描述分析.ppt

民意調查的分析I 蔡佳泓 政大選舉研究中心 副研究員 課程大綱 名目變數之描述性統計 連續變數之描述性統計 順序變數 名目變數描述性統計 類別資料例如性別、 居住地、贊成反對等皆可以用次數分配表示。 表示的重點在於指出那一個類別佔多數，即眾數。 使用SPSS分析資料 以「台灣的公民意識」為例 檔案-?讀取文字資料 分析-?描述統計-?次數分配表 統計圖-?圓餅圖或線形圖 名目變數次數分配1 集中趨勢 集中趨勢 參考傳院課程 交叉列表的獨立性檢定 用Chi-square分布做獨立性檢定。 如果拒斥檢定假設表示兩者是相關的。 如果接受檢定假設表示兩者是獨立的。 也就是期待值跟觀察值非常相近。 χ 2=∑(期待值-觀察值)2/期待值 Chi-square test 交叉列表 E11/A1 = E12/A2 = B1/N E21/A1 = E22/A2 = B2/N 所以：E11= A1*B1/N ，每一格子數目由邊際機率決定 婚姻與政黨支持 交叉列表的獨立性檢定 試算使用語言及政黨支持的卡方值 名目變數的相關性 名目尺度只有類別沒有順序或距離， 因此相關性的原理是用某個變數的眾數去猜另一個變數， 猜對減猜錯的比率就是相關性。 PRE(proportional reduction of error):用依變數的全部減眾數為底， 分子為該數值與自變數猜錯之間的差。[(N-m)-(d1-m1)-(d2-m2)…]/ (N-m) 名目變數的相關性 名目變數的相關性 名目變數的相關性 以有沒有出去玩當依變數N=1124 眾數為627 N-m=497 用年齡當做自變數時， 每個年齡對應的d-m為86, 122, 129, 75, 39(猜錯的) 497-451/497=.093 名目變數相關係數: lambda 可用在對稱性或有依變數之名目變數之關聯性計算 不對稱:lambda= (每個X變項下Y的眾值)-Y之眾值/N-Y之眾值 對稱:(每個X變項下Y的眾值)+(每個y變項下x的眾值)-Y之眾值-X眾值/2N-Y之眾值-X之眾值 試算這兩個變數的相關性 順序尺度資料分析 以TVBS的「春節交通狀況民調 」為例。 順序尺度變數可以用中位數表示其中間趨勢。 中位數指的是將全部觀察值分成一半的觀察值。 例如： 2,5,5,8,10,13,60,77,125,336,336,999,1021之中60為中位數。 順序尺度變數 重新歸類為比較好、 差不多、 比較差三類。 中位數為2—差不多， 因為累積次數過半。 眾數也是2 。 順序尺度變數條狀圖 順序尺度變數相關性 如果有兩個順序尺度的變數，一般而言是用Gamma表示其相關程度。 Gamma的觀念是比對觀察值在兩個變數上的順序，順序一致的比率越高，則兩者的相關性越高。 另外一種指標是Kendall’s tau-b ，可以幫助Gamma係數處理一些平手的配對。 Gamma: Ns-Nd/Ns+Nd Tau-a:Ns-Nd/0.5*N(N-1) Tau-b:Ns-Nd/sqrt(Ns+Nd+Tx) (Ns+Nd+Ty) Sommer’s D: Ns-Nd/Ns+Nd+Ty Ns: 同序的數目 Nd: 不同序的數目 Tx:X變數下平手的格子 計算方式 Ns=f11(f22+f23+f32+f33)+f12(f23+f33)+f21(f32+f33)+f22(f33) Nd=f13(f22+f21+f32+f31)+f12(f21+f31)+f23(f32+f31)+f22(f31) Ty=f11(f12+f13)+f12(f13)+f21(f22+f23)+f22(f23)+f31(f32+f33)+f32(f33) 順序尺度變數相關性 檢驗假設 以上相關係數皆可用t分配檢驗 Gamma標準化Z值的計算:G(sqrt[(Ns+Nd)/N(1-G2)]) 小結 Somer’s D 及Kendall’s Tau-b適合於不對稱的情形。 Tau-b適合於兩個變數有同樣數目的變項 順序尺度變數 f33 f32 f31 3 f23 f22 f21 2 f13 f12 f11 1 3 2 1 順序尺度變數相關性 * * 11%+89%=100% 贊成意見與時間 SPSS介面 次數分配2 次數分配3 交叉列表1-1 交叉列表1-2 交叉列表1-3 N A2 A1 B2 E22 E21 2 B1 E12 E11 1 2 1 *