第 一 題

「獨立樣本」（Independent Samples）指兩組或多組樣本的抽取過程互不干預與影響，某組的觀察值不會提供另一組觀察值的任何資訊。特徵為樣本間無關聯，實務應用常見於隨機分派的實驗組與控制組，或來自不同母體（如男性與女性）的比較，統計分析常適用「獨立樣本 t 檢定」。 「相依樣本」（Dependent Samples）又稱配對樣本或相關樣本，指兩組資料的觀察值之間存在一對一的對應關係。特徵包含同一組受試者的重複測量（如前測與後測），或是經過特定屬性配對的不同受試者（如雙胞胎、智商配對），統計分析常適用「相依樣本 t 檢定」。 兩者核心差異比較：

「Z分數」與「T分數」皆為測驗統計中常用的標準分數（Standard Scores），旨在將原始分數轉換為共通量尺，以表示個體在常模團體中的相對位置。

1. Z分數（Z-score）：為最基礎的標準分數。將原始分數減去平均數後除以標準差求得。其分配的平均數為0、標準差為1。公式為 $Z = \frac{X-\mu}{\sigma}$。缺點為常帶有小數點及負數，實務解釋上較不直觀。
2. T分數（T-score）：為了克服Z分數含有負數與小數的溝通障礙，對Z分數進行的線性轉換。其分配的平均數設定為50、標準差設定為10。公式為 $T = 50 + 10Z$。

「二項式分配（binomial distribution）」指在統計學中，描述進行 $n$ 次獨立的「白努利試驗」（Bernoulli trial）時，成功次數（設為 $X$）的離散型機率分配。 其特徵（成立條件）包含： (1) 實驗包含 $n$ 次相同的試驗，且 $n$ 為固定數值。

「簡單效果（Simple Effects）」又稱簡單主要效果（Simple Main Effects），係指在雙因子或多因子變異數分析（ANOVA）中，固定其中一個自變項的某個「特定水準」下，探討另一個自變項對依變項所產生的影響或差異。 特徵包含： (1) 實施時機：通常在整體分析中發現兩個自變項間的「交互作用（Interaction）」達到統計顯著時才進行，作為進一步釐清交互作用具體來源的事後檢定。

「抑制變項（suppressor variables）」係指在多元迴歸分析中，一個本身與效標變項（Y）相關極低或幾乎為零，但與其他預測變項（X）有較高相關的變項。 其特徵與作用包含：

1. 統計機制：當抑制變項（設為 $X_2$）被納入迴歸模型時，它能「抑制」或剔除原本預測變項（設為 $X_1$）中與效標變項（Y）無關的誤差變異（即雜訊）。