统计学第四版分类变量的推断PPT.pptVIP

?2 独立性检验(使用SPSS) @ 将列联表中的数据转换为原始数据形式 第1步：选择【Analyze】→【Descriptive Statistics- Crosstabs】，进入主对话框 第2步：将行变量(本例为“逃课情况”)选入【Row(s)】，将列变 量 (本例为“性别”)选入【Column(s)】(行列可以互换) 第3步：点击【Statistics】并选中【Chi-square】；点击 【Continue】返回主对话框 点击【Cells】，在【Counts】下选中【Expected】， 点击【Continue】返回主对话框。点击【OK】 用SPSS进行检验 ?2 独立性检验(使用SPSS) 近似的显著性水平(Asymp. Sig.)即为P值。由于P0.05。不拒绝原假设，可以认为性别与逃课情况独立 7.2.2 应用?2检验应注意的问题 7.2 两个分类变量的独立性检验 在应用?2检验时，要求样本量应足够大，特别是每个单元格的期望频数不能太小，否则应用应检验可能会得出错误的结论 从?2统计量的公式可以看出，期望频数在公式的分母上，如果某个单元格的期望频数过小，统计量的值就会变大，从而导致拒绝原假设 应用?2检验时对单元格的期望频数有以下要求 如果仅有两个单元格，单元格的最小期望频数不应小于5。否则不能进行?2检验 单元格在两个以上时，期望频数小于5的单元格不能超过总格子数的20%，否则不能进行?2检验 如果出现期望频数小于5的单元格超过20%，可以采取合并类别的办法来解决这一问题 应用?2检验应注意的问题 7.3 两个分类变量的相关性度量 7.3.1 ? 系数和Cramer’s V系数 7.3.2 列联系数 第 7 章 分类变量的推断 7.3.1 ? 系数和Cramer’s V系数 7.3 两个分类变量的相关性测量 主要用于2?2列联表的相关性测量 计算公式为 例7—3的计算结果，得到的性别与逃课情况两个变量之间的系数为0.114891。由于? 很小，表明性别与逃课情况不存在相关关系。这与独立性检验的结论是一致的 ? 系数(? coefficient ) 由Cramer提出，计算公式为 Cramer’s V系数的取值范围总是在0~1之间 当两个变量独立时，V=0；当两个变量完全相关时，V=1 如果列联表的行数或列数中有一个为2，Cramer’s V系数就等于? 系数 例如，根据例7—3的计算结果，得到的性别与逃课情况两个变量之间的Cramer’s V系数与? 系数一致 Cramer’s V系数(Cramer’s V coefficient ) 7.3.2 列联系数 7.3 两个分类变量的相关性测量 主要用于大于2?2列联表的相关性测量，用C表示 计算公式为 联系数不可能大于1。当两个变量独立时，C=0，但即使两个变量完全相关，列联系数也不可能等于1，因此，对列联系数含义的解释就不够方便 列联系数(contingency coefficient) 使用SPSS进行独立性度检验时，点击【Statistics】，并在【Nominal】下选中【Contingency coefficient】和【Phi and Cramer’s V】即可 根据例7—10中的数据计算的性别与逃课情况之间的3个系数如下(检验结果均不显著) 相关性测量(SPSS应用) 本章小节 一个分类变量的拟合优度检验 两个分类变量的独立性检验 应用?2检验应注意的问题 两个分类变量的相关性度量 用SPSS进行?2检验 结 束 As a result of this class, you will be able to ... As a result of this class, you will be able to ... As a result of this class, you will be able to ... 7 - * 统计学STATISTICS (第四版) 数据分析(方法与案例) 作者 贾俊平 统计学 统 计 学 我们是无知的，所以让我们学习吧！ ——Karl Pearson 统计名言 第 7 章 分类变量的推断 7.1 一个分类变量的拟合优度检验 7.2 两个分类变量的独立性检验 7.3 两