🐟 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
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。
顯著
平均數比較
獨立群組的單因子變異數分析的假設檢定能檢驗自變項整體是否具有效果，但無法指出效果的大小，須計算效果量才可得知。最常用的效果量測量為omega squared和eta squared，雖然前者為相對不偏誤的估計值，但兩者皆可說明依變項裡有多少的變異能夠被自變項所解釋。
推論統計
假設檢定的過程可用來評估變項之間是否具有關聯性或自變項是否具有效果，但無法瞭解效果的大小。為了測量效果的大小，即須計算效果量。因此，效果量是指自變項效果大小或變項間關聯程度的一種客觀、標準化的測量方法，最常見為Cohen′s d、皮爾森積差相關係數和勝率比。
推論統計
檢定統計量是從樣本資料計算出來，用來評估拒絕或保留虛無假設的一個數值。概念上，檢定統計量為統計模型可解釋的變異對無法解釋的變異之比率。若數值愈大，代表結果愈不可能因為機遇而產生，所以發生的機率愈小，若小於顯著水準，即為顯著的檢定統計量，可拒絕虛無假設。
推論統計
顯著水準是研究人員在資料蒐集前已決定好，用來和數據分析結果的機率值相比較的一個機率值，也是研究人員願意接受第一類型錯誤的機率值，最常使用的數值為0.05、0.01或0.001。當分析結果的機率值等於或小於顯著水準，可拒絕虛無假設；若大於顯著水準，則保留虛無假設。