獨立樣本 vs. 相依樣本

當執行統計檢定分析的時候，我們會發現不同的樣本類型適用不同的統計檢定方法，且樣本類型也攸關著統計檢定力和整體研究的成本。樣本類型在統計分析之前就已經決定好，屬於研究設計的階段，而一個好的研究設計不但可以節省研究成本，也能確實地偵測到自變項的效果。樣本類型主要可分為獨立樣本（independent samples）和相依樣本（dependent samples），兩者為截然不同的研究設計，影響著日後的統計分析方法選擇，下面分別說明這2種樣本類型的差異。

獨立樣本

獨立樣本設計是指群組和群組之間的參與者都不相同，參與者間無法被配對，而且一個群組參與者的行為完全不會影響到另一個群組參與者的行為。舉例來說：

• 為了探討一種新藥物的效果，藥物開發研究人員採取了實驗組和對照組的設計，將不同的參與者隨機分配到不同的實驗情境，2組為完全不同的實驗參與者。
• 為了瞭解線上授課的成效，一位老師對Ａ班採用線上教學的方法，對Ｂ班採用一般實體授課的方法，2班為完全不同的學生。
• 為了探討生理性別和社會統計學成績之間的關聯，一位老師比較了她授課班級裡生理女性和生理男性的社會統計學成績，生理女性和生理男性為完全不同的學生。

獨立樣本的群組可以是2組或超過2組，而隨著群組數目的不同也會有不同的統計檢定方法。如果是2個獨立樣本的群組，常用的檢定方法為獨立樣本ｔ檢定、曼–惠特尼U檢定；如果是超過2個獨立樣本的群組，常見的檢定方法為獨立群組的單因子變異數分析、Kruskal-Wallis檢定。

在統計分析之前，進行資料輸入至統計分析軟體的時候，獨立樣本設計的資料筆數會等於所有研究參與者的數目，也就是把各個群組的參與者數加總。此外，會有至少一個劃分群組的變項，例如實驗情境、生理性別、班級。舉例來說，若要比較Ａ班和Ｂ班的社會統計學成績，每一班各有5位學生，輸入至統計分析軟體如 SPSS 的資料會如下表：

ID	班級	成績
1	A	80
2	A	90
3	A	75
4	A	86
5	A	79
6	B	92
7	B	84
8	B	79
9	B	68
10	B	65

很多研究都是使用獨立樣本設計，因為每一位參與者只要在一個時間點接受測試或進行回應，不用擔心時間經過可能造成的疲勞或能力提升等問題，使得研究測量受到影響。不過相對地，獨立樣本設計的每一位參與者都是具有個人特色的獨立個體，增加了樣本的變異性，可能會降低統計檢定力而影響到研究的結果，這也是為什麼獨立樣本設計需要較大的樣本數。

相依樣本

相依樣本設計是指群組和群組之間為相同的或配對的參與者，一個群組的參與者和另一個群組的參與者有關聯，因為這樣的特性，所以相依樣本也被稱為配對樣本、關聯樣本、相關樣本或成對樣本。相依樣本群組的設計可以再劃分為重複量數設計（repeated-measures design）和配對組設計（matched-group design）：

• 重複量數設計：重複量數設計也稱為前後測設計（before-after design），相同的人參與了2種或超過2種的實驗情境。舉例來說，為了探討宣導課程的效果，研究人員請學生在課程開始前與結束後分別填寫一份知識問卷，再檢驗前、後測成績的變化。由於前測群組和後測群組是相同的學生，所以屬於相依樣本裡的重複量數設計。
• 配對組設計：配對組設計的群組間為配對的參與者，常見的為雙胞胎或特質相似的配對者。舉例來說，為了探討不同學習方法的效果，研究人員依據學生的個人特質、學期成績、讀書習慣等面向進行配對，然後隨機分配每一組配對裡的其中一人至學習方法Ａ而另一個人至學習方法Ｂ，最後再比較2個群組的學習狀況。由於2個群組是配對的學生，所以屬於相依樣本裡的配對組設計。

相依樣本設計也有適用的統計檢定方法，常見的有關聯樣本ｔ檢定、Wilcoxon配對符號等級檢定和McNemar檢定。資料輸入至統計分析軟體如 SPSS 時，若是相同參與者的重複量數設計，資料筆數為參與者的人數；若是配對參與者的配對組設計，資料筆數為參與者配對的數目。此外，資料裡會有至少2個實驗情境的變項，例如前測和後測、方法Ａ和方法Ｂ。

舉例來說，為了瞭解宣導課程的效果，5位學生參與了宣導課程，研究人員在課程開始前與結束後分別給學生進行了前測與後測，輸入至統計分析軟體的資料會如下表：

ID	前測	後測
1	60	68
2	72	80
3	84	78
4	89	92
5	90	86

因為相依樣本的群組為相同或配對的參與者，所以研究人員可辨識且測量出個體差異所導致的變異，並在統計分析的時候移除這層變異，使得這樣的研究設計比較能夠偵測出自變項的效果。換句話說，相依樣本設計的統計檢定力比獨立樣本設計來得高。

然而，相同參與者的重複量數設計容易產生轉移效應（carryover effect），也就是第1次試驗會影響到第2次試驗的結果。例如前測時參與者已經記得測驗的題目和答案而影響到後測的成績，或參與者經過第1次的學習而提升了原本不熟悉的技能，使得第2次試驗的結果變得不客觀。雖然轉移效應的問題可以透過配對組設計而獲得改善，但參與者配對相當地耗時，許多時候甚至很難找到配對的基準，因此在這些因素的影響下，獨立樣本設計仍舊較受歡迎。

以上為本篇文章對獨立樣本和相依樣本的介紹，希望透過本篇文章，您瞭解了這2種樣本類型的設計差異、適用的統計檢定和資料輸入的方法。若您喜歡這篇文章，請將本網站加入書籤，並隨時回訪本網站喔！另外，也歡迎您追蹤本網站的 Facebook 和／或 X（Twitter）專頁喲！

如果您覺得本篇文章對您有幫助，歡迎您買杯珍奶給 Dr. Fish！小小珍奶，大大鼓勵，您的支持將給 Dr. Fish 更多撰寫優質文章的動力喔！