如何選擇數(shù)據(jù)分析方法(更新版)
【正文】 以建立模型，進行預(yù)測和各種推斷 )（典型相關(guān)分析、對應(yīng)分析） ? 也可以利用其中一些 （定量） 變量把 各個高等學(xué)校分類 (聚類分析、判別分析 ) ? 還可以 把眾多的變量用少數(shù)幾個 （定量） 變量代替以利于分析和理解 （主成分分析、因子分析） ? 可以 作為高校排名的根據(jù)之一 。 ?但怎樣才能確定兩個變量有沒有關(guān)系呢 ? ?最簡單的辦法就是畫出它們的散點圖。 這個檢驗稱為 Fisher精確檢驗 ；它不是 c2分布 ， 而是 超幾何分布 。H1:這兩個變量相關(guān)。 ? 列聯(lián)表可以有很多維。 ? 這個關(guān)系是不是因果關(guān)系？ 在本問題中，看來 似乎 有因果關(guān)系。 ? 如果有關(guān)系，它們的關(guān)系 是否顯著？ 這也可以從散點圖得到。但是現(xiàn)實世界的問題都是相互聯(lián)系的。 ? 比如， 職業(yè)種類和收入之間的關(guān)系、政府投入和經(jīng)濟增長之間的關(guān)系、廣告投入和經(jīng)濟效益之間的關(guān)系、治療手段和治愈率之間的關(guān)系等等。 ? 這些關(guān)系是什么關(guān)系， 是否可以用數(shù)學(xué)模型來描述？ 本例看上去是可以擬合一個回歸模型（后面會介紹），但絕不是線性的（用一條直線可以描述的）。 這里充滿了危險和未知！ ? 9 定性變量間的關(guān)系 （關(guān)于某項政策調(diào)查所得結(jié)果 :） 觀點：贊成 觀點：不贊成 低收入 中等收入 高收入 低收入 中等收入 高收入 男 20 10 5 5 8 10 女 25 15 7 2 7 9 大致可以看出女性贊成的多，低收入贊成的多（還有嗎？） 10 op i ni on * i nc om e C r os s t a bu l a t i onC o u n t7 15 19 4145 25 12 8252 40 31 1 2 301o p i n i o nT o t a l1 2 3i n c o m eT o t a l 觀點：贊成 (1) 觀點 :不贊成 (0) 低收入 (1) 中等收入 (2) 高收入 (3) 低收入 (1) 中等收入 (2) 高收入 (3) 男1 20 10 5 5 8 10 女0 25 15 7 2 7 9 s e x * o p i n i o n C r o s s t a b u l a t i o nC o u n t18 47 6523 35 5841 82 1 2 301s e xT o t a l0 1o p i n i o nT o t a l11 列聯(lián)表 (contingency table). ? 前面就是一個所謂的三維 列聯(lián)表 這些變量中 每個都有兩個或更多的可能取值 。但列聯(lián)表也會帶有 定量變量作為協(xié)變量。 ? 實際上有不止一個 c2檢驗統(tǒng)計量。 因此人們多用大樣本近似的 c2統(tǒng)計量 。它一般用字母 r表示 . ? Kendall t 相關(guān)系數(shù) (Kendall’s t)這里的度量原理是把所有的樣本點配對 ,看每一對中的 x和 y是否都增加來判斷總體模式 . ? Spearman 秩相關(guān)系數(shù) ,它和 Pearson相關(guān)系數(shù)定義有些類似 ,只不過在 定義中把點的坐標換成各自樣本的秩 . ? 它們各自都有以不相關(guān)為零假設(shè)的檢驗 ,即 p值小則相關(guān) .但 各自的相關(guān)含義不盡相同 . ? 現(xiàn)在再來看例 1的數(shù)據(jù) ().關(guān)于初三和高一成績的相關(guān)系數(shù)的結(jié)果是 Pearson相關(guān)系數(shù)， Kendall t 和Spearman 秩相關(guān)系數(shù)分別為
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1