2-1-問卷調查前要先問的2個問題

2-2-問卷的基礎知識

2-3-問卷應該避免的幾個常見問題

2-4-數據的收集與變數的設定

2-5-製作2個變數組成的表格(列聯表)

在Google雲端硬碟新增目錄：【問卷】，然後新增Goolge表單【調查素食葷食】

22-1-調查素食葷食問卷
※輸入問卷標題後【01調查素食葷食】，再點按檔案名稱
※3個欄位【姓名，性別，便當】，都是必填。【建議事項】不是必填
※必須修改分享設定：【設定】➜「回覆」➜「取消勾選」僅限 XXX帳號及其信任機構中的使用者
※取得測試網址：在【傳送】取得超連結網址
※取得短網址：【傳送】➜縮短網址

22-2-將問卷調查網址轉成QR Code：
※如何安裝google chrome的QR Code二維掃碼
➜google chrome的右上角工具➜更多工具➜擴充功能
➜左下角主選單➜開啟chrome線上應用程式商店
➜搜尋：QR Code Generator➜找評分高的精選商品➜安裝：
示意圖1，
※先取得網址➜在【傳送】取得超連結網址
※複製連結網址到新網頁，然後右上角點單【擴充功能】➜選擇QR Code Generator➜下載QRCode圖片：
示意圖2，示意圖3，

22-3-觀看問卷調查的統計數據：
※請同學們用手機掃描QR Code後，輸入資料
示意圖3，
※瀏覽會員輸入的統計數據：按上方【回覆】，觀看統計數據
示意圖4，

22-4-瀏覽每一筆收入數據的細節：
※【回覆】➜個別➜上一筆，下一筆
示意圖5，

22-5-連結至試算表：
※【回覆】➜在試算表中查看
示意圖6， 示意圖7， 示意圖8，
【檔案】➜【下載成Excel】

新增Goolge 表單【02團購泡菜，只有5箱】

23-1-團購泡菜問卷(修改設定：每題預設都是必填)【成果demo】
23-1-團購泡菜問卷，示意圖

※(1).輸入問卷標題後【02團購泡菜，只有5箱】，再點按檔案名稱
※如何設定欄位預設都是【必填】
➜修改上方【設定】➜預設值➜問題預設設定➜【將問題預設為必填】
示意圖8，
※3個欄位【姓名，部門，辣度】，都是必填。
➜【部門】：人資，會計，工程
➜【辣度】：大辣，小辣，不辣
※必須修改分享設定：【設定】➜「回覆」➜「取消勾選」僅限 XXX帳號及其信任機構中的使用者
※取得測試網址：在【傳送】取得超連結網址
※取得短網址：【傳送】➜縮短網址

※(2).如何設定限制數目：【團購泡菜，只有5箱】： ※【注意】Google表單無法設定【截止時間或最多數量】，必須加上【外掛】
➜chrome的右上角第2個[...]工具➜【取得外掛程式】
示意圖1，
➜搜尋：formLimiter➜安裝：
示意圖1，
※回到表單【問題】，上方新增一個按鈕【外掛程式】➜formLimiter PORD➜Set Limit➜select➜Number of form response：4➜訂購已經額滿，已經超過5箱➜Save and Enable
示意圖1， 示意圖2， 示意圖3， 示意圖4， 示意圖5，
※【特別注意】：至多訂購5個，則numnber必須為4（若是設定5，則可以最多填入6個）
※設定連結試算表➜【回覆】➜在試算表中查看
※複製網址，在新網頁測試：輸入6筆資料➜第6筆輸入後，無法輸入，且在後台【回覆】➜不接受回應
示意圖6， 示意圖6，
※在試算表查看輸入數據：【回覆】➜在試算表中查看
示意圖7，

23-2-在中午11：30前訂購便當【成果demo】：
※ 把【前一個表單】複製副本表單，修改問卷標題後【03在中午11：30前訂購便當】，再點按檔案名稱
示意圖1，
※回到表單【問題】，上方新增一個按鈕【外掛程式】➜formLimiter PORD➜Set Limit➜select➜Date and Time➜Save and Enable
示意圖1， 示意圖2，
※設定超過時間的訊息：已經超過時間，今天無法再訂購便當了
※測試超過時間，就無法再填寫表單
示意圖3，

23-3-如何處理每天的訂購便當表單：建立副本【成果demo】：
※(1).【如何每天讓辦公室同仁訂購便當】：
step1：每天把前一天的表單，複製修改成當天的日期：前一天表單➜滑鼠右鍵➜建立副本➜修改名稱：【04每天在中午11：30前訂購便當-20241015】
示意圖3，

※【注意】：建立副本後，原本的外掛程式設定都歸零，必須重新設定外掛
※(2).回到表單【問題】，上方新增一個按鈕【外掛程式】➜formLimiter PORD➜Set Limit➜select➜Date and Time➜Save and Enable
示意圖1， 示意圖2，
※設定超過時間的訊息：已經超過時間，今天無法再訂購便當了

※(3).輸入2筆數據
示意圖3，

新增Goolge 表單【本次活動滿意度調查(單選)】

24-1-本次活動滿意度調查(單選)【成果demo】
※輸入問卷標題後【05本次活動滿意度調查(單選)】，再點按檔案名稱
※設定欄位預設都是【必填】，且【所有人都可以瀏覽】

※(1).右側menu選【新增標題】：一，滿意度調查
示意圖1，

※(2).製作李克特五點量表(數字小的為不滿意，數字大的為滿意)：
➜ 新增項目【1.本次活動滿意度】，屬性是【線性刻度】，最左是【非常不滿意】，最右是【非常滿意】
示意圖2， 示意圖3，

※(3).製作單選題(下拉選單)：
➜ 新增項目【2.伙食滿意度】，屬性是【下拉選單】，【非常不滿意～非常滿意】
示意圖4， 示意圖5，

※(4).製作單選題(radio圓形選擇按鈕)：
➜ 新增項目【3.場地滿意度】，屬性是【選擇題】，【非常不滿意～非常滿意】
示意圖6， 示意圖7，

※(5).製作【4.多題組型單選題】(列是題目，欄是選項)：
➜ 適用時機：多題都是5點量表
➜ 新增項目【4.綜合滿意度】，屬性是【單選方格】，【非常不滿意～非常滿意】
➜ 注意：列是題目，欄是選項
示意圖8， 示意圖9，

※(6).右側menu選【新增標題】：二，個人資料
※製作【5.姓名】項目 示意圖10，
※製作【6.生日】項目
示意圖11， 示意圖12，

24-2-產品興趣意向調查(複選)【成果demo】
※(1).輸入問卷標題後【06產品興趣意向調查(複選)】，再點按檔案名稱
※設定欄位預設都是【必填】，且【所有人都可以瀏覽】

※(2).右側menu選【新增標題】：一，客戶意向調查

※(3).製作複選題目：
➜ 新增項目【1.對本公司感興趣的產品】，屬性是【核取方塊】
➜ 筆電，桌機，鍵盤，滑鼠，螢幕

※(4).製作【多題組型複選題】(列是題目，欄是選項)：
➜ 新增項目【2.品牌喜好傾向調查】，屬性是【核取方塊格】
➜ 注意：列是題目，欄是選項
➜ 筆電，桌機，螢幕
➜ 華碩，宏基，HP，聯想
示意圖1，

※(6).右側menu選【新增標題】：二，個人資料調查
※製作【3.姓名】項目
※製作【4.能夠參加本公司活動的日期】項目➜選擇【日期】屬性
※製作【5.能夠參加本公司活動的時間】項目➜選擇【時間】屬性
示意圖2，

新增Goolge 表單【是否參加本週日的聚餐？】

25-1-是否參加本週日的聚餐【成果demo】
※輸入問卷標題後【07是否參加本週日的聚餐？】，再點按檔案名稱
※設定欄位預設都是【必填】，且【所有人都可以瀏覽】

※(1).新增2個欄位【姓名，是否參加本週日的聚餐？】，都是必填。
➜【是否參加本週日的聚餐？】：是，否
示意圖1，

※(2).如何收集使用者的email？
➜修改上方【設定】➜設定➜【回覆】➜【收集電子郵件地址】➜由作答者手動輸入
示意圖2， 示意圖3，

※(3).如何傳送表單回覆副本給作答者？（user會收到email告知他已經填寫問卷了）
➜修改上方【設定】➜設定➜【回覆】➜【傳送表單回覆副本給作答者】➜一律
示意圖4，

※(4).如何才能讓user填寫完後，若要修改問卷的選擇內容？（user打開email即可修改問卷）
➜修改上方【設定】➜設定➜【回覆】➜【允許編輯回覆】➜打開
示意圖5，

※(5). 如何設定user填寫完所看到的訊息？
➜修改上方【設定】➜設定➜【簡報】➜【確認訊息】➜編輯➜已經收到答案，謝謝你的填寫
示意圖5， 示意圖6， 示意圖7， 示意圖8， 示意圖9， 示意圖10， 示意圖11

新增Goolge 表單【上傳作業檔案(zip)】

26-1-上傳作業檔案(zip)【成果demo】
※輸入問卷標題後【08上傳作業檔案(zip)】，再點按檔案名稱
※設定欄位預設都是【必填】，且【所有人都可以瀏覽】

※(1).新增1個欄位【姓名】。
※(2).新增1個欄位【上傳作業檔案】(屬性是：檔案上傳)
示意圖1， 示意圖2， 示意圖3，

※(2).測試表單：上傳一個zip壓縮檔案
示意圖4， 示意圖5， 示意圖6，

※(3).檢查上傳一個的檔案在你的雲端硬碟的什麼地方
➜到你的雲端硬碟的目錄【問卷】➜要記得要『重新整理Refresh』
➜顯示多出一個新的目錄➜08上傳作業檔案(zip) (File responses)
示意圖7， 示意圖8，

※(4).設定標題圖片
➜修改右上方【自訂主題】➜【頁首】➜選擇圖片

※(5).設定背景顏色
➜修改右上方【自訂主題】➜【頁首】➜背景顏色：勾選顏色
示意圖9，
示意圖10，
示意圖11，
示意圖12，

※(6).如何自行設定標題圖片： 到canva網站
➜注意：註冊者後，付費圖片有1個月的免費使用權，其它圖片則都是免費的
左邊選擇【範本】➜上方輸入搜尋關鍵字：【google表單】
➜選擇1個圖片範本➜要選擇免費的範本（沒有皇冠 Pro的圖片）
示意圖13，
➜點按【自訂此範本】
示意圖14，
➜修改框框內的文字：【微積分課程滿意度調查】
➜修改【置中對齊，字體】
示意圖15，
➜下載：按右上角【分享】➜下載
示意圖16，
➜設定標題圖片➜修改右上方【自訂主題】➜【頁首】➜選擇圖片➜上傳圖片
➜注意：上傳首頁圖片後，系統會自動設定背景顏色來配色
示意圖17，

新增Goolge 表單【區段跳題，選菜色】

27-1-區段跳題，選菜色【成果demo】
※輸入問卷標題後【09區段跳題，選菜色】，再點按檔案名稱
※設定欄位預設都是【必填】，且【所有人都可以瀏覽】

※(1).問卷流程結構：


※(2).新增5個項目【姓名，葷食或素食？，選擇葷食菜色，選擇素食菜色，選擇飲料】。
➜【葷食或素食？】：葷食，素食
➜【選擇葷食菜色】：雞腿便當，豬排便當，魚排便當
➜【選擇素食菜色】：香菇豆腐便當，胡蘿蔔毛豆便當，番茄雞蛋便當
➜【選擇飲料】：紅茶，可樂，咖啡
示意圖1， 示意圖2，

※【區段的處理】
※(3).新增3個項目【區段】：【葷食菜色，素食菜色，飲料】
示意圖3， 示意圖4，

※【設置區段的相關項目】
※(4).拖曵相關項目到相關的【區段】：
➜拖曵【選擇葷食菜色】項目到【葷食菜色】區段
➜拖曵【選擇素食菜色】項目到【素食菜色】區段
➜拖曵【選擇飲料】項目到【飲料】區段
【葷食菜色，素食菜色，飲料】
示意圖5，

※(5).【設置『項目』跳題『區段』】
➜到第2個項目【葷食或素食？】，在右下角【...]更多選項：【根據答案前往相關區段】
示意圖6， 示意圖7， 示意圖8，
➜到第3個項目【選擇葷食菜色】，在右下角【...]更多選項：【根據答案前往相關區段】
示意圖9，
➜第4個項目【選擇素食菜色】，不需要設定跳題，因為下一個項目就是【飲料】區段

※(6).測試：
示意圖10， 示意圖11， 示意圖12， 示意圖13，

新增Goolge 表單【匯入過去的1個表單來修改】

28-1-匯入過去的1個表單來修改訂購便當【成果demo】
※輸入問卷標題後【10-匯入過去的1個表單來修改訂購便當】，再點按檔案名稱
※設定欄位預設都是【必填】，且【所有人都可以瀏覽】

※(1).問卷流程結構：


※(2).新增2個項目【姓名，是否訂購便當】
示意圖1，

※(3).匯入1個過去的表單：【09區段跳題，選菜色】
➜【全選】，但是取消勾選【姓名】
示意圖2， 示意圖3， 示意圖4， 示意圖5，

※(4).【設置『項目』跳題『區段』】
➜到第1個項目【是否訂購便當】，在右下角【...]更多選項：【根據答案前往相關區段】
示意圖6，

※【注意】：匯入的『跳題』設定，要重新設定
※(5).【設置『項目』跳題『區段』】
➜到第2個項目【葷食或素食？】，在右下角【...]更多選項：【根據答案前往相關區段】
示意圖7， 示意圖8， 示意圖9，

➜到第3個項目【選擇葷食菜色】，在右下角【...]更多選項：【根據答案前往相關區段】
示意圖10，

➜第4個項目【選擇素食菜色】，不需要設定跳題，因為下一個項目就是【飲料】區段

※(6).測試：
示意圖11， 示意圖12，

示意圖13， 示意圖14， 示意圖15， 示意圖16， 示意圖17， 示意圖18， 示意圖19，

新增Goolge 表單【測驗卷：2024年全世界人口數調查】

28-2-測驗卷：2024年全世界人口數調查【成果demo】
※輸入問卷標題後【11-測驗卷：2024年全世界人口數調查】，再點按檔案名稱
※設定欄位預設都是【必填】，且【所有人都可以瀏覽】

※(1).將【問卷】改成【測驗卷】
➜上方【設定】➜設定➜勾選【設為測驗】
示意圖1，

※(2).新增1個項目【姓名】

※(3).新增第1題【1.全世界人口數是多少？】
➜【61億人，71億人，81億人，91億人】
➜設定答案【81億人】，分數【25】分
示意圖2， 示意圖3，

※(4).新增第2題【2.全世界人口數排名第一的是哪一個國家？ 】
➜【中國，美國，印度，巴基斯坦】
➜設定答案【印度】，分數【25】分

※(5).新增第3題【3.中國人口數多少？ 】
➜【12.25億人，13.25億人，14.25億人，15.25億人】
➜設定答案【14.25億人】，分數【25】分

※(6).新增第4題【4.印度人口數多少？ 】
➜【12.28億人，13.28億人，14.28億人，15.28億人】
➜設定答案【14.28億人】，分數【25】分

※(7).測試：
示意圖4， 示意圖5，
➜答題後可以看成績與解答
示意圖6， 示意圖7，

28-3-自動化出題測驗卷：word表格➜自動轉成Google表單【成果demo】
※(1).此「線上測驗範本」【開發者】：教育機構資安驗證中心、中興大學計算機及資訊網路中心
➜先到【教學官網】，複製範本檔案到自己的雲端硬碟，

※(2).將此「線上測驗範本」Google文件(2021.6.18版本)，建立副本到你自己的雲端硬碟
➜【教學網站】：開啟【線上測驗範本】Google文件，
➜【建立副本】
示意圖1， 示意圖2，

※(3).將此檔案建立副本到你自己的雲端硬碟：【線上測驗範本-中興大學】
示意圖3， 示意圖4，

※(4).將此檔案【移動】到自己雲端硬碟的【問卷】目錄
示意圖5， 示意圖6，

※(5).開啟【線上測驗範本-中興大學】檔案後，先接受【創用CC授權】
示意圖7，

※(6).瀏覽【創用CC授權條款】：允許使用者重製、散布、傳輸以及修改著作(包括商業性利用)，惟使用時必須按照著作人或授權人所指定的方式，表彰其姓名。
➜【技術】：結合Google表單與Google Apps Script
示意圖8， 示意圖9，

※(7).產出【Google表單測驗卷】：
➜要產出的Google表單檔名為何：中興大學測驗卷
➜結果：等待2分鐘
示意圖10， 示意圖11， 示意圖12，

※(8).瀏覽【中興大學測驗卷】：
➜到自己的雲端硬碟目錄【問卷】➜網頁要重新整理Refresh➜打開【中興大學測驗卷】
示意圖13， 示意圖14， 示意圖15，

28-4-自動化出題測驗卷：計算機概論PDF考題➜word表格➜Google表單【成果demo】
※(1).預先動作如chp28-3所述，已經複製測驗卷範本到自己雲端硬碟的【問卷】目錄
※(2).開啟【線上測驗範本-中興大學】檔案後，【建立副本】
➜檔案名稱：【線上測驗範本-計算機概論考題】
示意圖1， 示意圖2，

※(3).開啟【PDF考題】：計算機概論考題
開啟或下載【PDF考題】，

※(4).螢幕截圖：把每1題考題，截圖到【線上測驗範本-計算機概論考題】文件檔案
➜【Windows截圖指令】：Windows+Shift+S
➜【Windows複製的剪貼簿空間：Windows+V
➜【注意】：每一題一定要加上文字，不可以只有圖片
➜【例如】：如圖所示，請作答:
➜答錯囉，自然語言是人類用來溝通的語言，例如中文、英文、日文等。自然語言不是程式語言
➜答錯囉，C++ 是一種高級程序設計語言，它具有強大的功能，支援物件導向編程
➜答錯囉，在數據庫管理系統中，SQL 主要用於搜索和操縱數據
➜答錯囉，程式編譯是將高階程式語言轉換成機器語言的過程，它是程式設計師的工作，而不是操作系統的工作
➜答錯囉，本地存儲是指在使用者本地的存儲，它不是雲計算的特點
示意圖3，

※(5).先接受【創用CC授權】
示意圖4， 示意圖5，

※(6).瀏覽【創用CC授權條款】：允許使用者重製、散布、傳輸以及修改著作(包括商業性利用)，惟使用時必須按照著作人或授權人所指定的方式，表彰其姓名。
➜【技術】：結合Google表單與Google Apps Script
示意圖6， 示意圖7，

※(7).產出【Google表單測驗卷】：
➜要產出的Google表單檔名為何：計算機概論考題測驗卷
➜結果：等待2分鐘
示意圖8， 示意圖9，

※(8).瀏覽【計算機概論考題測驗卷】：
➜到自己的雲端硬碟目錄【問卷】➜網頁要重新整理Refresh➜打開【計算機概論考題測驗卷】
示意圖10， 示意圖11，

28-5-測驗卷：2024年全世界人口數調查【成果demo】
※(1).預先動作如chp28-3所述，已經複製測驗卷範本到自己雲端硬碟的【問卷】目錄
※(2).開啟【線上測驗範本-中興大學】檔案後，【建立副本】
➜檔案名稱：【線上測驗範本-世界人口數考題】
示意圖1，

※複製：世界人口數考題
※(3).新增第1題【1.全世界人口數是多少？】
➜【61億人，71億人，81億人，91億人】
➜設定答案【81億人】，分數【25】分

※(4).新增第2題【2.全世界人口數排名第一的是哪一個國家？ 】
➜【中國，美國，印度，巴基斯坦】
➜設定答案【印度】，分數【25】分

※(5).新增第3題【3.中國人口數多少？ 】
➜【12.25億人，13.25億人，14.25億人，15.25億人】
➜設定答案【14.25億人】，分數【25】分

※(6).新增第4題【4.印度人口數多少？ 】
➜【12.28億人，13.28億人，14.28億人，15.28億人】
➜設定答案【14.28億人】，分數【25】分

※(6).把每1題題目，複製文字到【線上測驗範本-世界人口數考題】文件檔案
➜答錯囉，答案是81億人
➜答錯囉，印度是全世界人口數第1國家
➜答錯囉，中國人口數14.25億人
➜答錯囉，印度人口數14.28億人
示意圖2，

※(7).先接受【創用CC授權】
示意圖3， 示意圖4，

※(8).瀏覽【創用CC授權條款】：允許使用者重製、散布、傳輸以及修改著作(包括商業性利用)，惟使用時必須按照著作人或授權人所指定的方式，表彰其姓名。
➜【技術】：結合Google表單與Google Apps Script
示意圖5， 示意圖6，

※(9).產出【Google表單測驗卷】：
➜要產出的Google表單檔名為何：世界人口數考題測驗卷
➜結果：等待2分鐘
示意圖7，

※(10).瀏覽【計算機概論考題測驗卷】：
➜到自己的雲端硬碟目錄【問卷】➜網頁要重新整理Refresh➜打開【世界人口數考題測驗卷】
示意圖8，

※(1).30-1-北科大軟體雲網址
➜北科大軟體雲的軟體，都是線上版本，不提供單機安裝
➜有些軟體雲軟體，提供由客戶端軟體VMware來連線
➜有些軟體雲軟體，可以由網頁連線

※(2). 要如何使用北科軟體雲？（2種方法：使用客戶端界面，或使用網頁）
【步驟1】： 　
◉【使用客戶端界面】：下載 VMware Horizen Client 並安裝（設定新增伺服器 「vdesk.ntut.edu.tw」） 　
◉【使用網頁】：或使用瀏覽器進入 vdesk.ntut.edu.tw
【步驟2】： 　
◉登入校園入口網站帳號密碼 　
◉選擇要使用的軟體或桌面

※(3).軟體雲使用須知：
◉若需使用應用程式存取本機檔案，請下載客戶端。
◉為避免使用者長期占用，工作階段每240分鐘中斷乙次。
◉工作階段中斷後有寬限期20分鐘，再次連線即可恢復。
◉工作階段中斷後20分鐘後桌面及應用程式將主動還原。

※(4).用【網頁方式】使用Spss：
示意圖1， 示意圖2， 示意圖3， 示意圖4， 示意圖5，

※(5).用【安裝客戶端界面VMware Horizen Client】使用Spss：
示意圖1， 下載軟體示意圖2， 安裝後開啟，新增伺服器示意圖3， 伺服器vdesk.ntut.edu.tw示意圖4， 選擇IBM Spss 23示意圖5， 開啟Spss示意圖5，

※(1).下載或開啟【夏令營青少年的個資pdf檔案】

※(2). 把數據用Gemini/ChatGPT 4o來辨識，並取得表格資料，然後輸入到SPSS
※(3). 登入北科大軟體雲的SPSS軟體畫面
※(4). 設定欄位的屬性（設定變數）
◉點按【變數視圖】
示意圖1， 示意圖2，
◉設定變數名稱：
➜【編號】：數值，8位寬度，0位小數點
➜【姓名】：字串，8位寬度，0位小數點
➜【性別】：字串，8位寬度，0位小數點
➜【年齡】：數值，8位寬度，0位小數點
➜【身高】：數值，12位寬度，1位小數點
➜【體重】：數值，12位寬度，1位小數點

※(5). 輸入資料（複製貼上）
➜切換到【資料視圖】視窗
➜從excel工作表複製數據到視窗內
示意圖3 但是姓名只有顯示2個字，示意圖，

※(6). 如何顯示3個字的姓名：
特別注意：【中文姓名】： 若要顯示3個中文字，建議將欄位寬度設定為9-12之間
換言之：1個中文字，寬度為3-4之間
➜【姓名】：字串，12位寬度，0位小數點
設定姓名為12寬度，示意圖， 正常顯示3個字的姓名，示意圖，

※(7). 簡單的統計分析：【描述性統計分析】
➜上方menu➜【分析】➜【描述統計】➜【描述統計】
➜選擇要分析的變數➜【身高】
描述統計，示意圖， 設定要統計分析的變數（身高），示意圖，
，

※(8). 儲存成SPSS格式檔案【*.sav】
➜上方menu➜【檔案】➜【另存新檔】➜31-1
另存新檔，示意圖， 檔案名稱31-1，示意圖，
➜【錯誤的儲存位置】預設儲存目錄：C:user/帳號/Documents
錯誤存檔位置，示意圖，
➜【正確的儲存位置】：F:\NTUT-Cloud
➜【注意】計網中心提供5GB空間，存放空間為NTUT-Cloud(F:\)磁碟機。
正確存檔位置，示意圖，

※(9). 儲存成Excel格式檔案【*.xlsx】
➜上方menu➜【檔案】➜【另存新檔】➜31-1.xlsx
另存Excel檔案，示意圖，
【注意】儲存的Excel檔案只會有數據，不會有欄位定義的設定

※(10). 如何將計網中心存放空間的sav檔案，下載到自己的筆電硬碟
【原理】➜先登入計網中心的個人window作業系統➜用網頁登入北科大的電子郵件信箱➜寄信給自己，附加檔案(31-1.sav)即可。
用網頁方式登入北科大軟體雲 　
◉【使用網頁】：使用瀏覽器進入 vdesk.ntut.edu.tw
選擇網頁版，示意圖1，
選擇Windows CHT，示意圖2，
自己在北科大軟體雲的Windows作業系統空間，示意圖3，
開啟網頁登入自己的email，示意圖4，
寄信給自己，附件檔案為F:\31-1.cav，示意圖5，

