🧭 導遊：用統計思維導覽《體適能與BMI關聯研究》的表格設計之旅

這篇發表於 Medicina (MDPI, 2022) 的研究《Cross-Correlations between Scientific Physical Fitness, Body Mass Index Distribution, and Overweight/Obesity Risks among Adults in Taiwan》以台灣成人為樣本，探討體適能（cardiorespiratory fitness, muscle strength, flexibility）與體重狀態之間的關聯。
它的統計分析設計不只是數字堆疊，而是一趟由「觀察 → 比較 → 預測」的系統旅程。以下讓我們逐表走讀，理解每張表的統計邏輯與設計目的。

🧩 表1：樣本全景與初步差異 — Descriptive Statistics

統計目的

表1呈現各組（正常體重、過重、肥胖）的基本變項分布，是**描述統計（Descriptive Statistics）**的基礎。

所用方法

• ANOVA（Analysis of Variance, 變異數分析）：比較三組平均數差異。
  👉 例如檢驗「心肺適能平均值是否因肥胖程度不同而有顯著差異」。
• χ²檢定（Chi-square Test）：比較類別變項分布。
  👉 如「婚姻狀態」或「教育程度」是否在三組中分布不同。

舉例說明

• ANOVA 可想像成三間健身房的平均握力比賽，檢查哪一組最強。
• χ²檢定 像是在比「已婚與未婚比例」是否在不同體重組之間差異顯著。

為何要這樣設計？

這是「統計旅程」的第一站——先畫地圖。研究者需要知道樣本結構與基礎差異，才能判斷後續回歸模型的合理性。

📈 表2～3：建立劑量—反應關係 — Multiple Linear Regression

統計目的

檢驗「體適能越好，BMI 是否越低」，屬於關聯分析（Correlation/Association Analysis）。

所用方法

• 多元線性回歸（Multiple Linear Regression）：以 BMI 為連續依變項，三項體適能為自變項。
• 控制變項（Control Variables）：年齡、教育、收入、婚姻、職業等社經因素。

專有名詞解釋

• β值（Beta coefficient）：每改變一單位體適能，BMI 改變多少。
  👉 例：β = -1.5 代表體適能提高一個等級，BMI 平均下降1.5。
• 四分位數（Quartile）：把樣本依表現分成四等份，從最好 (Q4) 到最差 (Q1)。
  👉 像把跑步成績分成「頂尖、良好、中等、差」。

為何要這樣設計？

四分位讓連續變項更具臨床可讀性，也能測試劑量—反應關係（Dose–Response Relationship）：體適能越差，肥胖風險是否「漸進增加」？

⚖️ 表4～6：從關聯走向預測 — Logistic Regression Analysis

統計目的

將結果從「BMI數值」轉化為「肥胖風險機率」，屬於機率模型（Probability Model）。

所用方法

• 多元邏輯斯回歸（Multiple Logistic Regression）：預測二元結果（如是否過重/肥胖）。
• 勝算比（Odds Ratio, OR）：表示某族群的風險倍數。
  👉 例：OR = 3 表示該組的肥胖風險是參考組的3倍。
• 信賴區間（Confidence Interval, CI）：顯示統計結果的可信範圍。
  👉 若CI不含1，代表結果具統計顯著。

舉例說明

這就像健康體檢的「紅燈預警」系統。心肺適能最差（Q1）的人紅燈比例最高，勝算比超過6倍，而體適能佳者顯著降低風險。

為何要這樣設計？

從線性模型到邏輯斯模型，是從「相關」到「預測」的跨越，讓研究能提供可操作的公共衛生建議。例如：「男性 VO₂max < 45 mL/kg/min 為肥胖高風險門檻」。

📊 統計設計的層次邏輯

這三層設計是統計研究的「三部曲」，從基礎到高階逐步展開。

🧠 延伸思考：統計背後的邏輯

1. 控制混雜（Confounding Control）：確保結果不是被年齡或收入等因素誤導。
2. 劑量效應（Dose–Response）：越差的體適能對應越高的肥胖風險，證據強度更高。
3. 分層分析（Stratification）：男女分開跑模型，避免性別差異干擾。
4. 模型穩健性（Robustness）：同時用線性與邏輯斯模型驗證結果一致性。

🎯 結語

這篇論文的表格設計展現了統計的「故事敘事力」：
從描述樣貌、驗證關聯、預測風險，每張表都在推進研究命題。
統計不只是算數，它是把「健康數據」變成「行動建議」的語言。

📚 參考資料（APA7）

Chen, C.-T., Chang, Y.-T., Li, P.-F., Lin, C.-F., Huang, C.-C., Cheng, H.-L., ... & Lee, Y.-T. (2022). Cross-correlations between scientific physical fitness, body mass index distribution, and overweight/obesity risks among adults in Taiwan. Medicina, 58(12), 1739. https://doi.org/10.3390/medicina58121739

American College of Sports Medicine. (2021). ACSM’s guidelines for exercise testing and prescription (11th ed.). Lippincott Williams & Wilkins.

Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.