💥 20 個 ＃常見的統計錯誤，你犯過，或是犯了卻不知道嗎？⠀
⠀
MedCalc 的作者 Frank，在 Facebook 分享了一篇跟統計相關的文章，叫做「生物醫學研究文章中，連你都可以發現的 20 個統計錯誤」，很有意思。（連結請見原始貼文）
⠀
我（蔡依橙）認真看完後，覺得蠻不錯的，於是把這 20 個統計錯誤的標題翻成中文，協助大家節省時間，如果剛好有興趣的，可再針對該部分去閱讀原文。接著，分享一些我看完之後的想法。
⠀
⠀
1. 數值報告時，提供了不必要的精確。例如 60 公斤體重，硬要寫成 60.18 公斤。
⠀
2. 將連續變項分組，變成次序變項，但沒有說明為什麼這樣分。像是 CRP 不以數值去統計，而分成低、中、高三組，卻沒說明為什麼這樣分。
⠀
3. 配對資料，只報告各組平均，卻沒報告其改變。也就是只報告治療前血壓、治療後血壓，卻沒報告有多少人上升、多少人下降、平均下降多少。
⠀
4. 描述性統計的誤用，尤其該用 median (interquartile range) 的，硬是用成 mean +- SD。
⠀
5. 使用 standard error of the mean (SEM) 描述量測的精確度，而非 95% CI。
⠀
6. 只報告 p 值，卻沒提到差值以及臨床意義。
⠀
7. 誤用統計方式。尤其常見的是混淆有母數跟無母數統計方法。
⠀
8. 使用線性迴歸，卻沒有先確定資料之間是真的有線性關係。
⠀
9. 沒有使用全部的資料，然後又沒把去掉的資料「為什麼被去掉」說清楚。
⠀
10. 多組比較的 p 值校正問題。
⠀
11. 在隨機分組研究時，過於詳盡地比較了兩組受試者的基本資料，像是性別比例、年齡、體重、血壓等等，而且資料好得太奇怪。
⠀
12. 報告檢驗數值時，沒有定義 normal 與 abnormal。
⠀
13. 計算 sensitivity 與 specificity 時，沒有說明一些介在灰色地帶的檢查結果，如何呈現與去除。
⠀
14. 使用圖片與表格，只是為了儲存數據，而非以協助讀者理解為出發點。
⠀
15. 畫出來的數據圖，視覺主觀上給人的印象，竟然跟數據本身不同。
⠀
16. 在報告數據與解讀時，搞不清楚 units of observation 是什麼，例如心臟病的觀察研究，在 1000 個患者中有 18 位心臟病發，那 units of observation 就是 18。但如果這個研究是以診斷正確率為主，那 sample size 就是 1000。
⠀
17. 把不顯著的統計，或 low power，解讀成 negative，而非 inconclusive。
⠀