※(1).下載或開啟【夏令營青少年的個資Excel檔案】

※(2). 注意：在軟體雲的SPSS軟體，無法直接讀入你筆電的excel檔案(02-夏令營.xlsx)
➜【解決辦法】：要先把excel檔案(02-夏令營.xlsx)，上傳到北科大軟體雲的windows作業系統(F:\)硬碟空間
➜【例如，方法1】：用學校的email寄信到給自己，附加excel檔案(02-夏令營.xlsx)
➜【注意】：軟體雲的Windows空間，登入Gmail時手機驗證碼無法傳送到手機，所以無法登入Google雲端硬碟
excel上傳到F:\硬碟，示意圖1，

※(3). 登入北科大軟體雲的SPSS軟體畫面，開啟SPSS軟體
➜上方menu➜【檔案】➜【開啟】➜【資料】
開啟資料檔，示意圖1， 格式選xlsx，示意圖2， 示意圖3， 讀入後顯示數據資料，示意圖4，
【注意】：讀入excel檔案，SPSS會自動判別欄位變數的屬性（數值，字串，日期...）
讀入後顯示變數，示意圖5，

※(4). 簡單的統計分析：【描述性統計分析】
➜上方menu➜【分析】➜【描述統計】➜【描述統計】
➜選擇要分析的變數➜【身高】
描述統計，示意圖， 設定要統計分析的變數（身高），示意圖， 描述統計分析結果，示意圖，

※(5). 儲存成SPSS格式檔案【*.sav】
➜上方menu➜【檔案】➜【另存新檔】➜31-1
另存新檔，示意圖， 檔案名稱31-1，示意圖，
➜【錯誤的儲存位置】預設儲存目錄：C:user/帳號/Documents
錯誤存檔位置，示意圖，
➜【正確的儲存位置】：F:\NTUT-Cloud
➜【注意】計網中心提供5GB空間，存放空間為NTUT-Cloud(F:\)磁碟機。
正確存檔位置，示意圖，

※(1).下載或開啟【夏令營青少年的個資CSV檔案】

※(2). 注意：在軟體雲的SPSS軟體，無法直接讀入你筆電的csvl檔案(02-夏令營.xlsx)
➜【解決辦法】：要先把csvl檔案(02-夏令營.csv)，上傳到北科大軟體雲的windows作業系統(F:\)硬碟空間
➜【例如，方法1】：用學校的email寄信到給自己，附加csvl檔案(02-夏令營.xlsx)
csvl上傳到F:\硬碟，示意圖1，

※(3). 登入北科大軟體雲的SPSS軟體畫面，開啟SPSS軟體
➜上方menu➜【檔案】➜【開啟】➜【資料】
➜【錯誤做法】➜資料格式選擇：*.txt, *.csv....
不能選【txt,csv】格式，示意圖1，
➜【正確做法】➜資料格式選擇：*.*
要選【*.*】格式，示意圖1， 示意圖2，
➜勾選【變數名稱在檔案的頂端】
變數名稱在檔案的頂端，示意圖1， 示意圖3， 示意圖4， 示意圖5，
【注意】：讀入csv檔案，SPSS會自動判別欄位變數的屬性（數值，字串，日期...）
讀入後顯示變數，示意圖5，
讀入後顯示數據資料，示意圖5，

31-4-身高體重調查【成果demo】
※(1).建立Google表單，輸入問卷標題後【31-4-身高體重調查】，再點按檔案名稱
※設定欄位預設都是【必填】，且【所有人都可以瀏覽】
Google表單，示意圖1，
※(2).輸入最少10筆數據資料
※(3).取得【Google試算表記錄】
➜上方【回覆】➜【連結到試算表】

※(4).將【Google試算表記錄】➜轉成Excel檔案
➜【檔案】➜【下載】➜Excel➜31-4-身高體重.excel
試算表轉成Excel，示意圖1，

※(5).【軟體雲SPSS】➜讀入Excel➜發生當機
SPSS讀入Excel檔案時出現錯誤，而且當機，示意圖1，
➜【軟體雲主機當機的處理方法】➜回到VMware虛擬客戶端平台，
離線伺服器，示意圖1， 登出，示意圖1， 再連線，示意圖1，
➜再連線後，等待5秒連線➜點選【工作管理員】➜關閉【SPSS軟體】
選工作管理員，示意圖1，
➜發生錯誤的原因：Google表單試算表的第1個欄位是【時間戳記】：7/27/2024 13:55:23
➜ Excel中的【時間戳記錄格式】，與SPSS的日期格式不一致，導致無法正確識別
➜ Excel中的【日期時間格式】：7/27/2024 13:55:23
➜ SPSS中的【日期時間格式】：2024/7/27 13:55:23
➜ 【差異點】：年的位置不同：Excel為MM/DD/YYYY，SPSS為YYYY/MM/DD

※(6).【解決辦法】：在Excel中調整格式：
➜將時間戳記轉換為日期時間格式： 在Excel中，選中時間戳記所在的列，然後點擊「數字」格式，選擇適合的日期時間格式（例如，"YYYY/MM/DD HH:MM:SS"）。
打開Excel檔案，選時間戳記欄位，示意圖1，
YY/MM/DD HH:mm格式，選時間戳記欄位，示意圖1，
結果，選時間戳記欄位，示意圖1，
➜【另存新檔】31-4-身高體重調查-YYMMDD.xlsx
➜用email附加檔案，寄信給自己
➜登入北科大軟體雲的windows作業系統，用email附加檔案，寄信給自己，下載excel檔案到F:\硬碟
➜登入北科大軟體雲的SPSS➜【檔案】➜【開啟】➜【資料】31-4-身高體重調查-YYMMDD.xlsx
在軟體雲SPSS讀入google表單的數據，選時間戳記欄位，示意圖1，

※(7).【結論1】：若是Google表單➜Google試算表➜Excel➜SPSS，一定會發生錯誤與當機，因為Excel與SPSS的日期格式不一樣
【結論2】：要把Google表單產生試算表的日期改成➜【YY/MM/DD HH:mm】格式

※(1).【成果Demo】：3D長條圖成果，示意圖：

陰影長條圖成果，示意圖，
平面長條圖成果，示意圖，

※(2).下載問卷調查資料：教師幸福感指數調查
※上傳【32-1-教師幸福感問卷調查_1.xlsx】，到北科大軟體雲的windows電腦的F:\硬碟
※【問卷調查題目】：國小教師職場生活感受調查
........
※【性別】：1男，2女
※【擔任職務】：1x科任未兼任行政，2x教師兼組長，3x級任未兼任行政，4教師兼主任
※【服務地區】：1北區，2中區，3南區，4東區
※【服務年資】：1：5年以下，2：6-10年，3：11-15年，4：16-20年，5：21-25年，6：26年以上
........
※貳：教師職場靈性量表：
※A1-【我覺得自己是學校的一份子】：5非常符合，4大部分符合，3一半符合，2少部分符合，1非常不符合
........
........
※叁：教師幸福感量表：
※B1-【回想我的工作生涯，我滿意自己的工作表現】：5非常符合，4大部分符合，3一半符合，2少部分符合，1非常不符合
........
........

※(3).用北科大軟體雲的SPSS讀入【32-1-教師幸福感問卷調查_1.xlsx】檔案
讀入問卷檔案，示意圖1，

※(4).【繪圖長條圖】：服務年資的頻數分析分佈圖
➜上方【分析】➜【敘述統計】➜【次數分配表】
次數分配表，示意圖1， 選擇服務年資-圖表，示意圖1， 服務年資柱狀圖，示意圖1，

※(5).【在長條圖上，加註『數字，百分比』】：
➜快速點按2下【長條圖】，才能編輯圖表➜開啟【圖表編輯器】
圖表編輯器，示意圖1，
➜點按任何一條【柱狀圖】➜滑鼠右鍵➜【顯示資料標籤】
選擇『顯示資料標籤』，示意圖，
加上2個參數『計數，百分比』，示意圖，
顯示『計數，百分比』柱狀圖，示意圖，

※(6).【顯示3D長條圖，或是陰影長條圖】：
➜在【圖表編輯器】➜點按任何一條【柱狀圖】➜滑鼠右鍵➜【內容視窗】
長條圖右鍵的內容視窗，示意圖1，
➜選擇【深度與角度】➜勾選【3D】➜套用
勾選3D長條圖，示意圖，
3D長條圖成果，示意圖，

➜選擇【深度與角度】➜勾選【陰影】➜套用
陰影長條圖成果，示意圖，

※(7).【如何把x軸的5點量表(1～5)數字，轉成代表意義的文字】：
➜【服務年資】：1：5年以下，2：6-10年，3：11-15年，4：16-20年，5：21-25年，6：26年以上
➜在【圖表編輯器】➜點按任何一條【柱狀圖】➜滑鼠右鍵➜【內容視窗】➜【種類】
長條圖的種類，示意圖，
➜回到資料工作表區，在【變數視圖】➜點按【服務年資】這一列➜點按【值】這一欄
➜【值】➜1
➜【標籤】➜5年以下
➜【新增】
......
➜新增全部的【服務年資】：1：5年以下，2：6-10年，3：11-15年，4：16-20年，5：21-25年，6：26年以上
服務年資類的【值】欄新增標籤，示意圖，
全部的【值：標籤】，示意圖，
➜重新繪圖
平面長條圖，示意圖，
3D長條圖，示意圖，
陰影長條圖，示意圖，

※(1).【成果Demo】：繪製【服務年資】的長條圖：

陰影長條圖成果，示意圖，
平面長條圖成果，示意圖，

※(2).下載問卷調查資料：教師幸福感指數調查
※上傳【32-1-教師幸福感問卷調查_1.xlsx】，到北科大軟體雲的windows電腦的F:\硬碟
※【問卷調查題目】：國小教師職場生活感受調查
........
※【性別】：1男，2女
※【擔任職務】：1x科任未兼任行政，2x教師兼組長，3x級任未兼任行政，4教師兼主任
※【服務地區】：1北區，2中區，3南區，4東區
※【服務年資】：1：5年以下，2：6-10年，3：11-15年，4：16-20年，5：21-25年，6：26年以上
........
※貳：教師職場靈性量表：
※A1-【我覺得自己是學校的一份子】：5非常符合，4大部分符合，3一半符合，2少部分符合，1非常不符合
........
........
※叁：教師幸福感量表：
※B1-【回想我的工作生涯，我滿意自己的工作表現】：5非常符合，4大部分符合，3一半符合，2少部分符合，1非常不符合
........
........

※(3).用北科大軟體雲的SPSS讀入【32-1-教師幸福感問卷調查_1.xlsx】檔案
讀入問卷檔案，示意圖1，

※(4).【繪圖長條圖】：服務年資的頻數分析分佈圖
➜上方【分析】➜【敘述統計】➜【次數分配表】
次數分配表，示意圖1， 選擇服務年資-圖表，示意圖1， 服務年資柱狀圖，示意圖1，

※(5).【在長條圖上，加註『數字，百分比』】：
➜快速點按2下【長條圖】，才能編輯圖表➜開啟【圖表編輯器】
圖表編輯器，示意圖1，
➜點按任何一條【柱狀圖】➜滑鼠右鍵➜【顯示資料標籤】
選擇『顯示資料標籤』，示意圖，
加上2個參數『計數，百分比』，示意圖，
顯示『計數，百分比』柱狀圖，示意圖，

※(6).【顯示3D長條圖，或是陰影長條圖】：
➜在【圖表編輯器】➜點按任何一條【柱狀圖】➜滑鼠右鍵➜【內容視窗】
長條圖右鍵的內容視窗，示意圖1，
➜選擇【深度與角度】➜勾選【3D】➜套用
勾選3D長條圖，示意圖，
3D長條圖成果，示意圖，

➜選擇【深度與角度】➜勾選【陰影】➜套用
陰影長條圖成果，示意圖，

※(7).【如何把x軸的5點量表(1～5)數字，轉成代表意義的文字】：
➜【服務年資】：1：5年以下，2：6-10年，3：11-15年，4：16-20年，5：21-25年，6：26年以上
➜在【圖表編輯器】➜點按任何一條【柱狀圖】➜滑鼠右鍵➜【內容視窗】➜【種類】
長條圖的種類，示意圖，
➜回到資料工作表區，在【變數視圖】➜點按【服務年資】這一列➜點按【值】這一欄
➜【值】➜1
➜【標籤】➜5年以下
➜【新增】
......
➜新增全部的【服務年資】：1：5年以下，2：6-10年，3：11-15年，4：16-20年，5：21-25年，6：26年以上
服務年資類的【值】欄新增標籤，示意圖，
全部的【值：標籤】，示意圖，
➜重新繪圖
平面長條圖，示意圖，
3D長條圖，示意圖，
陰影長條圖，示意圖，

※(1).【成果Demo】：繪製【擔任職務】的陰影圓餅圖：

平面餅狀圖成果，示意圖，
3D餅狀圖成果，示意圖，

※(2).下載問卷調查資料：教師幸福感指數調查
※上傳【32-1-教師幸福感問卷調查_1.xlsx】，到北科大軟體雲的windows電腦的F:\硬碟
※【問卷調查題目】：國小教師職場生活感受調查
........
※【性別】：1男，2女
※【擔任職務】：1x科任未兼任行政，2x教師兼組長，3x級任未兼任行政，4教師兼主任
※【服務地區】：1北區，2中區，3南區，4東區
※【服務年資】：1：5年以下，2：6-10年，3：11-15年，4：16-20年，5：21-25年，6：26年以上

※(3).用北科大軟體雲的SPSS讀入【32-1-教師幸福感問卷調查_1.xlsx】檔案
讀入問卷檔案，示意圖1，

※(4).【如何把x軸的5點量表(1～5)數字，轉成代表意義的文字】：
※【擔任職務】：1（科任），2（組長），3（級任），4（主任）
➜回到資料工作表區，在【變數視圖】➜點按【擔任職務】這一列➜點按【值】這一欄
➜【值】➜1
➜【標籤】➜科任
➜【新增】
......
擔任職務全部的【值：標籤】，示意圖，

※(5).【繪圓餅圖】：擔任職務的頻數分析分佈圖
➜上方【分析】➜【敘述統計】➜【次數分配表】➜圖表：餅狀圖
設定餅狀圖，示意圖1， 結果餅狀圖，示意圖1，

※(6).【在餅狀圖上，加註『數字，百分比』】：
➜快速點按2下【餅狀圖】，才能編輯圖表➜開啟【圖表編輯器】
➜點按任何一條【柱狀圖】➜滑鼠右鍵➜【顯示資料標籤】
選擇『顯示資料標籤』，示意圖，
顯示『計數，百分比』柱狀圖，示意圖，

※(7).【顯示3D餅狀圖，或是陰影餅狀圖】：
➜在【圖表編輯器】➜點按任何一條【圓餅】➜滑鼠右鍵➜【內容視窗】
餅狀圖右鍵的內容視窗，示意圖1，
➜選擇【深度與角度】➜勾選【3D】➜套用
勾選3D餅狀圖，示意圖，
3D餅狀圖成果，示意圖，

➜選擇【深度與角度】➜勾選【陰影】➜套用
陰影餅狀圖成果，示意圖，

※(1).【成果Demo】：繪製【性別 vs 整體幸福感】的陰影盒形圖：

※【盒形圖透露訊息1】：中間黃色箱子：是數據中間50%的數據分佈區域
※【盒形圖透露訊息2】：上下長鬚鬚之間：是中間99.3%的數據分佈區域
※【盒形圖透露訊息3】：黃色箱子中央黑色粗線：是中位數

※(2).【觀念】：常用的3種畫圖方式
※第1種【單一變數的頻數分佈圖】：次數分配表（都是探討單一變數）
※第2種【2個變數之間的關聯圖】：【圖形】➜【舊式對話框】（都是探討多變數的繪圖）➜設定(種類軸，變數)
※第3種【單一變數的頻數分佈圖】：【圖形】➜【舊式對話框】➜設定【類別軸】

※(3).下載問卷調查資料：教師幸福感指數調查
※上傳【32-1-教師幸福感問卷調查_1.xlsx】，到北科大軟體雲的windows電腦的F:\硬碟
※【問卷調查題目】：國小教師職場生活感受調查
........
※【性別】：1男，2女
※【性別】：1x科任未兼任行政，2x教師兼組長，3x級任未兼任行政，4教師兼主任
※【服務地區】：1北區，2中區，3南區，4東區
※【服務年資】：1：5年以下，2：6-10年，3：11-15年，4：16-20年，5：21-25年，6：26年以上
........
※【整體幸福感】：：5非常符合，4大部分符合，3一半符合，2少部分符合，1非常不符合

※(4).用北科大軟體雲的SPSS讀入【32-1-教師幸福感問卷調查_1.xlsx】檔案
讀入問卷檔案，示意圖1，

※(5).【如何把x軸的5點量表(1～5)數字，轉成代表意義的文字】：
※【性別】：1男，2女
➜回到資料工作表區，在【變數視圖】➜點按【性別】這一列➜點按【值】這一欄
➜【值】➜1
➜【標籤】➜男
➜【新增】
......
性別全部的【值：標籤】，示意圖，

※(6).【繪盒形圖】：『性別 vs 整體幸福感』的統計分佈圖
➜上方【圖形】➜【舊式對話框】（都是探討多變數的繪圖）➜圖表：盒形圖
指定盒形圖，示意圖， 觀察值群組摘要，示意圖，
➜設定【觀察值群組摘要】
【變數】➜【整體幸福感】（y軸，探討的變數）
【種類軸】➜【性別】（x軸，是類別資料）
指定(x,y)➜(種類軸，變數)，示意圖，
『性別 vs 整體幸福感』的盒形分佈圖，

※(7).解釋【盒形圖的四分位距】：

➜1.盒鬚圖(Box Plot)：也稱為盒狀圖、箱型圖或箱形圖，是一種統計圖表，用於顯示一組資料的分佈和統計特徵
➜2.箱子(Box)：盒鬚圖箱子的上邊框表示Q3，下邊框表示Q1。箱子內部的長度代表資料的中間50%範圍，也稱為四分位距(IQR，Interquartile Range)。
➜3.中位數(Median)：盒鬚圖中的中線代表資料的中位數，即將資料按大小排列後的中間值。
➜4.四分位數(Quartiles)：盒鬚圖分為四個部分，每個部分代表一個四分位數。第一個四分位數(Q1)是資料的25%分位數，第二個四分位數(Q2)是中位數，第三個四分位數(Q3)是75%分位數。
➜5.異常值(Outliers)：盒鬚圖中的資料點，超出了鬚的範圍，通常被視為異常值。


※(8).盒狀圖使用時機
➜1.【比較不同資料集的分佈】：盒鬚圖可以用來比較多個資料集的分佈，以快速識別它們的差異。使用者可以在同一圖表上顯示多個箱子，這樣就能一目瞭然地看出資料集的相對分佈。
➜2.【檢查離羣值】：盒鬚圖特別適用於檢查離羣值或異常值。透過觀察鬍鬚之外的個別點，您可以快速識別那些數值明顯偏差標準的資料點。
➜3.【顯示中位數和四分位數】：盒鬚圖有助於直覺理解資料的中心趨勢和分佈。中位數、第一四分位數和第三四分位數提供了有關資料集的關鍵統計資訊。
➜4.【觀察資料的分散程度】：盒鬚圖的箱子的高度代表了資料的四分位距（IQR），可用於評估資料的變異性。較高的箱子表示資料的分散程度較大。
➜5.【識別偏斜】：透過觀察箱子的不同部分之間的間距，可以識別資料是否存在偏斜。不同間距可能表示資料的偏斜程度。

※(1).【成果Demo】：繪製【服務地區】的頻數分析線形圖，共有3種方法都可以做出：




※(2).【觀念】：常用的3種畫圖方式
※第1種【單一變數的頻數分佈圖】：次數分配表（都是探討單一變數）
※第2種【2個變數之間的關聯圖】：【圖形】➜【舊式對話框】（都是探討多變數的繪圖）➜設定(種類軸，變數)
※第3種【單一變數的頻數分佈圖】：【圖形】➜【舊式對話框】➜設定【類別軸】

※(3).下載問卷調查資料：教師幸福感指數調查
※上傳【32-1-教師幸福感問卷調查_1.xlsx】，到北科大軟體雲的windows電腦的F:\硬碟
※【問卷調查題目】：國小教師職場生活感受調查
........
※【服務地區】：1男，2女
※【服務地區】：1x科任未兼任行政，2x教師兼組長，3x級任未兼任行政，4教師兼主任
※【服務地區】：1北區，2中區，3南區，4東區
※【服務年資】：1：5年以下，2：6-10年，3：11-15年，4：16-20年，5：21-25年，6：26年以上

※(4).用北科大軟體雲的SPSS讀入【32-1-教師幸福感問卷調查_1.xlsx】檔案
讀入問卷檔案，示意圖1，

※(5).【如何把x軸的5點量表(1～5)數字，轉成代表意義的文字】：
※【服務地區】：1北區，2中區，3南區，4東區
➜回到資料工作表區，在【變數視圖】➜點按【服務地區】這一列➜點按【值】這一欄
➜【值】➜1
➜【標籤】➜北區
➜【新增】
......
服務地區全部的【值：標籤】，示意圖，

※(6).【繪線形圖】：『服務地區』的統計分佈圖
➜上方【圖形】➜【舊式對話框➜圖表：線形圖
指定線形圖，示意圖， 觀察值群組摘要，示意圖，
➜設定【觀察值群組摘要】
【種類軸】➜【服務地區】（單一變數的頻數分析，是類別資料）
設定『服務地區』的線形圖，
成果『服務地區』的線形圖，

※(7).如何顯示【資料標籤◉，並標註數字】：
➜快速點按2下【線形圖】，才能編輯圖表➜開啟【圖表編輯器】
➜點按任何一條【線形圖】➜滑鼠右鍵➜【新增標記】
新增標記，示意圖，

※(8).如何在【資料標籤◉】上【標註數字】：
➜點按任何一條【線形圖】➜滑鼠右鍵➜【新增標記】
選擇『顯示資料標籤』，示意圖，
設定『顯示數字標記，顯示數字』，示意圖，
成果『顯示數字標記，顯示數字』，示意圖，

※(9).如何加上【網格線】：
➜點按圖形空白處➜滑鼠右鍵➜【顯示格線】
『顯示網格，數字標記，顯示數字』，示意圖，
設定【線條】【樣式】為虛線，示意圖，
成果『顯示網格，數字標記，顯示數字』，示意圖，

※(10).方法2：繪製【服務地區】的頻數分析【長條圖】：
➜上方【分析】➜【敘述統計】➜【次數分配表】➜【圖表】選擇【長條圖】
➜增加註記【計數，百分比】
➜修改顯示為【3D】
【服務地區】的頻數分析【長條圖】，

※(11).方法3：繪製【服務地區】的頻數分析【長條圖】：
➜上方【圖形】➜【舊式對話框➜圖表：長條圖
指定長條圖，示意圖， 觀察值群組摘要，示意圖，
➜設定【觀察值群組摘要】
【種類軸】➜【服務地區】（單一變數的頻數分析，是類別資料）
設定『服務地區』的長條圖，
成果『服務地區』的長條圖，

※(1).【成果Demo】：繪製【服務地區 vs 主題幸福感】的對應線形圖：


※(2).【觀念】：常用的3種畫圖方式
※第1種【單一變數的頻數分佈圖】：次數分配表（都是探討單一變數）
※第2種【2個變數之間的關聯圖】：【圖形】➜【舊式對話框】（都是探討多變數的繪圖）➜設定(種類軸，變數)
※第3種【單一變數的頻數分佈圖】：【圖形】➜【舊式對話框】➜設定【類別軸】

※(3).下載問卷調查資料：教師幸福感指數調查
※上傳【32-1-教師幸福感問卷調查_1.xlsx】，到北科大軟體雲的windows電腦的F:\硬碟
※【問卷調查題目】：國小教師職場生活感受調查
........
※【服務地區】：1男，2女
※【服務地區】：1x科任未兼任行政，2x教師兼組長，3x級任未兼任行政，4教師兼主任
※【服務地區】：1北區，2中區，3南區，4東區
※【服務年資】：1：5年以下，2：6-10年，3：11-15年，4：16-20年，5：21-25年，6：26年以上

※(4).用北科大軟體雲的SPSS讀入【32-1-教師幸福感問卷調查_1.xlsx】檔案
讀入問卷檔案，示意圖1，

※(5).【如何把x軸的5點量表(1～5)數字，轉成代表意義的文字】：
※【服務地區】：1北區，2中區，3南區，4東區
➜回到資料工作表區，在【變數視圖】➜點按【服務地區】這一列➜點按【值】這一欄
➜【值】➜1
➜【標籤】➜北區
➜【新增】
......

