如何学习统计的研究方法(最终版).ppt

引言 个人的介绍 主题： 分享学习统计的一些心得（理论方法的知识地图） 回归应用的问题（个案学习） 问题完了吗?你确定你会回归了？ 回顾以上其实我们只是讨论了模型设定除了问题的情况，模型的元素不仅是模型的模型的形式，还包括了样本本身：如果样本并不完备又如何？ 样本不完备包括（1）存在测量误差（2）存在分组情况（3）样本存在缺失值 * 如何学习统计研究方法 和传媒大学同学的一次交流 祝迎春 2006, 5 统计是一门致力于研究：收集数据（抽样理论），分析数据（统计算法），解释数据（背景知识与理论）的学科。 -------- 我个人的心得 ※.外加计算机操作 研究什么？--经过数据计算后产生出有意义的信息 事物之间的相关关系（包括因果关系） 事物之间的差异（先找出它们的差异然后再找出它们的共性） 事物的结构（层次水平） 统计是以帮助描述，验证思想的工具性学科 统计是什么？ 统计的两个应用领域 思维过程领域 研究方法领域 生活 学术 数字背后的心理活动过程，普通人做统计问题时的思维过程-处理随机事件的能力 数字背后的心理活动过程，研究者做学术研究时，逻辑的推理过程 关于随机性规律 观察数据 调查数据 抽样数据 试验数据 统计中的形象思维：使看不见的随机性被看见 ＝的意义，赋值和建立、描述相关关系 基本知识回顾 总体的描述（随机变量的数字特征：X，σ）与样本的描述（样本分布的数字特征：μ，s）之间连接点是：随机变量的分布。 Ⅰ.估计量的性质： 无偏性(Unbiasedness)：样本均值在真值附近摆动而没有系统误差。 有效性(Efficiency)：在所有的不同估计量中的方差最小。 一致性(Consistency)：当n→∞，估计量在真值附近的概率接近1。 最小离差平方(Mean Square Error)：离差最小or方差最小？如果 估计量是无偏时此标准等价于有效性。 Ⅲ.对估计量的检验：假设检验 单个总体（估计方差？估计均值？方差已知否？） 两个总体（相关系数） 点估计 (Point Estimation) 矩法 似然法 最小二乘法 Ⅱ.估计方法： 区间估计 (Interval Estimation) 统计学习分三个部分 统计基本原理 统计是应用性很强的学科，在使用某一种方法之前,一定要对所用方法的目的﹑对象和条件有所了解。 目的：描述（集中或离散）？相关关系？差异？…H0 对象：变量类型和个数；抽样方式；数据排列（eg.MDS） 条件：参数或非参？模型假设（Assumption） 统计软件操作 选择：经济原则，学习最恰原则，兼容性，获得性， 模块数量，创建新变量，前沿性 格式：数据录入格式；数据排列（eg.多重应答） 规范性：命令或鼠标操作正确；探索与重复； 选择软件体现了统计应用的专业性。Spss？Stata？SAS？R？STATISTICA？Minitab……… 统计结果解读 在理解算法原理即统计意义后的软件操作解读。（操作步骤中先看什么后看什么，对应的统计过程是什么？） 每步统计结果中对数字的解读。（eg. α） 统计技术水平 检验背后代表的是什么？备择假设！说明了什么现实意义（可证伪吗？）。 试验设计或者验证过程的逻辑严密性。 研究经验（ eg.每个群的常模，回归的决定系数大小） 高手的处理技巧（体现在操作化过程）。 研究功底水平 学习归纳统计方法的一个案例 2.相关 独立样本 1.差异 非独立样本 组类相关系数 Intraclass correlation coefficient Pearson相关系数 独立样本t检验 配对样本t检验 在同一对象上两个重复测量值之间的相关系数。 Pearson相关系数研究的是不同变量之间产生的。 研究中要注意的一些问题 假定（Assumption）：在研究中被人为控制（设定，定义）的变量或者常量。针对的是一个变量（常量是特殊的一种变量 ）。 假设（Hypothesis）：可验证性的；陈述两个或多个数个变量间的可能关系，为一种「假设性陈述」。 变量产生 操作化（operational definition）：用变量代替概念。 理论是观察陈述的前提 概念术语使用的必要性 陈述 日常用语 科学陈述 大众共识 学术共识 观察与描述 验证过程 数据管理 数据分析 数据呈现 数据收集 数据格式的转换 储存位置 抽样设计 研究设计 问卷设计 执行管理 变量选择 加权 统计模型的选择 统计量的含义 检验标准(显著性水平) 报表 表格 符号(公式，文字) 图形 客观的世界 主观的世界 观察 解释 理论和现