定量研究方法与建模第8章14年.pptx

第八章定类与定序数据分析内容1 列联表的构造与分析—如何建立列联表2 列联表的辅助解释工具—如何解释列联表3统计控制表分析1 列联表的构造与分析定类尺度和定序尺度测量的变量之间的关系称作列联表分析（contingency table analysis）或者交叉表分析（cross-tabulations）列联表分析列联表或交叉表是双变量频数分布。一元频数分布简单地列出给定变量的每个取值及其对应的个案数（或频数）。类似的，二元或双变量的频数分布列出两个变量每对可能的取值（或类别）及其对应的个案数。交叉表的含义考虑某博物馆的志愿者的种族（白人和有色人种）和性别（男性和女性）这两个变量构成的交叉表。这两个变量可能的组合有：白人男性、白人女性、有色人种男性和有色人种女性。这两个变量的交叉表显示了落入每对人种—性别组合中的个案（志愿者）数。例1 在这个博物馆志愿者组成的样本中，有142个白人男性、67个白人女性、109个有色人种男性和133个有色人种女性。这样就可以得到如下的列联表。性别人种合计白人有色人种男性142109251女计209242451行边际频数列边际频数总频数变量间关系为什么要绘制列联表？两个定类尺度或定序尺度变量之间是否存在关系？何种关系？列联表分析步骤确定自变量和因变量（根据研究者的意图和实际情况确定）两个变量都是定类变量时，均可作为自变量两个变量均为定序变量时，要根据实际情况决定计算自变量各类的百分比就因变量的某类别比较自变量的百分比。人种作为自变量性别人种白人有色人种男性142（67.9%）109（45.0%）女性67（32.1%）133（55.0%）合计209（100%）242（100%）性别作为自变量人种性别男性女性白人142（56.6%）67（33.5%）有色人种109（43.4%）133（65.5%）合计251（100%）200（100%） 例2下表是一个包括“教育程度”（高中及以下、高中以上）与公务员考试成绩（低、高）这两个变量之间的交叉表，试问能得出什么结论？是否当一个变量的值提高时，另外一个变量的值也会提高？公务员考试成绩教育程度合计高中及以下高中以上低100200300高150800950合计25010001250列联表分析过程确定自变量和因变量 本例中教育程度作为自变量才是合理的计算自变量各类的百分比（否则有可能得出错误的结论！）公务员考试成绩教育程度高中及以下高中以上低100（40%）200（20%）高150（60%）800（80%）合计250 （100%）1000（100%）比较自变量（教育程度）的各类别内就因变量（公务员考试成绩）的每个类别所计算的百分比。比如，受教育程度高的日中有80%的人考试成绩较好，而受教育程度较低的人中，这一比例只有60%。结论：受教育程度高的人的公务员考试成绩要比受教育程度低的人好。例3政策评估 贝里斯韦尔的汽车保养计划 加利福尼亚州的贝里斯韦尔市议会正处于节约开支的巨大压力下。去年议会通过了一项条例，条例批准了一个关于贝里斯韦尔市汽车的保养问题的试行计划。条例规定，从贝里斯韦尔市的400辆汽车中随机抽取150辆，这150辆汽车一年内不接受任何防护性保养，而是开到报废为止。另外250汽车定期接受防护性保养。议会希望知道这个昂贵的防护性保养计划是否真的会降低报废数量。该试行保养计划实施一年后，市议会得到了如下表所示的数据，该表概括了在无保养条件下和有保养条件下汽车的报废数量。请市议会分析这些数据并给他们一个建议：该计划是否应当继续实施（并/或扩大范围实施），还是应当终止。汽车保养数据汽车报废汽车保养合计无定期未报废7856134合计150250400汽车保养为自变量报废情况为因变量较合理计算自变量的百分比分布注：这些数据向公众发布以后，贝里斯韦尔试的新闻界发起了一个大规模的运动，指责市议会愚蠢地试行“dang fool”（无保养计划）。曾投票赞成计划的市议会成员在新的选举中遭到惨败，在新议会的第一次会议上，曾搜集汽车保养数据的研究人员得到可大幅度器官薪水的奖励。数据的百分比分布汽车报废汽车保养无定期未报废72（48%）194（77.6%）报废78（52%）56（22.4%）合计150（100%）250（100%）比较因变量某类别的百分比。会有以下发现1 在试行集合实施的一年内，未接受保养的汽车一半以上（52%）报废了，而接受定期保养的汽车只有22.4%报废。2 二者之间存在的差异为29.6%（52%-22.4%）。因此，看起来汽车保养在报废率是带来约30%的差异。也就是说，随着保养程度的提高，报废率下降大约30%。根据这些数据，你会向议会提出什么建议？更大的列联表前面所展示的都是2×2结构的列联表。即自变量和因变量都只包含