一、SPSS常見問題
Q1：SPSS 匯入 Excel 亂碼或報錯怎麼辦？
檢查 Excel 首列是否含有空格或特殊字元。建議匯入前將文件存為 CSV 格式，並確認編碼（如 UTF-8）與 SPSS 設定一致。
Q2：信度分析 Cronbach’s Alpha 太低如何補救？
優先檢查「反向題」是否重新計分。利用「項目刪除後之信度」功能，剔除與總分相關度低（< 0.3）的題目。
Q3：Data View（數據檢視）與 Variable View（變數檢視）有何不同？
Data View 用於輸入觀測值（列為案例，行為變數）；Variable View 用於定義屬性（名稱、類型、標籤、數值標籤等）。
Q4：如何處理缺失值 (Missing Values)？
樣本大時可直接刪除；若缺失較多，建議採用「均值替代法」或「多重補插法 (Multiple Imputation)」以維持樣本代表性。
Q5：SPSS 回歸分析中 R 平方值太低代表什麼？
代表模型對依變項的解釋力不足。需檢查是否漏掉關鍵控制變項，或數據是否存在強烈的非線性關係。
二、SEM常見問題
Q1：何時該用 AMOS？何時該用 SmartPLS？
解答： AMOS 適用於「驗證性」研究，需強大的理論基礎，且樣本數建議 > 300。SmartPLS 適用於「預測性」或「開發性」研究，對樣本數要求較低，且能處理非正態分布數據。
Q2：如何判斷中介效應 (Mediation) 是否成立？
解答： 現代學術傾向使用 Bootstrapping 方法。若間接效應的 95% 信賴區間不包含 0，則中介效應顯著。
Q3：什麼是 Reflective（反映型）與 Formative（形成型）指標？
解答： 反映型指標由潛在變項引起（如滿意度影響題目得分）；形成型指標則共同構成潛在變項（如所得、教育程度構成社會階級）。
Q4：：AMOS 模型配適度 (Model Fit) 沒過怎麼辦？
解答： 參考 Modification Indices (MI) 指標進行修正，但每一步修改都必須有合理的理論支持，不可單純為了數據美觀而連線。
Q5：SmartPLS 中的 R2 值多少才算好？
解答： 視領域而定。通常 0.25 為弱、0.5 為中、0.75 為強的預測力。
三、Eviews 常見問題
Q1：如何檢驗序列是否平穩 (Stationarity)？
解答：使用 ADF (Augmented Dickey-Fuller) 單根檢定。若 P 值 < 0.05，則拒絕單根假設，代表序列平穩。
Q2：不平穩的序列如何處理？
解答：最常見的方法是進行 「差分 (Differencing)」。通常一階或二階差分可使大多數經濟數據變平穩。
Q3：什麼是共整合 (Cointegration)？為什麼重要？
解答：共整合描述兩個不平穩序列之間是否存在長期穩定的關係。如果存在共整合，即便短期波動，長期也會回歸一致，這是避免「偽迴歸」的關鍵。
Q4：如何選擇最優的 ARIMA 模型參數 (p, d, q)？
解答：根據 AIC (Akaike Info Criterion) 或 SC (Schwarz Criterion) 最小值來決定。值越小代表模型在簡潔度與解釋力之間達到最佳平衡。
Q5：Panel Data（面板數據）該選固定效應還是隨機效應？
解答：執行 Hausman Test。若 P < 0.05 建議選用固定效應 (Fixed Effects)；否則可考慮隨機效應 (Random Effects)。
四、R 常見問題
Q1：如何處理數據集中的 NA（缺失值）？
解答：使用 is.na() 檢查，並透過 na.omit() 刪除或 tidyr::replace_na() 填充。
Q2：List（列表）與 Data Frame（資料框）有什麼差別？
解答：Data Frame 是二維表格，每行長度需一致且存儲類型可不同；List 則可包含各種不同長度與類型的物件，結構最靈活。
Q3：如何快速合併 (Merge) 多個資料集？
解答： 推薦使用 dplyr 套件的 left_join(), inner_join() 等函數，比原生的 merge() 更直觀且運算速度更快。
Q4：ggplot2 畫圖時中文顯示亂碼怎麼辦？
解答： 需設定主題字體，例如加入 theme(text = element_text(family = “STHeiti"))，明確指定支援中文的系統字型。
Q5：如何安裝與讀取外部套件？
解答：使用 install.packages(“套件名稱") 安裝，並用 library(套件名稱) 載入。
「疑難雜症不間斷更新：您的報錯，是我們成長的養分」
統計報錯雖然繁瑣，但往往隱藏著模型優化的契機。在這個分頁，李老師與夥伴們將持續收錄學術界最常見的難題——從 SPSS 非正定矩陣、AMOS 配適度失準、到 SmartPLS 預測能力不足。我們致力於將生硬的代碼轉換為易懂的邏輯，助您快速排除障礙，回歸研究本質。
代跑統計-李老師統計 