內容簡介
我們普遍會遇到的問題是:手頭上已經有了一組有關某一應變量的觀察樣本或實驗數據,並希望通過統計分析對它的性狀(behavior)做出解釋。這種分析通常都基於變量的性狀是可以為某一模型所解釋的這樣一個前提。而這樣的模型(一般)的形式是涉及其他一些變量的代數表達式。那些其他的變量描述了實驗條件、描述這些條件如何影響因變量的參數和誤差。而誤差表達式則幾乎是無所不包的這一點,則說明任何模型都不可能對因變量的性狀完全做出解釋。統計分析包括參數估計、推論(假設檢驗和置信區間)和確定誤差的性質(數量)。此外,我們還必須對那些有可能使統計分析出錯的問題,如數據中的誤差、模型選擇不當和其他違反構成統計推論法的假設等進行調查。
用於這樣的分析的數據既可以是實驗、樣本調查和過程的觀察(操作數據)的數據,也可以是收集到的和第二手的數據。在使用所有這些不同來源的數據時,但尤其是在使用來自操作和第二手的數據做統計分析時,我們需要做的事不僅僅是將數目代入公式,或用一個計算機程序跑一跑數據。我們經常看到一些分析是由一些計劃很差的一繫列無序的步驟組成的。諸如這樣的分析從定義、模型的構建、數據的篩選、計算機程序的選擇,到輸出結果的解釋、數據異常之處和模型存在的不足的診斷,以及在分析目的的框架內提出的建言都可能存在著這樣那樣的問題。