统计学课件第10章列联分析和对数线性模型配套讲义.pptVIP

* * 第十章 列联分析和对数线性模型 第一节 列联分析 第二节 对数线性模型 第一节 列联分析 * * 第十章 列联分析和对数线性模型 统计分析都是和变量打交道的，变量分为定量变量和定性变量（也称分类变量，含有序分类变量）两大类。比如银行可能用一个代码表示顾客的信用风险是好是坏，并用另一个代码表示这些顾客是自己买房还是租房。银行的信贷负责人员可能想知道信用风险状态是否和拥有房产有关。因为信用风险和拥有房产都是定性的、分类变量，前面介绍的统计技术不能够用来解决这个问题，我们需要一个新的统计工具来帮助管理者得到关于顾客总体的推断。这种统计工具就是列联表分析与对数线性模型。 * * 列联表 一、列联表数据 （一）列联表的构造 列联表（contingency table）是观测数据按两个或更多属性（定性变量）分类时所列出的频数表，也叫做交叉表格。 列联表中间的数据指的是各个定性变量不同水平组合下出现的频数或计数（count）。列联表包括二维列联表和高维列联表。 * * 一、列联表数据 二维列联表如下表所示，横向变量划分为r类视，纵向变量划分为s类。 * * 二维列联表 表10-1 一、列联表数据 二维列联表： 三维列联表： 这里所谓的三维即是由三个变量组成：投资方案、性别和年龄段。 * * 性别 投资方案：风险型 投资方案：稳健型 青年 中年 老年 青年 中年 老年 女 8 5 3 10 16 18 男 18 12 8 4 10 15 表10-3 投资方案选择 体型 运动习惯 偏胖体型 正常体型 偏瘦体型 合计 经常运动 15 45 20 80 偶尔运动 25 75 40 140 很少运动 20 30 30 80 合计 60 150 90 300 表10-2 运动习惯与体型数据表（单位：人） 一、列联表数据 数据录入统计软件（比如SPSS）中，往往需要将水平用代码表示.以表10-3为例，年龄段的“青年”、“中年”、“老年”用代码1、2、3代表；性别中的“女”、“男”用代码1、2代表；投资方案中的“风险型”、“稳健型”用代码1、2代表。 * * 一、列联表数据 （二）列联表的分布——观察值的分布 列联表也被称为条件频数表。表的最底行是每列的总次数，称之为行边缘频数，表的最右列是每行的总次数，称之为列边缘频数。表中的次数，称为条件频数，反映了数据的分布。以表10-2为例，得到表10-5. * * ? 偏瘦型 正常型 偏胖型 合计 经常运动 15 45 20 80 行百分数（%） 19 56 25 ? 列百分数（%） 25 30 22 ? 总百分数（%） 5 15 7 27 偶尔运动 25 75 40 140 行百分数（%） 18 54 29 ? 列百分数（%） 42 50 44 ? 总百分数（%） 8 25 13 46 很少运动 20 30 30 80 行百分数（%） 25 38 38 ? 列百分数（%） 33 20 33 ? 总百分数（%） 7 10 10 27 频数合计 60 150 90 300 总百分数合计% 20 50 30 100 表10-5 包含相对频数的列联表 （二）列联表的分布——期望值的分布 如果各种体型的人运动喜好相同，那么偏胖体型中经常运动的人数应该为 人，正常体型中经常运动的人数应该为 人，这16和41人就是期望值。根据这种计算方法可得到各个单元期望值的分布如表10-6所示。 表10-6 期望值分布表 （单位：人） 一、列联表数据 * * ? 偏胖型 正常型 偏瘦型 经常运动的期望值 偶尔运动的期望值 很少运动的期望值 二、 检验 分布是在统计学中经常用到的一种统计分布。前文已经介绍过，假设 是n个相互独立的随机变量，且 ，那么我们就定义 服从自由度为n的 分布，记作 : 可以用于变量间独立性检验，用于测量两个分类变量之间的相关程度。 统计量可以表示为 只有当样本容量足够大时才近似于卡方分布。 * * 二、 检验 统计量的计算过程如表所示: * * 第1步 第2步 第3步 15 16 -1 1 0.0625 45 40 5 25 0.625 20 24 -4 16 0.666667 25 28 -3 9 0