作者:淡江大學統計系 陳景祥老師
虛擬情境：
資訊出身的「專家」得意的對統計出身的同仁說，有了大數據，母體的資料都可以算
，不再需要統計了！
統計專家問：算一次要多久？
資訊專家說：四天，因為資料量超過 1 PB！
統計專家問：為什麼不乾脆隨機抽出 100 萬筆資料，1 秒就搞定？
結論：
1. 在現有的電腦硬體限制與成本考量下，計算速度太慢的 Big Data, 就算可以使用母體資料，實用性跟即時性都太差！
2. 不懂統計的人以為他們手上的資料就是「母體」。可是，除非這些資料都不再增加，那也僅僅是比較大的樣本而已(更何況，根本不算隨機樣本)，怎麼有資格稱為「母體」呢？
作者:淡江大學統計系 陳景祥老師
文字探勘的情感分析就是取代人力，用電腦預測文章的正評或負評，
進一步就可以收集/偵測網路輿情。
網路上可以抓到的旅館住宿客戶正負評價資料，總共 4000 筆留言。
初步簡單模型分析出來，訓練樣本預測正確率 99.97%,預測樣本的預測正確率 90.75%
接下來的模型還可以再用更複雜的 algorithms 來提升預測正確率
主題影片 : 結構方程模型SEM與Amos的基礎操作
主要觀念 : 結構方程模型SEM中的CFA驗證性因素分析怎麼做
適用於 : Amos 17版-22版的環境
作者 : 謝章升
學員問題:
SEM(結構方程模型)模型中有6條待驗證的線
只有2條顯著，其餘皆不顯著
但看到配適度的結果，發現各項指標都是出人意料的好
若這反應模型很好，那該如何解釋參數估計不顯著的問題呢？
張偉豪老師回覆:
一般人以為配適度好是與顯著性高低成正比,這是不對的
配適度指的是模型共變異數矩陣與樣本共變異數矩陣差異的大小
差異愈小或兩者愈相似,配適度就愈好
有時候當構面或題目之間相關較低時,當然會得到不顯著的結果
因為SEM是依單一構面準則設定模型
每個題目只會與一個構面相關
所以交叉負荷量均是假設為0
所以題目相關愈低,交叉負荷量愈有可能接近0
因此,會導致不顯著但卻會有良好的配適度
所以,配適度良好,只代表您的模型與資料相似性高
並不保證模型一定是對的(要靠理論證明)
也不保證所有的估計值均是顯著的
三星統計 張偉豪老師回覆:
bootstrap是無母數的估計方法,主要是建立非對稱性的信賴區間,因為間接效果為直接效果的乘積,
必然不符合常態分配,因此無法採用一般常態分析的對稱區間.
可以參考 beyond baron & kenny 這篇文章 :
Hayes, A. F. (2009). Beyond Baron and Kenny: Statistical mediation analysis in the new millennium. Communication monographs, 76(4), 408-420.