※(6).【繪線形圖】：『服務地區 vs 主題幸福感』的統計分佈圖
➜上方【圖形】➜【舊式對話框➜圖表：線形圖
指定線形圖，示意圖， 觀察值群組摘要，示意圖，
➜設定【觀察值群組摘要】
【種類軸】➜【服務地區】（單一變數的頻數分析，是類別資料）
勾選【其它統計量】➜變數：【整體幸福感】
設定【其它統計量，種類軸】參數，
成果『服務地區 vs 主題幸福感』的線形圖，

※(7).顯示【資料標籤◉，並標註數字】：
※(8).顯示【資料標籤◉】上【標註數字】：
※(9).顯示【網格線】：
成果『服務地區 vs 主題幸福感』的線形圖，

※(1).【成果Demo】：繪製【性別，擔任職務】的綜合頻數分析，用【3D長條圖】表示：


※(2).【觀念】：常用的3種畫圖方式
※第1種【單一變數的頻數分佈圖】：次數分配表（都是探討單一變數）
※第2種【2個變數之間的關聯圖】：【圖形】➜【舊式對話框】（都是探討多變數的繪圖）➜設定(種類軸，變數)
※第3種【單一變數的頻數分佈圖】：【圖形】➜【舊式對話框】➜設定【類別軸】

※(3).下載問卷調查資料：教師幸福感指數調查
※上傳【32-1-教師幸福感問卷調查_1.xlsx】，到北科大軟體雲的windows電腦的F:\硬碟
※【問卷調查題目】：國小教師職場生活感受調查
........
※【服務地區】：1男，2女
※【服務地區】：1x科任未兼任行政，2x教師兼組長，3x級任未兼任行政，4教師兼主任
※【服務地區】：1北區，2中區，3南區，4東區
※【服務年資】：1：5年以下，2：6-10年，3：11-15年，4：16-20年，5：21-25年，6：26年以上

※(4).用北科大軟體雲的SPSS讀入【32-1-教師幸福感問卷調查_1.xlsx】檔案
讀入問卷檔案，示意圖1，

※(5).【如何把x軸的5點量表(1～5)數字，轉成代表意義的文字】：
※【性別，擔任職務】：1x科任，2x組長，3x級任，4主任
➜回到資料工作表區，在【變數視圖】➜點按【性別，擔任職務】這一列➜點按【值】這一欄
......

※(6).【繪線形圖】：『性別，擔任職務 vs 主題幸福感』的統計分佈圖
➜上方【圖形】➜【舊式對話框➜圖表：立體長條圖
指定線形圖，示意圖， 觀察值群組摘要，示意圖，
➜設定【觀察值群組摘要】
➜【x種類軸】➜【性別】
➜【z種類軸】➜【擔任職務】
設定【性別，擔任職務，種類軸】參數，
成果『性別，擔任職務』的立體長條圖，

※(1).【成果Demo】：繪製【(性別，擔任職務) vs 整體幸福感】的3軸對應關係，用【3D立體長條圖】表示：


※(2).【觀念】：常用的3種畫圖方式
※第1種【單一變數的頻數分佈圖】：次數分配表（都是探討單一變數）
※第2種【2個變數之間的關聯圖】：【圖形】➜【舊式對話框】（都是探討多變數的繪圖）➜設定(種類軸，變數)
※第3種【單一變數的頻數分佈圖】：【圖形】➜【舊式對話框】➜設定【類別軸】

※(3).下載問卷調查資料：教師幸福感指數調查
※上傳【32-1-教師幸福感問卷調查_1.xlsx】，到北科大軟體雲的windows電腦的F:\硬碟
※【問卷調查題目】：國小教師職場生活感受調查
........
※【服務地區】：1男，2女
※【服務地區】：1x科任未兼任行政，2x教師兼組長，3x級任未兼任行政，4教師兼主任
※【服務地區】：1北區，2中區，3南區，4東區
※【服務年資】：1：5年以下，2：6-10年，3：11-15年，4：16-20年，5：21-25年，6：26年以上

※(4).用北科大軟體雲的SPSS讀入【32-1-教師幸福感問卷調查_1.xlsx】檔案
讀入問卷檔案，示意圖1，

※(5).【如何把x軸的5點量表(1～5)數字，轉成代表意義的文字】：
※【性別，擔任職務】：1x科任，2x組長，3x級任，4主任
➜回到資料工作表區，在【變數視圖】➜點按【性別，擔任職務】這一列➜點按【值】這一欄
......

※(6).【繪線形圖】：『性別，擔任職務 vs 主題幸福感』的統計分佈圖
➜上方【圖形】➜【舊式對話框➜圖表：立體長條圖
指定線形圖，示意圖， 觀察值群組摘要，示意圖，
➜設定【觀察值群組摘要】
【長條表示】➜選擇【平均值】
➜【變數】➜【整體幸福感】
➜【x種類軸】➜【性別】
➜【z種類軸】➜【擔任職務】
設定【4個參數：長條表示，變數，x種類軸，y種類軸】參數，
成果『性別，擔任職務』的立體長條圖，

※(1).【成果Demo】：分三層【總計，男，女】的統計分析：


※(2).【觀念】：SPSS的基礎統計分析，包括2種功能：
※第1種【報表分析Report】：在【分析】➜【報告】
※第2種【描述統計Descriptive Statistics】：在【分析】➜【描述統計】

※(3).【觀念】：SPSS基礎統計分析的用途：
※第1種：計算【基礎統計量】：平均，最大，最小，變異數，標準差，標準誤差
※第2種：檢定單變數的特徵：常態式檢定，獨立性檢
※第3種：探討多變數之間的關係
※第4種：根據使用者自訂的格式印出報表

※(4).【觀念】：【報表分析Report】，包括以下4種功能：
※第1種【多層分群分析處理，OLAP, Online Analytical Processing】
※第2種【觀測值摘要分析處理，Case Summary】
※第3種【報表的橫列摘要，Report Summary in Rows】
※第4種【報表的直欄摘要，Report Summary in Columns】➔➔➔先從這邊開始學起

※(5).【觀念】：【描述統計Descriptive Statistics】，包括以下5種功能：
※第1種【次數分配表，頻數分析，Frequencies】
※第2種【描述統計分析，Descriptive Statistics】
※第3種【預檢資料，Explore】
※第4種【交叉表分析，Cross tables】
※第5種【相對比分析，Ratio】

※(6).【說明】：多層分析處理過程（OLAP）
※定義：OLAP（Online Analytical Processing）是用於多維數據分析的一種方法，通常用於探索和分析多層次的資料集。它允許用戶從不同的角度來檢視和總結數據，例如按地區、時間、產品等多個維度來查看數據的變化。
※用途：主要用於多維數據的快速彙總和分類分析。用戶可以在SPSS中以交叉表格的形式查看資料，根據不同的維度進行切片和鑽取（如按年度、區域、性別等）。這種方式有助於揭示數據中的隱含模式或趨勢。
※重點：OLAP強調多層次、多維度的分析，目的是能夠從不同角度深入探索數據的內在規律和特徵。

※(7).【比較】：多層分析處理過程（OLAP），列/欄的報告摘要，觀察值摘要
三者的主要區別：
※A-多層分析處理過程（OLAP）：側重於多維度、多層次的資料探索和彙總，通常用於交互式的數據分析和挖掘。
※B-列/欄的報告摘要：專注於對變數的分類匯總，根據列或欄顯示各類別的統計結果，適合呈現單一維度或交叉表格的總結。
※C-觀察值摘要（Cases Summary）：主要針對每個個案的統計描述，提供數據集的樣本分佈和缺失情況的總覽。

※(3).下載問卷調查資料：教師幸福感指數調查
※上傳【32-1-教師幸福感問卷調查_1.xlsx】，到北科大軟體雲的windows電腦的F:\硬碟
※【問卷調查題目】：國小教師職場生活感受調查
........
※【服務地區】：1男，2女
※【服務地區】：1x科任未兼任行政，2x教師兼組長，3x級任未兼任行政，4教師兼主任
※【服務地區】：1北區，2中區，3南區，4東區
※【服務年資】：1：5年以下，2：6-10年，3：11-15年，4：16-20年，5：21-25年，6：26年以上

※(4).用北科大軟體雲的SPSS讀入【32-1-教師幸福感問卷調查_1.xlsx】檔案
讀入問卷檔案，示意圖1，

※(6).建立【多層分群分析處理，OLAP】
➜上方【分析】➜【報告】➜【OLAP資料方塊]
示意圖，
➜設定【摘要變數，目標y=f(x)】➜【整體幸福感】
➜設定【分組變數，x，分群，groupby】➜【性別】 設定分群變數x，目標求值y，示意圖，
➜設定【統計計量數】➜【平均，中位數，最大，最小】
點按【統計資料】按鈕，示意圖， 設定【統計計量數】，示意圖， 顯示OLAP報表，示意圖，
➜設定【標題】➜【國小教師的整體幸福感分層分析】
點按【標題】按鈕，示意圖， 設定標題文字，示意圖， 顯示OLAP報表，示意圖，

※(7).建立【多層多維度分析】➜【總計，男，女】
➜先在【性別：總計-報表表格】的空白處➜滑鼠右鍵➜【複製】➜貼在下方
複製第1個表格，示意圖， 貼到之後，示意圖，
➜double click【總計】➜選擇【男】
分層【男】的分析，示意圖，
➜double click【總計】➜選擇【女】
分層【女】的分析，示意圖，
分三層【總計，男，女】的統計分析，示意圖，

※(1).【成果Demo】：【(男,北區) vs (男,東區) 比較整體幸福感】的【多層分群分析報表OLAP】
➜分析比較：【男老師，(北區-東區)差異的%是多少？】 = 11.6%


※(2).【觀念】：SPSS的基礎統計分析，包括2種功能：
※第1種【報表分析Report】：在【分析】➜【報告】
※第2種【描述統計Descriptive Statistics】：在【分析】➜【描述統計】

※(3).【觀念】：SPSS基礎統計分析的用途：
※第1種：計算【基礎統計量】：平均，最大，最小，變異數，標準差，標準誤差
※第2種：檢定單變數的特徵：常態式檢定，獨立性檢
※第3種：探討多變數之間的關係
※第4種：根據使用者自訂的格式印出報表

※(4).【觀念】：【報表分析Report】，包括以下4種功能：
※第1種【多層分群分析處理，OLAP, Online Analytical Processing】➔step2
※第2種【觀測值摘要分析處理，Case Summary】➔step3
※第3種【報表的橫列摘要，Report Summary in Rows】➔step4
※第4種【報表的直欄摘要，Report Summary in Columns】➔➔➔step1:先從這邊開始學起

※(5).【觀念】：【描述統計Descriptive Statistics】，包括以下5種功能：
※第1種【次數分配表，頻數分析，Frequencies】
※第2種【描述統計分析，Descriptive Statistics】
※第3種【預檢資料，Explore】
※第4種【交叉表分析，Cross tables】
※第5種【相對比分析，Ratio】

※(1).【成果Demo】：國小兒童身高的『列』統計分析(分群不同性別，不同班級)：



※(2).【觀念】：SPSS的基礎統計分析，包括2種功能：
※第1種【報表分析Report】：在【分析】➜【報告】
※第2種【描述統計Descriptive Statistics】：在【分析】➜【描述統計】

※(3).【觀念】：【報表分析Report】，包括以下4種功能：
※第1種【多層分群分析處理，OLAP, Online Analytical Processing】➔step2
※第2種【觀測值摘要分析處理，Case Summary】➔step3
※第3種【報表的橫列摘要，Report Summary in Rows】➔step4
※第4種【報表的直欄摘要，Report Summary in Columns】➔➔➔step1:先從這邊開始學起

※(4).【比較】：【報表的橫列摘要 vs 報表的直欄摘要】：
4-1-【列欄的報告摘要】：
※雙變數交叉分析：此報告摘要會同時考慮列變數與欄變數，即同時對兩個變數進行分類和匯總，通常用於交叉表分析。它展示的是列與欄交互後的數據分佈情況，如不同組合的頻次、百分比等。
※用途：適合於分析兩個變數之間的關係，幫助了解不同變數組合下數據的分佈狀況。
※例如，分析性別和年齡組別對購買行為的影響時，可以同時顯示這兩個變數的匯總結果。
※展示形式：這類報告摘要通常會以交叉表的形式呈現數據，數據的匯總依賴於列與欄的交互。

4-2-【欄的報告摘要】：
※單變數匯總：此報告摘要僅針對欄變數進行匯總，展示的是該變數單一維度下的數據總結。它不會考慮其他變數（如列變數）的分類結果。
※用途：適合於單變數的描述性統計分析，
※例如：計算某個變數的頻次分佈或均值。這種報告通常用於簡單的匯總分析，不涉及多變數的交互。
※展示形式：結果以單列方式呈現，顯示該欄變數的統計信息，數據呈現較為簡單明瞭。

(5). 具體應用情境的差異：
※列欄的報告摘要：適合複雜的多變數分析場景，當您需要觀察兩個變數之間的關係時（如交叉分析），這種報告提供了更全面的數據視角。
※欄的報告摘要：更適合單變數的簡單數據總結，當您只關心某一變數的統計描述時，使用這種報告更加直觀。

※(1).【成果Demo】：國小兒童身高的『欄位』統計分析(分群不同性別，不同班級)：


※(2).【觀念】：SPSS的基礎統計分析，包括2種功能：
※第1種【報表分析Report】：在【分析】➜【報告】
※第2種【描述統計Descriptive Statistics】：在【分析】➜【描述統計】

※(3).【觀念】：【報表分析Report】，包括以下4種功能：
※第1種【多層分群分析處理，OLAP, Online Analytical Processing】➔step2
※第2種【觀測值摘要分析處理，Case Summary】➔step3
※第3種【報表的橫列摘要，Report Summary in Rows】➔step4
※第4種【報表的直欄摘要，Report Summary in Columns】➔➔➔step1:先從這邊開始學起

※(4).【比較】：【報表的橫列摘要 vs 報表的直欄摘要】：
4-1-【列欄的報告摘要】：
※雙變數交叉分析：此報告摘要會同時考慮列變數與欄變數，即同時對兩個變數進行分類和匯總，通常用於交叉表分析。它展示的是列與欄交互後的數據分佈情況，如不同組合的頻次、百分比等。
※用途：適合於分析兩個變數之間的關係，幫助了解不同變數組合下數據的分佈狀況。
※例如，分析性別和年齡組別對購買行為的影響時，可以同時顯示這兩個變數的匯總結果。
※展示形式：這類報告摘要通常會以交叉表的形式呈現數據，數據的匯總依賴於列與欄的交互。

4-2-【欄的報告摘要】：
※單變數匯總：此報告摘要僅針對欄變數進行匯總，展示的是該變數單一維度下的數據總結。它不會考慮其他變數（如列變數）的分類結果。
※用途：適合於單變數的描述性統計分析，
※例如：計算某個變數的頻次分佈或均值。這種報告通常用於簡單的匯總分析，不涉及多變數的交互。
※展示形式：結果以單列方式呈現，顯示該欄變數的統計信息，數據呈現較為簡單明瞭。

(5). 具體應用情境的差異：
※列欄的報告摘要：適合複雜的多變數分析場景，當您需要觀察兩個變數之間的關係時（如交叉分析），這種報告提供了更全面的數據視角。
※欄的報告摘要：更適合單變數的簡單數據總結，當您只關心某一變數的統計描述時，使用這種報告更加直觀。

※(1).【成果Demo】：國小兒童身高的統計分析(分群不同性別，不同班級)：


※(2).【觀念】：SPSS的基礎統計分析，包括2種功能：
※第1種【報表分析Report】：在【分析】➜【報告】
※第2種【描述統計Descriptive Statistics】：在【分析】➜【描述統計】

※(3).【觀念】：【報表分析Report】，包括以下4種功能：
※第1種【多層分群分析處理，OLAP, Online Analytical Processing】➔step2
※第2種【觀測值摘要分析處理，Case Summary】➔step3
※第3種【報表的橫列摘要，Report Summary in Rows】➔step4
※第4種【報表的直欄摘要，Report Summary in Columns】➔➔➔step1:先從這邊開始學起

※(4).【說明】：觀察值摘要（Cases Summary）
※定義：觀察值摘要是針對數據集中各個個案（即觀察值、樣本）的基本統計彙總。它提供的是數據集中每個觀察值的數量、缺失值以及基本的統計描述（如均值、標準差、最小值、最大值等）。
※用途：這種摘要主要用於描述數據集中個案的整體概況，幫助使用者了解樣本的分佈情況，是否有缺失資料，以及每個觀察值在數據集中的特性。這類摘要報告可以協助檢查數據品質和整體分佈情況。
※重點：觀察值摘要關注於個別樣本的統計總結，展示的是個案層級的資料而非分類或多維分析結果。

※(5).【本題重點】：雖然使用觀察值摘要（Cases Summary），但卻要取消【觀察觀察值摘要】
※原因：因為若是打勾要顯示【觀察值摘要】，會導致每個分群變數，都會顯示她的【觀察值的摘要】：統計描述（如均值、標準差、最小值、最大值等）。

※所以：我們要取消勾選【觀察值摘要】，才不會顯示的太複雜

※(1).【成果Demo】：【120名男子血壓分佈】的【次數分配表(Frequencies，頻數分析)】：




※(2).【觀念】：SPSS的基礎統計分析，包括2種功能：
※第1種【報表分析Report】：在【分析】➜【報告】
※第2種【描述統計Descriptive Statistics】：在【分析】➜【描述統計】

※(3).【觀念】：【描述統計Descriptive Statistics】，包括以下5種功能：
※第1種【次數分配表，頻數分析，Frequencies】
※第2種【描述統計分析，Descriptive Statistics】
※第3種【預檢資料，Explore】
※第4種【交叉表分析，Cross tables】
※第5種【相對比分析，Ratio】

※(4).下載問卷調查資料：120名男子血壓調查
※上傳【34-1-120名男子血壓分佈.sav】，到北科大軟體雲的windows電腦的F:\硬碟

※(5).用北科大軟體雲的SPSS讀入【34-1-120名男子血壓分佈.sav】檔案

※(6).建立【次數分配表(Frequencies，頻數分析)】
➜上方【分析】➜【描述統計】➜【次數分配表(Frequencies，頻數分析)】
示意圖，
➜設定【變數，目標y=f(x)】➜【舒張壓】 設定變數x舒張壓，示意圖，
➜設定【統計資料】➜勾選【大部分參數】
設定【統計資料，統計計量數】，示意圖，
➜設定【圖表】➜【直方圖】➜並勾選【在直方圖上顯示常態曲線】
設定圖表，示意圖，

報表結果，示意圖，
報表結果，示意圖，
直方圖+常態分佈圖，示意圖，

※(1).【成果Demo】：【100名大學生血清蛋白分佈】的【次數分配表(Frequencies，頻數分析)】：




※(2).【觀念】：SPSS的基礎統計分析，包括2種功能：
※第1種【報表分析Report】：在【分析】➜【報告】
※第2種【描述統計Descriptive Statistics】：在【分析】➜【描述統計】

※(3).【觀念】：【描述統計Descriptive Statistics】，包括以下5種功能：
※第1種【次數分配表，頻數分析，Frequencies】
※第2種【描述統計分析，Descriptive Statistics】
※第3種【預檢資料，Explore】
※第4種【交叉表分析，Cross tables】
※第5種【相對比分析，Ratio】

※(4).下載問卷調查資料：100名大學生血清蛋白分佈
※上傳【34-2-100名大學生血清蛋白分佈.sav】，到北科大軟體雲的windows電腦的F:\硬碟

※(5).用北科大軟體雲的SPSS讀入【34-2-100名大學生血清蛋白分佈.sav】檔案

※(6).建立【次數分配表(Frequencies，頻數分析)】
➜上方【分析】➜【描述統計】➜【次數分配表(Frequencies，頻數分析)】
➜設定【變數，目標y=f(x)】➜【血清蛋白】
➜設定【統計資料】➜勾選【大部分參數】
➜設定【圖表】➜【直方圖】➜並勾選【在直方圖上顯示常態曲線】

報表結果，示意圖，
報表結果，示意圖，
直方圖+常態分佈圖，示意圖，

※(1).【成果Demo】：【期末考English成績】的【描述統計分析，Descriptive Statistics】：


※(2).【觀念】：SPSS的基礎統計分析，包括2種功能：
※第1種【報表分析Report】：在【分析】➜【報告】
※第2種【描述統計Descriptive Statistics】：在【分析】➜【描述統計】

※(3).【觀念】：【描述統計Descriptive Statistics】，包括以下5種功能：
※第1種【次數分配表，頻數分析，Frequencies】
※第2種【描述統計分析，Descriptive Statistics】
※第3種【預檢資料，Explore】
※第4種【交叉表分析，Cross tables】
※第5種【相對比分析，Ratio】

※(4).下載問卷調查資料：期末考成績的描述統計
※上傳【34-3-期末考成績的描述統計.sav】，到北科大軟體雲的windows電腦的F:\硬碟

※(5).用北科大軟體雲的SPSS讀入【34-3-期末考成績的描述統計.sav】檔案

※(6).建立【次數分配表(Frequencies，頻數分析)】
➜上方【分析】➜【描述統計】➜【描述統計分析】
示意圖，
➜設定【變數】➜【english】 設定變數English，示意圖，
➜設定【選項】➜勾選【大部分參數】
設定【統計計量數】，示意圖，

報表結果，示意圖，

※(1).【成果Demo】：【20名嬰兒體重】的【描述統計分析，Descriptive Statistics】：


※(2).【觀念】：SPSS的基礎統計分析，包括2種功能：
※第1種【報表分析Report】：在【分析】➜【報告】
※第2種【描述統計Descriptive Statistics】：在【分析】➜【描述統計】

※(3).【觀念】：【描述統計Descriptive Statistics】，包括以下5種功能：
※第1種【次數分配表，頻數分析，Frequencies】
※第2種【描述統計分析，Descriptive Statistics】
※第3種【預檢資料，Explore】
※第4種【交叉表分析，Cross tables】
※第5種【相對比分析，Ratio】

※(4).下載問卷調查資料：20名嬰兒體重的描述統計
※上傳【34-4-20名嬰兒體重的描述統計.sav】，到北科大軟體雲的windows電腦的F:\硬碟

※(5).用北科大軟體雲的SPSS讀入【34-4-20名嬰兒體重的描述統計.sav】檔案

※(6).建立【次數分配表(Frequencies，頻數分析)】
➜上方【分析】➜【描述統計】➜【描述統計分析】
➜設定【變數】➜【english】
➜設定【選項】➜勾選【5個參數】
勾選【5個參數】，示意圖，
➜設定【圖表】➜【直方圖】➜並勾選【在直方圖上顯示常態曲線】

報表結果，示意圖，

※(1).【成果Demo】：【一週飲料花費】的【預檢資料，Explore】：




(2).【觀念】：什麼是Explore「預檢」功能： ※ 探索Explore 功能通常用於進行資料的「預檢」，即在進行更複雜的統計分析之前，了解資料的基本性質和特徵。例如：數據的分佈是否有異常點？
一般常用的「預檢」有以下幾個功能：
※第1種【做分組分群統計摘要分析+圖形分組比對】
※第2種【看出數據是否有異常值】
※第3種【看出數據是否符合常態分佈】

※(3).【觀念】：SPSS的基礎統計分析，包括2種功能：
※第1種【報表分析Report】：在【分析】➜【報告】
※第2種【描述統計Descriptive Statistics】：在【分析】➜【描述統計】

※(3).【觀念】：【描述統計Descriptive Statistics】，包括以下5種功能：
※第1種【次數分配表，頻數分析，Frequencies】
※第2種【描述統計分析，Descriptive Statistics】
※第3種【預檢資料，Explore】
※第4種【交叉表分析，Cross tables】
※第5種【相對比分析，Ratio】

※(4).【觀念】：SPSS可以做【分組/分群統計摘要】的有以下幾種：
※第1種【觀測值摘要】
※第2種【線上多層分析處理過程(OLAP)】
※第3種【列/欄的報告摘要】
※第4種【預檢資料，Explore】

※(5).下載問卷調查資料：一週飲料花費
※上傳【34-5-一週飲料花費.sav】，到北科大軟體雲的windows電腦的F:\硬碟

※(6).用北科大軟體雲的SPSS讀入【34-5-一週飲料花費.sav】檔案

※(7).建立【預檢資料，Explore】
➜上方【分析】➜【描述統計】➜【預檢資料，Explore】
示意圖，
➜設定【依變數清單】➜【飲料花費】
➜設定【因子清單】➜【性別】 設定變數，示意圖，
➜設定【統計資料】➜勾選【敘述統計】
設定【統計計量數】，示意圖，
➜設定【圖形】➜勾選【直方圖】
設定直方圖，示意圖，

報表結果，示意圖，
報表結果，示意圖，
報表結果，示意圖，

※(1).【成果Demo】：【一週飲料花費】的【預檢資料，Explor】：看數據是否有【異常值】
➜方法：看盒形圖，若有外圍的o數據，即是有異常值(太大，太小值數據)

※(1).【成果Demo】：【一週飲料花費】的【預檢資料，Explor】：看數據是否接近【常態分佈】


➜【判斷1】➜由【QQ常態機率圖】來觀察男生女生的數據，都沒有緊密地與斜線重合，表示數據點沒有符合常態分佈
➜【判斷2】➜由【離勢/除勢QQ常態機率圖】來觀察男生女生的數據，有些數據遠離y=0的水平線，表示數據點沒有符合常態分佈
➜【印證】➜看【直方圖】：數據的分佈圖，沒有常態分佈


※(2).【觀念】：SPSS【預檢資料，Explore】的功能，有以下幾種：
※第1種【做分組分群統計摘要分析+圖形分組比對】
※第2種【看出數據是否有異常值】
※第3種【看出數據是否符合常態分佈】

※(3).下載問卷調查資料：一週飲料花費
※上傳【34-5-一週飲料花費.sav】，到北科大軟體雲的windows電腦的F:\硬碟

※(4).用北科大軟體雲的SPSS讀入【34-5-一週飲料花費.sav】檔案

※(5).練習【判斷數據是否有異常值】
➜上方【分析】➜【描述統計】➜【預檢資料，Explore】
➜設定【依變數清單】➜【飲料花費】
➜設定【因子清單】➜【性別】
➜設定【圖形】➜勾選【盒形圖】➜【結合因子水準】
設定盒形圖的參數，示意圖，
由盒形圖外圍o數據判斷是否有異常值，示意圖，
※異常值定義：【數據中太大或太小值的資料點】
※異常值判斷方法：【在盒形圖的外圍鬚鬚的o點，就是太大或太小的數據】