18. 分不清楚解釋性研究與實務性研究，前者為 explanatory / efficacy / laboratory，後者為 pragmatic / effectiveness / real world。嘗試兩種混著做，結果兩邊都做不好。
⠀
19. 沒有用臨床能理解的方式來報告最終結果。
⠀
20. 把統計的顯著性，當成臨床的重要性。例如：癌症用新藥治療，統計上很顯著的好，但追蹤了五年，患者只延長了七天的壽命。這就是統計有顯著，但臨床意義不大的例子。
⠀
⠀
🗨 我（蔡依橙）的一些想法
⠀
由統計專業人的角度，來看生物醫學發表，是很有警惕意義的，能讓準備發表的朋友，仔細看看自己是不是也犯了相關的錯誤。
⠀
但另一個角度看，作者也提到，這些錯誤在幾乎一半的生物醫學論文上反覆出現！這就代表，其實生物醫學論文要刊登，並不代表我們什麼錯都不能犯，相反地，這 20 個錯誤裡頭，有些就算犯了，也還是能被刊登。
⠀
以我們自己發表，以及過去協助同學的經驗來說，我會認為 2、7、10、14、15，是初學者也 ＃必須理解並避開的，其他的則是發表起步了之後，陸陸續續去注意，在往更高分期刊挑戰時，逐漸進步就行。
⠀
實務上，3 分以下的醫學期刊，幾乎沒有專門的統計查核，你只要能通過「一般同行」的統計知識審查就行。也就是說，我是一個放射科醫師，剛開始起步，投稿到放射科 3 分以下期刊，文章中的統計，只要「＃一般有在做研究的放射科醫師」覺得可以就行，不見得要到「統計專家看過並挑不出毛病」。
⠀
對於初學者如何起步，實務的協助，新思惟規劃了各種類型的研究課程，歡迎有興趣的朋友可以參考。目前正在開放報名中的，有以下三場工作坊，歡迎您瞭解各課程的課綱後，評估挑選最符合您需求的內容，前來上課，讓我們協助您成功起步。
⠀
🟠 2021 / 11 / 7（日）統合分析工作坊
無經費、資源少也能發表，不用 IRB 且免收案的好選擇。
https://meta-analysis.innovarad.tw/event/
⠀
🔵 2021 / 10 / 17（日）臨床研究與發表工作坊
全新改款！跟著國際學者走，讓你寫作投稿都上手。
https://clip2014.innovarad.tw/event/
⠀
🟢 2021 / 10 / 16（六）個案報告、技術發表與文獻回顧工作坊
把臨床上的各種想法，在 PubMed 化作專業生涯上的里程碑。
https://casereport.innovarad.tw/event/
⠀ ⠀
不只是說說而已，我們會舉實例，說明其意義、如何避開，在互動實作過程，實際由各位在自己的電腦上操作，從數據到軟體，從統計到繪圖，一次搞定，並避開常見錯誤，是真正以 ＃初學者起步 為核心的規劃。
⠀
⠀
二十個常見的統計錯誤，與實務寫作時的考量。
🔗 原始貼文 │ https://bit.ly/2WESphu

