在臨床醫學的研究中，主要係探討介入物對於參與研究的個案所產生的影響為何。介入物的種類相當繁多，但整體而言，多以藥物或衛生教育活動為主。例如：參與高血壓輔助藥物治療的患者，其血壓是否「有效」下降，或經過衛生教育活動的實施，外傷患者之傷口感染率，是否能「有效」的下降。這裡所用到的「有效」這兩個字，就是值得玩味的字眼。究竟什麼才叫做「有效」？以統計學的觀點來看，「有效」就是大家常聽到的「顯著」。那「顯著」又是什麼意思？

現以小學生都種過的綠豆為例，來說明什麼叫「顯著」。我們都知道，種綠豆是一項科學實驗，也就是可以將所有可能的變項都控制成一樣，例如、棉花、衛生紙、水質、水量等在實驗組跟控制組都需要一樣。兩組唯一差異就是，一盤有曬陽光，一盤只放室內，從未接受過日光照射。

現在假設兩盤各只放一顆綠豆，2個禮拜後，曬陽光的綠豆發芽高度為5公分，室內的綠豆發芽高度為為8公分。既然是科學實驗，所有條件都控制一樣，我們似乎可以下結論：室內綠豆芽生長較好，曬陽光的綠豆，生長的高度較矮。但是這似乎與我們的認知有所差異？在這種情況下，試問一下自己，會有什麼樣的建議？

多數人的建議會是：綠豆本身有差異，有些綠豆天生就長不高，所以只看一次結果不準，應該要重做一次實驗。假設真的又重做一次，這次變成曬陽光的綠豆芽8公分，室內綠豆芽4公分。兩次的結果完全相反，請問哪一次才能算是實驗的真正成果呢？應該有人會建議，那就再做一次。那問題是，要做幾次才夠？

到這裡為止，應該有人會想到，因為綠豆本身有差異，一次只做一顆綠豆，然後做很多次的實驗，似乎不太理想。不如一次做很多顆的綠豆，然後計算兩盤綠豆們的平均高度，再相比，就可以避免綠豆之間先天差異的問題，且可以節省很多時間。但是最後仍有一個問題：究竟需要幾顆綠豆，才可以控制綠豆之間的先天差異，並且得到可信的研究結果？此時，統計就可以上場解決這個問題。

在一定的綠豆數目下，透過統計方法的計算，假設我們對實驗結果所下的結論為：曬太陽的綠豆，長的比室內綠豆還要高。如果這個結論會發生錯誤的機率低於5％，就是統計上所謂的「顯著」。換句話說就是，曬太陽的綠豆，「有效」生長的比室內綠豆還要高。

上述所謂透過統計方法的計算，就是所謂「統計檢定」的過程。以種綠豆為例，統計檢定不外乎是要進行兩盤綠豆的平均高度的比較。如果是要比較絕對的高度（連續變項），例如：第一盤平均5.8公分，第二盤平均8.2公分。此時可以採用T檢定，來計算「第二盤高於第一盤」的機率。若「第二盤高於第一盤」此結論是錯的機率，小於5％，我們就會宣稱「第二盤顯著高於第一盤」。如果另外增加一盤綠豆，這盤除了曬太陽還另加施肥，總共為三盤。例如：一盤平均5.8公分，一盤平均8.2公分，一盤平均9.5公分，可以採用變異數分析（ANOVA）。同樣地，當我們下「此三盤高度有差異」的結論，且機率小於5％，我們就會宣稱「此三盤高度有顯著差異」。

此外，若是想比較相對高度（類別變項），例如全部的綠豆高度不再以公分表示，而改以高、矮表示。此時我們做的結論就會是「綠豆的高矮與室內、室外有關」。如果此結論錯誤的機會小於5％，就可以宣稱：綠豆的高矮與室內、室外有顯著性的相關。此時可透過卡方檢定，來計算其所對應的機率為何。同樣地，如果有三盤，也是採用卡方檢定即可。

最後，有時候不想比較兩盤綠豆間的差異，而是想探討已經長高且停止生長的綠豆，若透過施肥後，是否會再繼續長高。這樣的情況就是把自己當成對照組，也是控制綠豆間差異的一種方法。對於公分（連續變項）可採用配對T檢定，對於高矮（類別變項）可採用McNemar檢定。針對常見的統計方法及適用的情況，可參考以下所整理的表格。

　

	兩組 獨立樣本	三組或三組以上 獨立樣本	前後測 比較
連續變項	T 檢定	變異數分析（ANOVA）	配對T檢定
類別變項	卡方檢定 （二分類或三分類以上）	卡方檢定 （二分類或三分類以上）	McNemar’s 檢定（二分類）

 TOP