簡介：歡迎來到雙變量數據的世界！

在先前的學習中，你可能接觸過單變量數據 (univariate data)，即單一測量值，例如班上學生的身高。在本章中，我們將進一步探討雙變量數據 (bivariate data)。“Bi”意指兩個，因此我們將研究成對的測量值，看看它們之間是否存在關聯。

你花在玩遊戲上的時間會影響你的反應速度嗎？汽車的重量會改變其燃油效率嗎？閱讀完這些筆記後，你將能夠運用專業的統計工具來證明這些關係是真實存在的，還是僅僅是巧合。如果一開始覺得內容有點多也不用擔心，我們會一步一步為你拆解！

1. 兩個特殊案例：案例 A 與 案例 B

在開始計算之前，我們需要了解數據是如何收集的。OCR 課程大綱非常重視這個區別，因為它決定了我們可以使用哪些統計檢定。

案例 A：隨機對非隨機 (Random on Non-Random)

這種情況發生在實驗者控制一個變量（自變量，通常放在 \(x\)-軸上），並測量另一個變量時。
例子： 一位科學家決定用 1kg、2kg、3kg 和 4kg 的砝碼來測試彈簧。這些重量是「非隨機」的，因為是科學家刻意選擇的。而彈簧的伸長量則是「隨機」的，因為這是測量出的結果。
常見錯誤： 學生經常嘗試對此類數據進行相關性假設檢定。你不能在此處使用皮爾遜 (Pearson) 檢定，因為其中一個變量並非隨機！

案例 B：隨機對隨機 (Random on Random)

這是指兩個變量皆為隨機變量。我們只是觀察自然界中出現的數據。
例子： 測量 50 個隨機選定的人的身高和體重。你沒有「設定」任何人的身高，只是測量了現有的數據。這會在散點圖上形成一團「數據雲」。

重點複習：
• 案例 A： 其中一個變量是固定的或受控的。不能進行相關性檢定！
• 案例 B： 兩個變量都是隨機的。可以使用相關性檢定！

2. 散點圖：洞察模式

統計學家做的第一件事就是繪製散點圖 (scatter diagram)。這是一種直觀的方法，可以找出離群值 (outliers) 並檢查關係看起來是線性的（直線）還是非線性的（曲線）。

你知道嗎？ 在散點圖上，「案例 B」的數據如果存在關聯，通常看起來像橢圓形的雲。如果看起來像「案例 A」的圖，數據點則會受限於實驗者所選擇特定值對應的垂直線上。

核心觀點： 務必先查看散點圖。如果點看起來像是遵循曲線而不是直線，那麼標準的線性檢定可能就不是最佳選擇！

3. 皮爾遜積動差相關係數 (PMCC)

PMCC（由字母 \(r\) 表示）是一個介於 \(-1\) 和 \(+1\) 之間的數字，告訴我們數據點距離完美直線有多近。

數字的含義：

• \(r = +1\)：完美的正線性關係（點在向上的直線上）。
• \(r = 0\)：完全沒有線性關係。
• \(r = -1\)：完美的負線性關係（點在向下的直線上）。

關鍵假設：

只有在符合以下條件時，才能針對 \(r\)（PMCC）執行假設檢定：
1. 數據必須是隨機對隨機 (案例 B)。
2. 數據遵循雙變量常態分佈 (Bivariate Normal Distribution)。別讓這個術語嚇倒你！這只是意味著散點圖看起來應該像一個橢圓形（蛋形）的雲。如果數據呈現偏態或雙峰（有兩個隆起），則該檢定無效。

針對 \(r\) 的假設檢定：

我們根據樣本 (\(r\)) 來檢驗整體母體 (\(\rho\)) 中是否存在相關性的證據。
• 虛無假設 (\(H_0\))： \(\rho = 0\)（無相關性）。
• 對立假設 (\(H_1\))： \(\rho > 0\)、\(\rho < 0\) 或 \(\rho \neq 0\)。

記憶小撇步： \(H_0\) 是「無聊」的假設——它總是說「這裡沒有發生任何有趣的事情」。

效應量 (Effect Size)：

有時結果具有「統計顯著性」，但兩者之間的關係依然非常微弱。我們使用效應量來描述關聯的強弱。一個通用的經驗法則為：
• \(0.1\)：小效應
• \(0.3\)：中效應
• \(0.5\)：大效應

4. 斯皮爾曼等級相關係數 (\(r_s\))

如果數據不是直線怎麼辦？或者數據非常混亂怎麼辦？這時候就輪到斯皮爾曼等級相關係數 (Spearman’s Rank) 出場了。

為什麼要使用斯皮爾曼？

• 它不需要「雙變量常態性」（蛋形雲）。
• 它作用於等級 (ranks)（第一名、第二名等），而不是原始數值。
• 它測量的是關聯性（一個增加時，另一個是否也增加？），而不僅僅是直線關係。

斯皮爾曼計算步驟：
1. 將第一個變量 (\(x\)) 從 1 到 \(n\) 進行排序 (Rank)。
2. 將第二個變量 (\(y\)) 從 1 到 \(n\) 進行排序。
3. 在計算機上使用這些等級來求出相關係數。

核心觀點： 如果散點圖呈現曲線（只要是持續上升或持續下降），或者數據中有會干擾 PMCC 的嚴重離群值，請使用斯皮爾曼相關係數。

5. 迴歸線：預測未來

迴歸線 (regression line) 是利用最小平方法 (least-squares method) 數學計算出來的「最佳擬合線」。它能最小化殘差 (residuals)（點與直線之間的垂直距離）的平方和。

殘差 = 觀測值 – 迴歸線上的預測值

如果殘差為正，代表實際數據點在直線上方。如果殘差為負，則數據點在直線下方。

我應該使用哪條線？

在「案例 B」（隨機對隨機）中，你其實有兩條可能的迴歸線！
• 如果你想估計 \(y\) 的值，請使用 \(y\) 對 \(x\) 的迴歸線。
• 如果你想估計 \(x\) 的值，請使用 \(x\) 對 \(y\) 的迴歸線。
鼓勵小語： 大多數考試題目都會要求求出 \(y\) 對 \(x\) 的線，所以要留意哪個變量是哪個！

內插法與外插法 (Interpolation vs. Extrapolation)

• 內插法 (Interpolation)： 估計數據範圍之內的值。這通常是安全且可靠的。
• 外插法 (Extrapolation)： 估計數據範圍之外的值。這非常危險！僅僅因為目前的趨勢是直線，並不代表它會永遠保持下去。

總結觀點： 迴歸線對於預測非常強大，但務必對外插法保持謹慎。踩下油門時汽車可能會加速，但它不可能達到光速！