💥 20 個 ＃常見的統計錯誤，你犯過，或是犯了卻不知道嗎？⠀
⠀
MedCalc 的作者 Frank，在 Facebook 分享了一篇跟統計相關的文章，叫做「生物醫學研究文章中，連你都可以發現的 20 個統計錯誤」，很有意思。（連結請見原始貼文）
⠀
我（蔡依橙）認真看完後，覺得蠻不錯的，於是把這 20 個統計錯誤的標題翻成中文，協助大家節省時間，如果剛好有興趣的，可再針對該部分去閱讀原文。接著，分享一些我看完之後的想法。
⠀
⠀
1. 數值報告時，提供了不必要的精確。例如 60 公斤體重，硬要寫成 60.18 公斤。
⠀
2. 將連續變項分組，變成次序變項，但沒有說明為什麼這樣分。像是 CRP 不以數值去統計，而分成低、中、高三組，卻沒說明為什麼這樣分。
⠀
3. 配對資料，只報告各組平均，卻沒報告其改變。也就是只報告治療前血壓、治療後血壓，卻沒報告有多少人上升、多少人下降、平均下降多少。
⠀
4. 描述性統計的誤用，尤其該用 median (interquartile range) 的，硬是用成 mean +- SD。
⠀
5. 使用 standard error of the mean (SEM) 描述量測的精確度，而非 95% CI。
⠀
6. 只報告 p 值，卻沒提到差值以及臨床意義。
⠀
7. 誤用統計方式。尤其常見的是混淆有母數跟無母數統計方法。
⠀
8. 使用線性迴歸，卻沒有先確定資料之間是真的有線性關係。
⠀
9. 沒有使用全部的資料，然後又沒把去掉的資料「為什麼被去掉」說清楚。
⠀
10. 多組比較的 p 值校正問題。
⠀
11. 在隨機分組研究時，過於詳盡地比較了兩組受試者的基本資料，像是性別比例、年齡、體重、血壓等等，而且資料好得太奇怪。
⠀
12. 報告檢驗數值時，沒有定義 normal 與 abnormal。
⠀
13. 計算 sensitivity 與 specificity 時，沒有說明一些介在灰色地帶的檢查結果，如何呈現與去除。
⠀
14. 使用圖片與表格，只是為了儲存數據，而非以協助讀者理解為出發點。
⠀
15. 畫出來的數據圖，視覺主觀上給人的印象，竟然跟數據本身不同。
⠀
16. 在報告數據與解讀時，搞不清楚 units of observation 是什麼，例如心臟病的觀察研究，在 1000 個患者中有 18 位心臟病發，那 units of observation 就是 18。但如果這個研究是以診斷正確率為主，那 sample size 就是 1000。
⠀
17. 把不顯著的統計，或 low power，解讀成 negative，而非 inconclusive。
⠀
18. 分不清楚解釋性研究與實務性研究，前者為 explanatory / efficacy / laboratory，後者為 pragmatic / effectiveness / real world。嘗試兩種混著做，結果兩邊都做不好。
⠀
19. 沒有用臨床能理解的方式來報告最終結果。
⠀
20. 把統計的顯著性，當成臨床的重要性。例如：癌症用新藥治療，統計上很顯著的好，但追蹤了五年，患者只延長了七天的壽命。這就是統計有顯著，但臨床意義不大的例子。
⠀
⠀
🗨 我（蔡依橙）的一些想法
⠀
由統計專業人的角度，來看生物醫學發表，是很有警惕意義的，能讓準備發表的朋友，仔細看看自己是不是也犯了相關的錯誤。
⠀
但另一個角度看，作者也提到，這些錯誤在幾乎一半的生物醫學論文上反覆出現！這就代表，其實生物醫學論文要刊登，並不代表我們什麼錯都不能犯，相反地，這 20 個錯誤裡頭，有些就算犯了，也還是能被刊登。
⠀
以我們自己發表，以及過去協助同學的經驗來說，我會認為 2、7、10、14、15，是初學者也 ＃必須理解並避開的，其他的則是發表起步了之後，陸陸續續去注意，在往更高分期刊挑戰時，逐漸進步就行。
⠀
實務上，3 分以下的醫學期刊，幾乎沒有專門的統計查核，你只要能通過「一般同行」的統計知識審查就行。也就是說，我是一個放射科醫師，剛開始起步，投稿到放射科 3 分以下期刊，文章中的統計，只要「＃一般有在做研究的放射科醫師」覺得可以就行，不見得要到「統計專家看過並挑不出毛病」。
⠀
對於初學者如何起步，實務的協助，新思惟規劃了各種類型的研究課程，歡迎有興趣的朋友可以參考。目前正在開放報名中的，有以下三場工作坊，歡迎您瞭解各課程的課綱後，評估挑選最符合您需求的內容，前來上課，讓我們協助您成功起步。
⠀
🟠 2021 / 11 / 7（日）統合分析工作坊
無經費、資源少也能發表，不用 IRB 且免收案的好選擇。
https://meta-analysis.innovarad.tw/event/
⠀
🔵 2021 / 10 / 17（日）臨床研究與發表工作坊
全新改款！跟著國際學者走，讓你寫作投稿都上手。
https://clip2014.innovarad.tw/event/
⠀
🟢 2021 / 10 / 16（六）個案報告、技術發表與文獻回顧工作坊
把臨床上的各種想法，在 PubMed 化作專業生涯上的里程碑。
https://casereport.innovarad.tw/event/
⠀ ⠀
不只是說說而已，我們會舉實例，說明其意義、如何避開，在互動實作過程，實際由各位在自己的電腦上操作，從數據到軟體，從統計到繪圖，一次搞定，並避開常見錯誤，是真正以 ＃初學者起步 為核心的規劃。
⠀
⠀
二十個常見的統計錯誤，與實務寫作時的考量。
🔗 原始貼文 │ https://bit.ly/2WESphu

