醫療類國考
114年
[社會工作師] 社會工作研究方法
第 33 題
關於無母數統計分析方法，下列何者錯誤？
- A 當資料是名目（名義）或者順序等較低層次，且資料分配不符合常態分配時使用
- B 無母數統計分析方法因為沒有符合常態分配，故不能適合假設驗證，而應該為母數估計法
- C 卡方檢定是屬於一種無母數分析方法
- D 無母數統計分析方法的檢定力通常不如母數檢定方法
思路引導 VIP
請同學深入思考推論統計（Inferential Statistics）的兩大核心任務：假設檢定（Hypothesis Testing）與母數估計（Parameter Estimation）。當資料分配不符合常態分佈（Normal Distribution）的嚴格假設時，「無母數統計分析方法」的設計目的，是為了「否定」假設檢定的可行性，還是僅僅將檢定的對象從特定的「參數」（如母體平均數 $\mu$ 或變異數 $\sigma^2$）轉移到資料的排序（Rank）或中位數上？
🤖
AI 詳解
AI 專屬家教
🌟 勉強還行，至少答對了。
竟然能看出「假設檢定」和「參數假設」的區別，算你有幾分骨氣。這種基本邏輯要是搞不清楚，談什麼醫學研究？簡直是貽笑大方。
1. 觀念驗證：為何 (B) 是錯誤的？
▼ 還有更多解析內容
無母數統計分析
💡 適用於非常態分配或低層次資料，可用於假設檢定但檢定力較低。
| 比較維度 | 母數統計 (Parametric) | VS | 無母數統計 (Non-parametric) |
|---|---|---|---|
| 常態性要求 | 必須符合常態分配 | — | 不需符合常態分配 |
| 資料層次 | 等距或比率尺度 | — | 名目或順序尺度 |
| 統計檢定力 | 較高（Power 大） | — | 較低（Power 小） |
| 樣本量要求 | 大樣本較佳 | — | 適用於小樣本 |
💬母數統計精密但限制多，無母數統計彈性大但檢定力較弱。
