本帖最後由 尊 於 13-11-05 08:19 編輯
量化
(數理邏輯)在語言和邏輯中，量化是指定一個謂詞的有效性的廣度的構造，就是說指定謂詞在一定範圍的事物上成立的程度。產生量化的語言元素叫做量詞。結果的句子是量化的句子，我們稱我們已經量化了這個謂詞。量化在自然語言和形式語言中都使用。在自然語言中，量詞的例子有「所有」、「某些」；「很多」、「少量」、「大量」也是量詞。在形式語言中，量化是從舊公式產生新公式的公式構造子（constructor）。語言的語義指定了如何把這個構造子解釋為一個有效性的廣度。量化是變數約束操作的實例。
在謂詞邏輯的兩類基本量化是全稱量化和存在量化。這些概念被更詳細的敘述於在單獨文章中；下面討論適用於二者的特徵。其他種類的量化包括唯一量化。
自然語言中的量化
所有已知人類語言都使用量化，即使是那些沒有完整的數字系統的語言(Wiese 2004)。例如:
「我最近訂的所有玻璃都碎了」。
「站在河邊的一些人帶著白臂章」。
「我交談的多數人都沒有從屬的俱樂部」。
「在候診室里的所有人都對 Ballyhoo 醫生有至少一個抱怨」。
「在他的班級中有些人能夠正確的回答我提出的所有問題」。
「大量的人是聰明的」。
不存在簡單的方式把這些表達重新公式化為句子們的合取或析取，它們每個都有個體的簡單謂詞如「酒杯碎了」。這些例子也暗示了在自然語言中的量化表達式構造可以是語法上非常複雜的。幸運的是，對於數學斷言，量化過程在語法上是更加直接的。
研究自然語言中的量化比研究形式語言的量化要難很多。這部分的由於自然語言句子的文法結構可能隱藏了邏輯結構的事實。而數學約定嚴格的為形式語言量詞指定了有效範圍；為自然語言指定有效性的範圍要求處理不平凡的語義問題。
Montague文法給出了新穎的自然語言的形式語義。它提起爭論說它比弗雷格、羅素和蒯因的傳統處理更加自然的對自然語言的形式化表現。
數學論斷中的量詞
我們開始討論在非正式數學討論中的量化。考慮下列陳述
1·2 = 1 + 1，且 2·2 = 2 + 2，且 3 · 2 = 3 + 3，....，且 n · 2 = n + n 等等。
在外觀上這是命題的無限合取。從形式語言的觀點看這立即是一個問題，因為我們希望語法規則生成有限個對象。把這個缺陷放到一邊，還要注意在這個例子中我們幸運的有一個生成所有結合項(conjunct)的過程。但是，如果我們想要斷言關於無理數的某個事物，我們沒有辦法枚舉所有結合項，因為無理數不能被枚舉。避免這些問題的一個簡潔的公式化是使用全稱量化:
對於任何自然數 n， n·2 = n + n。
類似的分析適用於析取，
1 是素數， 或 2 是素數，或 3 是素數等等。
它可以使用存在量化重組:
對於某些自然數 n， n 是素數。
量化資料分析
哈佛大學
自1997年開始，對402位新鮮人進行長達4年的寫作追蹤報告，歸納出一個簡單有力的結論：「好的思考，得自於好的寫作。」
從2002年起，哈佛進行一系列教育改革，規定大一新生規定必須參加12人一班的「新鮮人寫作輔導」，目的在訓練未來領袖的思考、組織和邏輯表達能力。
【哈佛 5大寫作智慧】
1.寫~重寫~再修改：
寫作沒有別的捷徑，只有一寫再寫， 才能寫出精煉的文章。
2.從別人批評中得到建議：
別人比你客觀，他們的批評很有幫助， 透過質疑可以逼我們想得更清楚， 最好有不贊同的意見，可以逼我們凸顯論點。
3.要有推論，重點及觀點：
沒有重點，文章詞藻再美、 文法再無懈可擊都沒有說服力。
4.要具體，推論要有充足證據， 並且找出好的例子支持這些證據：
如果你舉不出任何具體例證， 表示你可能根本沒弄懂。
5.心裡一定要有讀者，但不要一味迎合：
寫作是發展及表達你自己的觀念， 不要想投其所好。
寫作能提升職場競爭力：
2004年9月，美國國家寫作委員會針對包括波音、美國運通、花旗銀行、聯邦快遞等大型企業進行調查，結果發現：服務業、財務、保險和 不動產公司在招募人員時，超過80％的企業會考量申請者的寫作力。
超過50％的受訪企業認為寫作技巧是升遷 的重要因素；而雇主 最看重文字表達能力， 首推正確性及清晰度。86％的企業主收到履歷和自傳時，對寫得 太糟糕的求職者會持保留態度。
研究報告的類型
研究報告。（research paper）
學期報告。（term paper）
學位論文（博、碩士論文）。（dissertation）
什麼不是研究報告
對他人文章的節錄或摘要。
重複他人意見，沒有提出批評。（沒有表示個人意見）由一疊引文所堆砌的文字。
沒有獲得證實的個人意見。（不論是作者自己的，或是引述他人的）（研究報告和新聞寫作之差別）剽竊或抄襲他人作品者。