※(6).練習【判斷數據是否符合常態分佈】
➜上方【分析】➜【描述統計】➜【預檢資料，Explore】
➜設定【圖形】➜勾選【常態圖】
設定判斷常態分佈的QQ常態圖，示意圖，

成果圖：男生花在飲料費的【QQ常態機率圖】，示意圖，
成果圖：女生花在飲料費的【QQ常態機率圖】，示意圖，
成果圖：男生花在飲料費的【離勢QQ常態機率圖】，示意圖，
成果圖：女生花在飲料費的【離勢QQ常態機率圖】，示意圖，

※※(7).如何判斷是否數據有常態分佈，方法1：【看QQ常態機率圖上面的點，若都緊密地符合在斜線上分佈，表示數據有常態分佈】
※※如何判斷是否數據有常態分佈，方法2：【看離勢QQ常態機率圖上面的點，若數據點都在水平線y=0上下分佈，表示數據有常態分佈】
➜【判斷1】➜由【QQ常態機率圖】來觀察男生女生的數據，都沒有緊密地與斜線重合，表示數據點沒有符合常態分佈
➜【判斷2】➜由【離勢/除勢QQ常態機率圖】來觀察男生女生的數據，有些數據遠離y=0的水平線，表示數據點沒有符合常態分佈

➜【印證】➜看【直方圖】：數據的分佈圖：
直方圖顯示沒有常態分佈，示意圖，

※(1).【成果Demo】：【120名男子血壓分佈】的【預檢資料，Explor】：看數據是否有【異常值】
➜方法：看盒形圖，若沒有外圍的o數據，即表示沒有異常值(太大，太小值數據)

※(1).【成果Demo】：【120名男子血壓分佈】的【預檢資料，Explor】：看數據是否接近【常態分佈】



➜【判斷1】➜由【QQ常態機率圖】來觀察男生女生的數據，都沒有緊密地與斜線重合，表示數據點沒有符合常態分佈
➜【判斷2】➜由【離勢/除勢QQ常態機率圖】來觀察男生女生的數據，有些數據遠離y=0的水平線，表示數據點沒有符合常態分佈

※(2).【觀念】：SPSS【預檢資料，Explore】的功能，有以下幾種：
※第1種【做分組分群統計摘要分析+圖形分組比對】
※第2種【看出數據是否有異常值】
※第3種【看出數據是否符合常態分佈】

※(3).下載問卷調查資料：120名男子血壓調查
※上傳【34-10-120名男子血壓分佈.sav】，到北科大軟體雲的windows電腦的F:\硬碟

※(4).用北科大軟體雲的SPSS讀入【34-10-120名男子血壓分佈.sav】檔案

※(5).練習【判斷數據是否有異常值】
➜上方【分析】➜【描述統計】➜【預檢資料，Explore】
➜設定【依變數清單】➜【舒張壓】
➜設定【圖形】➜勾選【盒形圖】➜【結合因子水準】
由盒形圖外圍o數據判斷是否有異常值，示意圖，
※異常值定義：【數據中太大或太小值的資料點】
※異常值判斷方法：【在盒形圖的外圍鬚鬚的o點，就是太大或太小的數據】

※(6).練習【判斷數據是否符合常態分佈】
➜上方【分析】➜【描述統計】➜【預檢資料，Explore】
➜設定【圖形】➜勾選【常態圖】
成果圖：舒張壓的【QQ常態機率圖】，示意圖，
成果圖：舒張壓的【離勢/除勢QQ常態機率圖】，示意圖，
※※(7).如何判斷是否數據有常態分佈，方法1：【看QQ常態機率圖上面的點，若都緊密地符合在斜線上分佈，表示數據有常態分佈】
※※如何判斷是否數據有常態分佈，方法2：【看離勢QQ常態機率圖上面的點，若數據點都在水平線y=0上下分佈，表示數據有常態分佈】
➜【判斷1】➜由【QQ常態機率圖】來觀察血壓數據，都緊密地與斜線重合，表示數據點符合常態分佈
➜【判斷2】➜由【離勢/除勢QQ常態機率圖】來觀察血壓數據，數據緊靠y=0的水平線(-0.1～0.1)，表示數據點符合常態分佈

➜【印證】➜看【直方圖】：數據的分佈圖：
直方圖顯示常態分佈，示意圖，

※(1).【成果Demo】：【ABC三個品牌與喜歡原因DEF之間的關聯性】的【交叉分析表解析】➜分析報告【SPSS➜Excel➜Word】：






※(2).【觀念】：SPSS的基礎統計分析，包括2種功能：
※第1種【報表分析Report】：在【分析】➜【報告】
※第2種【描述統計Descriptive Statistics】：在【分析】➜【描述統計】

※(3).【觀念】：【描述統計Descriptive Statistics】，包括以下5種功能：
※第1種【次數分配表，頻數分析，Frequencies】
※第2種【描述統計分析，Descriptive Statistics】
※第3種【預檢資料，Explore】
※第4種【交叉表分析，Cross tables】
※第5種【相對比分析，Ratio】

※(4).☎【非常重要】：【交叉表分析，Cross tables】的功用：
※【功用】：探討2個【類別變數】之間的【關聯性】
※【範例1】：選舉時，探討【不同地區】對A候選人【是否支持】
※【範例2】：選舉時，探討【性別】對甲政黨【是否支持】
※【範例3】：行銷研究，探討【教育程度】對【不同品牌】的偏好
※【範例4】：行銷研究，探討【喜好不同品牌】對【購買原因】的關聯度

※(4).下載問卷調查資料：品牌偏好原因
※上傳【35-1-品牌偏好原因.sav】，到北科大軟體雲的windows電腦的F:\硬碟

※(5).用北科大軟體雲的SPSS讀入【35-1-品牌偏好原因.sav】檔案

※(6).建立【『偏好原因vs品牌』的計數值比較】
➜上方【分析】➜【描述統計】➜【交叉表分析，Cross tables】
➜設定【列】➜【偏好原因】
➜設定【欄】➜【品牌】
➜設定【資料格】➜勾選【計數】的【觀測值】
設定【列，欄，觀測值】，示意圖，
成果【『偏好原因vs品牌』的計數值比較】，示意圖，

※(7).建立【『偏好原因vs品牌』的百分比比較】
➜上方【分析】➜【描述統計】➜【交叉表分析，Cross tables】
➜設定【列】➜【偏好原因】
➜設定【欄】➜【品牌】
➜設定【資料格】➜勾選【百分比】的【欄位】
設定【欄的百分比】，示意圖，
成果【『偏好原因vs品牌』的百分比比較】，示意圖，

※(8).建立【『偏好原因vs品牌』的『計數，百分比』比較】
➜上方【分析】➜【描述統計】➜【交叉表分析，Cross tables】
➜設定【列】➜【偏好原因】
➜設定【欄】➜【品牌】
➜設定【資料格】➜勾選【計數】的【觀測值】
➜設定【資料格】➜勾選【百分比】的【欄位】
設定【計數，欄的百分比】，示意圖，
成果【『偏好原因vs品牌』的『計數，百分比』比較】，示意圖，

※(9).將3個SPSS的交叉分析表表格【複製】到【Excel】
➜在每1個表格➜【滑鼠右鍵】➜【複製】
【複製表格】，示意圖，
➜貼到Excel去編輯每1個表格
【貼3個表格到Excel編輯】，示意圖，

※(10).再將3個【Excel】表格，複製到Word寫分析報告
【複製表格到Word】，示意圖，
【複製表格到Word】，示意圖，

※(1).【成果Demo】：【品牌與喜好原因】的【交叉分析表應用】➜變成三種定量分析的百分比表格➜可說出數據背後的3種物理意義，與定量比對




35-2.word分析報告【偏好原因-品牌】

※(2).☎【非常重要】：【交叉表分析，Cross tables】的功用：
※【功用】：探討2個【類別變數】之間的【關聯性】
※【範例1】：選舉時，探討【不同地區】對A候選人【是否支持】
※【範例2】：選舉時，探討【性別】對甲政黨【是否支持】
※【範例3】：行銷研究，探討【教育程度】對【不同品牌】的偏好
※【範例4】：行銷研究，探討【喜好不同品牌】對【購買原因】的關聯度

※(3).☎【非常重要】：【交叉分析表➜轉成➜定量分析的百分比表格】，有三種：
※•(A)第1種：【總計百分比】：以總和當分母（右下角為100，右下角值=df.iloc[-1,-1]）
➜看【總和2：列】：『Fri Sat Sun Thur』的消費比例是『6.75，36.84，33.70，22.71』，所以本店， 在週五消費額最少，週六消費額最高
➜看【總和1：欄】：一周總和1『Female，Male』的消費比例是『32.54，67.46』，男生是主要消費族群


※•(B)第2種：【欄的總和百分比】：以欄的總和當分母
➜看第1欄：Fri週五『Female，Male』的消費比例是『39.07，60.93』
➜...
➜看第4欄：Thur週四『Female，Male』的消費比例是『48.79，51.21』
➜所以本店，週六～週日，男生是主消費族群，但是週四男生消費額減少


※•(C)第3種：【列的總和百分比】：以列的總和當分母
➜看第1列：Female在『Fri Sat Sun Thur』的消費比例是『8.10，35.08，22.77，34.05』
➜看第2列：Male在『Fri Sat Sun Thur』的消費比例是『6.10，37.69，38.98，17.24』
➜看第3列：Female+Male在『Fri Sat Sun Thur』的消費比例是『6.75，36.84，33.70，22.71』
➜所以本店，女生+男生在週五消費額最少，週六消費額最高


※(4).下載問卷調查資料：品牌偏好原因
※上傳【35-1-品牌偏好原因.sav】，到北科大軟體雲的windows電腦的F:\硬碟

※(5).用北科大軟體雲的SPSS讀入【35-1-品牌偏好原因.sav】檔案

※(6).建立【『偏好原因vs品牌』的『百分比-總計』比較】
➜上方【分析】➜【描述統計】➜【交叉表分析，Cross tables】
➜設定【列】➜【偏好原因】
➜設定【欄】➜【品牌】
➜設定【資料格】➜勾選【百分比】的【總計】
設定【百分比-總計】，示意圖，
成果【『偏好原因vs品牌』的『百分比-總計』比較】，示意圖，

※(7).建立【『偏好原因vs品牌』的『百分比-欄』比較】
➜上方【分析】➜【描述統計】➜【交叉表分析，Cross tables】
➜設定【列】➜【偏好原因】
➜設定【欄】➜【品牌】
➜設定【資料格】➜勾選【百分比】的【欄位】
成果【『偏好原因vs品牌』的百分比比較】，示意圖，

※(8).建立【『偏好原因vs品牌』的『百分比-列』比較】
➜上方【分析】➜【描述統計】➜【交叉表分析，Cross tables】
➜設定【列】➜【偏好原因】
➜設定【欄】➜【品牌】
➜設定【資料格】➜勾選【百分比】的【列】
成果【『偏好原因vs品牌』的『計數，百分比』比較】，示意圖，

※(8).將3個SPSS的交叉分析表表格【複製】到【Excel】
➜在每1個表格➜【滑鼠右鍵】➜【複製】
➜貼到Excel去編輯每1個表格
【貼3個表格到Excel編輯】，示意圖，

※(9).再將3個【Excel】表格，複製到Word寫分析報告

35-2.word分析報告【偏好原因-品牌】

35-4.Final完整的word分析報告【偏好原因-品牌】

※(1).【成果Demo】：【交叉分析表的長條圖比較：可以一眼看出關聯因子的關聯特色】：【品牌與喜好原因】交叉分析後以長條圖比較



35-3.word分析報告【偏好原因-品牌】

※(2).☎【非常重要】：【交叉表分析，Cross tables】的功用：
※【功用】：探討2個【類別變數】之間的【關聯性】
※【範例1】：選舉時，探討【不同地區】對A候選人【是否支持】
※【範例2】：選舉時，探討【性別】對甲政黨【是否支持】
※【範例3】：行銷研究，探討【教育程度】對【不同品牌】的偏好
※【範例4】：行銷研究，探討【喜好不同品牌】對【購買原因】的關聯度

※(3).下載問卷調查資料：品牌偏好原因
※上傳【35-1-品牌偏好原因.sav】，到北科大軟體雲的windows電腦的F:\硬碟

※(4).用北科大軟體雲的SPSS讀入【35-1-品牌偏好原因.sav】檔案

※(5).建立【交叉分析表的長條圖比較：性別 vs 品牌】
➜上方【分析】➜【描述統計】➜【交叉表分析，Cross tables】
➜設定【列】➜【性別】（注意：【列】是圖形的x軸）
➜設定【欄】➜【品牌】
➜勾選【顯示集群長條圖】
➜不需要設定【資料格】➜因為長條圖，只能夠顯示『計數值』
設定【顯示集群長條圖】，示意圖，
成果【『性別vs品牌』長條圖】，示意圖，
➜【結論】：男生比較喜歡A品牌，女生比較喜歡C品牌

➜x,y軸顛倒配置
設定【列】➜【品牌】（注意：【列】是圖形的x軸）
➜設定【欄】➜【性別】
成果【『品牌vs性別』長條圖】，示意圖，
➜【結論】：A品牌比較多男生喜歡，C品牌比較多女生喜歡，B品牌男生女生喜歡的差不多

※(6).建立【交叉分析表的長條圖比較：性別 vs 偏好原因】
成果【『性別 vs 偏好原因』長條圖】，示意圖，
➜【結論】：男生比較在意的是【價格便宜】，女生比較在意的是【外形美觀】
成果【『偏好原因 vs 性別』長條圖】，示意圖，
➜【結論】：偏好【價格便宜】的多數是【男生】，偏好【外形美觀】的多數是【女生】，偏好【品質優良】的【男女差不多】

※(7).建立【交叉分析表的長條圖比較：品牌 vs 偏好原因】
成果【『品牌 vs 偏好原因』長條圖】，示意圖，
➜【結論】：會選擇【A品牌】的多是因為【價格便宜】，
➜【結論】：會選擇【B品牌】的多是因為【品質優良】
➜【結論】：會選擇【C品牌】的多是因為【外形美觀】
成果【『偏好原因 vs 品牌』長條圖】，示意圖，
➜【結論】：偏好【價格便宜】的多數會選【A品牌】
➜【結論】：偏好【品質優良】的多數會選【B品牌】
➜【結論】：偏好【外形美觀】的多數會選【C品牌】

※(8).【結論】
➜【結論1】：用【交叉分析表】的長條圖，可以一眼看出關聯因子的關聯特色
➜【結論2】：看（x，y）軸的對應長條圖，只需要做一次即可，不需要（x，y），（y，x）做2次，因為結論相同
➜【結論3】：SPSS的交叉分析表之對應長條圖，只能夠顯示【計數值】，無法顯示【百分比】

35-3.word分析報告【偏好原因-品牌】

35-4.Final完整的word分析報告【偏好原因-品牌】

※(1).【成果Demo】：客戶【每個月到星巴克的次數】與【性別】是否存在顯著關聯？】

➜ 【靈魂拷問，大哉問】：客戶【每個月到星巴克的次數】與【性別】是否存在顯著關聯？】
35-4.Final完整的word分析報告

※(2).☎【非常重要】：【交叉表分析，Cross tables】的功用：
※【功用】：探討2個【類別變數】之間的【關聯性】
※【範例1】：選舉時，探討【不同地區】對A候選人【是否支持】
※【範例2】：選舉時，探討【性別】對甲政黨【是否支持】
※【範例3】：行銷研究，探討【教育程度】對【不同品牌】的偏好
※【範例4】：行銷研究，探討【喜好不同品牌】對【購買原因】的關聯度

※(3).下載問卷調查資料：星巴克每個月消費次數與零用金關聯
※上傳【35-4-星巴克每個月消費次數與零用金關聯.sav】，到北科大軟體雲的windows電腦的F:\硬碟

※(4).用北科大軟體雲的SPSS讀入【35-4-星巴克每個月消費次數與零用金關聯.sav】檔案
➜此問卷共有200份受訪者填寫
➜【次數】：每個月到星巴克消費次數，1為<=3次，2為4～9次，3為>=10次
➜【零用金】：每個月可支配的零用金，1為<=5000，2為5001～10000次，3為>=10001次
➜【性別】：1為男，2為女

※(5).建立【交叉分析表：每個月到星巴克消費次數 vs 性別】
➜上方【分析】➜【描述統計】➜【交叉表分析，Cross tables】
➜設定【列】➜【每個月到星巴克消費次數】
➜設定【欄】➜【性別】
➜設定【資料格】➜【計數】➜【觀察值】

➜ 【靈魂拷問，大哉問】：客戶【每個月到星巴克的次數】與【性別】是否存在顯著關聯？】
➜ 【重要觀念】：探討問卷調查中2個變數之間是否有關聯，無法目測，必須用【獨立性檢定Test】，檢定後才能知道是否2個變數有關聯？
➜【觀察1】：若是觀察樣本數(觀察值)，似乎男生的次數少，女生的次數多，似乎【次數】與【性別】有關聯
➜【請問】：你能夠說【到星巴克購買的女生購買次數多於男生嗎？
你能夠說【購買次數與性別有關聯嗎】？

※(6).比較【交叉分析表：次數 vs 性別】以【百分比】方式表示
設定【百分比-欄】，示意圖，

➜【發現】：不論購買次數【低，或高】，男女的比例，都是差不多
➜ 【結論】：探討問卷調查中2個變數之間是否有關聯，不能夠用樣本數(計數)來比較，必須轉換成【百分比】才準確

※(7).【統計檢定】：判斷2個變數是否有關聯
➜ 【請問】：探討這個問卷的2個變數【次數，性別】的關聯性，必須採用哪一種檢定？
➜ ☎【判斷檢定方法的最重要圖表】：
➜根據（x, y）對應的不同格式，可以選擇不同的統計檢定方法：


➜ 【重要觀念】：若2個變數都是【類別，種類】變數(性別，地區，是否有房子，是否有汽車)，
即【類別 vs 類別】變數的關聯性， 則必須用【卡方檢定】
➜ ☎【結論】：【類別 vs 類別】用【卡方檢定（χ² test）】

※(8).建立【交叉分析表：次數 vs 性別】的【統計檢定】
➜設定【統計資料】➜勾選【卡方檢定】
勾選【卡方檢定】，示意圖，

➜【注意1】：查表【卡方分配表】的【顯著水準➜一般都是以 α = 0.05來設定】
➜【判別技巧1】：若是我們計算出來的【漸近顯著性】值＜ 0.05，表示【2個變數之間呈現顯著性關聯】
➜【判別技巧2】：若是我們計算出來的【漸近顯著性】值＞ 0.05，表示【2個變數之間沒有關聯】
➜【注意2】：df是自由度，degree of freedom
➜【注意3】：數值 = 卡方值 = χ² = Chi-Square
➜☎【結論】：計算結果的【漸近顯著性】值 = 0.905 ＞ 0.05，表示【2個變數之間沒有關聯】
➜☎【表示】：受訪者到星巴克的【次數高低】，並不會因為【性別】而有顯著差異

※(9).【判斷2個變數之間是否有顯著關聯】的【統計檢定】步驟：
➜卡方獨立性檢定（Chi-Square Test of Independence）：適用於類別變數。
➜步驟1：設置2種假設：
◉零假設（𝐻0）：兩個變數之間獨立（無顯著關聯）。
◉對立假設（𝐻1）：兩個變數之間不獨立（有顯著關聯）。
➜步驟2：根據數據構建列聯表（交叉表）。
➜步驟3：計算卡方統計量（𝜒2）：使用公式計算卡方值。
➜步驟4：計算p值：根據卡方值和自由度，查找對應的p值。
➜步驟5：比較顯著水平：如果p值小於顯著水平（如0.05），則拒絕零假設，認為兩變數之間有顯著關聯。

※(1).【成果Demo】：客戶【每個月到星巴克的次數】與【每月可支配的零用金】是否存在顯著關聯？

➜ 【請問】：客戶【每個月到星巴克的次數】與【可支配的零用金】是否存在顯著關聯？】
35-5.Final完整的word分析報告

※(2).☎【非常重要】：【交叉表分析，Cross tables】的功用：
※【功用】：探討2個【類別變數】之間的【關聯性】
※【範例1】：選舉時，探討【不同地區】對A候選人【是否支持】
※【範例2】：選舉時，探討【性別】對甲政黨【是否支持】
※【範例3】：行銷研究，探討【教育程度】對【不同品牌】的偏好
※【範例4】：行銷研究，探討【喜好不同品牌】對【購買原因】的關聯度

※(3).下載問卷調查資料：星巴克每個月消費次數與零用金關聯
※上傳【35-4-星巴克每個月消費次數與零用金關聯.sav】，到北科大軟體雲的windows電腦的F:\硬碟

※(4).用北科大軟體雲的SPSS讀入【35-4-星巴克每個月消費次數與零用金關聯.sav】檔案
➜此問卷共有200份受訪者填寫
➜【次數】：每個月到星巴克消費次數，1為<=3次，2為4～9次，3為>=10次
➜【零用金】：每個月可支配的零用金，1為<=5000，2為5001～10000次，3為>=10001次
➜【性別】：1為男，2為女

※(5).建立【交叉分析表：每個月到星巴克消費次數 vs 零用金】
➜上方【分析】➜【描述統計】➜【交叉表分析，Cross tables】
➜設定【列】➜【次數】
➜設定【欄】➜【零用金】
➜設定【資料格】➜【百分比】➜【欄位】


※(6).【統計檢定】：判斷2個變數是否有關聯
➜已知【類別 vs 類別】：用【卡方檢定（χ² test）】
➜【疑問】：零用金是數值(10000)，不是類別，為什麼可以用【卡方檢定？】
➜請說出你的答案？

※(7).建立【交叉分析表：次數 vs 零用金】的【統計檢定】
➜設定【統計資料】➜勾選【卡方檢定】

➜【判別技巧】：若是我們計算出來的【漸近顯著性】值＜ 0.05，表示【2個變數之間呈現顯著性關聯】
➜☎【結論】：計算結果的【漸近顯著性】值 = 0.013 ＜ 0.05，表示【2個變數之間有顯著關聯】
➜☎【表示】：受訪者到星巴克的【次數高低】，會因為【零用金】而有顯著差異

※(8).如何目測看出【受訪者到星巴克的【次數高低】，會因為【零用金】而有顯著差異】
➜目測：每個月到星巴克較少者（小於3次），主要是零用金較少者(＜5000)
➜目測：每個月到星巴克稍多者（4～9次），主要是零用金較多者(＞10000)
➜目測：每個月到星巴克最多者（大於10次），主要是零用金較多者(＞10000)
➜結論：每個月到星巴克的次數，的確與零用金的高低而有顯著差異


35-5.Final完整的word分析報告

※(1).【成果Demo】：調查【男女】與【運動時間】是否存在顯著關聯？


➜ 【請問】：請問【這個交叉分析表，與卡方檢定】有什麼問題？

※(2).☎【非常重要】：【交叉表分析，Cross tables】的功用：
※【功用】：探討2個【類別變數】之間的【關聯性】
※【範例1】：選舉時，探討【不同地區】對A候選人【是否支持】
※【範例2】：選舉時，探討【性別】對甲政黨【是否支持】
※【範例3】：行銷研究，探討【教育程度】對【不同品牌】的偏好
※【範例4】：行銷研究，探討【喜好不同品牌】對【購買原因】的關聯度

※(3).下載問卷調查資料：調查男女運動時間
※上傳【35-6-調查男女運動時間.sav】，到北科大軟體雲的windows電腦的F:\硬碟

※(4).用北科大軟體雲的SPSS讀入【35-6-調查男女運動時間.sav】檔案
➜【運動時間】：數值(分鐘)
➜【性別】：1為男，2為女

※(5).建立【交叉分析表：運動時間 vs 性別】
➜上方【分析】➜【描述統計】➜【交叉表分析，Cross tables】
➜設定【列】➜【運動時間】
➜設定【欄】➜【性別】
➜設定【資料格】➜【計數】➜【觀察值】

➜【卡方檢定】➜p=0.151 ＞ 0.05，表示2個變數沒有顯著關聯


※(6).【上面的問題】
【問題1】➜【運動時間】被分割成太多的組
【問題2】➜【運動時間】每個組的【期望個數(樣本數)】太少，低於5，是無法適用於卡方檢定的，若是檢定了，p值是不正確的

※(7).【解決方法】：建立1個新欄位【時間分組】
➜【時間分組】：運動時間分成幾類：1為＜=30，2為31～60次，3為61～90次，4為91～120次，5為＞=120分鐘
➜新增【時間分組】➜上方menu【轉換】➜重新編碼成不同變數
【轉換】➜重新編碼成不同變數，示意圖，
➜設定【數值變數】➜【運動時間】
➜設定【輸出變數】➜【時間分組】
設定【數值變數，輸出變數】，示意圖，
➜設定【舊值與新值】
➜設定【新值】=【1】，【舊值】=【範圍】➜lowest 到值【30】
設定【新值1 = 小於舊值30】，示意圖，
➜設定【新值】=【2】，【舊值】=【範圍】➜【31】～【60】
設定【新值2 = 31～60】，示意圖，
➜設定【新值】=【3】，【舊值】=【範圍】➜【61】～【90】
➜設定【新值】=【4】，【舊值】=【範圍】➜【91】～【120】
➜設定【新值】=【5】，【舊值】=【範圍】➜higest 到值【121】
設定【新值5 = 大於舊值121】，示意圖，
➜點按【變更】，才能點按【確定】
點按【變更】，才能點按【確定】，示意圖，
結果，已經新增欄位【時間分組】，示意圖，

