第二讲单变量的统计描述课件.ppt

第二讲 单变量的统计描述 变量层次的划分 A. 定类层次; B. 定序层次; C. 定距层次 变量的统计描述 A. 分布 统计表 统计图; B. 集中趋势测量法; C. 离散趋势测量法 一、变量的层次 1、定类变量 定类变量是变量层次最低的,它的取值只有类别属性之分,而无大小程度之分.如民族,婚姻等. 2、定序变量 定序变量的层次高于定类变量.它的取值除了有类别属性之外,还有等级次序的差别.常见的如受教育程度,满意度,社会经济地位等. 3、定距变量 定距变量的层次又高于定序变量.定距变量的取值,除了具有次序属性外,取值之间的距离可以度量.如家庭住房面积,家庭人口数等. 4、定比变量 定比变量是将两类相关的数加以对比，形成的相对数，用以反映现象的构成、比重、密度和速度等数量关系。例如将家庭人口数与家庭总支出对比计算家庭人均支出水平。 二、单变量的统计描述方法 （一）分布 统计表 统计图 1、 分布 统计学里的分布是指一个概念或变量，它的各种情况出现的次数或频数，也称频次分布。如住房产别包括12种情况，按被访人的回答，可以得到12对数据：(x1，n1)，(x2，n2)…(x12，n12). 括号中的第一项表示变量的可能选项，第二项表示所对应的频次。 需要注意的是： (1) 变量取值必须完备，只有这样才能使被访者一一无遗地进行归类。(2) 变量取值必须互斥，这样才能使每一个观察值归入一类，且仅仅归入一类。 2、统计表 用表格形式来表示变量的分布。统计表必须具备的内容有：表号(统计表x，x)，表头(包括标题、时间、地点)，标识行(产别、频数、频率)， 主体行(第一项位置，按列填写变量的不同选项；第二项位置，按列填写变量取值相应的频次和百分比等等)。要写明统计的总数。表尾需要写清资料来源。 定类变量的统计表表1、天津市居民住房的产别分布(1997) 定序变量统计表 表2 某企业员工的教育水平 定距变量统计表表3、天津市不同收入组居民的住房与收入现状(1997) 定距变量制表需要考虑的问题 1、组数 组数太少会掩盖变量变动时频次的变化，组数太多，会使每组内频次过少，看不出明显的规律。一般根据理论和经验进行分组。 2、等距分组与非等距分组 一般情况下采用等距分组，但研究一些特殊问题，如贫困问题，需要对低收入分得细一些。 3、组限（class limits）就是每组的范围，包括上限和下限。对于离散型变量一般采取相邻组限不重叠的原则，而对于连续型变量，可能出现相邻组限重叠的情况，这时采取的原则就是“上组限不在内”原则。 4、分组步骤 第一，搜集数据; 第二，在数据中找出最大值L， 最小值S及极差值R; 第三，把数据分组，如K组; 第四，计算组距h; 第五，计算组中值 。 3、统计图 定类变量:圆瓣图;条形图 定序变量:条形图 定距变量:直方图;折线图 （二）集中趋势测量法 （1）集中趋势测量法 (measures of central tendency)：就是找出一个数值来代表变量的资料分布，以反映资料的集结情况。该方法的意义，就是根据该代表值(或称典型值)来估计或预测每个研究对象的数值。 （2）运用该方法要舍去 变量的某些信息，但由于所根据的数值最有代表性，所产生的误差最小。 （3）有三种方法供选择集中值:一是根据频次，哪个变量值具有的频次最多，就选择哪个变量值。二是根据居中。三是根据平均。 表4、各种集中趋势量度的比较 众值、中位值和均值的比较 （１）三者设计的目的是相同的，都是希望一个数值来描述整体特征，以便简化资料。 （２）众值仅使用了资料中最大频次这一信息，因此，资料中信息的使用是不完善的。 （３）虽然均值对资料的信息利用充分，但对严重偏态的分布，会失去它应有的代表性。 （４）对于对称的图形，三者位置重叠，当图形正偏或负偏时，均值变化最快，中位值次之，众数不变。 （二）离散趋势测量法 （１） 离散趋势测量法（measurements of dispersion），是要求出一个值来表示个案与个案之间的差异情况。 （２）试比较以下两个班次考试成绩： 甲：100， 90， 80， 70， 60， 50， 40 乙：85， 80， 75， 70， 65， 60， 55 　 如果仅用集中趋势测量法来测量两个班的成绩，两班是相等的。但两班的分布显然有差异，需要考虑资料的分散特征。 表5、各种离散趋势量度的比较 （３）离异比率（异众比率）（Variation Ratio） 离异比率就是非众值的次数与全部样本数目的比率。公式如下：