🐟 請您尊重本網站的智慧財產權，如有任何引用，請註明出處：Dr. Fish 漫游社會統計。（文章發表日期）。文章名稱。文章網址
線性迴歸
估計標準誤是在最小平方迴歸線建立之後，用來測量預測誤差的一個量化數值。若估計標準誤的數值愈大，代表預測誤差愈大，預測愈沒有信心；相反地，若數值愈小，代表預測誤差愈小，則預測的準確性愈高。為了使該數值有意義，資料必須滿足同質性或變異數同質性的假設。
相關
肯德爾等級相關係數和斯皮爾曼等級相關係數同樣用來測量兩個次序尺度變項間的關聯性，但較少被使用。實際上，當樣本總數很小且變項中存在很多相同等級時，肯德爾等級相關係數是更好的選擇，因為該係數在樣本數等於或大於10時已趨近常態分配，且是較佳的母體參數估計值。
相關
斯皮爾曼等級相關係數是用來測量次序尺度變項間關聯方向和程度的一種相關係數，屬於無母數統計量。依據變項裡相同等級的存在與否，斯皮爾曼等級相關係數會有稍微不同的計算方式。若其中有一個變項為等距或比率尺度，須先將其依數值大小排序並列出等級後再進行運算。
線性迴歸
當1個自變項和1個依變項呈現不完全的線性關係時，可在成對的兩變項所構成的點中建構出一條適合所有點的線，作為預測的用途。這條線是依據最小平方法準則，將自變項預測依變項的誤差最小化，因此稱為最小平方迴歸線。由於預測誤差最小，所以能夠給予最準確的整體預測值。
攝影
這是10年前拍攝於美國黃石國家公園裡黃石湖湖畔的照片。當時和2位同讀研究所的友人展開公路旅行，進行數個國家公園的巡禮，其中一個即是黃石國家公園。照片為黃石湖湖畔的一家美式餐廳，正值日落時分，夕陽、湖面、天空相互輝映，產生了柔和的藍色漸層，非常美麗。