🐟 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
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。
p值
平均數比較
關聯樣本t檢定用來比較兩個相關聯樣本的平均數是否有顯著的差異，通常用在重複量數或配對組設計的研究設計上，是實驗設計裡很常用的統計檢定方法。因為兩樣本間具有關聯性，所以計算檢定統計量時使用配對的差值分數，而非原始分數，可被視為平均數差值的單一樣本t檢定。
平均數比較
獨立樣本t檢定是比較兩個群組的平均數是否有顯著不同的母數檢定，因為用樣本統計量來推估母體參數，所以可在母群體變異數未知的情況下使用。雖然該檢定有常態分配和變異數同質性的假設，但在輕、中度違反的情況下，檢定結果仍具可信度，是一種穩健的統計檢定方法。
推論統計
假設檢定是運用統計模型來檢驗研究問題的方式，也是用來測試研究人員操縱的變項是否具有效果的統計推論方法，是推論統計中最核心的部分。假設檢定的過程包含研究假設的提出、顯著水準的設定、統計檢定方法的選擇、檢定統計量和相關機率的計算與決策規則的運用等5個步驟。
推論統計
第一類型錯誤指研究人員相信自變項帶有效果，但實際上沒有效果，該錯誤的機率一般為0.05，通常用符號α來表示。第二類型錯誤指研究人員相信自變項沒有效果，但實際上帶有效果，可被接受的最大機率為0.2，通常用符號β來表示。這兩種錯誤間並非彼此獨立，而是相互消長的關係。