雙變量數據簡介
歡迎來到雙變量數據的世界！雖然「單變量」數據只關注單一事物（例如學生的身高），但雙變量數據會同時觀察兩件不同的事物，以找出它們之間是否存在關聯。例如：你花在溫習的時間與你取得的成績有關嗎？又或者樹木的高度與其年齡有關嗎？
在這個章節中，我們不僅是在看數字，更是在尋找它們之間的聯繫。理解這些聯繫能幫助我們做出預測，並更清晰地認識周遭的世界。如果一開始覺得術語很多也不用擔心——我們會一步一步為你拆解！
1. 散點圖與回歸直線
「觀察」雙變量數據的最佳方式是使用散點圖。圖表上的每一個點代表一個個體或項目，其位置由兩個變量決定（一個在 \(x\) 軸上，另一個在 \(y\) 軸上）。
解讀數據「雲團」
當你觀察散點圖時，你需要尋找其中的規律：
- 正相關：當 \(x\) 增加時，\(y\) 也增加（點的走勢通常是「上揚」的）。例子：氣溫升高時，雪糕的銷量會增加。
- 負相關：當 \(x\) 增加時，\(y\) 減少（點的走勢通常是「下行」的）。例子：汽車的車齡越久，其價值越低。
- 無相關：點散佈在各處，像是一團混亂的雲。沒有明顯的線性聯繫。
回歸直線
回歸直線（或稱「最佳擬合線」）是一條最能代表散點圖中數據趨勢的直線。在考試中，你不需要計算這條直線的方程式，但你必須知道如何詮釋它。
快速複習：我們使用回歸直線來進行預測。
1. 內插法 (Interpolation)：預測數據範圍以內的數值。這通常相當可靠！
2. 外推法 (Extrapolation)：預測數據範圍以外的數值。這是有風險的，因為趨勢可能不會延續下去！
群體中的不同區分
有時，散點圖可能會顯示出兩個截然不同的「群集」或組別。
類比：想像繪製 100 隻狗的身高與體重。你可能會看到兩個明顯的分組——一組是「小型犬」，另一組是「大型犬」。
重要的是要識別數據是否來自群體中的不同區分，因為單一的回歸直線可能不適合用於整個群體。
核心重點：散點圖能幫助我們視覺化兩個變量之間的關係，但在預測已知數據範圍以外的數值時，我們必須謹慎。
2. 相關性 vs. 因果關係
這是考試中的熱門題目！僅僅因為兩件事物相關（它們一同變動），並不代表其中一件事導致了另一件事。
經典例子：雪糕銷量與鯊魚襲擊事件之間存在高度正相關。吃雪糕會導致鯊魚咬人嗎？當然不會！兩者都是由隱藏的第三個變量引起的：溫暖的天氣。天氣熱時，人們會吃更多雪糕，同時也有更多人去海裡游泳。
避免常見錯誤：在描述關係時，永遠不要使用「證明」(proves) 這個詞。相反，應該說「有證據顯示存在線性關係」。
你知道嗎？這個隱藏的第三個因素通常被稱為混淆變量 (confounding variable)。
3. 皮爾遜積矩相關係數 (PMCC)
PMCC（以字母 \(r\) 表示）是一種數值化方法，用來衡量散點圖上的點與直線的貼近程度。
\(r\) 值的含義：
- \(r = 1\)：完全正線性相關（所有點完全落在「上揚」的直線上）。
- \(r = -1\)：完全負線性相關（所有點完全落在「下行」的直線上）。
- \(r = 0\)：完全沒有線性相關。
\(r\) 越接近 1 或 -1，關係越強。如果 \(r\) 接近 0，關係就非常弱。
重要提示：PMCC 只衡量線性（直線）關係。如果數據呈現曲線（如「U」形），即使明顯有規律，PMCC 也可能是 0！
核心重點：\(r\) 告訴我們線性關係的強度和方向，其數值始終介於 -1 到 1 之間。
4. 相關性的假設檢定
我們如何知道在小樣本中看到的相關性，對於整個群體而言是真實的，還是僅僅是巧合？這時候就要用到假設檢定。
設定
在這些檢定中，我們使用希臘字母 **rho** (\(\rho\)) 來代表整個群體中的相關係數。
- 虛無假設 (Null Hypothesis, \(H_0\))：\(\rho = 0\)（群體中沒有相關性）。
- 對立假設 (Alternative Hypothesis, \(H_1\))：
\(\rho > 0\)（正相關 - 單尾檢定）
\(\rho < 0\)（負相關 - 單尾檢定）
\(\rho \neq 0\)（存在相關性 - 雙尾檢定）
如何執行檢定：
1. 明確列出假設。
2. 識別顯著性水平（通常為 5% 或 1%）。
3. 從公式冊提供的表中找出臨界值 (Critical Value)。你需要樣本大小 (\(n\)) 和顯著性水平。
4. 將你計算出的 \(r\) 與臨界值進行比較。
5. 結論：如果你的 \(r\) 值比臨界值更偏離零，它就落入「拒絕域」。此時你應拒絕 \(H_0\)，並聲明有證據顯示存在相關性。
例子：如果你的臨界值是 0.45，而樣本 \(r = 0.52\)：
由於 \(0.52 > 0.45\)，我們拒絕 \(H_0\)。這代表有顯著證據顯示存在正相關。
鼓勵一下：PMCC 的假設檢定過程非常規律——只要你掌握了一個題目的步驟，就等於掌握了所有這類題目！
快速複習箱：
- 單尾檢定：尋找特定的方向（正相關 或 負相關）。
- 雙尾檢定：尋找任何相關性（正相關 或 負相關）。記憶小撇步：在雙尾檢定中，如果查閱的表是針對單尾的，記得要將顯著性水平減半！
最終核心重點：在 OCR A Level 考試中，你不需要從原始數據計算 \(r\)，但你必須能夠利用給定的 \(r\) 值執行假設檢定，並解釋其在現實情境中的意義。