【💡💡營運小教室-第32堂】🕹 A/B測試 重點分享 🕹
.
🔎文章同步部落格：https://bit.ly/3rPadlk
(圖文同步、畫好重點，閱讀更方便)
.
最近這兩週我在研究A/B測試，
何謂A/B測試我就直接引用文章內的話：
「針對某一需要改進的功能、頁面或是產品，提供兩種或以上的方案，合理分配流量，將不同方案发布給不同用戶。在運行一段時間後，結合各項指標和科學的統計方法，對比實驗數據做出決策，將最優方案更新給全量用戶。」
.
因此，A/B測試在現今網路行業中被用的相當頻繁，
Google更是把A/B測試視為圭臬，
大到一個功能，
小到一個按鈕的顏色都要做A/B測試，
也因為Google進行了大量的A/B測試，
把用戶旅程(user journey)中每個節點的轉換率一步步提高，
使得每次產品功能或是頁面的改動更符合多數用戶需求，
自然效能與績效就能極大化，
其他像是臉書、亞馬遜等電商公司，
都是將A/B測試納入必要的工作項目內。
.
專門在做這工作的人，
現在也有個很新穎的職務名稱叫成長駭客(Growth Hacker)，
大家到104人力銀行搜尋就知道其工作內容，
這邊不贅述。
(注意，A/B測試只是成長駭客內的其中一個工作項目，並非成長駭客就只做A/B測試，差很多)
.
遊戲業坦白說在營運上不太會進行A/B測試，
因為用戶幾乎都從雙平台上下載遊戲，
如果要做A/B測試就只能在雙平台上著手，
新產品或許還能這樣做，
但對既有產品來說就不切實際點，
因此A/B測試通常會出現在廣告的買量測試中。
.
以下分享我自己在A/B測試上的心得分享：
.
1⃣A/B測試不代表一次只能測試兩個，你想測試2個以上也行，主要是得確認每個群體樣本數要夠多，如果樣本數太少，達不到性效度的話，做出來的結果就沒有參考價值。
.
2⃣如何確認有足夠的樣本數呢？身為營運人員，自家的營運數據自己最清楚，可以透過這個網站輸入母體大小，就會自動算出要多少樣本數才能達到統計顯著性。
👉https://zh.surveymonkey.com/mp/sample-size-calculator/
.
3⃣假設是投放廣告，如果不曉得母體會有多少，那可以用以下免費工具來反推，例如你想要達到的轉換率是1%提升到5%，這個頁面就可以幫你計算出兩個群體各自要曝光幾次才足夠，就能判斷預算會花多少。
👉https://clincalc.com/stats/samplesize.aspx
.
4⃣會需要計算上述的原因主要有兩個，一個是預算問題，另一個是在不確定風險下，建議做足夠樣本數就好。
👉舉例來說，如果今天某款遊戲每月付費玩家有10,000人，如果想改動一個功能，可能一開始會想到的做法是隨機5,000人分配到不同群組(也就是A/B測試為50% / 50%)。
.
但這樣就會有一個風險，萬一這個改動是失敗的，等於就會直接影響到5,000人，那在A/B測試期間，可能就開始蒙受不小的營收損失，或是等不到信效度出現就提早結束測試，因此如果能事前估出足夠的樣本數，就能降低上述風險。
.
以10,000人這例子，丟到頁面內，只要370人的樣本就能達到統計顯著性了，不用分到50% / 50%這麼多，只要5%就足夠了，這樣即使A/B測試不理想，也只會影響到那5%付費用戶。
.
5⃣要確保兩個群體是完全獨立，而非交集，如果有交集，就會影響分析結果。
👉這點比較吃技術的工，技術要能夠確保實驗對象進入A/B測試時會被隨機分派到不同群體內，如果因為裝置過多、版本不同等因素而導致有部分用戶既是A群體、也在B群體的話，那就會導致數據判讀出現錯誤。
.
6⃣不要在一個A/B測試還沒做完情況下，又緊接著做另一個A/B測試，除非能確定這兩個A/B測試是完全不相干，不然不但在分析時不容易分清楚每個群體，也很容易影響整個數據的分析。
.
7⃣做出來的結果到底有沒有達到統計顯著性，可以把數據輸入到這個網頁內，非常方便。
👉https://abtestguide.com/calc/
.
8⃣A/B 測試前，可以先執行A/A測試，先確認目前的隨機分配中有沒有其他的變異數，確保這兩個群體的整個營運數據夠乾淨。
👉由於測試的是群體內有沒有其他變因，而非方案本身，因此在流量分配上就能夠以50% / 50%進行。
.
以上就是我對於A/B 測試目前的經驗與心得分享，
如果要再探討下去絕對有更多的理論基礎與分析模組，
我自己也還在學習摸索中，
日後如果有甚麼心得或是勘誤，
我會持續更新在這篇文章中，
如果你有其他心得或是已經發現錯誤的地方，
也歡迎分享給我。
.
🔎參考資料：A/B 測試要測多久？從統計顯著與檢定力看廣告測試結果
https://bit.ly/3CcQAIL
.
🔎延伸閱讀：谷歌是怎么用A/B測試的
https://bit.ly/3lr6KYZ

