第六章统计分析基础.pptVIP

第六章 统计分析基础知识;第1节 数据统计分析概述 第2节 描述性统计分析 第3节 推断统计;学习目标;第1节 数据统计分析概述;一、数据统计分析的目的;二、统计分析中的基本概念;三、统计分析中的变量[1];根据测量尺度划分 定类变量：是一种测量精确度最低、最粗略的基于“质”因素的变量，它的取值只代表观测对象的不同类别 。常用来综合定类数据的统计量是频数、比率或百分比等。 定序变量：其取值的大小能够表示观测对象的某种顺序关系（等级、方位或大小等），也是基于“质”因素的变量。适合用于综合定序数据取值的集中趋势的统计量是中位数 。 ;根据测量尺度划分 定距变量：其取值之间可以比较大小，可以用加减法计算出差异的大小。常用的统计量如均值、标准差、相关系数等。 定比变量：它与定距变量意义相近，细微差别在于定距变量中的“0”值只表示某一取值，不表示“没有”，而定比变量的“0”值表示“没有” 。;数据的四种计量尺度及其适用统计方法的比较 ;一、单变量描述统计 百分数 集中趋势分析 离散趋势分析 频数分布分析 二、双变量描述统计 交叉列联表分析 变量关联的度量;一、单变量描述统计[1];百分数 百分数一般借助统计分析表来计算，例如： ;集中趋势分析 众数：观测数据中出现频率最高的属性值。 例如下表中的众数为27岁。 ;集中趋势分析 中位数：将观测数据按大小顺序一分为二的变量属性值。若样本总数是奇数，中间的那个便是中位数值 ；若样本总数是偶数，中位数就是中间的两个数值的平均值。 中位数最适合于描述定序尺度的数据聚中趋势 。对于定比和定距变量，中位数有时也能适当地反映其聚中特征 。;集中趋势分析 平均数（均值）：定比和定距尺度下平均数是应用最多的反映集中趋势的指标，一般包括算术平均数、调和平均数和几何平均数三种。 算术平均数最简单，也是测定集中趋势最常用的指标，观测值的总和除以观测次数即得出算术平均数。;均值、中位数和众数的比较及适用范围 均值适于定距或定比变量，优点是能充分利用数据的全部信息，比较稳定；缺点是易受极端值影响 。 中位数不适于定类变量，适于定序、定距、定比变量，特别是分布不规则的数据。优点是不受极端值的影响；缺点是没有充分利用数据的全部信息，稳定性差于均值，优于众数 。 众数不适用于未分组的连续变量，主要适用于定类、定序变量。优点是不受极端值影响，尤其是分布明显呈偏态时，众数的代表性更好；缺点是没有充分利用数据的全部信息，缺乏敏感性和稳定性 。;离散趋势分析 方差与标准差：反映的是所有观测值对均值的离散关系，其数值大小与均值代表性的大小呈反向变化关系。 样本方差的计算公式： 标准差为方差的二次方根。;离散趋势分析 级差：数组中最高值和最低值的差距，它只适用于定比和定距数据。 极差简单直观，但它由两极端偏异值决定，并不能充分反映数据的离散程度。 例如：由79，79，79，80，81，81，81构成的数组的级差为2，即81-79=2 。 ;离散趋势分析 四分位差：将一组数据从小到大排列后，用3个四分位数点将其分为四个相等的部分，第一个四分位数点是第25百分位数点，又叫低四分位数点；第二个四分位数点是第50百分位数点，即中位数；第三个四分位数点是第75百分位数点，又叫高四分位数点。 高四分位数点与低四分位数点之同的距离即为四分位差。 ;标准差、四分位差和极差的区别;离散趋势分析 变异系数：变异系数也称为离散系数，即标准差与均值比值，主要用于不同类别数据离散程度的比较。 变异系数的好处在于：标准差的大小不仅与数据的测度单位有关，也与观测值的均值大小有关，不能直接用标准差比较离散程度，而变异系数消除了测度单位和观测值水平不同的影响，因而可以直接用来比较数据的离散程度。 ;离散趋势分析 斜度和峰度用于描述调查数据的分布与正态分布之间的差异程度。 斜度表示分布的不对称程度和方向 。 峰度表示分布与正态曲线相比的冒尖程度或扁平程度。 ;频数分布分析 对变量进行频数分布分析，就是计算该变量的各取值被回答的次数及其所占的比例。 频数分布分析不仅要分析所关心数据的集中趋势、离散性和分布形状，还要计算缺失数据、极端值、范围外数据的比例等。 描述频数分布常用的方法是频数表和直方图 。;一、单变量描述统计[14];连续变量制作频数表的一般步骤是： 找出数据的取值范围，即最大值、最小值； 确定组数与组距，一般视分析目的而定，但组数不要太多，通常5～15组比较合适，也可以用Sturges公式确定组数； 确定组限（上限与下限）与组中值； 计算观测数据落入各组的频数与频率。;二、双变量描述统计[1] ;交叉列联表分析 由于各行、列样本的总数不同，相互之间无法进行比较，难以判别变量之间的关系，为此，将各要素的频数变成百分数，即将频数除以相应行列的总数。 行