第四部分数据分析.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,*,一、数据处理,1、初步处理,1、编辑,2、编码,3、赋值,2、基本描述统计,集中趋势的测量,离散程度的测量,单变量频数分析表,1、初步处理,1、编辑,编辑是为了提高问卷数据的准确性和精确性而对数据收集表格进行的再检查，目的是筛选出问卷中看不清楚、不完整、不一致或模棱两可的答案。,方式：,（1）现场编辑：当场对于收集的所有数据进行检查,（2）办公室编辑：也称为最终编辑。审核调查问题的一致性和准确性，做出必要的更正，并决定是否应该抛弃部分或者全部数据。,例如：,1、被访者18岁，但他是博士。,2、在一份调查问卷中，受访者对所有问题的回答都是“非常赞成”。,编辑者可能发现的问题有以下几种：,1、不恰当的调查程序,2、不完整的访问,3、不恰当的访谈,4、调查问卷中或调查过程中的技术问题,5、受访者对问题的态度,6、应当解决的一致性冲突问题,替换缺失值,对于缺失值，有的时候需要查出来删除，有的需要作其他处理。,“转换transfrom”,“替换缺失值replace missing values”,替换完成，出现新变量，原来是缺失值的被替换掉，非缺失值保持不变,3、赋值,为不同的回答分配适当的数值代码，即不同的回答进行量化。,单选问题的问卷，一个问题为一个变量，存储问题的答案,多选项分析,针对问卷调查中的多项式问题，即要求被调查者从问卷给出的若干个可选答案中选择一个以上的答案。,对多选项的分解即对应设置若干个SPSS变量，分别存放描述这些问题的几个可能被选择的答案。即将一个问题分解为对多个问题的分析。,二分法,将每个答案设为一个SPSS变量，每个变量只有0或1的取值。,多项式分类法,若问卷要求被调查者最多选择三个答案，便可设置3个spss变量，分别对应第一原因，第二原因，第三原因，变量取值为多选项问题中的可选答案。,以上两种方法的区别：二分法便于分析哪一个原因是人们购买商业保险的主要原因，但是对于顺序性信息会丢失。但分类法无法方便分析有多少人是由于某个原因而去购买保险的。所以，有顺序问题分类法，无顺序问题二分法。,“分析”“多重响应”“定义变量集”,定义完所有的变量集后，就可以进行多选项频数分析了,“分析”“多重响应”“频数”，,“分析”“多重响应”“频数”，将待分析的变量集选入表格，,缺失值的处理方法，第一种适合二分法，第二种适合分类法。,2、基本描述统计,集中趋势的测量,离散程度的测量,单变量频数分析表,单变量频数分析表,通过单变量频数分析，可以：,1、发现某些类型的编码错误,2、通过频数统计，可以分析被划分为一个群体的特征,3、单频数分析能够进行变量转换。,二、数据分析,1、假设检验,2、相依分析技术,3、互依分析技术,1、假设检验,参数检验,非参数检验,卡方检验,举例：,情景1：karen是一名产品经理，他的公司为顾客提供手机上网服务（具有上网和收发电子邮件功能的手机）。他正考虑是否要将该服务引入到新的市场。最近，一项对新市场400个家庭的随机抽样调查显示，该地区每个家庭的平均收入为3万元美元。基于过去的经验和对现有市场的全面研究，karen认为，只有在那些家庭平均收入高于2.9万美元的市场上，才能有利可图。那么，karen是否应该将项目引入到新市场中去呢？,情景2：tom是宝马公司广告部的经理，他正在考虑使用短片x或y以吸引年轻的消费者，这两个短片的故事里都有好莱坞的明星和宝马车，并且在故事中宝马车都起着关键作用。Tom不确定哪一个短片在吸引目标市场上更有效，该目标市场主要是针对的是1830岁的消费者。因此，tom随机抽取了400个样本。被访者通过参与调查。在调查中，被访者可以随机选择是看短片a还是看短片y，每个短片分配200人，看过之后，要求他们回答对短片的喜爱程度。再看了短片x的200个人中，40人表示喜欢。因此，也就是说有百分之20的人喜欢短片x，而25的人喜欢短片y，那么tom是否可以得出这样一个结论，即短片y更能有效的吸引1830岁这个年龄层的消费者呢？,情景1和情景2的共同点,？,知识,原假设、备择假设,第一类错误、第二类错误,显著性水平、犯二类错误的概率、检验力,单尾检验、双尾检验,方向性检验、非方向性检验,单变量分析、多变量分析,非参数检验、参数检验：,单变量检验假设,检验类型,检验的主要目的,卡方检验,考察两个变量是否相关,单均值检验,总体均值是否与制定的检验值之间存在显著相关,单比例检验,检验假定：将以变量的总体比例与一个事先给定值比较,双均值检验,利用来自两个总体的独立样本推断两个总体的均值是否存在显著差异,非独立样本情况下的双均值检验,利用来自两个总体的配对样本推断两个总体的均值是否存在显著差异,双比例检验,检验假定：比较两个独立总体中同一变量的总体平均值,实际问题的研究中，经常对研究对象的全部特征或部分特征不是很清楚，这是将研究对象看做总体，从总体中抽取样本数据，通过样本数据的信息对总体的未知特征进行统计推断。