撰文：邱高生 2010/06/15  

談論市場調查，尤其是量化的市場調查，一定是統計機率的一種運用，從收集資料的構想開始，那抽樣理論的運用，當然是統計機率，其所論之抽樣法則，還是不可違背之法則也，而在收集資料後的統計分析，理論上而言，是不是也要用統計的手法進行解析一番，而基於統計機率的抽樣法則，既然資料是用統計機率法則所收集，這些資料的分析當然也是要依照統計機率的法則進行分析之，然在市場調查的實務上，幾乎是很少真的用統計機率的想法去分析資料，就是用簡單的百分比看一看，就這樣下判斷如何又如何了，像這樣都不用統計的假設檢定(Hypothesis Test)，這樣主觀判定會不會太危險了，當然會被這樣質疑。例如，有一個市場調查的結果，男女各有100位，有吃口香糖的比例，男生為60%，女生為40%，在這種情況之下，一般我們很少，或者說幾乎不會進行統計的假設檢定，先來個假設男女嚼食口香糖的比例沒有差異(Ho)，然後用統計學上的公式套進去算一下，取犯第一類型錯誤率(Type I Error)為0.05，拒絕Ho(Reject Ho)可能會犯的錯誤率，也就是說應該接受Ho，在兩者實際上是沒差異，但我們卻拒絕了Ho，認為兩者是有差異，其所犯錯的可能性在100次中會有5次的可能性，這是一般統計的假設檢定之用法，確實是很麻煩而不易懂也。

用統計假設檢定，我們可以這樣看此事，在以台灣全國為母體的市場調查，男女吃口香糖就理論上而言確實有一個比例，但男女各為多少，我們不知道也，若有人很無聊做個普查，當然這也是理論紙上作業的想法，全國全部的人訪問一次看有沒有吃口香糖就可知道答案，但實際上我們並不能這樣做，也無法這樣進行普查，所以就隨機抽樣，就以在此所舉之例，男女各為100名所訪問吃口香糖的比例，然後根據統計的理論推論檢定男女吃口香糖的比例是不是一樣，所以，理論上而言，當我們從母體中抽取一定量的樣本，在此為男女各有100，分別算其吃口香糖的比例，這樣抽取無數次，很多很多次的意思，其比例就會形成一個所謂的抽樣分配(Sampling Distribution)，在此我們可以將男女這兩個抽樣分配相減，也會得到一個相減後的抽樣分配，若在母體中男女吃口香糖的比例一樣，則此一相減後的抽樣分配之期望值會等於零，也就是Ho成立的話，而這都是理論之說，在實際上我們也只做了一次這樣的數據，男女各100，吃口香堂的比例男生為60%，女生為40%，兩者相差為20%，而根據統計的公式我們就可以檢定，在犯第一類型錯誤為0.05之時，是否要拒絕Ho，也就是說我們可以宣稱男女吃口香糖的比例是不一樣，而這也只是檢定兩者是否不一樣，當然也可以檢定兩者是否差距在10%以上，就看Ho怎麼設定的，其抽樣分配的計算也會不一樣。

以上這些實際的檢定公式之計算，在統計相關的書籍中一定可找得到，一般可用百分比檢定，當然又是一堆煩人的數學公式，筆者在此論此事並不探討之，而是概念性的舉例說明何謂統計上的假設檢定，而在假設檢定中，是不是要拒絕Ho，其所犯的第一類型錯誤率0.05是關鍵，為什麼是0.05，這是一般社會科學學術研究可被接受的錯誤率，在醫學的研究因事關人命，所以拒絕Ho的錯誤率會更為嚴謹，通常是0.01，顯然這個錯誤率的設定也是相當主觀，在市場行銷(Marketing)的運用上，應該可放得更寬，在一個行銷研究的市場調查實務，常常能有點蛛絲馬跡的發現，就可以激發出市場行銷的一些想法，而且很多的研究結果是可從實務中驗證之，例如在此所舉之「吃口香堂的比例男生為60%，女生為40%」，若在此一市場已有瞭解者，亦可判斷之，還是說曾調查過的資料也可比對一下，這就是為何我們在分析市場調查資料，很少用統計的假設檢定之理由，說得理論一點，就是犯第一類型錯誤率，在市場行銷的實務運用上，搞不好都可以放寬到0.49，當然這是很誇張，對資料的解讀判斷，就看解讀者對市場的瞭解，不是靠統計的假設檢定，也就是因為這樣，對市場調查的資料，若真的要用統計嚴謹要求，會是在收集資料有沒有遵行統計機率的法則這部份，而不在資料的統計與解讀。在此也要再特別強調一下，本文所論之觀點非學術研究可用也，而是用在市場行銷的市場調查實務，而某些市場調查因研究的需要，也不可將犯第一類型錯誤率放到這麼寬，至少也是0.05。