※(8).到【變數視圖】視窗➜【設定時間分組的標籤】：
➜到【變數視圖】➜點按【時間分組】的[...]
➜輸入【值】=1，【標籤】=～30
點按【變更】，才能點按【確定】，示意圖，
➜輸入【值】=2，【標籤】=31～60
➜輸入【值】=3，【標籤】=61～90
➜輸入【值】=4，【標籤】=91～120
➜輸入【值】=5，【標籤】=121～
結果，示意圖，

※(9).建立【交叉分析表：時間分組 vs 性別】
➜上方【分析】➜【描述統計】➜【交叉表分析，Cross tables】
➜設定【列】➜【時間分組】
➜設定【欄】➜【性別】
➜設定【資料格】➜【計數】➜【觀察值】➜結果：每個類別數量都大於5
結果，示意圖，
➜【卡方檢定】➜p=0.0231 ＜ 0.05，表示這2個變數有顯著關聯
➜而且【每個類別的期望個數】都大於5，符合卡方檢定的條件


➜☎【結論】：在短時間的運動(0~30,61~90)女生高於男生，在長時間的運動(31~60,91~120)男生高於女生
➜☎【表示】：【男生的運動時間】普遍較【女生的運動時間】來得長一些

※(1).【成果Demo】：【中國大陸2007年城鄉消費額分析】，探討是否不同的城鄉消費有明顯差異？：


※(3).【觀念】：【描述統計Descriptive Statistics】，包括以下5種功能：
※第1種【次數分配表，頻數分析，Frequencies】
※第2種【描述統計分析，Descriptive Statistics】
※第3種【預檢資料，Explore】
※第4種【交叉表分析，Cross tables】
※第5種【相對比分析，Ratio】

※(4).【相對比分析，Ratio】的幾個常用指標，以比例變數a（=城市消費額/鄉村消費額）為例：
※【指標1】：a的【平均數】若較大，表示城鄉差距大
※【指標2】：a的【AAD，平均絕對離差】若較大，表示值發散，表示城鄉差距大
※【指標3】：a的【COD，離散係數】若較大，表示值發散，表示城鄉差距大
※【指標4】：a的【PRD，價格相對微分】若較大，表示值發散，表示城鄉差距大
※【指標5】：a的【基於平均數的變異係數】若較大，表示值發散，表示城鄉差距大

※(4).下載問卷調查資料：中國大陸2007年城鄉消費額分析
※上傳【36-1-中國大陸2007年城鄉消費額分析.sav】，到北科大軟體雲的windows電腦的F:\硬碟

※(5).用北科大軟體雲的SPSS讀入【36-1-中國大陸2007年城鄉消費額分析.sav】檔案

※(6).建立【相對比例分析，Ratio】
➜上方【分析】➜【描述統計】➜【比例】
➜設定【分子】➜【City】
➜設定【分母】➜【Country】
➜設定【群組變數】➜【Area】
➜設定【統計資料】➜勾選【平均數，AAD，COD，PRD,基於平均數的變異係數】
設定【比例分析】，示意圖，
設定【分子，分母，群組變數】，示意圖，


※(7).分析【比例變數a（城市消費額/鄉村消費額）】，分析城鄉消費差距：
➜看【平均數】比較大的地區➜【華南，西北，西南】➜這些地方城鄉消費差距大（貧富不均）
➜看【AAD，COD】比較小的地區➜【東北，華中】➜這些地方城鄉消費差距小（貧富差不多）
➜看【AAD，COD】比較大的地區➜【華東，西南】➜這些地方城鄉消費差距大（貧富不均）
➜說明：東北三省的發展均衡，都是糧倉與工業城市
➜說明：西南（西藏貴州，與成都重慶的發展差異很大）

※(1).【成果Demo】：某校【大一新生體重數據】與【5年前大一平均體重65.6】相比，是否有顯著差異？

37-1.word分析報告

➜ ☎※(2).【判斷檢定方法的最重要圖表】：

➜根據（x, y）對應的不同格式，可以選擇不同的統計檢定方法：

➜若只有1個連續數值（y），則要選擇【單一樣本t檢定】方法

※(3).問卷調查資料：大一新生體重數

※(1).【成果Demo】：【大學生每週運動時間】與【5年前平均70分鐘】相比，是否有今年已經明顯增加？(單尾檢定)？


➜ ☎※(2).【判斷檢定方法的最重要圖表】：

➜根據（x, y）對應的不同格式，可以選擇不同的統計檢定方法：

➜若只有1個連續數值（y），則要選擇【單一樣本t檢定】方法

※(3).下載問卷調查資料：大學生每週運動時間
※開啟【37-2-大學生每週運動時間.csv】，複製數據

※(4).用北科大軟體雲的SPSS新增空白檔案，先在【變數視圖】視窗，建立2個欄位
➜【編號】
➜【運動時間】：數值(分鐘)
➜複製貼上csv的數據

※(5).建立【單一樣本t檢定】
➜上方【分析】➜【比較平均數法】➜【單一樣本t檢定】
➜設定【檢定變數】➜【運動時間】
➜設定【檢定值】➜【70】
➜設定【選項】➜【信賴區間百分比】= 95%


※(6).要判斷這是【雙尾檢定，還是單尾檢定？】

➜題目問題的假設：不是問【前後有沒有差異】➜【雙尾檢定】
➜題目問題的假設：而是問【今年有沒有明顯增加】➜【單尾檢定】
➜H0虛無假設/否定假設：μ ≦ 70（小於70成立）
➜H1對立假設：μ ＞70（大於70成立）

➜右尾檢定：必須把【顯著性(雙尾)】再除以2
➜0.01/2 = 0.005
➜【判斷p值是否＜0.05】：0.005＜0.05，

➜【平均】：83.87似乎比5年前（70）還要高一些
➜【但是檢定後發現】：p= 0.095＜信賴水準0.05，所以有顯著差異（H1對立假設：μ ＞70（大於70成立））
➜ 【結論】：現在大一學生的運動時間與5年前學生相比，明顯增加

※(7).【單一樣本t檢定】步驟：
➜【單一樣本t檢定】：適用於單一連續數值變數。
➜步驟1：設置2種假設：
◉零假設（𝐻0），又名虛無假設：兩個變數之間獨立（無顯著關聯，無顯著差異）。
◉對立假設（𝐻1）：兩個變數之間不獨立（有顯著關聯，有顯著差異）。
➜步驟2：用公式計算t檢定值。
➜步驟3：計算p值：查找對應的p值。
➜步驟4：比較顯著水平：如果p值小於顯著水平（如0.05），則拒絕零假設，認為兩變數之間有顯著關聯。

※(1).【成果Demo】：某報紙宣稱【大學生每週飲料花費已經 ≥ 100元】，是否可以否定該宣稱（α ＜ 0.05）？

➜ ☎【請問】：這個是【雙尾檢定，還是右尾檢定，還是左尾檢定？】

➜ ☎※(2).【判斷檢定方法的最重要圖表】：

➜根據（x, y）對應的不同格式，可以選擇不同的統計檢定方法：

➜若只有1個連續數值（y），則要選擇【單一樣本t檢定】方法

※(3).下載問卷調查資料：大學生每週飲料花費數據
※開啟【37-3-大學生每週飲料花費數據.csv】，

※(4).用北科大軟體雲的SPSS新增新的檔案，先在【變數視圖】視窗，建立2個欄位
➜【編號】
➜【飲料花費】：數值
➜複製貼上csv的數據

※(5).建立【單一樣本t檢定】
➜上方【分析】➜【比較平均數法】➜【單一樣本t檢定】
➜設定【檢定變數】➜【飲料花費】
➜設定【檢定值】➜【100】
➜設定【選項】➜【信賴區間百分比】= 95%


※(6).要判斷這是【雙尾檢定，還是單尾檢定？】

➜題目問題的假設：是否可以否定該宣稱≧100元➜假設【即是：＜100元】
➜H0虛無假設/否定假設：μ ≧ 100（大於等於100成立）
➜H1對立假設：μ ＜100（小於100成立）

➜左尾檢定：必須把【顯著性(雙尾)】再除以2
➜0.004/2 = 0.002
➜【判斷p值是否＜0.05】：0.002＜0.05，

➜【平均】：83.23似乎比報紙宣稱（100）還要低很多，很明顯
➜【檢定後發現】：p= 0.02＜信賴水準0.05，所以符合對立假設（H1對立假設：μ ＞100（小於100成立））
➜ 【結論】：現在大一學生的每週飲料花費，明顯小於100（報紙宣稱）

※(7).【單一樣本t檢定】步驟：
➜【單一樣本t檢定】：適用於單一連續數值變數。
➜步驟1：設置2種假設：
◉零假設（𝐻0），又名虛無假設：兩個變數之間獨立（無顯著關聯，無顯著差異）。
◉對立假設（𝐻1）：兩個變數之間不獨立（有顯著關聯，有顯著差異）。
➜步驟2：用公式計算t檢定值。
➜步驟3：計算p值：查找對應的p值。
➜步驟4：比較顯著水平：如果p值小於顯著水平（如0.05），則拒絕零假設，認為兩變數之間有顯著關聯。

※(1).【成果Demo】：判定【男女每週飲料花費】，【是否存在差異】？

➜☎【請問】：這樣子的數據，該用什麼【統計檢定】？
➜☎【請問】：這個是【雙尾檢定，還是右尾檢定，還是左尾檢定】？
➜☎【請問】：2個獨立樣本的總體平均數比較，是什麼意思？

➜ ☎※(2).【判斷檢定方法的最重要圖表】：

➜根據（x, y）對應的不同格式，可以選擇不同的統計檢定方法：

➜若只有1個連續數值（y），則要選擇【單一樣本t檢定】方法

※(3).下載問卷調查資料：男女之飲料花費
※開啟【38-1-男女之飲料花費.csv】，

※(4).用北科大軟體雲的SPSS新增新的檔案，先在【變數視圖】視窗，建立2個欄位
➜【編號】
➜【飲料花費】：數值
➜【性別】：數值➜在【值】欄位建立標籤（1：男，2：女）
➜複製貼上csv的數據

※(5).建立【獨立樣本t檢定】
➜上方【分析】➜【比較平均數法】➜【獨立樣本t檢定】
【獨立樣本t檢定】，示意圖，
➜設定【檢定變數】➜【飲料花費】
➜設定【分組變數】➜【性別】
➜設定【選項】➜【信賴區間百分比】= 95%
設定【檢定變數/分組變數】，示意圖，
➜點按【定義群組】：
➜設定【群組1】➜1
➜設定【群組2】➜2
設定【定義群組】，示意圖，


※(6).要判斷這是【雙尾檢定，還是單尾檢定？】
➜題目問題的假設：是否男女飲料花費，存在顯著差異（明顯不一樣？）
➜H0虛無假設/否定假設：μ1 = μ1（男女一樣）
➜H1對立假設：μ1 ≠ μ2（男女不一樣）
➜雙尾檢定

※(7).【注意】：上面的檢定表，【要經過2階段檢定】
※(A-第1階段)：先看【變異數等式的Levene檢定】
➜判斷【顯著性是否＜0.05】：0.752＞0.05➜➜表示接受【2個母體變異數相等的假設】
➜【平均】：男生每週飲料花費93，女生花費77，差異頗大



※(B-第2階段)：再看【平均值等式的t檢定】
➜判斷【顯著性是否＜0.05】：0.190＞0.05➜➜表示接受【虛無假設H0，男生女生飲料花費：相同】➜第1列的值
➜【解釋：為什麼選擇0.190，而不是選0.206？】：這是因為階段1，已經證明，必須選擇【相等變異數】
➜【平均】：男生每週飲料花費93，女生花費77，雖然差異頗大
➜【但經過檢定後發現】：p= 0.19＞信賴水準0.05，所以符合虛無假設（男女每週飲料花費，明顯一樣，沒有明顯差異）

➜ 【結論】：現在男女的每週飲料花費，明顯一樣，沒有差異

※(7).【獨立樣本t檢定】步驟：
➜【獨立樣本t檢定】：適用於2個類別母體的比較一個連續數值變數。
➜步驟1：設置2種假設：
◉零假設（𝐻0），又名虛無假設：兩個變數之間獨立（無顯著關聯，無顯著差異）。
◉對立假設（𝐻1）：兩個變數之間不獨立（有顯著關聯，有顯著差異）。
➜步驟2：用公式計算t檢定值。
➜步驟3：計算p值：查找對應的p值。
➜步驟4：必須經過2階段檢定：
◉先看【變異數等式的Levene檢定】：若是【顯著性是否＞0.05】採用【相等變異數】，否則採用【不相等變異數】
◉再看【平均值等式的t檢定】：根據階段1的【相等變異數】/或是【不相等變異數】，來對應t檢定的【顯著性值】，根據此【顯著性值】是否＞0.05，來判別是否符合HO虛無假設，或 H1對立假設，
如果p值小於顯著水平（如0.05），則拒絕零假設，認為兩變數之間有顯著關聯。

※(1).【成果Demo】：判定【男女每週運動時間】，【男生是否大過女生】？

➜☎【請問】：這樣子的數據，該用什麼【統計檢定】？
➜☎【請問】：這個是【雙尾檢定，還是右尾檢定，還是左尾檢定】？
➜☎【請問】：2個獨立樣本的總體平均數比較，是什麼意思？

➜ ☎※(2).【判斷檢定方法的最重要圖表】：

➜根據（x, y）對應的不同格式，可以選擇不同的統計檢定方法：

➜若只有1個連續數值（y），則要選擇【單一樣本t檢定】方法

※(3).下載問卷調查資料：男女每週之運動時間比較
※開啟【38-2-男女每週之運動時間比較.csv】，

※(4).用北科大軟體雲的SPSS新增新的檔案，先在【變數視圖】視窗，建立2個欄位
➜【編號】
➜【性別】：數值➜在【值】欄位建立標籤（1：男，2：女）
➜【運動時間】：數值
➜複製貼上csv的數據

※(5).建立【單一樣本t檢定】
➜上方【分析】➜【比較平均數法】➜【獨立樣本t檢定】
➜設定【檢定變數】➜【運動時間】
➜設定【分組變數】➜【性別】
➜設定【選項】➜【信賴區間百分比】= 95%
➜點按【定義群組】：
➜設定【群組1】➜1
➜設定【群組2】➜2


※(6).要判斷這是【雙尾檢定，還是單尾（左/右尾）檢定？】
➜題目問題的假設：判定【男女每週運動時間】，【男生是否大過女生】？
➜H0虛無假設/否定假設：μ1 ≦ μ2（男小於等於女）
➜H1對立假設：μ1 ＞ μ2（男大於女）
➜單尾檢定（右尾）

※(7).【注意】：上面的檢定表，【要經過2階段檢定】
※(A-第1階段)：先看【變異數等式的Levene檢定】
➜判斷【顯著性是否＜0.05】：0.335＞0.05➜➜表示接受【2個母體變異數相等的假設】 ➜第1列的值
➜【平均】：男生每週59，女生56，差異不大


※(B-第2階段)：再看【平均值等式的t檢定】
➜判斷【顯著性是否＜0.05】：0.116＞0.05➜➜表示接受【虛無假設H0，男生女生飲料花費：相同】
➜【解釋：為什麼選擇0.116，而不是選0.117？】：這是因為階段1，已經證明，必須選擇【相等變異數】
➜【平均】：男生每週時間59，女生56，差異不大
➜【經過單尾檢定後發現】：p= 0.16/2 = 0.08＞信賴水準0.05，所以符合虛無假設（μ1 ≦ μ2（男運動時間小於等於女）

➜ 【結論】：現在男生的每週運動時間，沒有比女生多（小於等於女生）

※(7).【獨立樣本t檢定】步驟：
➜【獨立樣本t檢定】：適用於2個類別母體的比較一個連續數值變數。
➜步驟1：設置2種假設：
◉零假設（𝐻0），又名虛無假設：兩個變數之間獨立（無顯著關聯，無顯著差異）。
◉對立假設（𝐻1）：兩個變數之間不獨立（有顯著關聯，有顯著差異）。
➜步驟2：用公式計算t檢定值。
➜步驟3：計算p值：查找對應的p值。
➜步驟4：必須經過2階段檢定：
◉先看【變異數等式的Levene檢定】：若是【顯著性是否＞0.05】採用【相等變異數】，否則採用【不相等變異數】
◉再看【平均值等式的t檢定】：根據階段1的【相等變異數】/或是【不相等變異數】，來對應t檢定的【顯著性值】，根據此【顯著性值】是否＞0.05，來判別是否符合HO虛無假設，或 H1對立假設，
如果p值小於顯著水平（如0.05），則拒絕零假設，認為兩變數之間有顯著關聯。

※(1).【成果Demo】：判定【台北/雲林地區所得比較】，是否【台北所得高過於雲林】？

➜☎【請問】：這樣子的數據，該用什麼【統計檢定】？
➜☎【請問】：這個是【雙尾檢定，還是右尾檢定，還是左尾檢定】？
➜☎【請問】：2個獨立樣本的總體平均數比較，是什麼意思？

➜ ☎※(2).【判斷檢定方法的最重要圖表】：

➜根據（x, y）對應的不同格式，可以選擇不同的統計檢定方法：

➜若只有1個連續數值（y），則要選擇【單一樣本t檢定】方法

※(3).下載問卷調查資料：台北雲林地區所得比較
※開啟【38-3-台北雲林地區所得比較.csv】，

※(4).用北科大軟體雲的SPSS新增新的檔案，先在【變數視圖】視窗，建立2個欄位
➜【編號】
➜【地區】：數值➜在【值】欄位建立標籤（1：台北，2：雲林）
➜【所得】：數值
➜複製貼上csv的數據

※(5).建立【獨立樣本t檢定】
➜上方【分析】➜【比較平均數法】➜【獨立樣本t檢定】
➜設定【檢定變數】➜【所得】
➜設定【分組變數】➜【地區】
➜設定【選項】➜【信賴區間百分比】= 95%
➜點按【定義群組】：
➜設定【群組1】➜1
➜設定【群組2】➜2


※(6).要判斷這是【雙尾檢定，還是單尾（左/右尾）檢定？】
➜題目問題的假設：判定【台北/雲林地區所得比較】，是否【台北所得高過於雲林】？
➜【注意】：H0虛無假設/否定假設：是這句話的相反（台北所得高過於雲林）➜相反➜台北所得低於雲林
➜H0虛無假設/否定假設：μ1 ≦ μ2（台北所得小於等於雲林）
➜H1對立假設：μ1 ＞ μ2（台北所得大於雲林）
➜單尾檢定（右尾）

※(7).【注意】：上面的檢定表，【要經過2階段檢定】
※(A-第1階段)：先看【變異數等式的Levene檢定】
➜判斷【顯著性是否＜0.05】：0.012＜0.05➜➜表示接受對立假設【2個母體變異數不相等的假設】➜第2列的值


※(B-第2階段)：再看【平均值等式的t檢定】
➜判斷【顯著性是否＜0.05】：0.01/2 = 0.005＜0.05➜➜表示接受【對立假設H1，台北所得大於雲林】
➜【解釋：為什麼選擇0.01，而不是選0.009？】：這是因為階段1，已經證明，必須選擇【不相等變異數】
➜【平均】：台北所得67882，雲林37290，差異很大
➜【經過單尾檢定後發現】：p= 0.01/2 = 0.0058＜信賴水準0.05，所以符合對立假設：μ1 ＞ μ2（台北所得大於雲林）

➜ 【結論】：台北所得，明顯高於雲林

※(7).【獨立樣本t檢定】步驟：
➜【獨立樣本t檢定】：適用於2個類別母體的比較一個連續數值變數。
➜步驟1：設置2種假設：
◉零假設（𝐻0），又名虛無假設：兩個變數之間獨立（無顯著關聯，無顯著差異）。
◉對立假設（𝐻1）：兩個變數之間不獨立（有顯著關聯，有顯著差異）。
➜步驟2：用公式計算t檢定值。
➜步驟3：計算p值：查找對應的p值。
➜步驟4：必須經過2階段檢定：
◉先看【變異數等式的Levene檢定】：若是【顯著性是否＞0.05】採用【相等變異數】，否則採用【不相等變異數】
◉再看【平均值等式的t檢定】：根據階段1的【相等變異數】/或是【不相等變異數】，來對應t檢定的【顯著性值】，根據此【顯著性值】是否＞0.05，來判別是否符合HO虛無假設，或 H1對立假設，
如果p值小於顯著水平（如0.05），則拒絕零假設，認為兩變數之間有顯著關聯。

※(1).【成果Demo】：判定【男女對於洗面乳選購的在意點】，是否【男女會有明顯差異】？


➜☎【請問1】：探討上面問卷的2個變數【性別】vs【購買洗面乳考慮因素(選項有5個)】，它們的關係是【類別vs類別】，還是【類別vs連續數值】？
➜☎【請問2】：探討這樣子【性別】vs【購買洗面乳考慮因素(選項有5個)】彼此關聯，該用什麼【統計檢定】？
➜☎【請問3】：這個是【雙尾檢定，還是右尾檢定，還是左尾檢定】？

➜ ☎※(2).【判斷檢定方法的最重要圖表】：

➜根據（x, y）對應的不同格式，可以選擇不同的統計檢定方法：

➜若只有1個連續數值（y），則要選擇【單一樣本t檢定】方法
➜【重要觀念】：問卷表單的5點量表，看似是【類別，5個種類】，但是當我們輸入到excel後，它是用1～5輸入，最後會計算【平均值】
➜【重要觀念】：所以5點量表的【欄位】，是【數值】欄位，不是【類別】欄位

※(3).建立Google問卷調查表單：男女對於洗面乳選購的在意點調查
➜【特別注意】：若是問卷表單的欄位要用數值儲存，則選擇題，盡量用【5點量表】/【2點量表】來製作，欄位儲存的值才會是1，2，3...
※輸入3筆數據
➜回覆後建立的Google試算表檔案：38-4.-男女對於洗面乳選購的在意點調查 (回覆)
➜【檔案】➜【下載】➜【男女對於洗面乳選購的在意點調查.xlsx】
➜把【時間戳記】➜修改成【編號】➜這個欄位，滑鼠右鍵➜修改【儲存格格式】➜改成【數值】➜小數點0位
➜修改編號的值，輸入【1，2，3，.....】
修改後的excel數據畫面，示意圖，

※(4).下載問卷調查的完整資料：男女對於洗面乳選購的在意點調查
※開啟【38-4.-男女對於洗面乳選購的在意點調查.csv】，
➜複製csv的數據，貼到excel檔案
修改後的excel數據畫面，示意圖，

※(5).用北科大軟體雲的SPSS新增新的檔案，先在【變數視圖】視窗，建立2個欄位
➜【編號】
➜【抗痘】：數值
➜【去油】：數值
➜【美白】：數值
➜【緊緻毛孔】：數值
➜【卸妝】：數值
➜【性別】：數值➜在【值】欄位建立標籤（1：男，2：女）
➜將excel的全部數據，複製貼到SPSS
示意圖1， 示意圖1，

※(6).建立【單一樣本t檢定】
➜上方【分析】➜【比較平均數法】➜【獨立樣本t檢定】
➜設定【檢定變數】➜【抗痘，去油，美白，保濕，保濕，緊緻毛孔，卸妝】
➜設定【分組變數】➜【性別】
➜設定【選項】➜【信賴區間百分比】= 95%
➜點按【定義群組】：
➜設定【群組1】➜1
➜設定【群組2】➜2
示意圖1，

※(7).要判斷這是【雙尾檢定，還是單尾（左/右尾）檢定？】
➜題目問題的假設：判定【男女對於洗面乳選購的在意點】，是否【男女會有明顯差異】？
➜【注意】：H0虛無假設/否定假設：是這句話的相反（男女會有明顯差異）➜相反➜男女沒有明顯差異
➜H0虛無假設/否定假設：μ1 ＝ μ2（男女沒有明顯差異）
➜H1對立假設：μ1 ≠ μ2（男女會有明顯差異）
➜雙尾檢定



※(7).【注意】：上面的檢定表，【要經過2階段檢定】
※(A-第1階段)：先看【變異數等式的Levene檢定】
➜判斷【顯著性是否＜0.05】：全部的【顯著性值】都＞0.05➜➜表示接受虛無假設【2個母體變異數相等的假設】➜第1列的值


※(B-第2階段)：再看【平均值等式的t檢定】
➜判斷【顯著性是否＜0.05】：
➜【抗痘，去油】的【顯著性值】都＞0.05➜表示接受【虛無假設H0】➜【男女的選擇，沒有明顯差異】
➜【美白，保濕，保濕，緊緻毛孔，卸妝】的【顯著性值】都＜0.05➜表示接受【對立假設H1】➜【男女的選擇，有明顯差異】
➜【注意，要選擇第1列的顯著性值】：這是因為階段1，已經證明，必須選擇【相等變異數】


➜【結論1】：男女在選購洗面乳時，男女在考慮【抗痘，去油】方面，【沒有明顯差異】
➜【結論2】：男女在選購洗面乳時，男女在考慮【美白，保濕，保濕，緊緻毛孔，卸妝】方面，【有明顯差異】
➜【結論3】：若是看平均數字，男女在考慮【美白，保濕，保濕，緊緻毛孔，卸妝】方面，【明顯是女生比較會考慮，男生比較不在意】

※(1).【成果Demo】：判定【男女對於洗面乳選購的在意點】，是否【女生是不是會比男生來得明顯重視？】(2)(重要)