,统计推断有两大类方法：,已知总体的分布，对总体参数进行推断，即参数检验。,未知总体分布，根据样本推断总体的分布和参数值的大小，即非参数检验,参数检验,参数检验包括两大类有密切关系的问题：参数估计和假设检验。,在spss中，这两个问题常常在输出窗口中同时输出。,（1）单样本T检验,前提：假设样本来自于正态总体,检验总体均值与给定的检验值是否存在显著差异。,检验中构造t统计量，自由度为n-1。,“分析”“比较均值”“单样本T检验”，,（2）独立样本T检验,该功能是来检验两个独立样本是否来源于具有相同均值的总体,即检验两个独立正态总体的均值是否相等。,“分析”“比较均值”“独立样本T检验”，,在两个独立样本的检验中，有一个关键就是两个独立样本的方差是否相等（决定了用哪一种方法进行检验），即进行Levene方差齐性检验。,方差相同，从“equal variances assumed”中的值判断。,若方差不同，从“equal variances not assumed”中的值判,（3）配对样本T检验,用于检验两个相关样本的总体均值是否相等,配对：两个样本的各样本值之间存在着对应关系。,“分析”“比较均值”“配对样本T检验”,2、非参数检验,总体分布未知或知之甚少时，利用样本数据对总体分布形态等做出推断的分析方法。,方法非常丰富，可以分为,卡方检验、二项分布检验、游程检验、单样本K-S检验、两个独立样本检验、多个独立样本检验、两个相关样本检验和多个相关样本检验。,“分析”“非参数检验”，,单样本的非参数检验,卡方拟合优度检验，检验样本数据是否与某种概率分布的理论数值相符合，进而推断样本数据是否来自于该分布的样本问题。,二项分布检验,“分析”“非参数检验”“二项分布检验”，,游程（变量值随机性）检验,游程：连续出现的一组数称为游程。,11100100100011011100,首先要将不同组别的样本数据进行升序排列，然后利用游程构造检验统计量，检验样本数据的随机性,“数据”“排序个案”，,再“分析”“非参数检验”“游程检验”，,单样本KS检验,柯尔莫哥洛夫-史密尔诺夫（Kolmogorov-Smirmov）检验的简称,适用于连续性随机变量,相对卡方检验，是一种更精确地非参数检验方法。,可以对正态分布、均匀分布、泊松分布、指数分布进行检验,两独立样本的非参数检验,Mann-Whitney（曼-惠特尼）U检验,最常用的两独立样本的非参数检验,这个检验方法不仅可以用于样本值为连续性数据，还可以用于定序型数据。,K-S检验,是检验两个分布的位置和形状分布差异的方法,W-W游程检验,用于检验两样本是否来源于相同的总体,Moses极限反应（极端反应检验）,从另一角度检验两独立样本来自的总体分布是否存在显著差异。,注意：,不同分析方法对同批数据的分析，其结论可能是不尽相同的。,多独立样本的非参数检验,Median（中位数检验法）,前提假设：,独立性,样本量足够大,精确度较低,Kruskal-Wallis H(克-瓦氏单向方差分析),前提假设：,分布相同：检验变量中的各组数据总体呈连续分布，属于同类分布，如果任意两总体的得分不同，spss只能检验两总体是否属于同一类型的分布。,随机性与独立性,样本量越大结果越精确，大于等于30时，结果相当精确。,该方法较常用，检验几个样本是否来源于同一个总体。,Ranks,城市标志,N,Mean Rank,周岁儿童身高,北京,5,14.40,上海,5,8.20,成都,5,15.80,广州,5,3.60,Total,20,Test Statistics,a,b,周岁儿童身高,Chi-Square,13.900,df,3,Asymp.Sig.,.003,a.Kruskal Wallis Test,b.Grouping Variable:城市标志,Jonckheere-Terpstra方法,当分组变量为等级变量时，其精度比克-瓦氏单向方差分析更高。,两相关样本的非参数检验,相关样本有两种情况：,1）重复测量设计,2）配对样本设计,两相关样本的非参数检验的前提假设：,随机性与独立性,样本量越大结果越精确，大于等于26时，检验结果就相当精确，,McNemr,只适合二分的相关变量,Sign,符号检验法，统计精确度略低,Wilcoxon,前提:两变量的差值总体呈连续分布，有对称性,符号等级检验法，应用最广泛,Marginal Homogeneity,是McNemr的扩展，可以检验多重反应的变量，但只限于顺序变量。,非常适合用于前测后测的实验设计,WarningsThe McNemar Test for 训练前成绩&训练后成绩 is not performed because both variables are not dichotomous with the same values.,McNemar Test,Test Statistics,b,学习前的认识&学习后的认识,N,12,Exact Sig.