弱症的健康長者，他們的平均握力（28.5公斤）顯著高於有衰弱症前期的長者（23.1公斤）。這個結果的 p 值遠小於0.05，告訴我們，這兩組人的握力差異非常大，不太可能只是巧合，這很可能是一個真實存在的現象。」

相依樣本 t 檢定 (Paired Samples t-test)

使用時機：當你想要比較同一組人在兩個不同時間點（如：前測 vs. 後測）或兩種不同情況下的平均值時使用。因為數據來自同一群人，所以前後測的資料是「成對的」、「相依的」。

簡化結果報表：

t(29) = 3.58, p = .001

白話文這樣說：「在參加了12週的太極拳課程後，長輩們完成走路平衡測試所需要的時間，從平均12.8秒進步到11.2秒。這個進步非常顯著（p 值小於0.001），顯示太極拳訓練對於改善他們的平衡感，確實有實質的幫助。」

當你想比較三組或三組以上的平均值時，變異數分析 (Analysis of Variance, ANOVA) 就該登場了。

你可能會想：「為什麼不直接做多次 t 檢定就好了？例如，比較 A vs. B、B vs. C、A vs. C。」這是一個非常好的問題，也是新手常有的疑惑。答案是：為了控制第一類型錯誤的發生率。

記得我們設定的 α=0.05 嗎？這表示單獨做一次檢定，我們犯錯的機率是5%。但如果你做了三次 t 檢定，整體研究犯下至少一次錯誤的機率就不再是5%了，它會膨脹到大約 1-(1-0.05)³ ≈ 14.3%，也就是超過14%！這會讓我們更容易做出錯誤的結論。ANOVA 則像一位聰明的法官，它透過一次性的審理（比較組間的變異量與組內的變異量），就能判斷這幾組之間是否存在差異，同時將整體的第一類型錯誤率牢牢地控制在我們設定的 α 值。

簡化結果報表：

F(2, 87) = 5.21, p = .007

白話文這樣說：「我們的研究結果顯示，這三種飲食方案對於改善血糖的整體效果，確實存在著顯著的不同（p =.007）。不過，這個初步結果就像一個警報器，它只告訴我們『有狀況』，但沒有具體指出是誰跟誰不一樣。我們還需要進行下一步的分析（稱為事後檢定 post-hoc tests），才能釐清到底是地中海飲食優於常規衛教，還是得舒飲食也比常規衛教好，或是地中海飲食與得舒飲食之間也有差異。」

前面介紹的 t 檢定和 ANOVA 都是處理連續變項（如身高、體重、血壓）的工具。但如果你的資料是類別變項（如性別、血型、教育程度、有無運動習慣），那該怎麼辦呢？這時，卡方檢定 (χ² test) 就是你的好幫手。

卡方檢定比較的不是平均值，而是次數分配。它透過比較「實際觀察到的次數」與「在虛無假說（兩變項獨立無關）成立下的期望次數」，來判斷兩個類別變項之間是否存在顯著的關聯性。

簡化結果報表 (觀察次數)：

χ²(1, N=200) = 4.54, p = .033

白話文這樣說：「我們的資料顯示，長者的性別和他們有沒有規律運動的習慣，這兩件事之間是有關聯的（p =.033）。從數據的比例來看，在我們的樣本中，男性長者有規律運動的比例（60%）高於女性長者（45%）。這個差異達到了統計上的顯著水準，表示這可能不是一個偶然現象，性別這個因素可能真的和運動行為有關。」

統計工具非常強大，但如果使用不當，也可能引導我們走向錯誤的結論。身為研究新手，請務必將以下幾個常見的陷阱銘記在心。

回顧本章，我們一同走過了一段從提出研究問題，到建立一場統計的「法庭審判」，再到選擇合適的分析工具（t 檢定、ANOVA、卡方檢定），並最終解讀判決（p 值）的旅程。我們也特別停下腳步，檢視了路上幾個容易讓人迷失方向的陷阱。

希望各位能帶走的最重要的觀念是：統計方法是工具，不是主人。它們是一具強大的指南針，幫助我們在充滿不確定性的數據迷霧中指引方向，但它永遠不能取代我們的科學思辨、專業判斷與基本常識。一個 p 值，應該是一場深入對話的開端，而不是所有討論的終點。

我知道，這些概念初次接觸時可能有些抽象和挑戰。但請相信，隨著各位未來不斷地閱讀文獻、執行研究、與同儕師長討論，它們會逐漸內化為你們思考的一部分。當你能熟練地運用這些工具，並同時洞悉其限制時，你就真正擁有了一位研究者所應具備的嚴謹與洞察力。