分类数据分析（Analysis of nominal data）..pptVIP

Analysis of nominal data 分类数据分析 报 告 人：王光宇 指导教师： 刘金兰 分类数据分析简介 分类数据也称名义数据，是社会科学研究的组成部分，其数据信息仅代表数据类别。例如种族，1=白种人，2=黄种人，3=黑人。 根据每个类别的数量，可以分析它们之间的关系。 分类数据的分析要求研究者应首先决定如何分类。 分类数据分析的应用范围 政治学领域：研究政治立场是否影响政治派别。 社会学和心理学领域：分析不同类别的人不同的心理特征。 公共政策分析领域：研究不同政策在不同地区产生的效果。 文化传播领域：研究人们对媒体的看法。 分类数据分析是社会科学中最重要的课题之一。一方面因为它的用途广泛，另一方面因为它解决的是基本问题 一些简单概念的解释 分类：最理想的分类是这些类别相互区别并且没有遗漏。统计过程中都假设分类是有意义的。 自变量和因变量：区别在于是否引起另外一个变量的变化。 取样：从总体抽取的简单随机样本。 符号：I、J表示表格的行数和列数，X、Y、Z表示变量。 表1：党派和立场间的关系 表2：受党派和地区影响的立场 表3：标准I×J表格 相关程度的测量 相关程度的测量方法是用一个系数来表示变量间的相关程度。 选择何种方法要考虑三个方面： 测量方法是否对称：是否可以确定自变量和因变量。 系数如何解释：取决于不同的测量方法制定的标准。 测量方法的敏感度：尽量使用敏感度较低的方法。 表5：完全相关的三种类型 干扰因素和解决办法 边际分布不均匀（如表6）： 调整数据 将表格标准化 选择对边际总数不敏感的测量方法 行列不相等： 选择可以达到最大值的测量方法。 表6：不同边际分布，相同相关程度 2×2表格的测量方法 1、百分比法 2、差额比率法 3、Yule’s Q 4、Yule’s Y 5、 6、相关系数 百分比法 如果因变量在自变量的一个分类中的百分比发生了变化，那么这两个变量就是相关的；如果不发生变化，就是独立的。 百分比法的性质： 对因变量的边际总数不敏感。 需要较大的样本容量。 百分比法 差额比率法 差额比率法的性质 差额比率法的性质 差额比率的性质 差额比率的性质 差额比率的取值范围是从0到∞，等于1.0说明独立，小于1.0表示消极相关，大于1.0表示积极相关 差额比率对边际总数不敏感。 差额比率是对称的 差额比率在弱完全相关时就达到了最大值。 差额比率的方差 当样本容量大于25时，我们可以计算出差额比率的方差。 Yule’s Q Yule’s Q是差额比率的一个函数，定义如下： Yule’s Q的性质 因为Q是差额比率的一个函数，因此基本具有和差额比率相同的性质。 Q的取值范围是从-1.0到1.0，0说明独立。 Q在弱完全相关就取到最大值。 Q是对称的。 Yule’s Y Yule’s Y也是差额比率的一个简单函数，定义如下: 基于 的测量方法 相关系数 相关系数 的性质 I×J表格的测量方法 I×J表格的测量方法大致可以分成三类： 基于差额比率的方法 基于 的方法 错误减少比例方法（PRE) I×J表格中的差额比率法 I×J表格包含着t=(I-1)(J-1)个2×2表格 ，对于每一个2×2表格都可以计算出 和 。差额比率的基本形式是： 基于 的测量方法 几种 函数的模型 错误减少比例方法（PRE） 对于样本个体，我们可以在两种情况下预测：第一种情况，不知道样本在X中的类别；第二种情况，知道样本在X中的类别。 PRE就是比较两种情况下预测错误的比例。 PRE的性质 取值范围是从0到1.0。0说明独立，1.0说明完全相关。 PRE是不对称的，即需要区分自变量和因变量。 在样本高度不均匀时，会出现不独立但是结果为0的情况。 Goodman and Kruskal’s Lambda Goodman and Kruskal’s Lambda 根据PRE的原理，我们定义： Lambda的方差 Lambda的对称形式 最常见的方法就是将个体随机地对半分给X和Y。 第一种情况下，预测Y的正确率是 ，预测X的正确率是 ，错误率是 第二种情况下，预测Y的正确率是 ，预测X的正确率是 ，错误率是 Lambda的对称形式 那么错误降低比例就是： 经过整理后： Goodman和Kruskal’s Tau 表1：党派和立场间的关系 Tau方法的算例 第一种情况：1538人中，一共有