#盧覓雪玻璃朱 #盧覓雪 #玻璃朱 #視點31 #視點31足本 #奧花雲費 #網絡欺凌 #收視率 #廣告商 #彈鐘 #是日娛樂八卦新聞 #FBI微表情 #娛樂八卦 #Smarttravel #香港電台 #RTHK #Viutv #193 #TVB #Mirror #Error #姜濤 #調教你mirror #姜濤mirror #花姐mirror #起底 #玻璃朱 #撐警 #足本版 #娛樂節目 #社會責任 #視點31 #杜汶澤 #還原P圖 #玻璃朱 #真面目 #是日娛樂新聞重點推介 #在晴朗的一天出發 #oprahwinfrey


【空姐爆料】系列, 專業人士、家庭主婦、OL、行政人員、男士、傳媒亦喜歡報導我的呢個 #SmartTravel, 可以滿足你 #娛樂、輕鬆、#剝花生 #旅遊資訊 #平吃買玩 #各地文化, 要睇梗係睇原汁原味, 你係咩人就會支持返咩嘅youtuber, 國際華人傳媒, 最喜歡報道Smart Travel
https://youtube.com/playlist?list=PLhKZNoNE4iEf-Rsl1fa8Um8aY2Yl86Q95
大家可以透過Payme, 支持下我, 打賞打賞鼓勵鼓勵:
https://payme.hsbc/smarttravel

?合作邀約請洽
gold7778@gmail.com
https://www.instagram.com/gold7778t/

成為這個頻道的會員並獲得獎勵：
https://www.youtube.com/channel/UCIuNPxqDGG08p3EqCwY0XIg/join

請用片右下角調4K睇片。


.........................
講返呢場口水擂台先啦 , 實力太過懸殊 , 其實 冇乜嘢值得好講 , 即係等於黃一山同埋李小龍打, 三個字已經講完, 冇得fight, 只不過咁, 我哋網民一向都好鍾意食花生日呀, 咁梗係喺佢哋今個口水擂台之中, 睇下有啲乜嘢畀我哋傾下笑下啦. 由於我上一條影片已經講咗佢頭七分鐘嘅花生, 你哋仲未睇既麻煩自己喺呢條影片我放咗條link, 慢慢lun返, 我就由佢哋第八分鐘開始講.



延續返上次主持問佢哋代鬧藍營廣告商不夠堅定
電視台或藝人被觀眾定型，甚至被投射想法，被劃分為黃藍，玻璃朱認為是被扣顏色帽子，甚至令她及其他藍營藝人失去廣告商的支持，沒job做，「我自從撐警之後，我所有KOL job冇晒！

.....................
此時，雪雪立即代玻璃朱出頭：「我覺得我要幫你鬧啲廣告商，好簡單啦，譬如你見到黃嗰啲，你見到好堅實㗎，邊間慘就全村人去排隊，話要去『懲罰』佢，咁點解藍營嗰啲人又唔去『懲罰』吓撐藍嗰啲人㗎呢？」

