朋友們
每天,我們都會接觸到各種調查和民調的結果。一個典型的例子可能是:在某項民調中,歐巴馬總統以 48% 對 45% 的支持率領先米特·羅姆尼,但這項結果在統計上並不顯著。這時,我們可能會提出一個合理的疑問:「所謂『在統計上顯著』究竟是什麼意思?」
為了判定統計顯著性,統計學家通常會採用以下標準:若結論出錯的機率僅有 5% 或更低,則視為具有統計顯著性。因此,當另一項民調顯示歐巴馬總統以 49% 對 44% 領先,且此結果具有統計顯著性時,從統計學角度來看,該結論出錯的機率低於 5%。 這 5% 的標準並非一成不變。有時可能會採用 10%、1% 甚至 0.1%。然而,根據傳統慣例,5% 被視為「統計顯著性」的預設值。此外,還需了解:樣本中的數據點越多,結果越有可能具有統計顯著性。
但是,如果某些數據在統計上具有顯著性,這是否就總是具有「實際」意義呢?舉個例子,假設你非常喜歡巧克力。你最喜歡的品牌參加了一場口味測試,得分為 9.6 分(滿分 10 分),而一款新推出的巧克力則獲得 9.7 分(滿分 10 分),且兩者之間的差異在統計上具有顯著性。不過,這款新巧克力的價格卻是原品牌的 5 倍。為了改用這款新巧克力,多花這筆錢值得嗎? 在這種情況下,我們必須問:這差異在實際上是否具有意義?答案極有可能是否定的。在10分中僅有0.1分的差異非常微小,而且口味本身也是主觀的。在此情況下,這個結果可能在實際上並不顯著。口味測試的主觀性可能意味著,你要麼分辨不出兩者的差異,要麼還是最喜歡你原本最愛的巧克力。
讓我們來探討另一個較不帶主觀色彩的例子。假設在某種應用中,焊錫空洞是關鍵考量因素。因此,您測量了兩種焊錫膏的空洞率。在蒐集了數百個數據點後,您發現其中一種焊錫膏的平均空洞率為 8%,另一種則為 7%。透過Minitab®軟體進行分析後,結果顯示兩者之間的差異在統計上具有顯著性。但這種差異在實際應用上是否具有意義呢?恐怕未必。
如何判定其實務意義?通常是透過實驗來判定,或在某些情況下則依據經驗。 以焊料空洞為例,假設實驗顯示,只要空洞率的平均值低於 30%,便無需擔憂。有鑑於此,工程部門可能會制定規格,規定空洞率的平均值不得超過 25%。(上述所有討論皆假設數據的變異度或標準差不大,但此議題將另行探討。) 因此,在此情況下,7% 與 8% 的空洞率差異在統計上或許顯著,但在實際應用上卻未必顯著。所以,一位審慎的工程師若發現 8% 空洞率的焊膏具備其他理想特性——例如對暫停操作的反應 更佳、 抗結塊性 更強 , 或是 能改善「頭枕效應」缺陷——便可能會選擇該款焊膏。
因此,請時刻問自己:這種差異是否既具有統計意義,又具有實際意義 。
圖中顯示的是焊點起泡現象,這通常比氣孔更令人擔憂。
乾杯
羅恩博士