請開啟【上一題的Google問卷表單】，要做修改
➜☎【請問1】：上述Google問卷的選項若要儲存【數字1,2,3...】，除了採用【5點量表】外，還有什麼方法？
➜☎【請問2】：上述Google問卷的同時有很多一樣選項的題目，首選是【單選方格】，但是它沒有支援【5點量表】，只能用【文字選擇題】來做，如何才能儲存數字欄位？
➜☎【請問3】：上述Google問卷的【性別】，若是用【5點量表】來做，有點怪怪的，可以用【選擇題/單選題】來做嗎？
➜☎【請問4】：難道【5點量表】是問卷調查唯一的方法了嗎？
➜☎【請問5】：這個是【雙尾檢定，還是右尾檢定，還是左尾檢定】？

※(2).【修改Google表單】：找出，又可以取代【5點量表】又可以【儲存數字】的做法：
➜建立可以取代【5點量表】又可以【儲存數字】的Google問卷表單
➜【方法1】：使用【選擇題】，其中的項目用【1，2，3...】
➜【方法2】：使用【單選方格(5點量表)】，其中的項目用【1，2，3...】
※輸入3筆數據
➜回覆後建立的Google試算表檔案：發現欄位名稱過長
➜【檔案】➜【下載】➜
➜把【時間戳記】➜修改成【編號】➜這個欄位，滑鼠右鍵➜修改【儲存格格式】➜改成【數值】➜小數點0位
➜把其它欄位修改成簡短欄位名稱：【抗痘，去油，美白，保濕，保濕，緊緻毛孔，卸妝】
➜修改編號的值，輸入【1，2，3，.....】
修改後的excel數據畫面，示意圖，

※(4).下載問卷調查的完整資料：男女對於洗面乳選購的在意點調查
※開啟【38-4-男女對於洗面乳選購的在意點調查.csv】，
➜複製csv的數據，貼到excel檔案
修改後的excel數據畫面，示意圖，

※(5).用北科大軟體雲的SPSS新增新的檔案，先在【變數視圖】視窗，建立2個欄位
➜【編號】
➜【抗痘】：數值
➜【去油】：數值
➜【美白】：數值
➜【緊緻毛孔】：數值
➜【卸妝】：數值
➜【性別】：數值➜在【值】欄位建立標籤（1：男，2：女）
➜將excel的全部數據，複製貼到SPSS
示意圖1， 示意圖1，

※(6).建立【獨立樣本t檢定】
➜上方【分析】➜【比較平均數法】➜【獨立樣本t檢定】
➜設定【檢定變數】➜【抗痘，去油，美白，保濕，保濕，緊緻毛孔，卸妝】
➜設定【分組變數】➜【性別】
➜設定【選項】➜【信賴區間百分比】= 95%
➜點按【定義群組】：
➜設定【群組1】➜1
➜設定【群組2】➜2
示意圖1，

※(7).要判斷這是【雙尾檢定，還是單尾（左/右尾）檢定？】
➜題目問題的假設：判定【男女對於洗面乳選購的在意點】，是否【女生是不是會比男生來得明顯重視？】
➜【注意】：H0虛無假設/否定假設：是這句話的相反（女生是不是會比男生來得明顯重視？）➜相反➜女生沒有比男生明顯重視這些洗面乳屬性
➜H0虛無假設/否定假設：μ1 ≧ μ2（女生μ2沒有比男生μ1明顯重視這些洗面乳屬性，μ2＜μ1，男生重視值≧女生）
➜H1對立假設：μ1 ＜ μ2（男生重視值＜女生）
➜【注意】：這是【單尾檢定】（左尾檢定）



※(7).【注意】：上面的檢定表，【要經過2階段檢定】
※(A-第1階段)：先看【變異數等式的Levene檢定】
➜判斷【顯著性是否＜0.05】：全部的【顯著性值】都＞0.05➜➜表示接受虛無假設【2個母體變異數相等的假設】➜第1列的值


※(B-第2階段)：再看【平均值等式的t檢定】
二，獨立樣本t檢定，判斷過程：
1.這是【單尾檢定】➜所以要把【顯著性值】/2
2.判斷方法：【顯著性是否＜0.05】：
3.判斷【抗痘】的【顯著性值】0.523/2 ＝0.2616＞0.05
➜表示接受【虛無假設H0】➜【男生重視值≧女生】
4.判斷【去油】的【顯著性值】0.096/2 ＝ 0.048＜0.05
➜表示接受【獨立假設H1】➜【男生重視值＜女生】。
5.但【去油】屬性，它的檢定顯著性值，在0.05左右，在顯著/不顯著邊緣。
6.判斷【美白，保濕，保濕，緊緻毛孔，卸妝】的【顯著性值】都＜0.05
➜表示接受【對立假設H1】➜【男生重視值＜女生】
➜【注意，要選擇第1列的顯著性值】：這是因為階段1，已經證明，必須選擇【相等變異數】


三，結論：
1.【結論1】：在選購洗面乳時，男生比較在意的點是【抗痘】
2.【結論2】：在選購洗面乳時，女生比較在意的點是【去油，美白，保濕，保濕，緊緻毛孔，卸妝】。
3.【結論3】：【去油】屬性，它的檢定顯著性值，在0.05左右，在顯著/不顯著邊緣。
4.【結論3】：若是看平均數字，女生在考慮【美白，保濕，保濕，緊緻毛孔，卸妝】的分數比較高，【所以：明顯是女生比較會考慮，男生比較不在意】
5.【結論4】：若是看平均數字，男生在考慮【抗痘，去油】的分數比較高，【所以：明顯是男生比較會考慮所買的洗面乳能否『抗痘，去油』】

※(1).【成果Demo】：把上述【男女對於洗面乳選購的檢定】➜撰寫分析報告【SPSS➜Excel➜Word】(3)


⬇
【下載Excel成果檔案】，
【下載Word分析報告檔案】，




※【上面是成果報告】，【下面是實際的做法與步驟】

※(1).【成果Demo】：判定【東京的1月份均溫，在90年代前，和90年代後】，【是否存在差異】？

➜☎【請問】：這個分析題目的2個變數(x,y)，分別是什麼？
➜☎【請問】：這樣子的數據，該用什麼【統計檢定】？
➜☎【請問】：這個是【雙尾檢定，還是右尾檢定，還是左尾檢定】？

➜ ☎※(2).【判斷檢定方法的最重要圖表】：

➜根據（x, y）對應的不同格式，可以選擇不同的統計檢定方法：

➜若只有1個連續數值（y），則要選擇【單一樣本t檢定】方法

※(3).下載問卷調查資料：東京1月份歷史溫度
※開啟【38-7-東京1月份歷史溫度.csv】，

※(4).把【csv】格式，儲存成【excel】格式
➜新增欄位【90年代前後】
➜在【C2】➜輸入：=IF(A2＜1990, 1, 2)
新增欄位【90年代前後】，示意圖，

※(5).用北科大軟體雲的SPSS新增新的檔案，先在【變數視圖】視窗，建立3個欄位
➜【年份】：數值
➜【一月份均溫】：數值（注意：欄位變數名稱不可以用數字開頭，例如：1月份均溫）
➜【九十年代前後】：數值➜（注意：欄位變數名稱不可以用數字開頭，例如：90年代前後）
➜複製貼上excel的數據

※(6).建立【單一樣本t檢定】
➜上方【分析】➜【比較平均數法】➜【獨立樣本t檢定】
➜設定【檢定變數】➜【一月份均溫】
➜設定【分組變數】➜【九十年代前後】
➜設定【選項】➜【信賴區間百分比】= 95%
➜點按【定義群組】：
➜設定【群組1】➜1
➜設定【群組2】➜2


※(6).要判斷這是【雙尾檢定，還是單尾檢定？】
➜題目問題的假設：判定【東京的1月份均溫，在90年代前，和90年代後】，【是否存在差異】？
➜H0虛無假設/否定假設：μ1 = μ1（90年代前後一樣）
➜H1對立假設：μ1 ≠ μ2（90年代前後不一樣）
➜雙尾檢定

※(7).【注意】：上面的檢定表，【要經過2階段檢定】
※(A-第1階段)：先看【變異數等式的Levene檢定】
➜判斷【顯著性是否＜0.05】：0.438＞0.05➜➜表示接受【2個母體變異數相等的假設】


※(B-第2階段)：再看【平均值等式的t檢定】
➜判斷【顯著性是否＜0.05】：0.02＜0.05➜➜表示接受【對立假設H1，90年代前後不一樣】
➜【平均】：90年代前是-4.58，90年代後是-3.2，
➜【經過檢定後發現】：p= 0.02＜信賴水準0.05，所以符合對立假設（90年代前後，明顯不一樣，有明顯差異）


➜【結論1】：東京的1月份均溫，90年代前後，有明顯差異
➜【結論2】：東京的1月份均溫，90年代前較低，90年代後較高
➜【注意】：這題的正確做法，應該是下一章的【成對樣本t檢定】，因為【x變數若是相關，相依的】，例如【同一物體的前後測試，x變數在同一物體上同時測試...】，都是屬於【配對樣本t檢定】

※(1).【成果Demo】：【比較2廠牌輪胎的磨損，車子左邊用正欣輪胎，右邊用見大輪胎】，【正欣輪胎是否比見大磨損大】？

➜☎【請問】：這個分析題目的2個變數(x,y)，分別是什麼？
➜☎【請問】：這樣子的數據，該用什麼【統計檢定】？
➜☎【請問】：這個是【雙尾檢定，還是右尾檢定，還是左尾檢定】？

➜ ☎※(2).【判斷檢定方法的最重要圖表】：

➜根據（x, y）對應的不同格式，可以選擇不同的統計檢定方法：

➜【判別】：這是【2個廠牌 vs 輪胎磨損數據】➜數據格式是【類別 vs 數值】➜原本應該是【獨立樣本t檢定】
➜【關鍵判別】：但是因為測試磨損時，是在【同一輛車】的左邊右邊輪胎測試廠牌效果，所以【2個廠牌類別】的測試【不是獨立環境】的，而是【相關，相依環境】的，所以不能夠用【獨立樣本t檢定】
➜【正確檢定方法】：成對樣本t檢定，配對樣本t檢定（彼此有相關的類別x vs 連續數值y）
➜【注意】：如果【x變數若是相關，相依的】，例如【同一物體的前後測試，x變數在同一物體上同時測試...】，都是屬於【配對樣本t檢定】

※(3).下載問卷調查資料：輪胎磨損數據
※開啟【39-1-輪胎磨損.csv】

※(4).用北科大軟體雲的SPSS新增新的檔案，先在【變數視圖】視窗，建立2個欄位
➜【正欣】：數值
➜【見大】：數值
➜複製貼上csv的數據

※(5).建立【單一樣本t檢定】
➜上方【分析】➜【比較平均數法】➜【成對樣本t檢定】
【獨立樣本t檢定】，示意圖，
➜設定【配對變數】➜【正欣，見大】
➜設定【選項】➜【信賴區間百分比】= 95%
設定【配對變數】，示意圖，


※(6).要判斷這是【雙尾檢定，還是單尾檢定？】
➜題目問題的假設：【正欣輪胎是否比見大磨損大】？
➜H0虛無假設/否定假設：μ1 ≦ μ2（正欣輪胎磨損≦ 見大）
➜H1對立假設：μ1 ＞ μ2（正欣輪胎磨損＞見大）
➜單尾檢定


※(7).看【t檢定的顯著性值，注意：是單尾檢定，要/2】
➜判斷【顯著性是否＜0.05】：0.061/2 = 0.0305＜0.05➜表示接受【對立假設H1，正欣輪胎磨損＞見大】
➜【平均】：正欣輪胎磨損96.0，見大87.43，差異頗大
➜【經過檢定後發現】：p= 0.0305＜信賴水準0.05，所以符合對立假設（正欣輪胎磨損＞見大，明顯差異）


※(8).【結論】：正欣輪胎磨損＞見大，明顯有差異
➜【注意】：如果【x變數若是相關，相依的】，例如【同一物體的前後測試，x變數在同一物體上同時測試...】，都是屬於【配對樣本t檢定】

※(1).【成果Demo】：【無瞎米打字法，能夠訓練10位同學，前後進步多40個字嗎】？
➜【訓練前，訓練後】數據如下：

➜☎【請問】：這個分析題目的2個變數(x,y)，分別是什麼？
➜☎【請問】：這樣子的數據，該用什麼【統計檢定】？
➜☎【請問】：這個是【雙尾檢定，還是右尾檢定，還是左尾檢定】？

➜ ☎※(2).【判斷檢定方法的最重要圖表】：

➜根據（x, y）對應的不同格式，可以選擇不同的統計檢定方法：

➜【判別】：這是【前後2次打字 vs 打字數】➜數據格式是【類別 vs 數值】➜原本應該是【獨立樣本t檢定】
➜【關鍵判別】：但是因為測試磨損時，是在【同一個人】的前後測試，所以【2次】的測試【不是獨立環境】的，而是【相關，相依環境】的，所以不能夠用【獨立樣本t檢定】
➜【正確檢定方法】：成對樣本t檢定，配對樣本t檢定（彼此有相關的類別x vs 連續數值y）
➜【注意】：如果【x變數若是相關，相依的】，例如【同一物體的前後測試，x變數在同一物體上同時測試...】，都是屬於【配對樣本t檢定】

※(3).下載問卷調查資料：打字訓練前後數據
※開啟【39-2-打字訓練.csv】
➜H0虛無假設/否定假設：μ1 ≧ （μ2-40）（後來沒有超過40字）

※(4).【儲存成Excel】格式
➜新增欄位【訓練後-40】
➜【原因】：H0虛無假設/否定假設：μ1 ≧ （μ2-40）（後來沒有超過40字）



※(5).用北科大軟體雲的SPSS新增新的檔案，先在【變數視圖】視窗，建立2個欄位
➜【訓練前】：數值
➜【訓練後】：數值
➜【訓練後減40】：數值（SPSS不可以用特殊符號當欄位名稱，例如：-，所以不可以用【訓練後-40】
➜複製貼上csv的數據
【數據】，示意圖，

※(6).建立【成對樣本t檢定】
➜上方【分析】➜【比較平均數法】➜【成對樣本t檢定】
➜設定【配對變數】➜【訓練前，訓練後減40】
➜設定【選項】➜【信賴區間百分比】= 95%
設定【配對變數】，示意圖，


※(7).要判斷這是【雙尾檢定，還是單尾檢定？】
➜題目問題的假設：【前後進步多40個字嗎】？
➜H0虛無假設/否定假設：μ1 ≧ （μ2-40）（後來沒有超過40字）
➜H1對立假設：μ1 ＜ （μ2-40）（後來有超過40字）
➜單尾檢定


※(8).看【t檢定的顯著性值，注意：是單尾檢定，要/2】
➜判斷【顯著性是否＜0.05】：0.598/2 = 0.299＞0.05➜表示接受【虛無假設H1，後來沒有超過40字】
➜【平均】：訓練前17，（訓練後-40）為19，有差異
➜【經過檢定後發現】：p= 0.0305＜信賴水準0.05，所以符合虛無假設H1，後來沒有超過40字

※(9).【結論】：同一批學生接受無瞎米訓練，結果訓練後，打字後來無法超過40字
➜【注意】：如果【x變數若是相關，相依的】，例如【同一物體的前後測試，x變數在同一物體上同時測試...】，都是屬於【配對樣本t檢定】

※(1).【成果Demo】：【在報紙投放不同方式的廣告，比較回應人數，是否有差異】？
➜【廣告種類】➜有4種廣告➜【全版，半版，1/4版，小廣告】

➜☎【請問】：這個分析題目的多個變數關係(x,y)，分別是什麼？
➜☎【請問】：這樣子的數據，該用什麼【統計檢定】？
➜☎【請問】：這個是【雙尾檢定，還是右尾檢定，還是左尾檢定】？

➜ ☎※(2).【判斷檢定方法的最重要圖表】：

➜根據（x, y）對應的不同格式，可以選擇不同的統計檢定方法：

➜【比較1】：【獨立樣本t檢定】：針對2組資料，來比較這2組平均數的差異
➜【比較2】：【單因子變異數分析】：針對3組(或以上)資料，來比較這3組(或以上)平均數的差異

※(3).下載問卷調查資料：廣告效果數據
※開啟【310-1-廣告效果.csv】
➜【廣告種類】➜有4種廣告➜【全版，半版，1/4版，小廣告】

※(4).用北科大軟體雲的SPSS新增新的檔案，先在【變數視圖】視窗
➜建立2個欄位：
➜【廣告種類】：數值
➜【回應人數】：數值
➜在【廣告種類】的【值】➜輸入4種標籤：【1全版，2半版，3(1/4版)，4小廣告】
設定【4種標籤】，示意圖，
➜複製貼上csv的數據
貼上【數據】，示意圖，

※(5).建立【單因子變異數分析】
➜上方【分析】➜【比較平均數法】➜【單因數變異數分析】
【獨立樣本t檢定】，示意圖，
➜設定【依變數清單】➜【回應人數】
➜設定【因子】➜【廣告種類】➜（只有一個因子，所以稱呼為【單因子】）
➜設定【選項】➜【統計量】➜勾選【描述統計】
設定【參數】，示意圖，


※(6).要判斷這是【雙尾檢定，還是單尾檢定？】
➜【注意1】：【單因子變異數分析（ANOVA）】通常使用【雙尾】檢定。不考慮【單尾】檢定
➜【注意2】：【獨立樣本t檢定】通常使用【雙尾】檢定。不考慮【單尾】檢定
➜雙尾檢定


※(7).看【顯著性值】
➜判斷【顯著性是否＜0.05】：0.003＜0.05➜表示接受【對立假設H1，4種方式的投放廣告，回應人數明顯不同，廣告效果不同】
➜【平均值】：【1173，1083，724，733】，差異頗大
➜【經過檢定後發現】：p= 0.003＜信賴水準0.05，所以符合對立假設（4種方式的投放廣告，回應人數明顯不同，廣告效果不同）


※(8).【結論】：4種方式的投放廣告，回應人數明顯不同，廣告效果不同

※(1).【成果Demo】：【大學生每月刷卡金額，是否與零用金來源不同而有所差異】？
➜【零用金來源種類】➜有3種➜【家中給予，打工賺取，兩者皆有】

➜☎【請問】：這個分析題目的多個變數關係(x,y)，分別是什麼？
➜☎【請問】：這樣子的數據，該用什麼【統計檢定】？
➜☎【請問】：這個是【雙尾檢定，還是右尾檢定，還是左尾檢定】？

➜ ☎※(2).【判斷檢定方法的最重要圖表】：

➜根據（x, y）對應的不同格式，可以選擇不同的統計檢定方法：

➜【比較1】：【獨立樣本t檢定】：針對2組資料，來比較這2組平均數的差異
➜【比較2】：【單因子變異數分析】：針對3組(或以上)資料，來比較這3組(或以上)平均數的差異

※(3).下載問卷調查資料：每月刷卡金額
※開啟【310-2-每月刷卡金額.csv】
➜【零用金來源種類】➜有3種➜【家中給予，打工賺取，兩者皆有】

※(4).用北科大軟體雲的SPSS新增新的檔案，先在【變數視圖】視窗
➜建立2個欄位：
➜【零用金來源】：數值
➜【刷卡金額】：數值
➜在【零用金來源】的【值】➜輸入3種標籤：【1家中給予，2打工賺取，3兩者皆有】
➜複製貼上csv的數據

※(5).建立【單因子變異數分析】
➜上方【分析】➜【比較平均數法】➜【單因數變異數分析】
➜設定【依變數清單】➜【刷卡金額】
➜設定【因子】➜【零用金來源】➜（只有一個因子，所以稱呼為【單因子】）
➜設定【選項】➜【統計量】➜勾選【描述統計】


※(6).要判斷這是【雙尾檢定，還是單尾檢定？】
➜【注意1】：【單因子變異數分析（ANOVA）】通常使用【雙尾】檢定。不考慮【單尾】檢定
➜【注意2】：【獨立樣本t檢定】通常使用【雙尾】檢定。不考慮【單尾】檢定
➜雙尾檢定


※(7).看【顯著性值】
➜判斷【顯著性是否＜0.05】：0.636＞0.05➜表示接受【虛無假設H0，3種方式的刷卡，差異明顯不同，沒有明顯趨勢】
➜【平均值】：【4557，2000，5418】，差異頗大
➜【經過檢定後發現】：p= 0.636＞0.05信賴水準0.05，所以符合虛無假設（3種方式的刷卡，差異明顯不同，沒有明顯趨勢）


※(8).【結論】：3種方式的刷卡，差異明顯不同，沒有明顯趨勢
※(8).【結論】：大學生的刷卡金額，與他零用金來源方式，是無關聯的

※(1).【成果Demo】：多種分析【大學生每月手機支出月費，與【男女性別】與否而有差異嗎？與【居住狀況】不同而有差異嗎？
➜【居住狀況】➜有3種➜【1家裡，2學校宿舍，3校外】
➜【性別】➜有2種➜【1男，2女】
➜【是否有手機】➜有2種➜【1有手機，2無手機】

➜☎【請問】：這個分析題目的多個變數關係(x,y)，分別是什麼？
➜☎【請問】：這樣子的數據，該用什麼【統計檢定】？
➜☎【請問】：這個是【雙尾檢定，還是右尾檢定，還是左尾檢定】？

➜ ☎※(2).【判斷檢定方法的最重要圖表】：

➜根據（x, y）對應的不同格式，可以選擇不同的統計檢定方法：

➜【比較1】：【獨立樣本t檢定】：針對2組資料，來比較這2組平均數的差異
➜【比較2】：【單因子變異數分析】：針對3組(或以上)資料，來比較這3組(或以上)平均數的差異

※(3).下載問卷調查資料：手機平均月費
※開啟【310-3-手機平均月費.csv】
➜【居住狀況】➜有3種➜【1家裡，2學校宿舍，3校外】
➜【性別】➜有2種➜【1男，2女】
➜【是否有手機】➜有2種➜【1有手機，2無手機】

※(4).用北科大軟體雲的SPSS新增新的檔案，先在【變數視圖】視窗
➜建立5個欄位：
➜【編號】：數值
➜【是否有手機】：數值➜（值輸入標籤：【1有手機，2無手機】）
➜【平均月費】：數值
➜【性別】：數值➜有2種➜【1男，2女】
➜【居住狀況】：數值➜有3種➜【1家裡，2學校宿舍，3校外】
設定【5種欄位】，示意圖，
➜複製貼上csv的數據
【貼上數據】，示意圖，

※(5).分析【不同男女性別】，手機月費是否有差異嗎？
※建立【獨立樣本t檢定】
➜上方【分析】➜【比較平均數法】➜【獨立樣本t檢定】
➜設定【檢定變數】➜【平均月費】
➜設定【分組變數】➜【性別】
➜點按【定義群組】：
➜設定【群組1】➜1
➜設定【群組2】➜2

➜【經過檢定後發現】：p= 0.000＜0.05信賴水準0.05，所以符合獨立假設（不同性別的手機月費，差異明顯）
➜【看平均值】：男68，女114

※(6).分析【不同居住狀況】，手機月費是否有差異嗎？
➜建立【單因子變異數分析】
➜上方【分析】➜【比較平均數法】➜【單因數變異數分析】
➜設定【依變數清單】➜【平均月費】
➜設定【因子】➜【居住狀況】➜（只有一個因子，所以稱呼為【單因子】）
➜設定【選項】➜【統計量】➜勾選【描述統計】

➜【經過檢定後發現】：p= 0.008＜0.05信賴水準0.05，所以符合獨立假設（不同居住狀況的手機月費，差異明顯）
➜【看平均值】：住家裡835，學校宿舍610，校外728

※(1).【問卷表單設計】：共有2題：
※【第1題】：1.請問您最常使用的品牌為何？(單選)
➜答案選項：1.海倫仙度絲，2.飛柔，3.mod's hair，4.沙宣，5.麗仕，6.花王，7.多芬，8.絲逸歡，9.潘婷，10.其它

※【第2題】：2.購買洗髮精考慮的因素，請勾選考量程度
➜答案選項：1.非常不重要，2.不重要，3.普通，4.重要，5.非常重要
➜考量因素選項：去頭皮屑，保濕，熱油護髮，止癢，香味，防止分岔，柔順，整體效果

➜【請問1】：該如何用Google表單設計出如此表單？
➜【請問2】：而且答案都必須儲存成數字1，2，3...（不可以儲存成文字：海倫仙度絲，飛柔）

※(2).【設計表單的困難度】：
➜【特別注意】：若是問卷表單的欄位要用數值儲存，所以【選擇題/5點量表】的答案選項，也要用【1，2，3...】，儲存到試算表才會是數字
➜【困難度】：答案選項若是1，2，3，如何讓人知道【1.海倫仙度絲，2.飛柔，3.mod's hair】呢？

➜【困難度】：答案選項若是1，2，3，4，5，如何讓人知道【1：是重要，還是不重要】呢？

※(3).【表單設計的解決方法】：
※【成果】開啟Google問卷調查表單檔案：對於洗面乳選購的在意點調查
➜【特別注意】：若是問卷表單的欄位要用數值儲存，則選擇題，盡量用【5點量表】/【2點量表】來製作，欄位儲存的值才會是1，2，3...
➜【如何勾選【1.海倫仙度絲】，但卻可以在試算表儲存數字『1』】？
➜【方法】：在每一題的想法[...]➜選擇【說明】

➜【第1題的說明】：【說明】:1.海倫仙度絲，2.飛柔，3.mod's hair，4.沙宣，5.麗仕，6.花王，7.多芬，8.絲逸歡，9.潘婷，10.其它
➜【第2題的說明】：【說明】:1.非常不重要，2.不重要，3.普通，4.重要，5.非常重要