呢個我可以幫佢答 , 因為某一批人只係講利益嘅啫 , 你有蛇齋餅粽係咪出現囉 , 你叫佢自己暗錢去嗰啲餐廳食嘢支持下? 你請佢去就差唔多 , 點解有啲舖頭有人去排住隊懲罰 ,有啲舖頭就拍烏蠅 , 功利現實同埋良心,已經解釋咗點解有啲舖頭冇人幫襯嘅現象.我認為係一個商業社會,你做好你本身嘅分是就已經夠啦,不如話你係做餐廳嘅做好啲食物,你係做演員嘅就應該做好你嘅表演,咁就未已經解釋咗點解有啲餐廳,同埋藝員冇表過態,都一樣可以生存到,你又自己冇job, 嘉欣你唔係做緊自己行業內嘅事吖嘛.你硬要同嗰班插頭沖出嚟差吖嘛'. 咁當然亦都唔排除呢個peter仔啦 ,警嫂 ,明嘅明嘅 ,

...................
Michelle.姐亦都有喺節目講, 佢自己都有好多藍色藝人, 但係都冇同藍營嘅藝員朋友割席, 如果佢覺得因為立場唔同而同呢一啲朋友割席就係好Clichés, 即係好老土, 好陳腔濫調食古不化咁解 ; 我自己都係呀我身邊......................班人自己去分黨分派啫 .人哋商業電台同埋blue tv都冇分顏色 ,一樣接廣告接到手軟 .如果你話大家收入少咗 ,亦都可能係因為近排疫情 ,廣告商都好謹慎去落廣告 ,Budget有限就要好審慎搵邊啲代言人㗎啦 ,

提到電視台近日風起雲湧，MIRROR及ERROR的人氣更高到一個誇張的地步，雪雪認為：「我覺得呢個...................MIRROR及ERROR被指努力，很多TVB藝人或歌星亦很努力，雪雪再出擊：「呢個先最奇妙吖嘛！大台啲人冇人睇，弱台……弱到唔弱嘅嗰啲收視率都唔識計嘅，好低嘅，呢度就有個世代問題。你大台依然靠傳統嗰個收視率，幾點畀咩你睇，

呢度有少少補充 , 而家計算電視收視率嘅, 係一間國內有份投資嘅公司 , 你話你一個數據出嚟嘅準確度, 佢哋係喺放部機去大約一個數目嘅家庭做sample collect data , 如果真係咁高收市嘅 , 廣告商都唔識得喺你個台落廣告 , 咁你係咪鬧曬成香港嘅廣告相係豬呀 .


Michelle姐繼續講, 但而家啲後生仔根本唔鍾意跟住個時間表（電視節目表）去做人，佢哋有自己個agenda，.................真係就係咁講㗎啫，我成日都落旺角食飯，可能我呢啲樣周街都係啦，都叫做有自知之明, 旺角邊條街呀 , 係咪砵蘭街呀

佢話: 一樣之嘛，其實我本身對MIRROR係一啲反感都冇㗎！（有冇睇過類似演出？）睇過啲咪傳媒報道同埋啲片，我覺得都charm嘅，嘩, 表 , 打撚到呢
但係奈何地，我覺得過份地報道到某一啲位係反感……即係嗰啲叫反效果呀，sorry。」

雪雪聞言，立即笑問玻璃朱：「當年你有冇嬲譚詠麟同張國榮霸晒啲娛樂版？某程度都係一樣，再退多幾十年，我未出世嘅年代，蕭芳芳同陳寶珠都霸晒嗰啲版面，我啲前輩話畀我聽，當任白紅嘅時候.

之後，玻璃朱認為電視台計收視點數在世界各地通行，指這是很多國家的指標，
下刪3000字, 我都講咗因為而家無線tvb佢哋用嗰個計算收視率嘅機制, 廣告商知道係唔準確, 所以咪唔用呢個收據畀生意你做囉, 你估廣告商白痴嘅咩

