第6讲_数据、录入整理和分析报告.ppt

返回总目录 返回本章 二、判别分析 步骤（两总体）： 1、确定研究问题：变量； 2、确定分析和验证样本：两类样本； 3、估计判别函数或后验概率； 4、评价模型效果； 5、检验模型的显著性； 6、解释分析结果； 7、检查判别的效果； 返回总目录 返回本章 二、判别分析 步骤（多总体）： 1、因变量分G类； 2、需估计G-1个判别函数； 3、零假设不同； 4、作散点图、区域图等； 其它问题： 1、最优判别法则和基本假定； 2、错判函数估计； 3、类别间差异和逐步判别法。 返回总目录 返回本章 三、因子分析 用较少的因子表示许多相互之间有关联的变量之间的关系。因子是潜在变量。 基本思想：将观察变量分类，将相关性高的变量分在一类 （因子）。 目的：找因子，并用一定的结构或模型，表达或解释大量变量。 作用 1、减少维数； 2、结构效度分析； 3、主成分回归； 4、识别重要变量； 返回总目录 返回本章 模型 三、因子分析 统计量 1、相关系数矩阵； 2、因子负荷矩阵； 3、因子得分； 4、共同度； 返回总目录 返回本章 三、因子分析 5、特征值； 6、方差贡献率； 7、残差矩阵； 8、BTS半球检验； 9、KMO指数； 返回总目录 返回本章 三、因子分析 步骤 1、确定待研究问题； 2、考察相关矩阵； 3、选择因子抽取方法； 4、确定因子个数； 5、旋转因子； 6、评价模型拟合效果； 7、解释因子和命名。 返回总目录 返回本章 因子得分应用 1、得到原始数据结构方面的信息； 2、以公因子为新变量做深入分析； 3、解决回归分析中的共线问题。 三、因子分析 其它问题 1、因子抽取： 主成分法、主因子法、不加权最小二乘法、一般最小二乘法、极大似然法、 因子法、映象因子法 ； 返回总目录 返回本章 2、使用场合：一般主成分法、主因子法和极大似然法；当n30（大样本），都可以；当n1500（特大样本），极大似然法更好；有问题数据， 因子法和映象因子法； 3、其它正交旋转法：方差最大法或平方最大法常用；其次还有：四次方最大法、相等最大法； 4、斜交旋转法：因子负荷是偏回归系数。 三、因子分析 SPSS示例 返回总目录 返回本章 二、数据分析图表 轮廓图 比较不同子样本的平均得分和形象，或不同实体在各方面的得分。 返回总目录 返回本章 二、数据分析图表 散点图 用点的密集程度和趋势表示两种变量间的相关关系。 返回总目录 返回本章 二、数据分析图表 趋势图 比较多个变量之间关系的图 返回总目录 返回本章 二、数据分析图表 箱图 描述数据分布的统计图，表现个案数据的中位数、四分位数和极端值，表示数据变化趋势。 返回总目录 返回本章 §10.3 显著性检验 一、基础知识 二、常用参数检验法应用 三、常用非参数检验法应用 返回总目录 返回本章 一、基础知识 样本均值和比例分布： 几个概念： 1、标准误差表示实际总体值与所预期的典型样本结果的差距。 2、平均数（比例）的标准差称标准误差(SE)；观察值的标准差称标准差(SD)。 3、平均数（比例）的分布服从如下分布（正态近似定理） 和 常用的抽样分布 返回总目录 返回本章 一、基础知识 均值/比例的置信区间： 置信度:指根据样本对总体所作的估计落在一个指定范围内的可靠程度。 置信度通常用一个百分数表示,如95%的置信度是指根据样本对总体所作的估计落在一个指定范围内的可能性为95%,不符合的可能性为5% 置信区间:在一定置信度时，以抽样结果为中心，包括总体均值在内的可信范围。 返回总目录 返回本章 一、基础知识 均值/比例置信区间计算 (1) ? 的置信区间 (2) p 的置信区间 返回总目录 返回本章 一、基础知识 假设 H0：样本与总体或样本与样本间不存在本质差异； H1：样本与总体或样本与样本间存在本质差异； 检验 分类 显著性检验基础 1、参数检验：是针对总体分布性质先做假设；检验中 利用到总体的信息，以总体分布和样本信息对总体参数作出 推断；等距数据和比例数据。 返回总目录 返回本章 一、基础知识 显著水平 当零假设为真时，样本值落在置信范围以外的概率 a 。 两类错误 (1)当原假设为真, 观察值却落入拒绝域, 而作出了拒绝的判断, 称做第一类错误, 又叫弃真错误, 这类错误是“以真为假”。 犯第一类错误的概率是显著性水平。 2、非参数检验：不涉及总体分布情况；检验中不需要利用总体的信息 ，以样本信息作出推断；主要用于记数数据。 返回总目录 返回本章 一、基础知识 (2)当原假设 不真, 而观察值却落入接受域, 而作出了接受的判断, 称做第二类错误, 又叫