※(4).【輸入3筆數據法】：
➜開啟【連結的google試算表】
➜回覆後建立的Google試算表檔案：38-4.-男女對於洗髮精選購的在意點調查 (回覆)
輸入3筆數據法，示意圖，
➜【檔案】➜【下載】➜【男女對於洗髮精選購的在意點調查.xlsx】
➜把【時間戳記】➜修改成【編號】➜這個欄位，滑鼠右鍵➜修改【儲存格格式】➜改成【數值】➜小數點0位
➜修改編號的值，輸入【1，2，3，.....】
➜修改欄位名稱【使用品牌，去頭皮屑，保濕，熱油護髮，止癢，香味，防止分岔，柔順，整體效果】
修改後的excel數據畫面，示意圖，

※(5).下載問卷調查的完整資料：消費者對於洗髮精選購的在意點調查
※開啟【310-4-消費者對於洗髮精選購的在意點調查.csv】，
➜複製csv的數據，貼到excel檔案
修改後的excel數據畫面，示意圖，
※(6).【分析題目】：【消費者購買洗髮精【考慮的因素】會隨著【選擇品牌的不同】，而有顯著差異嗎？(1)

➜☎【請問1】：探討上面問卷的2個變數【品牌(10個選項)】vs【購買洗髮精考慮因素(選項有8個)】，它們的關係是【類別vs類別】，還是【類別vs連續數值】？
➜☎【請問2】：探討這樣子【品牌(10個選項)】vs【購買洗髮精考慮因素(選項有8個)】彼此關聯，該用什麼【統計檢定】？
➜☎【請問3】：這個是【雙尾檢定，還是右尾檢定，還是左尾檢定】？

➜ ☎※(7).【判斷檢定方法的最重要圖表】：

➜根據（x, y）對應的不同格式，可以選擇不同的統計檢定方法：

➜若只有1個連續數值（y），則要選擇【單一樣本t檢定】方法
➜【重要觀念】：問卷表單的5點量表，看似是【類別，5個種類】，但是當我們輸入到excel後，它是用1～5輸入，最後會計算【平均值】
➜【重要觀念】：所以5點量表的【欄位】，是【數值】欄位，不是【類別】欄位

※(8).用北科大軟體雲的SPSS新增新的檔案，先在【變數視圖】視窗，建立10個欄位
➜【編號】
➜【使用品牌】：數值➜在【值】欄位建立標籤（1.海倫仙度絲，2.飛柔，3.mod's hair，4.沙宣，5.麗仕，6.花王，7.多芬，8.絲逸歡，9.潘婷，10.其它）
➜【去頭皮屑】：數值➜在【值】欄位建立標籤（1.非常不重要，2.不重要，3.普通，4.重要，5.非常重要）
➜【保濕】：數值➜在【值】欄位建立標籤（1.非常不重要，2.不重要，3.普通，4.重要，5.非常重要）
➜【熱油護髮】：數值➜在【值】欄位建立標籤（1.非常不重要，2.不重要，3.普通，4.重要，5.非常重要）
➜【止癢】：數值➜在【值】欄位建立標籤（1.非常不重要，2.不重要，3.普通，4.重要，5.非常重要）
➜【香味】：數值➜在【值】欄位建立標籤（1.非常不重要，2.不重要，3.普通，4.重要，5.非常重要）
➜【止癢】：數值➜在【值】欄位建立標籤（1.非常不重要，2.不重要，3.普通，4.重要，5.非常重要）
➜【防止分岔】：數值➜在【值】欄位建立標籤（1.非常不重要，2.不重要，3.普通，4.重要，5.非常重要）
➜【柔順】：數值➜在【值】欄位建立標籤（1.非常不重要，2.不重要，3.普通，4.重要，5.非常重要）
➜【整體效果】：數值➜在【值】欄位建立標籤（1.非常不重要，2.不重要，3.普通，4.重要，5.非常重要）
➜將excel的全部數據，複製貼到SPSS
設定變數，示意圖1， 貼上數據，示意圖2，

※(9).建立【單因子變異數分析
➜上方【分析】➜【比較平均數法】➜【單因子變異數分析】
➜設定【依變數清單】➜【去頭皮屑，保濕，熱油護髮，止癢，香味，防止分岔，柔順，整體效果】
➜設定【因子】➜【使用品牌】➜（只有一個因子，所以稱呼為【單因子】）
設定參數，示意圖1，

※(10).要判斷這是【雙尾檢定，還是單尾（左/右尾）檢定？】
➜【單因子變異數分析】，只有1個【雙尾檢定】

※(11).【單因子變異數分析檢定】
平均值，示意圖1，
顯著性值p，示意圖1，
➜判斷【顯著性是否＜0.05】：
➜【去頭皮屑，熱油護髮，止癢，香味】的【顯著性值】都＞0.05➜表示接受【虛無假設H0】➜【消費者考慮這些因素，與品牌的選擇，沒有明顯差異】
➜【保濕，防止分岔，柔順，整體效果】的【顯著性值】都＜0.05➜表示接受【對立假設H1】➜【消費者考慮這些因素，與品牌的選擇，有明顯差異】
➜考慮【保濕，防止分岔，柔順，整體效果】時，會同時考慮品牌
➜考慮【保濕】時，會同時考慮品牌，品牌排序首選前3名是【1.mod's hair，2.海倫仙度絲，3.多芬】

➜考慮【防止分岔】時，會同時考慮品牌，品牌排序首選前3名是【1.mod's hair，2.海倫仙度絲，3.多芬】

➜考慮【柔順】時，會同時考慮品牌，品牌排序首選前3名是【1.mod's hair，2.海倫仙度絲，3.多芬】
➜考慮【整體效果】時，會同時考慮品牌，品牌排序首選前3名是【1.mod's hair，2.海倫仙度絲，3.多芬】

※(12).【結論1】：消費者在選購洗髮精時，在考慮【去頭皮屑，熱油護髮，止癢，香味】時，【不會考慮品牌】
※【結論2】：消費者在選購洗髮精時，在考慮【保濕，防止分岔，柔順，整體效果】時，【會考慮品牌】
※【結論3】：若是看平均數字，消費者在【會考慮品牌】時，首選品牌前3名是【1.mod's hair，2.海倫仙度絲，3.多芬】
※【結論4】：若是看平均數字，消費者購買洗髮精【會考慮因素】的排序，重要程度依次是【柔順，整體效果，保濕，止癢，防止分岔】
平均值，示意圖，

※(13).【發現問題】：數據太雜亂，無法精簡，一目了然地描述
➜在撰寫報告時，若只是參考SPSS的輸出表格，會因為參數太多，而很難一目了然地說明數據
➜所以一般會把【SPSS表格➜貼到Excel修改，排序，彙整一個精簡表格➜貼到Word寫報告】

※(1).【成果Demo】：把上述【消費者對於洗面乳選購的檢定】➜撰寫分析報告【SPSS➜Excel➜Word】(3)


⬇
【下載Excel成果檔案】，
【下載Word分析報告檔案】，


※【上面是成果報告】，【下面是實際的做法與步驟】

※(1).【成果Demo】：探討A公司的【投放的廣告費】與【銷售量】的【相關性】？


※(2).【觀念】：探討2個變數之間的相關性，2種方法：
➜方法1：【相關係數法】
➜方法2：【繪製散佈圖法】

※(3).【觀念】：2個變數【相關係數法a】的可能情況：
➜粗分３種：正相關(a＞0)，無關(a＝0)，負相關(a＜0)
➜定量精細分類：
1.【絕對值abs(ａ)＜0.3】：低度相關
2.【0.3＜絕對值abs(ａ)＜0.7】：中度相關
3.【0.7＜絕對值abs(ａ)＜0.8】：高度相關
4.【絕對值abs(ａ)＞0.8】：非常高度相關

※(4).下載問卷調查資料：廣告費與銷售量
※開啟【311-1-廣告費與銷售量.csv】

※(5).用北科大軟體雲的SPSS新增新的檔案，先在【變數視圖】視窗
➜建立3個欄位：
➜【月份】：數值
➜【廣告費】：數值
➜【銷售量】：數值
➜複製貼上csv的數據
設定【欄位】，示意圖， 貼上【數據】，示意圖，

※(6).建立【2個變數之間的相關性分析】
➜上方【分析】➜【相關】➜【雙變異數】
【相關性-雙變異數】，示意圖，
➜設定【變數】➜【廣告費，銷售量】
設定【參數】，示意圖，


※(7).注意看：【相關係數】➜【皮爾森Peason相關係數】
➜【注意1】：必須在顯著性p＜0.05，才會符合對立假設（2個變數相關性顯著），接著才能看【相關係數】的值（代表相關程度量化值）
➜【注意2】：如果顯著性p＞0.05，則符合虛無假設（2個變數相關性不明顯）


※(8).看【顯著性值】
➜判斷【顯著性是否＜0.05】：0.000＜0.05➜表示接受【對立假設H1，2個變數相關性顯著】
➜【相關係數：皮爾森係數】：【0.923】＞０.８，代表【非常高度正相關】
➜【**】符號：代表是【非常高度相關】


※(9).【結論1】：A公司的【投放的廣告費】與【銷售量】的【非常高度正相關】
※【結論2】：A公司的【投放廣告】，是有效果的，明顯帶來【銷售量】成長

※(1).【成果Demo】：探討A公司的【投放的廣告費】與【銷售量】的【相關性】？


※(2).【觀念】：探討2個變數之間的相關性，2種方法：
➜方法1：【相關係數法】
➜方法2：【繪製散佈圖法】

※(3).【觀念】：2個變數【相關係數法a】的可能情況：
➜粗分３種：正相關(a＞0)，無關(a＝0)，負相關(a＜0)
➜定量精細分類：
1.【絕對值abs(ａ)＜0.3】：低度相關
2.【0.3＜絕對值abs(ａ)＜0.7】：中度相關
3.【0.7＜絕對值abs(ａ)＜0.8】：高度相關
4.【絕對值abs(ａ)＞0.8】：非常高度相關

※(4).【觀念】：散佈圖的功用：
1.【散佈圖是2個變數彼此之間關係的最原始數據呈現】，若彼此有關，即可一目了然
2.x軸稱為【自變數】
3.y軸稱為【因變數（依變數）】

※(5).下載問卷調查資料：廣告費與銷售量
※開啟【311-1-廣告費與銷售量.csv】

※(6).用北科大軟體雲的SPSS新增新的檔案，先在【變數視圖】視窗
➜建立3個欄位：
➜【月份】：數值
➜【廣告費】：數值
➜【銷售量】：數值
➜複製貼上csv的數據 貼上【數據】，示意圖，

※(7).建立【散佈圖】
➜上方【圖形】➜【圖表編輯器】
➜【展示區】menu➜【散佈圖/點狀圖】➜double click【簡易散佈圖】
單選【簡易散佈圖】，示意圖，
➜設定【x軸變數】➜【廣告費】
➜設定【y軸變數】➜【銷售量】
設定【x，y軸變數】，示意圖，
➜【標題/註解】menu➜勾選【標題1】➜【內容】：廣告費與銷售量的關係圖
設定【標題】，示意圖，


※(8).【結論】：廣告費與銷售量的散佈圖，可以看出具有正相關的線性關係

※(1).【成果Demo】：探討國中3甲班級的【國文成績】與【英文成績】的【相關性】？



※(2).【觀念】：探討2個變數之間的相關性，2種方法：
➜方法1：【相關係數法】
➜方法2：【繪製散佈圖法】

※(3).【觀念】：2個變數【相關係數法a】的可能情況：
➜粗分３種：正相關(a＞0)，無關(a＝0)，負相關(a＜0)
➜定量精細分類：
1.【絕對值abs(ａ)＜0.3】：低度相關
2.【0.3＜絕對值abs(ａ)＜0.7】：中度相關
3.【0.7＜絕對值abs(ａ)＜0.8】：高度相關
4.【絕對值abs(ａ)＞0.8】：非常高度相關

※(4).下載問卷調查資料：國文英文成績
※開啟【311-3-國文英文成績.csv】

※(5).用北科大軟體雲的SPSS新增新的檔案，先在【變數視圖】視窗
➜建立3個欄位：
➜【編號】：數值
➜【國文】：數值
➜【英文】：數值
➜複製貼上csv的數據

※(6).建立【2個變數之間的相關性分析】
➜上方【分析】➜【相關】➜【雙變異數】
➜設定【變數】➜【國文，英文】


※(7).看【相關係數】➜【皮爾森Peason相關係數】
➜【注意1】：必須在顯著性p＜0.05，才會符合對立假設（2個變數相關性顯著），接著才能看【相關係數】的值（代表相關程度量化值）
➜【注意2】：如果顯著性p＞0.05，則符合虛無假設（2個變數相關性不明顯）
※看【顯著性值】
➜判斷【顯著性是否＜0.05】：0.002＜0.05➜表示接受【對立假設H1，2個變數相關性顯著】
➜【相關係數：皮爾森係數】：0.7＜【0.792】＜0.8，代表【高度正相關】
➜【**】符號：代表是【高度相關】

※(8).建立【散佈圖】
➜上方【圖形】➜【圖表編輯器】
➜【展示區】menu➜【散佈圖/點狀圖】➜double click【簡易散佈圖】
➜設定【x軸變數】➜【國文】
➜設定【y軸變數】➜【英文】
➜【標題/註解】menu➜勾選【標題1】➜【內容】：國文與英文的關係圖


※(9).【結論1】：國中3甲班級的【國文成績】與【英文成績】，【高度正相關】
※【結論2】：國中3甲班級學生的【國文成績】越高，【英文成績】也越高

※(1).【成果Demo】：【多個變數之間的相關矩陣】：探討汽車【鈑金，省油，價格】3個變數的相關性（但容易出現誤判）？


※(2).下載問卷調查資料：汽車鈑金省油價格相關性
※開啟【311-4-汽車鈑金省油價格相關性.csv】

※(3).用北科大軟體雲的SPSS新增新的檔案，先在【變數視圖】視窗
➜建立4個欄位：
➜【編號】：數值
➜【鈑金】：數值
➜【省油】：數值
➜【價格】：數值
➜複製貼上csv的數據

※(4).建立【3個變數之間的相關性分析】
➜上方【分析】➜【相關】➜【雙變異數】
➜設定【變數】➜【鈑金，省油，價格】


※(7).看【相關係數】➜【皮爾森Peason相關係數】
➜【注意1】：必須在顯著性p＜0.05，才會符合對立假設（2個變數相關性顯著），接著才能看【相關係數】的值（代表相關程度量化值）
➜【注意2】：如果顯著性p＞0.05，則符合虛無假設（2個變數相關性不明顯）
※看【顯著性值】
➜判斷【顯著性是否＜0.05】：0.000＜0.05➜表示接受【對立假設H1，2個變數相關性顯著】
➜【相關係數：皮爾森係數】：【0.915】＞0.8，代表【高度正相關】
➜【**】符號：代表是【高度相關】

※(9).【結論1】：【鈑金 vs 省油】是【高度負相關】➜很好理解
※【結論2】：【鈑金 vs 價格】是【高度負相關】➜很好理解
※【結論3】：【省油 vs 價格】是【高度正相關】➜不好理解，會不會相關性判斷錯誤了？
➜【多變數的相關係數矩陣，容易出現錯誤判別】：因為【2個變數之間的關係，會受到其它第3，第4...個變數干擾而失真】

※(1).【成果Demo】：【多個變數之間的相關矩陣】：探討學生【成績，出席率，選修學分數，打工時數】4個變數的相關性？（但容易出現誤判）？


※(2).下載問卷調查資料：成績，出席率，學分數，打工時數相關性
※開啟【311-5-成績，出席率，學分數，打工時數相關性.csv】

※(3).用北科大軟體雲的SPSS新增新的檔案，先在【變數視圖】視窗
➜建立4個欄位：
➜【編號】：數值
➜【平均成績】：數值
➜【出席率】：數值
➜【選修學分】：數值
➜【打工時數】：數值
➜複製貼上csv的數據

※(4).建立【4個變數之間的相關性分析】
➜上方【分析】➜【相關】➜【雙變異數】
➜設定【變數】➜【平均成績，出席率，選修學分，打工時數】


※(7).看【相關係數】➜【皮爾森Peason相關係數】
➜【注意1】：必須在顯著性p＜0.05，才會符合對立假設（2個變數相關性顯著），接著才能看【相關係數】的值（代表相關程度量化值）
➜【注意2】：如果顯著性p＞0.05，則符合虛無假設（2個變數相關性不明顯）
※看【顯著性值】
➜判斷【顯著性是否＜0.05】：0.000＜0.05➜表示接受【對立假設H1，2個變數相關性顯著】
➜【相關係數：皮爾森係數】：0.7＜【-0.715】＜0.8，代表【高度負相關】
➜【*】符號：代表是【高度相關】

※(9).【結論1】：【平均成績 vs 出席率】是【無關】➜因為p=0.131＞0.05，虛無假設，沒有顯著差異
※【結論2】：【平均成績 vs 選修學分】是【無關】➜因為p=0.073＞0.05，虛無假設，沒有顯著差異
※【結論3】：【平均成績 vs 打工時數】是【高度負相關】➜因為p=0.014＜0.05，對立假設，有顯著差異➜相關係數是-0.714
※【結論4】：【出席率 vs 選修學分】是【中度相關】➜因為p=0.049＜0.05，對立假設，有顯著差異➜相關係數是0.604
※【結論5】：【出席率 vs 打工時數】是【無關】➜因為p=0.528＞0.05，虛無假設，沒有顯著差異
※【結論6】：【選修學分 vs 打工時數】是【無關】➜因為p=0.644＞0.05，虛無假設，沒有顯著差異
※【結論7】：【多變數的相關係數矩陣，容易出現錯誤判別】：因為【2個變數之間的關係，會受到其它第3，第4...個變數干擾而失真】

※(10).【觀念】：2個變數【相關係數法a】的可能情況：
➜粗分３種：正相關(a＞0)，無關(a＝0)，負相關(a＜0)
➜定量精細分類：
1.【絕對值abs(ａ)＜0.3】：低度相關
2.【0.3＜絕對值abs(ａ)＜0.7】：中度相關
3.【0.7＜絕對值abs(ａ)＜0.8】：高度相關
4.【絕對值abs(ａ)＞0.8】：非常高度相關

※(1).【chp311-4的成果Demo】：【多個變數之間的相關矩陣】：探討汽車【鈑金，省油，價格】3個變數的相關性？

※【當初的結論】：【省油 vs 價格】是【高度正相關】➜不好理解，會不會相關性判斷錯誤了？
➜【這個結論，是錯誤的】
⬇
【正確做法】：偏相關(淨相關)

※上面是成果，下面開始實作：

※(2).下載問卷調查資料：汽車鈑金省油價格相關性
※開啟【311-4-汽車鈑金省油價格相關性.csv】

※(3).用北科大軟體雲的SPSS新增新的檔案，先在【變數視圖】視窗
➜建立4個欄位：
➜【編號】：數值
➜【鈑金】：數值
➜【省油】：數值
➜【價格】：數值
➜複製貼上csv的數據

※(4).建立【3個變數之間的相關性分析】
➜上方【分析】➜【相關】➜【局部】
➜ （注意：學校的SPSS版本為23版，沒有翻譯成【偏相關，Partial】，而是翻譯成【局部】）
➜【其它SPSS版本，翻譯成偏相關】，示意圖，
➜設定【變數】➜【省油，價格】
➜設定【為此項目進行控制】➜【鈑金】
➜設定【參數】，示意圖，


※(7).看【相關係數】➜【皮爾森Peason相關係數】
➜【注意1】：必須在顯著性p＜0.05，才會符合對立假設（2個變數相關性顯著），接著才能看【相關係數】的值（代表相關程度量化值）
➜【注意2】：如果顯著性p＞0.05，則符合虛無假設（2個變數相關性不明顯）
※判斷【顯著性是否＜0.05】：0.571＞0.05➜表示接受【虛無假設H0，2個變數相關性不顯著】

※(8).【結論】：
※【結論1】：【省油 vs 價格】其實是【無關的】➜省油的車，不一定貴，也不一定便宜

※【結論2】：若是用【多變數的相關係數矩陣，容易出現錯誤判別】：
➜當初的判斷是：【省油 vs 價格】是【高度正相關】➜不好理解，會不會相關性判斷錯誤了？
➜【原因】：因為多變數的相關係數矩陣，容易出現錯誤判別，因為【2個變數之間的關係，會受到其它第3，第4...個變數干擾而失真】
➜【正確做法】：【先固定其它變數】，只【探討2個變數】，這種相關性係數才准確

※【結論3】：【多變數的相關性探討】，要用【偏相關】法，才會準確

※(1).【chp311-4的成果Demo】：【偏相關(Partial，淨相關)：多個變數之間排除其他條件的專門檢定2個變數】：探討學生【平均成績 vs 打工時數】4個變數的2個變數的相關性？

※【當初的結論】：【結論4】：【出席率 vs 選修學分】是【中度相關】
➜【這個結論，是錯誤的】
⬇
【正確做法】：偏相關(淨相關)

※上面是成果，下面開始實作：

※(2).下載問卷調查資料：成績，出席率，學分數，打工時數相關性
※開啟【311-5-成績，出席率，學分數，打工時數相關性.csv】

※(3).用北科大軟體雲的SPSS新增新的檔案，先在【變數視圖】視窗
➜建立4個欄位：
➜【編號】：數值
➜【平均成績】：數值
➜【出席率】：數值
➜【選修學分】：數值
➜【打工時數】：數值
➜複製貼上csv的數據

※(4).建立【3個變數之間的相關性分析】
➜上方【分析】➜【相關】➜【局部】
➜ （注意：學校的SPSS版本為23版，沒有翻譯成【偏相關，Partial】，而是翻譯成【局部】）
➜【其它SPSS版本，翻譯成偏相關】，示意圖，
➜設定【變數】➜【出席率，選修學分】
➜設定【為此項目進行控制】➜【平均成績，打工時數】
➜設定【參數】，示意圖，


※(7).看【相關係數】➜【皮爾森Peason相關係數】
➜【注意1】：必須在顯著性p＜0.05，才會符合對立假設（2個變數相關性顯著），接著才能看【相關係數】的值（代表相關程度量化值）
➜【注意2】：如果顯著性p＞0.05，則符合虛無假設（2個變數相關性不明顯）
※判斷【顯著性是否＜0.05】：0.265＞0.05➜表示接受【虛無假設H0，2個變數相關性不顯著】

※(8).【結論】：
※【結論1】：【出席率 vs 選修學分】是【無關】的

※【結論2】：若是用【多變數的相關係數矩陣，容易出現錯誤判別】：
➜當初的判斷是：【出席率 vs 選修學分】是【中度相關】➜因為p=0.049＜0.05，對立假設，有顯著差異➜相關係數是0.604
➜【原因】：因為多變數的相關係數矩陣，容易出現錯誤判別，因為【2個變數之間的關係，會受到其它第3，第4...個變數干擾而失真】
➜【正確做法】：【先固定其它變數】，只【探討2個變數】，這種相關性係數才准確

※【結論3】：【多變數的相關性探討】，要用【偏相關】法，才會準確

※(1).【成果Demo】：
※【線性迴歸方程式】：y = 10.467*x （y是銷售量，x是廣告費）

-----------------------------
※(2).下載問卷調查資料：廣告費與銷售量
※開啟【312-1-廣告費與銷售量.csv】

※(3).用北科大軟體雲的SPSS新增新的檔案，先在【變數視圖】視窗
➜建立2個欄位：
➜【廣告費】：數值
➜【銷售量】：數值
➜複製貼上csv的數據 貼上【數據】，示意圖，

※(4).建立【含有常數項的迴歸方程式】
➜上方【分析】➜【迴歸】➜【線性】
➜設定【依變數】➜【銷售量】
➜設定【自變數】➜【廣告費】
➜設定【方法】➜【輸入】
➜設定【統計資料】➜勾選【估計值】➜勾選【模型配適度】
設定【參數】，示意圖，


※(5).先看【變異數分析】表格➜【可以評估這個自變數x與依變數y之間是否有顯著的迴歸線關係？】
➜【注意1】：必須在顯著性p＜0.05，才會符合對立假設（x，y這2個變數的迴歸線顯著）
➜【注意2】：如果顯著性值p＞0.05，則符合虛無假設（x，y這2個變數的迴歸線不明顯）
➜【結果】：必須在顯著性p=0.000＜0.05，符合對立假設（x，與y之間有顯著的迴歸線關係）

※(6).再看【係數】表格
➜如何知道迴歸方程式與係數：y=ax+b
➜係數表格的【非標準化係數】欄位➜【B】值➜就是係數
➜（常數）的B值 = 306.106➜就是y=ax+b的【b值】
➜（廣告費x）的B值 = 9.131➜就是y=ax+b的【a值】
➜【方程式】：y = 9.131*x +306.106

※(7).再看【顯著性】欄位：
※看（常數）的【顯著性】值 = 0.227＞0.05 ➜支持【虛無】假設➜（常數）項可以忽略，不重要
➜就是 y = ax + b 的【b】係數，可以省略

※看（廣告費x）的【顯著性】值 = 0.000＜0.05 ➜支持【對立】假設➜（廣告費x）項關係重要，顯著影響
➜就是 y = ax + b 的【a】係數，不可以省略
※【迴歸方程式】： y = 9.131*x （y是銷售量，x是廣告費）

-----------------------------
※(8).重新再建立【沒有含有常數項的迴歸方程式】
➜上方【分析】➜【迴歸】➜【線性】
➜設定【依變數】➜【銷售量】
➜設定【自變數】➜【廣告費】
➜設定【方法】➜【輸入】
➜設定【選項】➜取消勾選【在方程式中併入常數】
取消勾選【在方程式中併入常數】，示意圖，




※(9).再看【係數】表格
➜如何知道迴歸方程式與係數：y=ax+b
➜係數表格的【非標準化係數】欄位➜【B】值➜就是係數
➜【方程式】：y = 10.467*x

