歡迎來到皮爾遜相關係數假設檢定！
你好！在本章中，我們將學習如何判斷兩者之間的關係（例如你花在複習的時間與獲得的分數）到底是「真實存在」的，還是僅僅由隨機機會造成的。我們使用一種稱為皮爾遜積動差相關係數 (Pearson’s Product-Moment Correlation Coefficient, PMCC) 的工具來協助我們作出判斷。別擔心，名字聽起來很複雜，我們會一步步為你拆解！
第一節：什麼是 PMCC？
在進行任何檢定之前，我們需要了解我們在看什麼。皮爾遜積動差相關係數（樣本通常記作 \( r \)）是一個數字，它告訴我們關於兩個變數之間關係的兩件事：
- 數據點與直線的貼合程度。
- 這種關係是正相關（兩者同時上升）還是負相關（一個上升，另一個下降）。
數值範圍快速回顧：
\( r \) 的值永遠在 -1 到 1 之間。
- \( r = 1 \)：完美的正線性相關。
- \( r = -1 \)：完美的負線性相關。
- \( r = 0 \)：完全沒有線性相關。
你知道嗎？
PMCC 只測量線性（直線）關係。如果你的數據點形成一個完美的「U」形，即使關係非常明顯，PMCC 也有可能為 0！
重點總結： PMCC (\( r \)) 告訴我們線性關係的強弱以及方向。
第二節：建立假設檢定
當我們進行假設檢定時，我們是在試圖了解我們在小樣本中發現的相關性，是否強到足以證明在整個母體 (population) 中也存在這種相關性。
1. 母體參數 (\( \rho \))
在統計學中，我們使用希臘字母 \( \rho \)（讀作 "rho"）來表示整個母體的相關係數。這才是我們實際要檢定的對象。
2. 設定假設
每個檢定都始於兩個陳述：
- 虛無假設 (Null Hypothesis, \( H_0 \))：這是「無趣」的版本。我們假設母體中沒有相關性。它永遠是 \( H_0: \rho = 0 \)。
- 對立假設 (Alternative Hypothesis, \( H_1 \))：這是我們懷疑可能成立的情況。這取決於我們要檢定的是任何相關性、僅正相關還是僅負相關。
單尾檢定 vs. 雙尾檢定：
- 雙尾： 你只想知道是否「存在」相關性。（\( H_1: \rho \neq 0 \)）
- 單尾（正向）： 你認為一個變數增加會導致另一個變數增加。（\( H_1: \rho > 0 \)）
- 單尾（負向）： 你認為一個變數增加會導致另一個變數減少。（\( H_1: \rho < 0 \)）
記憶小撇步：
把 \( \rho \) 想成一條「路」。
\( H_0 \) 說這條路是平坦的（斜率為零/沒有連結）。
\( H_1 \) 說這條路有去向（向上、向下，或者總之不是平的）！
重點總結： 永遠要先定義 \( \rho \)，並寫出你的 \( H_0 \) 和 \( H_1 \)。
第三節：遊戲規則（假設條件）
為了使這項檢定符合 OCR A Level 的課程要求，我們對數據做了一個主要假設：數據必須來自一個雙變數常態分佈 (bivariate normal distribution)。
這代表什麼？
簡單來說，如果你觀察母體的散點圖，這些點會形成一種「橢圓形」或蛋形的雲團。你在考試中不需要證明這一點，但如果題目要求，你必須將其作為假設條件列出來。
鼓勵一下： 如果「雙變數常態分佈」聽起來很嚇人，別擔心。在考試中，你通常只需要假設它成立，即可繼續進行檢定！
第四節：如何進行檢定（逐步說明）
課程大綱指出，你不需要從頭計算 \( r \)（你的計算機或試卷會提供給你）。你的工作是解讀它！
步驟 1：列出你的假設
寫下 \( H_0: \rho = 0 \) 和你選定的 \( H_1 \)。
步驟 2：選定顯著水準 (\( \alpha \))
通常是 5% (0.05) 或 1% (0.01)。這是數據必須跨越的「門檻」，才能被視為「顯著」。
步驟 3：找出臨界值 (Critical Value)
你會獲得一份臨界值表。使用它時，你需要知道：
1. 樣本大小 (\( n \))。
2. 檢定是單尾還是雙尾。
3. 顯著水準。
表格會給你一個「臨界」數字。
步驟 4：將你的 \( r \) 與臨界值進行比較
如果你的樣本相關係數 \( r \) 比臨界值更偏離零，那就代表顯著！我們拒絕 \( H_0 \)。
例如：如果臨界值是 0.5 而你的 \( r \) 是 0.7，這就代表你有足夠的證據！
步驟 5：寫出你的結論
結論應包含兩個部分：
1. 統計評論：「拒絕 \( H_0 \)」 或 「未能拒絕 \( H_0 \)」。
2. 現實世界的評論：「有證據顯示複習時間與考試成績之間存在正相關。」
快速回顧框：
- \( |r| > \text{臨界值} \implies \) 拒絕 \( H_0 \)（結果顯著）。
- \( |r| < \text{臨界值} \implies \) 接納 \( H_0 \)（證據不足）。
第五節：使用 p 值 (p-values)
有時，你拿到的不是表格，而是 p 值。這甚至更容易！
p 值是指我們觀察到的相關性純屬偶然發生的機率。
- 如果 p 值 < 顯著水準：結果顯著。拒絕 \( H_0 \)。
- 如果 p 值 > 顯著水準：結果不顯著。未能拒絕 \( H_0 \)。
避免常見錯誤：
學生常忘記，如果是雙尾檢定，在使用表格時，必須確保在正確的顯著水準下查看「雙尾」那一欄！
第六節：相關性與因果關係
這是考試中最愛出的題目！僅僅因為假設檢定顯示出顯著的相關性，並不代表一件事導致了另一件事。
例如：冰淇淋銷量與鯊魚襲擊次數高度相關（因為兩者在夏天都更頻繁發生）。但吃冰淇淋並不會導致鯊魚襲擊！
重點總結： 相關性顯示的是一種數學聯繫，而非必然的因果關係。
摘要清單
在參加考試前，請確保你能夠：
- 使用 \( \rho \) 正確列出假設。
- 解釋 \( r \) 測量的是線性相關性。
- 使用表格根據 \( n \) 和顯著水準找出臨界值。
- 將 p 值與顯著水準進行比較。
- 說明雙變數常態分佈的假設前提。
- 寫出與題目背景**相關的結論。