(2-tailed),.687,a,a.Binomial distribution used.,b.McNemar Test,Wilcoxon Signed Ranks Test,Test Statistics,b,训练后成绩-训练前成绩,Z,-1.599,a,Asymp.Sig.(2-tailed),.110,a.Based on negative ranks.,b.Wilcoxon Signed Ranks Test,Sign Test,Test Statistics,b,训练后成绩-训练前成绩,Exact Sig.(2-tailed),.180,a,a.Binomial distribution used.,b.Sign Test,多相关样本的非参数检验,前提假设：,随机性与独立性,样本量：样本量越大结果越精确,Friedman,前提假设：,连续性与对称性,Cochrans Q,只适合于几个相关的二分变量，是McNemr的扩展,Kendalls W,用于检验不同评价者的意见是否一致。（,原假设,是评判者的评价标准不一致）,3、卡方检验（特殊的假设检验）,许多市场调研的目的在于找出关键变量之间的关系。,双向表是一种有用的初步分析一对变量间关系性质的工具。,缺陷：,容易把研究者引向毫无依据的结论。,“分析”“描述统计”“交叉表”,2、相依分析技术,1、回归分析,2、,方差分析,3、判别分析,回归分析,1、相关分析,简单相关分析,偏相关分析,2、回归分析,线性回归,曲线估计,相关分析,只要用于对两个或多个变量间的相关分析,简单相关分析,偏相关分析,相关系数主要三个：,pearson简单相关系数,主要适用于度量数值型数据的线性相关系数。,spearman等级相关系数,主要适用于度量顺序型变量之间的线性相关关系。,kendall tua-b一致性相关系数,主要适用于度量顺序变量之间的线性相关关系。,偏相关分析,当因变量受到多个因素的影响，其中一个自变量与因变量之间的相关分析,回归分析,侧重考察变量之间的数量变化规律，并通过回归方程的形式描述和反映这种关系,Spss的回归分析模块中有：,线性回归、曲线回归、非线性、二项逻辑斯特回归等,曲线估计,曲线估计就是来解决本质线性关系问题的,常见的本质线性模型：,二次曲线quadratic,复合曲线compund,增长曲线growth,对数曲线logarithmic,三次曲线cubic,S曲线S,指数曲线exponential,逆函数inverse,幂函数power,逻辑函数logistic,Quadratic,Model Summary,R,R Square,Adjusted R Square,Std.Error of the Estimate,.994,.987,.985,45.707,The independent variable is 年人均消费性支出.,ANOVA,Sum of Squares,df,Mean Square,F,Sig.,Regression,1598765.997,2,799382.999,382.641,.000,Residual,20891.203,10,2089.120,Total,1619657.200,12,The independent variable is 年人均消费性支出.,Coefficients,Unstandardized Coefficients,Standardized Coefficients,B,Std.Error,Beta,t,Sig.,年人均消费性支出,-.148,.025,-1.135,-5.892,.000,年人均消费性支出*2,2.460E-5,.000,2.086,10.827,.000,(Constant),252.698,57.792,4.373,.001,Cubic,Coefficients,Unstandardized Coefficients,Standardized Coefficients,B,Std.Error,Beta,t,Sig.,年人均消费性支出,.075,.069,.580,1.089,.304,年人均消费性支出*2,-1.988E-5,.000,-1.685,-1.478,.173,年人均消费性支出*3,2.596E-9,.000,2.112,.,.,(Constant),-41.314,97.204,-.425,.681,Compound,Coefficients,Unstandardized Coefficients,Standardized Coefficients,B,Std.Error,Beta,t,Sig.,年人均消费性支出,1.000,.000,2.711,108768.233,.000,(Constant),20.955,1.226,17.090,.000,The dependent variable is ln(教育支出).,方差分析,方差分析,分析分类自变量对数值因变量的影响,方差分析三个基本假定：,各个总体服从正态分布,各个总体方差相同,观测值是独立的,单因素方差分析,“分析”“均值比较”“单因素方差分析”,Multiple Comparisons,Dependent