社会统计分析方法SPSS软件应用(第10章可靠性分析).pptVIP

课程任务 本课程是集多元社会科学研究统计方法及相应SPSS统计软件应用的。 第10章 可靠性分析 在客观世界中，描述一个事物的变量有多个，但并非每个变量都能比较全面和客观的描述事物，而且有时变量之间还相互影响，尤其是在研究经济问题时，涉及的变量多，因此，很有必要对数据之间的关系进行分析。 10.1 可靠性分析 可靠性分析概念 可靠性分析的功能与应用 分析实例 10.1.1 什么是可靠性分析 可靠性分析是研究测量数值和组成研究项目的特性，通过计算得到经常使用测量方法数值的可靠性，而且还可以得到每个项目之间的相关信息，项目内部相关系数还可以将其用来估计项目内部的可靠性。 10.1.2 可靠性分析的功能与应用 可靠性分析通过研究测量数值和组成研究项目的特性，删除无效的或者对研究对象作用较小的项目，从而达到将一个多维的研究对象进行降维的目的，正是由于对分析数据进行了降维，发现了反映研究对象的数据结构，从而提高数据的可靠性。 可靠性分析主要应用在用多个指标反映对象的问题，通过对多维变量进行变量降维，达到既不影响研究对象，又降低研究难度的作用。 10.1.3 可靠性分析实例 续 菜单 源变量与分析模型 描述统计选项 结果一：分析项目统计 结果二：协方差矩阵 结果三：相关矩阵 结果四：方差分析表 结果五：对半模型的分析项 结果六：对半分析结果 结果七：项目内相关系数检验结果 10.2 多维排列 多维排列概念 功能与应用 实例 10.2.1 什么是多维排列 多维排列试图通过测定事物或观测量之间的距离来发现数据结构。这个多维排列过程是通过指定观测量到概念空间（通常是二维或三维空间）的一个特定位置，使得空间中的点的距离的相似性越近越好。 在一些观测试验中，多维空间可以更好地解释和理解数据。例如，人们如何觉察到不同汽车之间的区别？如果用户拥有反映不同结构和模型的汽车之间相似性级别的数据，那么多维排列就能被用来确定顾客觉察所反映汽车相似性的方面，此时就会发现，例如价格和汽车的大小所组成的二维空间就是数据主要相似性。 10.2.2 多维排列的功能与应用 运用多维排列，能够有效地减少客观但是繁多的变量，即它能通过计算多元变量之间的距离，达到减少不必要变量的目的； 多维排列也可以应用到目标事物或概念之间的主观排序。 多维排列过程还可以处理多渠道来源数据的不相似性。 10.2.3 多维排列的实例 步骤一：菜单 步骤二：选择变量、设定数据形状 步骤三：模型选择 步骤四：选择“选项” 结果一：分析过程选择描述 结果二：未排序的原始数据 结果三：迭代过程表 结果四：二维数据表 结果五：最佳数据排列 欧氏距离模型图 欧氏距离线性拟合散点图 欧氏距离模型非线性拟合散点图 欧氏距离模型变换散点图 由各公司数据和各变量在二维空间中的位置组成。 成都农业科技职业学院电子信息系刘和文 * 为了研究我国居民的消费状况，拟在我国选28个省、市和自治区进行调查，现初步选取6个指标进行调查。其数据如下： 分析模型有： Alpha:内部关联性 Split-half：对半分析，将数据分为两部分，测定其相关性，从而确定可靠性。 Guttman：格特曼 Parallel：平行模型，分析项目具有相同的方差和误差等。 Stric parallel：严格平行模型 在分析结果中，将所选中分析的项目列出来。 描述每个变量和数值分： 描述项目、描述数值、如果项目被剔除后描述数值 概括可靠性统计分析分： 项目的平均值、方差、协方差、相关系数 可靠性分析项目分： 项目之间的相关系数；项目之间的协方差 方差分析表： 不进行 F检验 弗雷德曼卡方检验 考克兰卡方检验 项目内在相关系数，测量项目内部的连续性和一致性。进一步可以从下边的Model中选择“双重混合模型”、“双重随机模型”、“简单随机模型”，在右边“Type”中可指定数据类型，有连续性、绝对一致性 置信水平 假设检验值 均值、方差、观测数 方差的来源及其大小 前部分和后部分项目均为三个，之间相关系数为0.8124，说明数据的可靠性还是比较高的。 从数据的连续性，以95%的置信水平和检验概率为0为条件，其结果证明，该数据的可靠性是符合分析要求的。 某集团由10个分公司组成，为了考察各分公司在发展中所处的地位，为公司的发展制定更为有效的战略，现对各公司的经营状况进行分析。各分公司经营数据如下。 数据之间的形状，本例选矩形。 数据测度水平：序数、等距、比例 对照条件：矩阵、行、无条件。 模型中变量维数。 等级模型：欧氏距离、个体不同的欧氏距离 输出类型：组图、单个图、数据矩阵、模型和选项概述 迭代停止的位置：收敛位置、最小的收敛值、最大迭代次数。 剔除小于某值的观测量 各个变量和各观测量在二维列表中的大小。