兩種「推估」的殊死戰


我比較相信專家

因為專家會以多種不同角度去分析

雖然電腦也會，但是當我們有問題需要解答，當然也是找專家囉！

電腦只能給我多一點的資料和解析。

個案研究的兩種範疇

我舉例來說：大家都覺得學歷很重要，但是大家現在回頭看，當在徵清潔人員時，很多大學生、研究生、博士都搶破頭，而我看報紙看到有學生甘願放棄台大的校園生活去當魚夫，所以現在並不是學歷高就有用，要學以致用，而不是學而不用。

化妝品的故事---推估統計與虛無假設

推論統計的主要目的是在於由樣本資料推估母體資料，作為決策的參考或是制定決策。例如，一飲料廠商想了解所開發的產品甜度是否適中，則可藉由適當的抽樣，抽取代表性的消費者，進行口味測試，並進而推估全市場對甜度接受的情況。推論統計另一個重要的概念是假設的設立。 我們一般按照費雪爾（R.A. Fisher），把假設分為虛無假設（null hypothesis）與對立假設（alternative hypothesis）兩種，且分別以符號Ho及H1表示之。費雪爾建議：將實驗者心目中盼望得到的研究結果當作是對立假設H1 ；而將與對立假設完全相反的結果當作是虛無假設Ho。在兩種假設當中，只有虛無假設是直接受到統計檢定。費雪爾希望藉由統計測驗推翻虛無假設，從而間接的為對立假設的可信性提供支持。 他這種思考法，是基於以下的信念：要證明一個敘述為真是非常困難的，但要否定一個敘述則只需提供一個反例即可‧‧‧‧系統誤差(systematic error) 隨機誤差(random error)。 1. 『系統誤差』： 所謂測量，乃是大家事先公定有一測量 單位（標準），例如 公尺。 然後依據製造出含刻度的測量工具（例如 尺）， 將測量工具 和待測物相互比較，而判得 測量值。 如果測量工具本身所顯示的刻度，因為 校正時疏忽，造成不正確。 或因為 環境的因素（例如溫度 壓力等），使得數值產生變化。 或因 人為不正確（或不熟練）操作或 觀測方法錯誤。都是可能產生 系統誤差的來源。 對於某些非 直接測量的物理量，依據某 原理或方法設計出來的實驗。 也有可能因為 實驗時 無法充分滿足 原理所假設的狀況， 或根本設計原理有失誤，而造成系統誤差。（這也是很多人常忽略的） 通常 『系統誤差』會使得所有測量值 都過高或過低的偏差， 偏差量大致相同，不含機率分佈的因素。2. 『隨機誤差』： 實驗的基本方法，往往是希望能 控制變因， 以找出 物理量受 個別變因的影響。因此 總是希望 控制所有影響的變因，一次只讓一種變因變化。 實驗的設計便是盡量能達到上述的目的。 而且為了實驗簡便，往往也忽略對實驗影響較微小的因素。（也比較實際） 但實際操作時，不見得盡如人意。 這些不易控制（有時候無法控制）的小變因， 便會使測量值產生隨機分佈的誤差。 也就是說 有些測量值會過高，有些則會稍低。降低 『系統誤差』的方法，當然只有靠 正確分析誤差來源： 儀器造成的 → 設法改良儀器。 環境造成的 → 設法控制實驗環境。 操作不良的→ 只好 加強訓練自己了喔！

