測量尺度 - Dr. Fish 漫游社會統計

卡方獨立性檢定的效果量：關聯性測量

卡方獨立性檢定可用來探討2個類別變項間是否具有關聯性，但從顯著性檢定的結果無法知道2個變項間的關聯程度，也就是效果量的大小。關聯性的測量是呈現效果量的一種方法，包括phi、列聯係數和Cramér′s V。這些數值類似相關係數，不過數值僅介於0和1之間。

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。

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

複相關係數是數個變項間關聯程度的一個量化數值，一般會在一個依變項和數個自變項的多元線性迴歸分析結果裡看到，符號為Ｒ。不過為了理解方便，通常會用Ｒ平方而不是Ｒ來做解釋。複相關係數的假設檢定在檢驗自變項整體對於依變項的預測是否有幫助，使用Ｆ分配和Ｆ值。

迴歸

簡單線性迴歸是涉及一個自變項和一個依變項的分析，兩變項間為不完全的線性關係，探討自變項的改變如何影響依變項的變化。簡單線性迴歸的假設檢定包含相關係數和斜率的假設檢定，檢驗兩變項之間的關係是否存在於母群體裡以及自變項是否對依變項的預測有顯著的幫助。