🐟 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
無母數檢定
概似比檢定是一種可用來分析類別變項的統計檢定方法，利用最大概似理論，透過列聯表的分析來檢驗變項之間是否具有關聯性。由於檢定統計量帶有卡方分配的型態，所以也稱為最大概似卡方檢定。當樣本數較大的時候，概似比檢定的分析結果會相似於卡方檢定的分析結果。
虛無假設
推論統計
相依樣本是2個群組使用相同或配對參與者的一種研究設計，樣本間具有關聯性。當要比較2個相依樣本時，通常會依據依變項的測量尺度來選擇統計檢定方法，包括母數檢定的關聯樣本t檢定和無母數檢定的符號檢定、Wilcoxon配對符號等級檢定、McNemar檢定和邊際同質性檢定。
相關係數
當同一個樣本裡有兩個皮爾森積差相關係數，且這兩個相關係數帶有共同的變項，則這兩個相關係數不是彼此獨立，而是相互關聯的情況。此時，若想比較這兩個皮爾森積差相關係數是否明顯不同，須進行兩個相依的皮爾森積差相關係數的假設檢定，使用ｔ分配和ｔ檢定統計量。
相關係數
皮爾森積差相關係數可以測量兩個變項的關聯程度和方向，若想瞭解相同的兩變項在兩個不同群組裡的關係，可以分別求得兩群組的相關係數後再比較。但透過此法只能看出相關係數的大小，若想探討相關係數是否明顯不同，則須進行兩個獨立的皮爾森積差相關係數比較的假設檢定。
無母數檢定
Dunn檢定是在Kruskal-Wallis檢定的H檢定統計量達到統計上顯著時，用來瞭解哪些成對群組間存在差異的一種事後比較方法。Dunn檢定利用各個群組的等級總和，使用z檢定和常態分配來評估成對群組間的差異，並採用Bonferroni校正來控制膨脹的第一類型錯誤機率。