第3章 描述性统计分析.pptVIP

3.4 探索性分析 3.4.1 基本概念及统计原理 与前面介绍的两种分析方法相比，探索性分析更加强大，它是一种在对资料的性质、分布特点等完全不清楚的情况下，对变量进行更深入研究的描述性统计方法。在进行统计分析前，通常需要寻求和确定适合所研究的问题的统计方法， SPSS提供的探索性分析是解决此类问题的有效办法。 探索性分析提供了很多关于数据的概括分析和图表直观描述的方法，不仅对个案数据有效，而且还可以针对分组个案。在输出常用描述性统计量的基础之上，探索性分析增加了有关数据详细分布特征的文字与图形表述，如茎叶图、箱图等，显得更加详细、完整，还可以以方差齐性为目的的变量交换提供线索，有助于用户制定更进一步分析的方案。 3.4 探索性分析 3.4.2 实例分析 【例3-3】下表是某班3门课程对应成绩的统计数据，试对其作探索性分析并做是否服从正态分布的检验。 第1步 数据组织：定义2个变量，分别为：“科目”、“成绩”，“科目”的度量标准为“名义”，“成绩”的度量标准为“度量”。 第2步 探索分析设置： 选择菜单“分析→ 描述统计 → 探索”，打开“探索” 对话框，，将“成绩”字段移入“因变量列表”，“科目”移入“因子列表”。 3.4 探索性分析 打开“统计量”对话框，选中“描述性”及“M-估计量”选项； 打开“探索：图”对话框，选中“按因子水平分组”、“茎叶图”、“带检验的正态图”等选项。 打开“探索：选项”，选中“按列表排除个案”选项。 第3步 运行结果及分析： “成绩”按科目分组的案例处理摘要表 案例处理摘要 科目 案例 有效 缺失 合计 N 百分比 N 百分比 N 百分比 成绩 语文 6 100.0% 0 .0% 6 100.0% 数学 6 100.0% 0 .0% 6 100.0% 英语 6 100.0% 0 .0% 6 100.0% 表中显示“成绩”按“科目”分组后各组的有效个案数、个案缺失数及缺失比例等 。 3.4 探索性分析 描述性统计量表 描述 科目 统计量 标准误 成绩 语文 均值 69.17 9.156 均值的 95% 置信区间 下限 45.63 上限 92.70 5% 修整均值 69.91 中值 73.50 方差 502.967 标准差 22.427 极小值 30 极大值 95 范围 65 四分位距 34 偏度 -1.085 .845 峰度 1.617 1.741 表中显示“成绩”按“科目”分组后各分组的描述性统计量，左表中只显示的是”语文“分组的均值、均值的95%置信区间的上下限、中值、方差、标准差、极大/小值、偏度、峰度等 。 3.4 探索性分析 M均值估计量 M-估计器 科目 Huber 的 M-估计器a Tukey 的双权重b Hampel 的 M-估计器c Andrews 波d 成绩 语文 72.54 75.78 72.88 76.05 数学 41.42 41.13 41.67 41.13 英语 56.68 55.60 55.00 55.60 a. 加权常量为 1.339。 b. 加权常量为 4.685。 c. 加权常量为 1.700、3.400 和 8.500 d. 加权常量为 1.340*pi。 表中提供了四种估计方法，每种估计方法的加权量在表下方给出，对于有异常值或极端值的数据,M均值估计有很好的稳定性，用M估计值代替均值或中位数，结果更准确 。根据样本值的权重不同，可以得到不同的估计量 3.4 探索性分析 正态检验表 表中显示了按科目分为的3个分组的两种检验方法的正态性检验结果，包括各分组的统计量、自由度及显著性水平，以K-S方法的“语文”分组为例分析：其自由度sig.=0.200,明显大于0.05，故应接受原假设，认为”语文“分组中的数据服从正态分布。 3.4 探索性分析 箱图 箱图中显示成绩按科目分成的三个分组，每个分组中的数据绘制成对应的箱体。每一个箱体上方那条线的取值代表该分组中最大值，下方那条线的取值代表最小值。箱体自身的三条线从上到下分别代表3/4分位点、中位点、1/4分位点的取值。 3.4 探索性分析 语文成绩的标准Q-Q图及趋降标准Q-Q图 上图为“科目=语文”分组的成绩标准Q-Q图，Q-Q图可以用来检验数据是否服从某种分布，在Q-Q图中，检验数据是否较好地服从给定分布的标准有两个：①看标准Q-Q图上的数据点与直线的重合度；②Q-Q趋势图上的点是否关于直线Y=0在较小的范围内上下波动。从上图中可以看出，”科目=语文“的分组中的数据与直线重合度较好，故很好地服从正态分布，这与前面的正态检验表中的结果是一致的。 主要内容 3.1 基本描述性统计量简介 3.2 频率分析 3.3