※(10).再看【顯著性】欄位：
※看（廣告費x）的【顯著性】值 = 0.000＜0.05 ➜支持【對立】假設➜（廣告費x）項關係重要，顯著影響
※【最後的線性迴歸方程式】：y = 10.467*x （y是銷售量，x是廣告費）

※(11).【結論】：
※【線性迴歸方程式】：y = 10.467*x （y是銷售量，x是廣告費）

※(1).【成果Demo】：
※【線性迴歸方程式】：y = 0.858*x （y是銀行放款金額，x是銀行存款金額）

-----------------------------
※(2).下載問卷調查資料：銀行之存款放款餘額
※開啟【312-2-銀行之存款放款餘額.csv】

※(3).用北科大軟體雲的SPSS新增新的檔案，先在【變數視圖】視窗
➜建立3個欄位：
➜【分行】：數值
➜【存款餘額】：數值
➜【放款餘額】：數值
➜複製貼上csv的數據 貼上【數據】，示意圖，

※(4).建立【含有常數項的迴歸方程式】
➜上方【分析】➜【迴歸】➜【線性】
➜設定【依變數】➜【銷售量】
➜設定【自變數】➜【廣告費】
➜設定【方法】➜【輸入】
➜設定【統計資料】➜勾選【估計值】➜勾選【模型配適度】
設定【參數】，示意圖，


※(5).先看【變異數分析】表格➜【可以評估這個自變數x與依變數y之間是否有顯著的迴歸線關係？】
➜【注意1】：必須在顯著性p＜0.05，才會符合對立假設（x，y這2個變數的迴歸線顯著）
➜【注意2】：如果顯著性值p＞0.05，則符合虛無假設（x，y這2個變數的迴歸線不明顯）
➜【結果】：必須在顯著性p=0.000＜0.05，符合對立假設（x，與y之間有顯著的迴歸線關係）

※(6).再看【係數】表格
➜如何知道迴歸方程式與係數：y=ax+b
➜係數表格的【非標準化係數】欄位➜【B】值➜就是係數
➜（常數）的B值 = -2.928➜就是y=ax+b的【b值】
➜（廣告費x）的B值 = 0.89➜就是y=ax+b的【a值】
➜【方程式】：y = 0.89*x -2.928

※(7).再看【顯著性】欄位：
※看（常數）的【顯著性】值 = 0.144＞0.05 ➜支持【虛無】假設➜（常數）項可以忽略，不重要
➜就是 y = ax + b 的【b】係數，可以省略

※看（廣告費x）的【顯著性】值 = 0.000＜0.05 ➜支持【對立】假設➜（廣告費x）項關係重要，顯著影響
➜就是 y = ax + b 的【a】係數，不可以省略
※【迴歸方程式】： y = 0.89*x （y是銀行放款金額，x是銀行存款金額）

-------------------------------------
※(8).重新再建立【沒有含有常數項的迴歸方程式】
➜上方【分析】➜【迴歸】➜【線性】
➜設定【依變數】➜【銷售量】
➜設定【自變數】➜【廣告費】
➜設定【方法】➜【輸入】
➜設定【選項】➜取消勾選【在方程式中併入常數】
取消勾選【在方程式中併入常數】，示意圖，




※(9).再看【係數】表格
➜如何知道迴歸方程式與係數：y=ax+b
➜係數表格的【非標準化係數】欄位➜【B】值➜就是係數
➜【方程式】：y = 0.858*x

※(10).再看【顯著性】欄位：
※看（廣告費x）的【顯著性】值 = 0.000＜0.05 ➜支持【對立】假設➜（廣告費x）項關係重要，顯著影響
※【最後的線性迴歸方程式】：y = 0.858*x （y是銀行放款金額，x是銀行存款金額）

※(11).【結論】：
※【線性迴歸方程式】：y = 0.858*x （y是銀行放款金額，x是銀行存款金額）

※(1).【成果Demo】：
※【線性迴歸方程式】：y = -5.612*x +62.667 （y是價格，x是車齡）

-----------------------------
※(2).下載問卷調查資料：中古車車齡與車價
※開啟【312-3-中古車車齡與車價.csv】

※(3).用北科大軟體雲的SPSS新增新的檔案，先在【變數視圖】視窗
➜建立3個欄位：
➜【車齡】：數值
➜【里程數】：數值
➜【價格】：數值
➜複製貼上csv的數據

※(4).在【變數視圖】視窗➜【建立標籤】
➜【里程數】的【標籤】：萬公里
➜【價格】的【標籤】：萬
【建立標籤】，示意圖，

※(4).建立【含有常數項的迴歸方程式】
➜上方【分析】➜【迴歸】➜【線性】
➜設定【依變數】➜【價格】
➜設定【自變數】➜【車齡】
➜設定【方法】➜【輸入】
➜設定【統計資料】➜勾選【估計值】➜勾選【模型配適度】
設定【參數】，示意圖，


※(5).先看【變異數分析】表格➜【可以評估這個自變數x與依變數y之間是否有顯著的迴歸線關係？】
➜【注意1】：必須在顯著性p＜0.05，才會符合對立假設（x，y這2個變數的迴歸線顯著）
➜【注意2】：如果顯著性值p＞0.05，則符合虛無假設（x，y這2個變數的迴歸線不明顯）
➜【結果】：必須在顯著性p=0.000＜0.05，符合對立假設（x，與y之間有顯著的迴歸線關係）

※(6).再看【係數】表格
➜如何知道迴歸方程式與係數：y=ax+b
➜係數表格的【非標準化係數】欄位➜【B】值➜就是係數
➜（常數）的B值 = 62.667➜就是y=ax+b的【b值】
➜（廣告費x）的B值 =-5.612➜就是y=ax+b的【a值】
➜【方程式】：y = -5.612*x +62.667

※(7).再看【顯著性】欄位：
※看（常數）的【顯著性】值 = 0.000＜0.05 ➜支持【對立】假設➜（常數）項不可以忽略
➜就是 y = ax + b 的【b】係數，不可以省略

※看（廣告費x）的【顯著性】值 = 0.000＜0.05 ➜支持【對立】假設➜（廣告費x）項關係重要，顯著影響
➜就是 y = ax + b 的【a】係數，不可以省略
※【迴歸方程式】： y = -5.612*x +62.667 （y是價格，x是車齡）


※(11).【結論】：
※【線性迴歸方程式】：y = -5.612*x +62.667 （y是價格，x是車齡）

※(1).【成果Demo】：
※【線性迴歸方程式】：y = -5.612*x +62.667 （y是價格，x是車齡）


-----------------------------
※(2).下載問卷調查資料：中古車車齡與車價
※開啟【312-3-中古車車齡與車價.csv】

※(3).用北科大軟體雲的SPSS新增新的檔案，先在【變數視圖】視窗
➜建立3個欄位：
➜【車齡】：數值
➜【里程數】：數值
➜【價格】：數值
➜複製貼上csv的數據

※(4).在【變數視圖】視窗➜【建立標籤】
➜【里程數】的【標籤】：萬公里
➜【價格】的【標籤】：萬
【建立標籤】，示意圖，

※(4).建立【含有常數項的迴歸方程式】
➜上方【分析】➜【迴歸】➜【曲線估計】（注意：若是選【線性】，則無法看繪圖）
➜設定【因變數】➜【價格】
➜設定【自變數】➜【車齡】
➜勾選【方程式帶有常數項】
➜勾選【印出模式的線形圖】
➜勾選【模型】➜勾選【線性】





※(5).先看【變異數分析】表格➜【可以評估這個自變數x與依變數y之間是否有顯著的迴歸線關係？】
➜【注意1】：必須在顯著性p＜0.05，才會符合對立假設（x，y這2個變數的迴歸線顯著）
➜【注意2】：如果顯著性值p＞0.05，則符合虛無假設（x，y這2個變數的迴歸線不明顯）
➜【結果】：必須在顯著性p=0.000＜0.05，符合對立假設（x，與y之間有顯著的迴歸線關係）

※(6).再看【係數】表格
➜如何知道迴歸方程式與係數：y=ax+b
➜係數表格的【非標準化係數】欄位➜【B】值➜就是係數
➜（常數）的B值 = 62.667➜就是y=ax+b的【b值】
➜（廣告費x）的B值 =-5.612➜就是y=ax+b的【a值】
➜【方程式】：y = -5.612*x +62.667

※(7).再看【顯著性】欄位：
※看（常數）的【顯著性】值 = 0.000＜0.05 ➜支持【對立】假設➜（常數）項不可以忽略
➜就是 y = ax + b 的【b】係數，不可以省略

※看（廣告費x）的【顯著性】值 = 0.000＜0.05 ➜支持【對立】假設➜（廣告費x）項關係重要，顯著影響
➜就是 y = ax + b 的【a】係數，不可以省略
※【迴歸方程式】： y = -5.612*x +62.667 （y是價格，x是車齡）


※(11).【結論】：
※【線性迴歸方程式】：y = -5.612*x +62.667 （y是價格，x是車齡）

※(1).【成果Demo】：
※【迴歸方程式】： y = -34.672　x**2 ＋3287.152*x -38529.904（y是每月所得，x是年齡）


-----------------------------
※(2).下載問卷調查資料：年齡與所得
※開啟【312-5-年齡與所得.csv】

※(3).用北科大軟體雲的SPSS新增新的檔案，先在【變數視圖】視窗
➜建立2個欄位：
➜【年齡】：數值
➜【每月所得】：數值
➜複製貼上csv的數據

※(4).建立【含有常數項的迴歸方程式】
➜上方【分析】➜【迴歸】➜【曲線估計】（注意：若是選【線性】，則無法看繪圖）
➜設定【因變數】➜【每月所得】
➜設定【自變數】➜【年齡】
➜勾選【方程式帶有常數項】
➜勾選【印出模式的線形圖】
➜勾選【模型】➜勾選【線性】➜勾選【二次曲線模型】
➜勾選【顯示ANOVA摘要表】
【建立標籤】，示意圖，




※(5).先看【變異數分析】表格➜【可以評估這個自變數x與依變數y之間是否有顯著的迴歸線關係？】
➜【注意1】：必須在顯著性p＜0.05，才會符合對立假設（x，y這2個變數的迴歸線顯著）
➜【注意2】：如果顯著性值p＞0.05，則符合虛無假設（x，y這2個變數的迴歸線不明顯）
➜【結果】：必須在顯著性p=0.000＜0.05，符合對立假設（x，與y之間有顯著的迴歸線關係）

※(6).再看【係數】表格
➜如何知道迴歸方程式與係數：y=ax**2 + bx + c
➜（常數）的B值 = -38529.904➜就是y=ax**2 + bx + c的【c值】
➜（年齡x）的B值 =3287.152➜就是y=ax**2 + bx + c的【b值】
➜（年齡x**2）的B值 =-34.672➜y=ax**2 + bx + c的【a值】
➜【方程式】：y = -34.672　x**2 ＋3287.152*x -38529.904

※(7).再看【顯著性】欄位：
※看（常數）的【顯著性】值 = 0.000＜0.05 ➜支持【對立】假設➜（常數）項不可以忽略
➜就是y=ax**2 + bx + c 的【b】係數，不可以省略
※看（x，x**2）的【顯著性】值 = 0.000＜0.05 ➜支持【對立】假設➜（廣告費x）項關係重要，顯著影響
➜就是 y=ax**2 + bx + c的【a,b,c】係數，不可以省略
※【迴歸方程式】： y = -34.672　x**2 ＋3287.152*x -38529.904（y是每月所得，x是年齡）


※(8).【結論】：
※【線性迴歸方程式】：y = -34.672　x**2 ＋3287.152*x -38529.904（y是每月所得，x是年齡）

※(1).【成果Demo】：
※【對數迴歸方程式】： y = 21.512*ln(x) + 19.478（y是樹木高度，x是直徑）
※【二次曲線迴歸方程式】： y = -0.171*x**2＋6.933*x + 19.639（y是樹木高度，x是直徑）


-----------------------------
※(2).下載問卷調查資料：樹木直徑與高度
※開啟【312-6-樹木直徑與高度.csv】

※(3).用北科大軟體雲的SPSS新增新的檔案，先在【變數視圖】視窗
➜建立2個欄位：
➜【直徑_吋】：數值
➜【高度_呎】：數值
➜複製貼上csv的數據

※(4).建立【含有常數項的迴歸方程式】
➜上方【分析】➜【迴歸】➜【曲線估計】（注意：若是選【線性】，則無法看繪圖）
➜設定【因變數】➜【高度_呎】
➜設定【自變數】➜【直徑_吋】
➜勾選【方程式帶有常數項】
➜勾選【印出模式的線形圖】
➜勾選【模型】➜勾選【線性，二次曲線，對數】
➜勾選【顯示ANOVA摘要表】


【對數曲線】


※(5).先看【變異數分析】表格➜【可以評估這個自變數x與依變數y之間是否有顯著的迴歸線關係？】
➜【注意1】：必須在顯著性p＜0.05，才會符合對立假設（x，y這2個變數的迴歸線顯著）
➜【注意2】：如果顯著性值p＞0.05，則符合虛無假設（x，y這2個變數的迴歸線不明顯）
➜【結果】：必須在顯著性p=0.000＜0.05，符合對立假設（x，與y之間有顯著的迴歸線關係）

※(6).再看【對數-係數】表格
➜如何知道對數迴歸方程式與係數：y=a*ln(x) + b
➜（常數）的B值 = 19.478➜就是y=a*ln(x) + b的【b值】
➜（年齡x）的B值 =21.512➜就是y=a*ln(x) + b的【a值】
➜【方程式】：y = 21.512*ln(x) + 19.478

※(7).再看【對數-顯著性】欄位：
※看（常數）的【顯著性】值 = 0.000＜0.05 ➜支持【對立】假設➜（常數）項不可以忽略
➜就是*ln(x) + b 的【b】係數，不可以省略
※看（x，x**2）的【顯著性】值 = 0.000＜0.05 ➜支持【對立】假設➜（廣告費x）項關係重要，顯著影響
➜就是 *ln(x) + b的【a,b】係數，不可以省略
※【對數迴歸方程式】： y = 21.512*ln(x) + 19.478（y是樹木高度，x是直徑）

※(8).再看【二次曲線-顯著性】欄位：
※【二次曲線迴歸方程式】： y = -0.171*x**2＋6.933*x + 19.639（y是樹木高度，x是直徑）

※(8).【結論】：
※【對數迴歸方程式】： y = 21.512*ln(x) + 19.478（y是樹木高度，x是直徑）
※【二次曲線迴歸方程式】： y = -0.171*x**2＋6.933*x + 19.639（y是樹木高度，x是直徑）

※(1).【成果Demo】：
※【線性迴歸方程式】：y = -5.612*x +62.667 （y是價格，x是車齡）


-----------------------------
※(2).下載問卷調查資料：中古車車齡與車價
※開啟【312-7-中古車車齡與車價.csv】

※(3).用北科大軟體雲的SPSS新增新的檔案，先在【變數視圖】視窗
➜建立3個欄位：
➜【車齡】：數值
➜【里程數】：數值
➜【價格】：數值
➜複製貼上csv的數據

※(4).在【變數視圖】視窗➜【建立標籤】
➜【里程數】的【標籤】：萬公里
➜【價格】的【標籤】：萬
【建立標籤】，示意圖，

※(4).建立【含有常數項的迴歸方程式】
➜上方【分析】➜【迴歸】➜【線性】
➜設定【依變數】➜【價格】
➜設定【自變數】➜【車齡，里程數】
➜設定【方法】➜【輸入】
➜設定【統計資料】➜勾選【估計值】➜勾選【模型配適度】
設定【參數】，示意圖，


※(5).先看【變異數分析】表格➜【可以評估這個自變數x與依變數y之間是否有顯著的迴歸線關係？】
➜【注意1】：必須在顯著性p＜0.05，才會符合對立假設（x，y這2個變數的迴歸線顯著）
➜【注意2】：如果顯著性值p＞0.05，則符合虛無假設（x，y這2個變數的迴歸線不明顯）
➜【結果】：必須在顯著性p=0.000＜0.05，符合對立假設（x1,x2，與y之間有顯著的迴歸線關係）

※(6).再看【係數】表格
➜如何知道迴歸方程式與係數：y=ax+b
➜係數表格的【非標準化係數】欄位➜【B】值➜就是係數
➜（常數）的B值 = 62.647➜查看顯著值【0.00】
➜（車齡x1）的B值 =-5.374➜查看顯著值【0.00】
➜（里程數x2）的B值 =-0.229➜查看顯著值【0.835】＞0.005➜虛無假設➜效果不明顯
➜【方程式】：y = -5.374*x +62.647

-------------------------------------
※(7).重新再建立【曲線迴歸方程式】並【繪圖】
➜上方【分析】➜【迴歸】➜【曲線估計】（注意：若是選【線性】，則無法看繪圖）
➜設定【因變數】➜【價格】
➜設定【自變數】➜【車齡】
➜勾選【方程式帶有常數項】
➜勾選【印出模式的線形圖】
➜勾選【模型】➜勾選【線性】


※再看【係數】表格
➜（常數）的B值 = 62.667➜查看顯著值【0.00】
➜（車齡x1）的B值 =-5.612➜查看顯著值【0.00】
➜【方程式】：y = -5.612*x +62.667

※(8).【結論】：
※【線性迴歸方程式】：y = -5.612*x +62.667 （y是價格，x是車齡）

※(1).【成果Demo】：
※【線性迴歸方程式】：y = 4.131*x + 55.198 （y是信用分數，x1是總收入）


-----------------------------
※(2).下載問卷調查資料：信用分數-與收入，不動產，動產，房貸，撫養支出
※開啟【312-8-信用分數-與總收入，不動產，動產，房貸，撫養支出.csv】

※(3).用北科大軟體雲的SPSS新增新的檔案，先在【變數視圖】視窗
➜建立6個欄位：
➜【總收入】：數值
➜【不動產】：數值
➜【動產】：數值
➜【每月房貸】：數值
➜【撫養支出】：數值
➜【信用分數】：數值
➜複製貼上csv的數據


※(4).建立【含有常數項的多元複迴歸方程式】
➜上方【分析】➜【迴歸】➜【線性】
➜設定【依變數】➜【信用分數】
➜設定【自變數】➜【總收入，不動產，動產，房貸，撫養支出】
➜設定【方法】➜【輸入】
➜設定【統計資料】➜勾選【估計值】➜勾選【模型配適度】
設定【參數】，示意圖，


※(5).先看【變異數分析】表格➜【可以評估這個自變數x與依變數y之間是否有顯著的迴歸線關係？】
➜【注意1】：必須在顯著性p＜0.05，才會符合對立假設（x，y這2個變數的迴歸線顯著）
➜【注意2】：如果顯著性值p＞0.05，則符合虛無假設（x，y這2個變數的迴歸線不明顯）
➜【結果】：必須在顯著性p=0.000＜0.05，符合對立假設（x1,x2，與y之間有顯著的迴歸線關係）

※(6).再看【係數】表格
➜（常數）的B值 = 57.076➜查看顯著值【0.007】
➜（總收入x1）的B值 =-5.351➜查看顯著值【0.033】
➜（不動產x2）的B值 =0.704➜查看顯著值【0.528】＞0.005➜虛無假設➜效果不明顯
➜（動產x3）的B值 =-4.962➜查看顯著值【0.458】＞0.005➜虛無假設➜效果不明顯
➜（每月房貸x4）的B值 =-0.90➜查看顯著值【0.963】 ＞0.005➜虛無假設➜效果不明顯
➜（撫養支出x5）的B值 =-2.499➜查看顯著值【0.28】＞0.005➜虛無假設➜效果不明顯

※結論1：客戶的【信用分數】與【不動產，動產，每月房貸，撫養支出】都無關
※結論2：客戶的【信用分數】與【總收入】有關
➜【2者關係的迴歸方程式】：y = -5.351*x1 + 57.076（y是信用分數，x1是總收入）

-------------------------------------
※(7).重新再建立【曲線迴歸方程式】並【繪圖】
➜上方【分析】➜【迴歸】➜【曲線估計】（注意：若是選【線性】，則無法看繪圖）
➜設定【依變數】➜【信用分數】
➜設定【自變數】➜【總收入】
➜勾選【方程式帶有常數項】
➜勾選【印出模式的線形圖】
➜勾選【模型】➜勾選【線性】


※再看【係數】表格
➜（常數）的B值 = 55.198➜查看顯著值【0.00】
➜（總收入x1）的B值 =4.131➜查看顯著值【0.00】
➜【方程式】：y = 4.131*x + 55.198（y是信用分數，x1是總收入）


※(8).【結論】：
※結論1：客戶的【信用分數】與【不動產，動產，每月房貸，撫養支出】都無關
※結論2：客戶的【信用分數】與【總收入】有關
※結論3：【2者關係的迴歸方程式】：y = 4.131*x + 55.198 （y是信用分數，x1是總收入）

※(1).【成果Demo】：
➜【多元迴歸方程式】：y = 0.103*x3 - 0.055*x4 + 0.55
➜【多元迴歸方程式】：出席率y = 0.103*上課內容x3 - 0.055*上課時段x4 + 0.55

-----------------------------
※(2).下載問卷調查資料：上課出席率
※開啟【312-9-上課出席率.csv】

※(3).用北科大軟體雲的SPSS新增新的檔案，先在【變數視圖】視窗
➜建立5個欄位：
➜【是否點名】：數值
➜【成績高低】：數值
➜【上課內容】：數值
➜【上課時段】：數值
➜【出席率】：數值
➜複製貼上csv的數據
➜【數值】為5點量表：1非常不同意.......5非常同意


※(4).建立【含有常數項的多元複迴歸方程式】
➜上方【分析】➜【迴歸】➜【線性】
➜設定【依變數】➜【出席率】
➜設定【自變數】➜【是否點名，成績高低，上課內容，上課時段】
➜設定【方法】➜【輸入】
➜設定【統計資料】➜勾選【估計值】➜勾選【模型配適度】


※(5).先看【變異數分析】表格➜【可以評估這個自變數x與依變數y之間是否有顯著的迴歸線關係？】
➜【注意1】：必須在顯著性p＜0.05，才會符合對立假設（x，y這2個變數的迴歸線顯著）
➜【注意2】：如果顯著性值p＞0.05，則符合虛無假設（x，y這2個變數的迴歸線不明顯）
➜【結果】：必須在顯著性p=0.000＜0.05，符合對立假設（x1,x2，與y之間有顯著的迴歸線關係）

※(6).再看【係數】表格
➜（常數）的B值 = 0.479➜查看顯著值【0.007】
➜（是否點名x1）的B值 =0.026➜查看顯著值【0.277】＞0.005➜虛無假設➜效果不明顯
➜（成績高低x2）的B值 =0.013➜查看顯著值【0.460】＞0.005➜虛無假設➜效果不明顯
➜（上課內容x3）的B值 =0.1➜查看顯著值【0.002】
➜（上課時段x4）的B值 =-0.057➜查看顯著值【0.024】
➜【多元迴歸方程式】：y = 0.1*x3 - 0.057*x4 + 0.479
➜【多元迴歸方程式】：出席率y = 0.1*上課內容x3 - 0.057*上課時段x4 + 0.479

-------------------------------------
※(7).【無法】重新再建立【曲線迴歸方程式】並【繪圖】
➜【原因】：【曲線迴歸方程式】只能夠【自變數x1 vs 依變數y）➜【1對1】
➜【無法】：【多對1】
-------------------------------------
※(8).建立【含有常數項的多元複迴歸方程式】
➜上方【分析】➜【迴歸】➜【線性】
➜上方【分析】➜【迴歸】➜【線性】
➜設定【依變數】➜【出席率】
➜設定【自變數】➜【上課內容，上課時段】
➜設定【方法】➜【輸入】
➜設定【統計資料】➜勾選【估計值】➜勾選【模型配適度】

※再看【係數】表格
➜（常數）的B值 = 0.479➜查看顯著值【0.001】
➜（上課內容x3）的B值 =0.1➜查看顯著值【0.000】
➜（上課時段x4）的B值 =-0.057➜查看顯著值【0.014】
➜【多元迴歸方程式】：y = 0.103*x3 - 0.055*x4 + 0.55
➜【多元迴歸方程式】：出席率y = 0.103*上課內容x3 - 0.055*上課時段x4 + 0.55

※(9).【結論】：
➜【多元迴歸方程式】：y = 0.103*x3 - 0.055*x4 + 0.55
➜【多元迴歸方程式】：出席率y = 0.103*上課內容x3 - 0.055*上課時段x4 + 0.55

chp41-1-行銷活動問卷調查資料的預處理

chp42-1-問卷調查統計分析：單變數t檢定(2類別 vs 數值)

chp42-2-問卷調查統計分析：單變數anova檢定，單因子變異數分析(類別>=3 vs 數值)

chp43-1-問卷調查統計分析：anova檢定，單因子變異數分析

chp44-1-問卷調查統計分析：pearson相關性檢定

chp44-2-問卷調查統計分析：df.corr()關聯性係數表

chp45-1-問卷調查統計分析：卡方檢定

chp46-1-問卷調查統計分析：用sklearn LinaerRegression做多變數迴歸分析

chp46-2-問卷調查統計分析：用sklearn LinaerRegression做多變數迴歸分析(要計算權重矩陣w/關聯係數，最好數據先標準化)

chp46-3-問卷調查統計分析：用statsmodels.formula.api的ols普通最小平方法做多變數迴歸分析與檢定

chp46-4-問卷調查統計分析：用statsmodels.formula.api的ols普通最小平方法做多變數迴歸分析與檢定(要計算權重矩陣w/關聯係數，最好數據先標準化)