幼92丙 38號 黃昭紋 期末報告

描述：
從投票結果裡面看到：
我從這個民調看到，在（2007年我國的政治與2006年相較會如何變化？）的投票結果看到41％人認為在2007年之後政治會變的混亂許多，29％的人認為2007年之後政治也沒有受到什麼影響，19％的人認為2007年之後政治會混亂一些，10％的人認為2007年之後政治會安定一些，4％的人認為2007年之後政治會安定許多。
從交叉分析裡面看到：
性別方面：認為會變得混亂許多，男生比女生多11％，覺得差不多的，女生比男生多5％，而混亂一些的，女生比男生多4％，然後安定一些的，女生比男生多1％，最後安定許多的，男生多女生1％。
婚姻方面：認為會變得混亂許多，女生比男生多9％，覺得差不多的，男生比女生多5％，而混亂一些的，男生比女生多1％，然後安定一些的，男生比女生多4％，最後安定許多的，男生和女生一樣。
年齡方面：混認為會變得混亂許多的人以30歲以上的人佔多數，覺得差不多的人以30幾歲以下的居多。
學歷方面：國中程度以下的人大部分覺得會混亂許多，但其他方面很平均，國中程度的人覺得混亂許多和差不多人數各佔一半，高中職以上程度的人大多覺得混亂許多。
收入方面：無收入的人全部的人都覺得混亂許多，沒有人認為會變安定，收入在3萬元以下的人覺得會混亂許多佔40％左右，高收入族群佔ㄧ半覺得混亂許多。
居住地區方面：南部以北的人以中部覺得混亂許多佔大部分，而南部地區覺得混亂和差不多不相上下，而離島的居名反而覺得差不多和安定一些各佔40％。
從投票者分析看到：
在圓餅圖看見做這項調查以北部地區的未婚男性，年齡在23-30歲居多，而他們的學歷在大學/大專程度，他們的收入大約在1萬9以下
評論：
台灣的民調其實是非常不準, 其原因如下 :
1. 取樣太少 : 對於像是總統大選之類的全國性事件, 民調的取樣仍然太少, 最多發出數千份民調問卷, 甚至有的只發出數百份. 就算是1萬份問卷好了. 而具投票權的人卻是有數百萬人甚至1千2百萬, 就比例來看, 實際上只取樣了0.1%. 而台北市長選戰, 台北市的具投票權的人數則有195萬票, 1萬份問卷也只有0.5%左右. 以不到1%的取樣率, 要臆測整個動態方向, 能有多少參考價值? 失準可以說是預料中的事.
2. 問卷設計失當 : 如果要正確的反映出民意, 問卷的設計必須要中肯, 不能預設立場及文字陷阱. 比方說[清廉的國民黨候選人與疑似貪腐的他黨參選人, 你會選擇哪一位?]這種問題就有瑕疵, 因為它先預設了[清廉=國民黨],[貪腐=他黨], 以及特意只突顯出[國民黨], 在這種情況下, 得出來的結果就會失準. 報喜不報憂, 反而會使得決策者以錯誤的訊息而做出錯誤的決定.
3. 訪問的族群不平衡 : 要得到比較公允的結果, 其實在投出問卷時, 應該要以具投票權的各年齡層, 支持或不支持者, 都要平均發出問卷. 這樣結果才會比較準確. 如果藍營委託的民調公司只在其票倉投問卷, 而特意忽略了敵對陣營的票區, 結果就是一片大好, 但是這個好結果其實是不準的.
4. 民調拒訪率過高 : 由於詐騙集團橫行, 現在民眾對於接受問卷調查的戒心很重, 會拒絕問卷的比例非常高. 再加上政黨惡鬥, 特意煽動意識型態, 對於問卷調查, 如果題目設計不當, 拒絕受訪的比例是很高的. 此時, 很容易造成會填寫問卷的人是固定的族群, 這樣結果還是不準.
5. 網路民調有造假的可能性 : 現行的網路民調, 係採用一個個人帳號具有一票的投票方式, 但是網路民調除了同樣具有上述的缺點以外, 由於1個人可能具有多重帳號, 等於是可以投好幾票, 以便於將自己喜歡的題目或支持的人選, 大量灌票. 比問卷更易做假, 容易造成結果亮麗, 但是卻沒有反應出真實的結果. 至於其他的影響因素, 單一事件是有可能造成短期的影響, 但是不能持續很久. 除非有特定集團一直炒作話題, 否則要造成永久性打擊相當困難. 而民調要準確, 取樣數要多是必要條件, 可是取樣數多意味著民調的人力負擔也重, 網路問卷又容易造假灌票, 更有可能是黨務人員慣於報喜不報憂, 唯恐上級責怪輔選不力, 特意做了很漂亮的民調, 或是本身對於如何做民調就不內行, 結果當然是與現況不符合.

俗民誌



俗民誌強調，研究者要時時反省自己的偏見或預設，以免這些偏見或預設滲入研究，影響研究者對資料的解釋。因此利用俗民誌的技巧和方法來描述一個社會（或一個學校、一個班級）的文化，會使研究者懷疑關於社會生活性質的某些形式化的假定，但關於特定人群和社會情境的某些規則化的前提，則研究者不把這些假定或前提視為理所當然的，而把它當作問題加以研究。即使是利用民俗誌來研究熟悉的文化癟能發現不被我們察覺到的、許多極為「熟悉」的特徵，認識這些特徵，經增加我們對情境的認識，因此民俗誌的研究能「使熟悉的變成新奇的」。