Michelle姐就好簡短咁樣用咗兩三句說話已經打發咗你條仔細啦, 而家啲人係睇view數, 係如話好多外國公司youtuber InstagramFacebook,如果你去買like擺roadshow嘅話畀人check到成個袋都冇埋㗎大佬, 唔可以做數㗎, 你估.................呢啲外國公司可以好似淘寶咁樣去買票數, 微博有幾百萬成千萬個鐵粉咩, 如果你youtube畀埋bell數 , 我都做啦 , 不過後果自負, 人哋係用ai去scan 你有冇出古惑 , 一經發現 , 你成個台一夜之間冇咗㗎喇 ,金賢咁嘅系統 你先至可以喺個 YouTube view數嗰度反映到 , Artist歌手嘅受歡迎程度呀嘛 . 你啲數就真係堅 . 嗰時代喺度變遷緊㗎啦 ,
Michelle姐都講咗啲人睇完之後仲會share㗎嘛 , 咁你收視率 係用部機係佢連接個sample家庭嘅電視機 , 你點樣分享呀 . 人哋個個上網睇㗎啦 , 連啲廣告商我係多咗喺個網上面放廣告㗎 , digital Marketing ,你懂不懂呀

講講下唔夠人講佢就轉話題 ,
：「其實我覺得唔止兩個電視台嘅競爭，因為有太多唔同嘅平台，例如Netflix呀，上網睇內地節目，或者外國節目……」此時雪雪在旁邊笑邊搖頭說：「如果拉埋其他去討論，其實冇乜討論空間，Netflix我哋做唔到嘛，我哋係本地電視製作呀……我嘅着眼點唔會放喺電視台度，根本就係所謂娛樂節目嘛，譬如網上有好多本地年輕人嘅，亦都好高hit rate，好多人支持，甚至好多客落廣告，即係只要你有創意有人欣賞，自然錢呀，人呀乜都嚟晒。」

拿玻璃珠唔係我唔醒你啦, 喺度幫你宣傳埋你個youtube channel啦 , 那他我對你幾好 , 你哋如果覺得佢有誠意嘅 , 都可以去surprise佢 , 我慣好公道㗎 , 佢無非都係想出名啫 , 係呀網上係有好多選擇 , 有萬鳩幾個人支持你呀 , 我覺得唔差喎 .


講真嗰句 , 如果你真係教人煮嘢食嘅話 , 咪撚講咁多廢話 , 我覺得佢煮嘢食未必差得過媽媽張嘅 ,不過你係都要拆出嚟冇辦法 .為仔死為仔亡 ,餵仔撐男 先至有得上床 .

到最後, 玻璃豬呀 , 都係兜返去tvb嘅藝人 畀人哋網絡欺凌 , 收頭 , Michelle姐姐講到有啲冇耐性, 長話短說 , 佢都係話兩邊都有畀人欺凌呀 ,

咁我就做個總結 , 覺得佢哋而家冇廣告接就話收到人哋欺凌 , 不如大家都各自做返自己份內嘅款項先..............................
因此香港用這個計算觀眾人數是完全冇問題，但雪雪即插口說並不同意其說法。「我做咗娛樂記者好多年，一直覺得詬病嘅，就係如果TVB嗰個所謂嘅點數，只不過係幾多戶人裝咗部機去做一個projection，但而家係實際一個view我click入去，好清晰話畀你聽呢個（點數）唔代表晒我哋嗰批人囉。我唔係話個計法冇代表性，而係佢個代表性唔係做畀觀眾睇，而係做畀廣告商睇，廣告商攞住呢堆嘢去落廣告咁解。」

玻璃朱指網上跨平台7日數據，通常只有少於10%人去睇，計起上來只有兩點收視，因此不要說計算收視率沒有指標性，認為落廣告始終需要靠一個收視率去做。她說：「全世界都用緊嘅嘢，唔明點解我哋突然間唔buy囉！」雪雪即反擊說：「唔係buy唔buy，而係制度改變咗，而我哋繼續用緊舊制度去對應一個新時代，係不合時宜，我只能夠講當ViuTV正常播節目嘅時候，其實都好低收視率，佢重播都好少人睇，但你同人講，個個都講到喎，點解呀？因為我可以攞嗰條片去share，即使你冇去Viu任何平台去睇，不過你去咗我個平台睇咗，好多人share出去，咁呢個係一個新嘅模式，而呢個數字係可以好龐大嘅。」

