基础统计-第8章节-预备知识.pptVIP

预备知识 一、概率 随机现象 概率 二、测度等级 三、自然科学与社会科学在研究方法上的区别 四、数据的搜集和整理方法 预备知识 五、集中趋势的测度： 众数、中位数、平均数； 六、离散程度的测度： 离异比率、四分位差、方差和标准差、 离散系数、标准分； 七、消减误差比例 八、相关测量法： Lammbda, tau-y, Gamma, dy, r, 相关比率。 预备知识 八、易混淆的概念 1.总体分布、样本分布、抽样分布； 2.标准差和标准误； 3.相关关系与函数关系 ； 4.点估计和区间估计 ； 5.一致性、无偏性、有效性； 6.置信度、置信区间、显著性水平； 7.研究假设和虚无假设； 8.甲种误差和乙种误差； 9.描述统计和推断统计； 预备知识 九、统计研究者的常见谬误 1.?????? 统计联系与因果关系 2.?????? 事后解释谬误 3.?????? 生态学谬误 4.?????? 还原论谬误 5. 统计检验显著与实际意义显著 思考 自然科学与社会科学在研究方法上的区别； 方法与方法论的联系与区别； 理论、观察、统计之间的关系； 第八章 多变量分析初步 第一节 因果分析； 第二节 阐明分析； 第三节 条件分析与互动效果； 第四节 净（偏）相关分析； 第五节 其他净（偏）相关测量法； 多变量分析 依据研究目的，多变量分析分三大类： （1）详析分析（Elaboration）： 关心两个变量（X、Y）间的关系，引进其他变量（W、T、C）的目的是为加深了解这两个变量的相关性质。 包括：因果分析、阐明分析、条件分析； （2）多因分析（Multiple causation）： 理解多个自变量（X1、X2、X3等）对某个因变量（Y）共同影响与相互效应。 包括：多元线性回归、Logistic回归、鉴别分析、logit模型； （3）多项互关分析（intercorrelations）： 简化众多变量之间的相互关系； 第一节 因果分析 1.作用： 引入若干前置变量（如W等），鉴定自变量（X）与因变量(Y)之间是否确实有因果关系， 这种关系是虚假的(spurious)，还是可能是真实的（nonspurious）。 又称辩明模式（explanation model）。 2.做法： 引入第三类变量（称为“前置变量”antecedent variable） 。 第一节 因果分析 3.统计控制： 控制W，使之不变的过程。 通过“分表法”得以实现，即依据前置变量的值，将样本个案分组，然后在每组中分析X与Y的关系，也就是将原表拆为几个分表再研究各分表的相关关系。 在统计控制后，研究结果有三种可能： X与Y的关系消失； X与Y的关系维持原状； X与Y仍有关系，但相关程度弱小了，即各分表中X与Y的相关系数不等于0 ； 第二节 阐明分析 1.作用： 以事实验证X是通过某些因素（T）对Y产生影响。 又称因果环节分析（causal link）， 其中，称第三类变量T为“介入变量”（intervening variables）。 2.X通过T而影响Y的意思是： X变动时引起T变动，而T的变动会引起Y变动。 若控制T使之不变，当X变而Y不变，则T显然是X与Y之间的关键性环节，即X是通过T才影响Y的。 反之，控制T后，X变Y也变，则证明X不是通过T而影响Y的，即T是无关紧要的。 第二节 阐明分析 3.控制T后，研究结果可能有三种： （1）完全阐明，即X完全是通过T才影响Y； （2）不能阐明，即X完全不通过T而影响Y； （3）部分阐明，即X部分是通过T而影响Y。 第二节 阐明分析 第三节 条件分析与互动效果 1.作用： 以第三类变量（如C）作为基础来了解X与Y在不同情况下的关系。又称标明模式。 其中，第三类变量C称为“条件变量”。 2.压抑分析： 指X与Y原本没有关系（或关系很弱），但在标明了条件以后，X与Y的相关关系强大起来。 3.曲解分析： 指把原来的负（正）相关变为正（负）相关的分析，所引用的条件变量称曲解变量。 第三节 条件分析与互动效果 4.做法： 依据条件变量的值将样本分组，然后在每组中（即每种条件下）分析X与Y的关系。 若在各组中，X与Y的关系大致相同，则表示X与Y的关系具有普遍性； 若X与Y在不同的C组中有不同的关系，则表示X与Y的关系具有条件性，即C变量产生互动效果； 如：住户拥挤（X）、家庭冲突（Y）、家庭规模（C） 。 第四节 净相关分析 1.净相关分析（partial analysis）： 即以一个系数值来表示在控制第三类变量以后X与Y的相关。 2. 基本逻辑： 是以第三类变量尽量分别解释（即