：你們班男女比多少啊？
：你在你們班算是高的嗎？
：你們班最多人喜歡的科目是什麼阿？
相信這都是我們從小到大被問到大的問題，你有想過你是怎麼回答這些問題的嗎？可能就是用「感覺」這兩個字趕快應付過去吧！從這些問題來看，其實不難發現統計已經融入在你我的生活裡。藉由它，我們能對事情有更多的理解。
數字、數據與統計
「25、160、300、50」，你知道這代表什麼意義嗎？其實，從左到右分別是「年紀、身高、眼鏡度數、體重」喔！你猜對了嗎？猜錯沒有關係，這是正常的！因為我沒有告訴你我賦予給這些數字什麼意義哇~~~所以我們可以知道每個人想的事情都不一樣，單就給數字可能造成很大的誤會哇！（也許有人就誤以為我300公斤，那怎麼辦！！）因此，我們必須賦予意義讓他變成數據，然後藉由這些數據讓我們做統計，理解更多數據背後的這些數字想要傳遞的訊息。
數字：160
數據：160公分
統計：多筆25歲女生身高數據分析，161公分為平均身高，所以我...矮了一點QQ
快教教我怎麼做統計
先別急！首先，我們得要認識一些基本的概念，才能夠做更深入的探討。
- 母群
母群是指我們研究關心的對象，例如：25歲台灣女性的平均身高。 - 樣本
100位25歲台灣女性的平均身高。
蛤？還要抽樣本？
你要我去拿母群算？欸，不是！25歲臺灣女性你知道有多少人嗎！大約15萬欸！收集15萬筆數據，我看還是直接放棄作業比較快。所以統計才有「樣本(sample)」的概念，防止大家採數據到 ㄎ一 肖哇！（真是個人性化的設計嗚嗚）
其實講難聽一點，撇開數目龐大，數據也不是想要收集就可以收集到哇！（如果有一位25歲臺灣女性他在美國工作，難道你要飛過去找他嗎！）
所以樣本是用來推估母群，但...樣本真的可以代表母群嗎
這是一個很好的問題！我們收集的樣本，希望可以跟母群越相似越好，所以「隨機抽樣」會是我們理想的狀況。
隨機抽樣：機率均等、獨立機率
但現實總是不可能這麼簡單美好哇~~所以在心理學領域中我們的抽樣大多是「非隨機抽樣」。像是如果我今天要找100位25歲臺灣女性的數據，為了不讓數據有偏頗，我選擇在火車站詢問路人，但是那些沒使用火車交通工具的就不在我的範疇裡。我依舊無法達到真正的隨機抽樣。
隨機抽樣辦不到，那就沒有意義了阿
那也不必然喔！雖然在外在效度上，非隨機抽樣比不上隨機抽樣，但在非隨機抽樣裡，我們還是能觀察到一些事情。只是在推斷的過程中，需要更加謹慎客觀，切勿讓推估的數值當成唯一準則喔！
實驗開始！我想要跟我好朋友一組！
：這是有關於幸福感的研究，等等我們會隨機分派大家到A、B兩個房間做問卷喔
：蛤？不能跟我的好朋友一組喔！
實驗大致上會將樣本「隨機分派」成對照組和實驗組，藉由這個方式讓兩組人的分布相似，也可以解決許多不必要的問題。（我給你1000元，讓我跟我朋友分在一起啦！喂！）
實驗結束！到底測出了甚麼？
：欸！我剛剛那間一直播很吵的音樂，害我越寫心情越糟
：是喔？我那間沒有欸，是播一首鋼琴曲，蠻輕柔平靜的
：居然！為什麼會這樣啊...
實驗結果裡，最重要的就是變項了！依照不同分類方式我們可以分為下列幾種：
- 依因果關係區分
1. 獨變項 / 預測變項：被研究者操控，例如：音樂
2. 依變項 / 效標變項：實驗者測出的結果，例如：幸福感 - 依測量性質區分
1. 間斷變項：有最小單位
2. 連續變項：可被無限精密的數值分割 - 依測量尺度區分
1. 名義變項：標籤區別不同，例如：學號、球員背號
2. 次序變項：排序大小，例如：班排、階級、智商
3. 等距變項：可加減，例如：溫度
4. 比率變項：可乘除，有「絕對零點」，例如：體重、身高
測量尺度的關係
所有研究都需要統計嗎
答案是不一定！研究可以分為質性研究和量化研究，量化研究才需要就統計喔！
- 質性研究：個案研究、自然觀察法、訪談法
- 量化研究：檔案紀錄、問卷調查、實驗法
統計的功能
統計可以分為描述性統計和推論統計，而心統多注重在推論統計。描述性統計僅僅是做樣本的分析，推論統計才有去做推估母群的意義，參考價值較大。
之後我們也會談更多統計相關的知識內容喔！歡迎點個愛心關注！
