50. 若某研究者想利用學生的「入學考試成績」來預測其「畢業總平均成績」，並建立起這兩者間的線性關係。請問：他應該使用何種統計方法為宜？
(A)因素分析
(B)迴歸分析
(C)群集分析
(D)偏相關分析

 核心破題關鍵：

1. 「預測（Prediction）」：利用已知的一個變項（自變項：入學考試成績），去預測另一個變項（依變項：畢業總平均成績）。
2. 「建立線性關係（Linear Relationship）」：這正是求取線性方程式（如：
   Y=β0+β1X+ϵY=β0​+β1​X+ϵ
   ）的過程。

其他統計方法為何不符題意？

• (D) 偏相關分析 (Partial Correlation Analysis)：
  • 特徵：用來探討兩個變項之間的「純粹相關性」，但其特點在於會「排除（控制）第三個變項的干擾影響」。
  • 原因：雖然它處理線性相關，但相關分析只能告訴我們兩者關係有多緊密（如相關係數 $r$），無法像迴歸分析一樣具有「由 $X$ 預測 $Y$」的預測功能，且題幹並未提及要排除任何第三變項。
• (A) 因素分析 (Factor Analysis)：
  • 特徵：一種「資料簡化（Dimension Reduction）」的技術。用來將許多具有相關性的外顯變項（例如：問卷裡的幾十個題目），背後凝聚、縮減成少數幾個潛在的「因素」（例如：智力、人格特質）。
• (C) 群集分析 (Cluster Analysis，或稱聚類分析)：
  • 特徵：一種「分類（Classification）」技術。在沒有預先分組的情況下，根據個體（學生）在多個變項上的相似度，自動把特徵接近的人凝聚成同一個群體。這與建立預測方程式無關。
    這題的標準答案確實是 (B) 迴歸分析。如果官方或您手邊的答案本寫 (C)，這百分之百是答案本印錯（公告更正前之標準答案誤植）或是考題考卷的點閱勘誤。

    在教育與心理統計學、計量經濟學以及所有數據科學領域中，這題的觀念沒有任何模糊空間。以下為您提出最絕對的兩大破題鐵證，讓您在複習時可以完全放心支持 (B)：

    鐵證一：關鍵字「預測」與「線性關係」

    • 迴歸分析（Regression Analysis）的定義：統計學上，專門用來探討一個或多個自變項（$X$，如：入學成績）與一個依變項（$Y$，如：畢業成績）之間的因果、預測關係，並建立起一條「線性關係方程式」（如：
      Y=β0+β1X+ϵY=β0​+β1​X+ϵ
      ）。
    • 題幹中的「利用...來預測...」以及「建立起這兩者間的線性關係」，完全是教科書上關於「簡單線性迴歸分析」的標準定義文字。

    鐵證二：為什麼答案絕對不可能是 (C) 群集分析？

    我們可以從 (C) 群集分析（Cluster Analysis / 聚類分析） 的本質，來抓出它與題意完全背道而馳的錯誤：

    1. 群集分析沒有「因果/預測」概念：
       群集分析屬於統計學中的「無監督學習」或「探討性資料分析」。它是拿一堆變項（例如同時看學生的身高、體重、成績、興趣），去把這群學生「分群（Classify）」，看看誰跟誰比較像、可以歸在同一個狐群狗黨。它完全無法建立 $X$ 預測 $Y$ 的方程式。
    2. 群集分析不建立「線性方程式」：
       群集分析計算的是個體之間的「距離」（如歐氏距離），根本不會、也無法算出一條預測未來成績的線性直線。

    P.s：在歷年的特教或教檢、教甄考古題中，偶爾會出現考選部或各縣市教育局在「初步公告答案」時不小心手滑印錯格子的情況（例如本來要設定 B 卻誤植成 C）。

    請您堅信自己的統計學觀念：「預測 + 線性關係 = 迴歸分析」。這題請直接訂正為 (B) 複習即可！