問卷分析策略和報告撰寫
單變項分析：描述統計
雙變項分析和多變項分析：推論統計與假設檢定
變項的測量等級
再復習變項測量的四種等級
為什麼要區分這四種等級？
四種不同的測量等級分別使用不同的統計分析方法。
單變項分析
名目變項（nominal variable）：次數分配
順序變項（ordinal variable）：次數分配（必要時可計算均數）
等距變項（interval variable）：均數、變異數、標準差
等比變項（ratio variable）：均數、變異數、標準差、區間估計
名目的測量
具又「互斥」和「週延」的兩種特性。
主要是比較彼此之間 『不一樣』。
例如：性別、宗教傾向、政黨傾向、出生地、大學主修科目和髮色。
次序的測量
各屬性可以作邏輯上的排序。
彼此之間除了可以比較『不一樣』外，還可以比較『比xxx多』
例如：如自然科學的礦物硬度比較。宗教對你的重要性？你對這堂課的滿意度？態度形的問題。
間距的測量
有意義、標準化的間距來表達屬性間邏輯的距離。
可以比較『不一樣』、『比xxx多』外還可以得知『比xxx多多少』。
例如：IQ智力測驗。我們可以說IQ120的比IQ 100的多20 但我們不能說多幾倍。
比率的測量
可以比較『不一樣』、『比xxx多』、『比xxx多多少』、『比xxx多幾倍』。
例如：年齡、收入。
雙變項分析
目的在了解兩個變項之間的相關性
通常一個是自變項，另一個是依變項
可以用自變項預測（推估）依變項
兩變項間之關係必須通過檢定
常用的多變項分析
兩個自變項或一個自變項、一個控制變項加上一個依變項：如果全部都是名目變項：控制變項後的卡方分析
兩個以上自變項，一個依變項，全部都是等距或等比變項：多元迴歸（複迴歸）
兩個以上自變項，其中一個是等距或等比變項，另外一個是名目變項，依變項是等距或等比變項：將名目變項的自變項設為虛擬變項，然後以多元迴歸分析。三個以上的自變項類推。
經常或可能會犯的問題
關於表格：表格太多（老師說會扣分），表格的標題、表格的編號，表格製作不佳，不合規定。
整篇報告應該是像一篇文章，而不是沒頭沒腦的一堆報表加上文字。也不是一個表格接幾行文字，重覆進行而已。
整篇報告都是次數分配，次數分配用看的就好，何必寫在文字裡？學過統計學就不應該只會次數分配。儘可能用到本單元複習的各種統計方法，交叉分析（卡方檢定）是基本的要求，除此之外，還有T-Test、ANOVA等，每組盡量（我自己說得老師沒說）都要做到迴歸分析。
量化寬鬆
（英語：Quantitative easing，簡稱QE）是一種貨幣政策，由中央銀行通過公開市場操作以提高貨幣供應，可視之為「無中生有」創造出指定金額的貨幣，也被簡化地形容為間接增印鈔票。其操作是中央銀行通過公開市場操作購入證券等，使銀行在央行開設的結算戶口內的資金增加，為銀行體系注入新的流通性。
「量化寬鬆」中的「量化」指將會創造指定金額的貨幣，而「寬鬆」則指減低銀行的資金壓力。中央銀行利用憑空創造出來的錢在公開市場購買政府債券、借錢給接受存款機構、從銀行購買資產等。這些都會引起政府債券收益率的下降和銀行同業隔夜利率的降低，銀行從而坐擁大量只能賺取極低利息的資產，央行期望銀行會因此較願意提供貸款以賺取回報，以紓緩市場的資金壓力。
當銀根已經鬆動，或購買的資產將隨著通脹而貶值（如國庫債券）時，量化寬鬆會使貨幣傾向貶值。由於量化寬鬆有可能增加貨幣貶值的風險，政府通常在經歷通縮時推出量化寬鬆的措施。而持續的量化寬鬆則會增加惡性通脹的風險。
刺激貸款
在部分準備制下，銀行保持一定比例的存款準備金，其餘的資金可作貸款之用。從量化寬鬆的過程中增加的存款，銀行可通過借貸，再創造出更多的貨幣供應，即存款倍數效應（deposit multiplication）。例如，假設貨幣流動性是平均10次交易，量化寬鬆每創造$10，000，可產生的最終貨幣供應為$100，000。
量化寬鬆向本土銀行同業市場提供充足流動資金，大大降低借貸成本，最終期望所有借款人都能受惠，以支持整體經濟運作。一般來說，量化寬鬆可支持整體經濟，並「有助紓緩或遏抑經濟逆轉的影響。」
雖然被形容為「開機印鈔票」，但量化寬鬆通常只是調整電腦帳目。一個國家要實行量化寬鬆，必須對其貨幣有控制權；所以，舉例，歐元區個別國家不能單方面推出量化寬鬆政策。
例子
當以降息來增加貨幣供應行不通的時候，央行便可能推出量化寬鬆措施；通常在利率接近乎零的時候出現。其中，日本銀行於2000年代初期實行量化寬鬆以對付通縮。針對2007年開始的環球金融危機，美國聯準會主席柏南克以量化寬鬆手段應付。英國也同樣以量化寬鬆政策作為金融政策以減低金融危機的影響。
1123023
1123024