Variable:销售额,(I)广告形式,(J)广告形式,Mean Difference(I-J),Std.Error,Sig.,LSD,报纸,广播,2.33333,2.83846,.412,宣传品,16.66667,*,2.83846,.000,体验,6.61111,*,2.83846,.021,广播,报纸,-2.33333,2.83846,.412,宣传品,14.33333,*,2.83846,.000,体验,4.27778,2.83846,.134,宣传品,报纸,-16.66667,*,2.83846,.000,广播,-14.33333,*,2.83846,.000,体验,-10.05556,*,2.83846,.001,体验,报纸,-6.61111,*,2.83846,.021,广播,-4.27778,2.83846,.134,宣传品,10.05556,*,2.83846,.001,多因素方差分析,研究两个以及两个以上控制变量（自变量）是否对观测变量（因变量）产生显著影响,观测变量总的变差分为三部分：控制变量独立作用、控制变量交互作用（包括二阶、三阶或更高）、抽样误差。,“建立条件”中，,“交互interaction”：系统默认，建立所有变量最高水平的交互效应作用,“主效应main effects”：每个变量的主效应,“二阶交互”：两个因素之间的交互效应,“三阶交互”：三个因素之间的交互效应,“四阶交互”：四个因素之间的交互效应,“五阶交互”：五个因素之间的交互效应,“平方和”中最常用的是“type”,Tests of Between-Subjects Effects,Dependent Variable:销售额,Source,Type III Sum of Squares,df,Mean Square,F,Sig.,Corrected Model,15131.389,a,20,756.569,8.431,.000,Intercept,642936.694,1,642936.694,7164.505,.000,x1,5866.083,3,1955.361,21.789,.000,x2,9265.306,17,545.018,6.073,.000,Error,11037.917,123,89.739,Total,669106.000,144,Corrected Total,26169.306,143,a.R Squared=.578(Adjusted R Squared=.510),协方差分析,数据的处理可以通过科学的试验设计，也可以通过方法处理，比如协方差分析,协方差分析，认为观测变量的变动受控制变量的独立作用、控制变量的交互作用、协变量的作用、随机因素的作用。,在协方差分析中，协变量一般为数值型变量，协方差分析是介于方差分析和线性回归分析之间的分析方法,Tests of Between-Subjects Effects,Dependent Variable:喂养后体重增加,Source,Type III Sum of Squares,df,Mean Square,F,Sig.,Corrected Model,2328.344,a,3,776.115,68.196,.000,Intercept,980.448,1,980.448,86.150,.000,wyq,1010.760,1,1010.760,88.813,.000,sl,707.219,2,353.609,31.071,.000,Error,227.615,20,11.381,Total,206613.000,24,Corrected Total,2555.958,23,a.R Squared=.911(Adjusted R Squared=.898),判别分析,3、互依分析技术,1、因子分析,2、聚类分析,3、多维标度分析,4、联合分析,因子分析,适用条件：,（1）样本量与变量数的比例在510倍以上，理想的是125倍。但一般做不到，通常样本量不少于100。,（2）各变量间有相关性。变量间没有共同信息，就不应该有公因子需要提取了。,Spss中可以使用KMO统计量（研究变量之间的偏相关性）和巴特利特球度检验（检验变量间是否相互独立，拒绝原假设，说明变量之间相关）。,KMO接近于1，相关性越强。一般认为0.9以上效果最佳，0.8适合，0.7一般，0.6不太适合，0.5以下不适合作因子分析。,通常希望累计方差贡献率达到60%(,社会科学领域,)或90%（,自然科学领域,），一般85%左右,因子负荷矩阵,将主成分表示为各个变量的线性组合,因子分析就是利用载荷矩阵中的系数，判断结构效度。把问卷中的每一道题看作是一个变量，对所有问题作因子分析，提取较为显著的因子，通过各个变量在因子上的载荷，确定结构效度。,聚类分析,多维标度分析,联合分析,二、数据分析,1、假设检验,非参数检验,参数检验,卡方检验,2、相依分析技术,回归分析,方差分析,判别分析,3、互依分析技术,因子分析,聚类分析,多维标度分析,联合分析,1、假设检验,