如何学习统计研究方法(最终版) PPT.ppt

如何学习统计研究方法 和传媒大学同学的一次交流 祝迎春 2006, 5 引言 个人的介绍 主题： 分享学习统计的一些心得（理论方法的知识地图） 回归应用的问题（个案学习） 统计是一门致力于研究：收集数据（抽样理论），分析数据（统计算法），解释数据（背景知识与理论）的学科。 -------- 我个人的心得 ※.外加计算机操作 研究什么？--经过数据计算后产生出有意义的信息 事物之间的相关关系（包括因果关系） 事物之间的差异（先找出它们的差异然后再找出它们的共性） 事物的结构（层次水平） 统计是以帮助描述，验证思想的工具性学科 统计是什么？ 统计的两个应用领域 思维过程领域 研究方法领域 生活 学术 数字背后的心理活动过程，普通人做统计问题时的思维过程-处理随机事件的能力 数字背后的心理活动过程，研究者做学术研究时，逻辑的推理过程 关于随机性规律 观察数据 调查数据 抽样数据 试验数据 统计中的形象思维：使看不见的随机性被看见 ＝的意义，赋值和建立、描述相关关系 基本知识回顾 总体的描述（随机变量的数字特征：X，σ）与样本的描述（样本分布的数字特征：μ，s）之间连接点是：随机变量的分布。 Ⅰ.估计量的性质： 无偏性(Unbiasedness)：样本均值在真值附近摆动而没有系统误差。 有效性(Efficiency)：在所有的不同估计量中的方差最小。 一致性(Consistency)：当n→∞，估计量在真值附近的概率接近1。 最小离差平方(Mean Square Error)：离差最小or方差最小？如果 估计量是无偏时此标准等价于有效性。 Ⅲ.对估计量的检验：假设检验 单个总体（估计方差？估计均值？方差已知否？） 两个总体（相关系数） 点估计 (Point Estimation) 矩法 似然法 最小二乘法 Ⅱ.估计方法： 区间估计 (Interval Estimation) 研究中要注意的一些问题 假定（Assumption）：在研究中被人为控制（设定，定义）的变量或者常量。针对的是一个变量（常量是特殊的一种变量 ）。 假设（Hypothesis）：可验证性的；陈述两个或多个数个变量间的可能关系，为一种「假设性陈述」。 变量产生 操作化（operational definition）：用变量代替概念。 理论是观察陈述的前提 概念术语使用的必要性 陈述 日常用语 科学陈述 大众共识 学术共识 观察与描述 验证过程 数据管理 数据分析 数据呈现 数据收集 数据格式的转换 储存位置 抽样设计 研究设计 问卷设计 执行管理 变量选择 加权 统计模型的选择 统计量的含义 检验标准(显著性水平) 报表 表格 符号(公式，文字) 图形 客观的世界 主观的世界 观察 解释 理论和现象的关系 物理活动（声，光，机械） 化学变化（无机物变化） 生物活动（新陈代谢） 心理活动（意识与认知） 社会变化（文化，人际，阶层，传播） 不具有运算功能的符号： 绘画，音乐.. 具有运算功能的符号： 逻辑，文字，数字 随机变量的分布 随机性 估计 变量分布的特征 我们在做什么 科学本质：试验性（包含了证伪性的命题）—在错误中不断求真（广泛的解释性和高度一致的预测性），理论是怎样产生的呢?波普尔认为，科学只能从问题开始，理论是为解决问题而做出的尝试，是对问题的猜测，波普尔说:“一种科 学理论，一种解释性理论，只不过是解决一个科学问题的一种尝试”。因此，理论是大胆的猜测，即使是那些己经充分确认的科学理论也终究还是一种猜测，一种假说。正因为理论是猜测，它们就具有不确定性和暂时性，最终会被推翻，被新理论所替代。 我们是一群问题提出者和企图解答者。 波普尔认为，衡量一个理论真的程度的标准即看该理论是否具有高解释力和高预测力，而这又是由理论所包含的信息量来决定的。一般说来，理论所包容的信息量越多，其可解释的范围越广，其预测的力度便越强。但与此同时，科学理论所包容的信息愈多，它接受的范围愈广，其可错性或被证伪的概率便越高。也就是说：科学理论真的概率增大的过程，也是科学理论被证伪的可能性增大的过程，换言之，它是科学理论中可错成分逐渐增多的过程。 理想的理论 －回答现象为什么－－机制 －可验证性，及可以证伪和重复的 －与相关之既有知识或理论一致，不宜抵触，不是孤立理论 －简约，若为统计模型，参数要尽量少 －对应研究之问题 －量化形式，不仅是文字建模也是可以数字建模和图形建模 －具相当广度（有助推论），具有普适性 一个好的社会学理论（实证性）： 解释控制变量的产生原因 明确指出解释现象的产生原因和