在社會科學、心理學及行為科學研究中，中介變數(mediator) 與 調節變數(moderator) 常常被用來探討變數之間的關係。而在醫學研究中，這兩種變數的使用可以幫助研究者更深入地了解健康結果與風險因素之間的關係，從而改善臨床實踐和公共衛生政策。因此了解中介與調節變數的差異並對於進行研究設計、資料分析與結果解釋至關重要。

1. 定義與解釋

中介變數 是指能夠解釋自變數(Independent variable, IV)如何影響依變數(Dependent variable, DV)的中間過程。它描述了一個「因果鏈」，即自變數先影響中介變數，而中介變數進一步影響依變數。因此，透過中介變數，我們可以更清楚地理解自變數與依變數之間的作用機制。 在醫學研究中，中介變數有助於解釋某一治療、風險因素或環境因素是如何影響患者健康結果的。例如，透過探討治療干預措施如何通過中介變數產生效果，研究者可以更清楚地理解治療的作用機制。

今天審稿時，看到一篇文章: 3組之間連續值比較直接做兩兩比較，所以有3個P-value: p of A vs B, P of  A vs C, P of B vs C，這時問題來了~

1. p of A vs B, P of  A vs C, P of B vs C 是否有經過Bonferroni or Dunn-Sidak adjustment?

 前言

一篇研究文章的分析，一開始通常都要做單變量分析，而單變量分析不外乎是(1)連續變項vs.類別變項、(2) 類別變項vs.類別變項、(3) 連續變項vs.連續變項。其中連續變項vs.類別變項的前提假設較多，在此做 2 張分析流程圖，給大家參考

二組連續資料

資料獨立：

    研究上常會見到兩組資料的比較，若兩組資料獨立，最直接的反應是做獨立t檢定，又叫做Student’s t test，檢驗兩組平均值是否有差異，而要使用獨立t檢定，需兩組獨立資料皆服從常態分佈，若其中一組未通過常態分佈的檢定，該如何處理?