發牌機構已包含道德底線
節目中，主持問到玻璃朱有否覺得TVB有問題，她想了想說：「我覺得TVB其實進步緊，自從志偉哥（曾志偉）返咗入去之後，例如以前淨係得星夢嗰一班人，但起碼你入返四大唱片公司入去，將成個音樂層面，即係我哋細細個好looking forward去睇嘅《勁歌金曲》，點解呢幾年搞到咁差，講真，我都覺得有冇搞錯呀？我哋都好開心終於有返個良性競爭喇，你哋唔使再講咩一台獨大，譬如最近ViuTV好有noise，我哋都啦，王晶都有屎尿屁啦，哈哈，呢啲出唔出得街㗎？我覺得每一個層面嘅觀眾，我哋都要迎合嘅，但係低俗到某一啲位，我都想講一講呢個節目（《ERROR自肥企画》），佢低俗到某一啲位係去到朋輩欺凌，我最驚係細路仔會覺得原來整蠱人係咁好玩，我又擺個波去炸吓佢下體先！」

此時雪雪就糾正玻璃朱的說法，指這個原本是一個有懲罰性的遊戲節目，每個人都有機會受罰，因此不存在朋輩欺凌問題。作為家長的玻璃朱就話擔心小朋友，雪雪即說：「你個仔都瞓咗覺啦……你哋成日話道德底線，道德底線對於一間發牌機構入面，只要你唔犯例，香港係冇人理你喎！」

離題扯Netflix討論
此台，例如Netflix呀，上網睇內地節目，或者外國節目……」此時雪雪在旁邊笑邊搖頭說：「如果拉埋其他去討論，其實冇乜討論空間，Netflix我哋做唔到嘛，我哋係本地電視製作呀……我嘅着眼點唔會放喺電視台度，根本就係所謂..............娛樂節目嘛，譬如網上有好多本地年輕人嘅，例如試當真游學修等嘅人，全部好有誠意、好有諗法，佢哋亦都好高hit rate，好多人支持，甚至好多客落廣告，即係只要你有創意有人欣賞，自然錢呀，人呀乜都嚟晒。」

堅稱黃人欺凌藍人
玻璃朱和雪雪在結尾時，終於擦出火花，雙方舌劍唇槍你一言我一句，但玻璃朱來來回回不斷強調「網絡欺凌」，實係嗰邊都suffer緊，都係事實嚟！」玻璃朱：「咁起碼啲藍人唔會欺凌啲黃人，啲藍人唔會走去V同藍兩批人，黃嘅人同樣受欺凌吖嘛，我而家惟有局住代表佢哋去講嘢啦，嗱！你又代表藍去講嘢啦！」而玻璃朱此時強撐說：「我都係講嗰句啦，欺凌嘅話，有一邊係零舍嚴重啲嘅，你哋成日話要爭取自由，點解唔畀自由人哋，我覺得係講唔通囉！」

フィーバーで高ダメージを出す方法や防御無視、連打系スキルなどスキル性能についての解説です。ダメージ計算やスキル仕様などを何となく学んでバトルに活かしてください。
－－－－－－－－－－－－－－－－－－－－－－－－
参考ページ
http://ginmy.net/sample-page
－－－－－－－－－－－－－－－－－－－－－－－－
上位陣の使用キャラ調査はこちら↓
https://youtu.be/EtXkIOTmgno
おすすめ最強キャラまとめはこちら↓
https://youtu.be/jOOJAxxIe8s
リセマラ後知っておきたいことはこちら↓
https://www.youtube.com/watch?v=wjUpvgjbiko&t=3s
リリースイベントまとめはこちら↓
https://www.youtube.com/watch?v=jI5Re7KsF1I&t=18s
効率の良いリセマラはこちら↓
https://www.youtube.com/watch?v=S_z5Pipv-m4&t=18s
デスチャ専用チャンネルはこちら↓
https://www.youtube.com/channel/UCHk98x6PdAp0_n2J8YAo_hg

■MusMus（ http://musmus.main.jp/bgm.html ）
■Music is VFR（ http://musicisvfr.com/ ）