【北师大心理统计学课件】2数据的清理-n.pptVIP

* * 多 增加样本容量/重新抽取样本数据: 增大方差（回归系数的标准误与变量方差成反比）。当所选的变量个数接近样本容量时，自变量间就容易产生共线性。 多元回归、典型相关、因素分析、结构方程模型 数据转换或者删除单变量的极端值 方差分析、协方差分析、鉴别函数分析、profile analysis Sort by emplmnt, check distributions within each group M-估计：Andrew的波形估计，Hampel的M—估计，Huber的M—估计，Tukey的双权重估计 注：M-estimators：输出显示位置的最大稳健估计量，作中心趋势的粗略最大似然确定，输出四个不同权重的最大似然确定数；它可以很好的代替中位数和平均数，受奇异值影响较小。若数据接近正态分布Huber是很好的方法，其他三种方法在数据中有许多奇异值时可以采用（Andrew ; Hampel ; Tukey ）。 Deletion of a variable with a lot of missing data is also acceptable as long as that variable is not critical to the analysis. Or, if the variable is important, use a dummy variable that codes the fact that the scores are missing coupled with mean substitution io preserve the variable and make it possib!e to analyze all cases and variables. GLM，SEM, HLM However, with a large sample and only a few missing values, eigenvalues are often all positive even if some correlations are based on lightly different pairs of cases Under these conditions. A missing data correlation matrix provide a reasonable muitivariate solution .had the advantage of using all available data. Use of the option for the missing data problem should not he rejected out of hand but should be used cautiously with a wary eye to negative eigenvalues. Discrepancy measures the extent to which a case is in line with the others. 非正态峰度低估方差。 避免个人倾向发生 * * * * * 6 数据转换（Data Transformations） 中等正偏态 NEWX=SQRT(X) 较大程度正偏态 NEWX=LG10(X+c) 很大程度正偏态 NEWX=1/(X+c) -----L形态 中等负偏态 NEWX=SQRT(K-X) 较大程度负偏态 NEWX=LG10(K-X) 很大程度负偏态 NEWX=1/（K-X）---J形态 7 多重共线性和奇异性 （Multicollinearity and Sinularity） 变量相关太高了造成 Multicollinearity：变量有太高的相关。韦氏智力分数和斯坦福智力分数的相关 Sinularity：变量之间冗余，一个变量是其他两个或更多变量的组合。韦氏智力分数和子量表的相关 冗余度（redundancy） 7 多重共线性和奇异性 （Multicollinearity and Sinularity） 相关很高的时候，奇异性和共线性会导致不稳定的矩阵的逆（行列式为0）。 如果是奇异的，程序无法运行，会提示你。 大多数程序在分析时会自动排除容忍度太低的变量。默认的为.01-.001，一些程序可以调节。 残差阵变大，回归系数不显著。 “PHI Matrix not positive definite” 共线性也常发生在变量的乘积或者幂