高級(jí)統(tǒng)計(jì)方法簡(jiǎn)介

1、高級(jí)統(tǒng)計(jì)方法簡(jiǎn)介,匯報(bào)提綱,數(shù)據(jù)的分類統(tǒng)計(jì)方法的分類體系各種統(tǒng)計(jì)方法簡(jiǎn)介推薦書目,1 數(shù)據(jù)的分類,定類變量（名義數(shù)據(jù)）定序變量（等級(jí)數(shù)據(jù)）定距變量（間距數(shù)據(jù)）定比變量（比例數(shù)據(jù)）,,非測(cè)量型,,測(cè)量型,2 統(tǒng)計(jì)方法的分類體系,關(guān)系類型?,因果模型,,,因變量數(shù)？,非測(cè)量型,,,,A：截面數(shù)據(jù),2 統(tǒng)計(jì)方法的分類體系,事件史分析,B：時(shí)間序列數(shù)據(jù),連續(xù)時(shí)間模型,離散時(shí)間模型,Cox比例風(fēng)險(xiǎn)模型,Logit 模型,,

2、,事件歷史分析的主要目的是研究某一事件發(fā)生的方式和它的決定因素。,指數(shù)模型,Gompertz模型,Weibull模型,加速失效時(shí)間模型,,3.1 因子分析,主要功能：縮減變量數(shù)（降維）基本步驟：計(jì)算所有變量相關(guān)矩陣，判別是否適合因子分析（相關(guān)矩陣大部分相關(guān)系數(shù)大于0.3適合；反映像相關(guān)矩陣很多元素值較大不適合；Bartlett test of sphericity顯著;KMO0.7以上）提取公共因子（常用主成分分析法）因子旋轉(zhuǎn)

3、（便于為公共因子命名，常用Varimax）一種重要用法：評(píng)價(jià),3.2 聚類分析,主要功能：對(duì)研究對(duì)象進(jìn)行分類基本步驟：選擇變量（注意克服“加入盡可能多的變量”的傾向；所選變量之間不應(yīng)高度相關(guān)）計(jì)算相似性（相關(guān)測(cè)度——pearson相關(guān)系數(shù)；距離測(cè)度——?dú)W式距離**、絕對(duì)值距離、明科夫斯基距離、馬氏距離；關(guān)聯(lián)測(cè)度*——簡(jiǎn)單匹配系數(shù)、雅克比系數(shù)、果瓦系數(shù)）聚類（層次聚類——聚集法、分解法；迭代聚類/快速聚類）聚類結(jié)果的解釋與證

4、實(shí),3.3 對(duì)應(yīng)分析,主要功能：揭示定性/非測(cè)量變量之間的聯(lián)系基本步驟：對(duì)定性/非測(cè)量型變量進(jìn)行交叉匯總，得到對(duì)應(yīng)分析要求的匯總表（注意檢查Crosstabs中是否有頻數(shù)為零的單元格）運(yùn)行程序（Analyse?Data reduction? correspondence）檢查運(yùn)行結(jié)果和各種統(tǒng)計(jì)圖，看是否已反映變量關(guān)系；若否，調(diào)整參數(shù)重新運(yùn)行解釋分析結(jié)果,3.4 多元線性回歸,主要功能：分析一個(gè)測(cè)量型因變量與多個(gè)自變量之間的線

5、性關(guān)系注意事項(xiàng)：因變量必須是測(cè)量型隨機(jī)變量若自變量為非測(cè)量型，則需設(shè)置虛擬變量重點(diǎn)是回歸模型的各項(xiàng)檢驗(yàn)（整體線性擬合度檢驗(yàn)——方差分析+判定系數(shù)R^2;回歸系數(shù)的檢驗(yàn)——T檢驗(yàn)；多重共線性的檢驗(yàn)——容忍度和方差膨脹系數(shù)；殘差項(xiàng)異方差檢驗(yàn)和自相關(guān)檢驗(yàn)）難點(diǎn)：多重共線性、異方差和自相關(guān)的診斷和排除,3.5 Logistic回歸,主要功能：分析一個(gè)定性因變量與多個(gè)自變量之間的關(guān)系注意事項(xiàng)：因變量是非測(cè)量型二值變量；若自變量為

6、非測(cè)量型，也需設(shè)置虛擬變量重點(diǎn)是回歸模型的各項(xiàng)檢驗(yàn)（整體檢驗(yàn)——對(duì)數(shù)似然比的卡方檢驗(yàn);回歸系數(shù)的檢驗(yàn)——Wald統(tǒng)計(jì)量的卡方檢驗(yàn)；系數(shù)子集的聯(lián)合假設(shè)檢驗(yàn)——對(duì)數(shù)似然比的卡方檢驗(yàn)）難點(diǎn)：回歸系數(shù)的解釋（以logit p方程的線性表達(dá)式來(lái)解釋；以發(fā)生比的指數(shù)表達(dá)式解釋√）,3.6 鑒別分析,主要功能：進(jìn)行統(tǒng)計(jì)鑒別和分組（根據(jù)一些已經(jīng)分組的已知案例建立鑒別函數(shù)，然后根據(jù)鑒別函數(shù)對(duì)所有案例重新分組）注意事項(xiàng)：因變量是非測(cè)量型的分組變量

7、；自變量是用以分組的特征變量稱為鑒別變量重點(diǎn)掌握鑒別分析模型即鑒別函數(shù)的各參數(shù)指標(biāo)及統(tǒng)計(jì)檢驗(yàn)（非標(biāo)準(zhǔn)化鑒別系數(shù)、標(biāo)準(zhǔn)化鑒別系數(shù)；結(jié)構(gòu)系數(shù)/鑒別負(fù)載；鑒別力指數(shù)/方差百分比、殘余鑒別力——Wilk’S lambda；Fisher鑒別系數(shù)）,3.7 對(duì)數(shù)線性模型,主要功能：通過(guò)數(shù)學(xué)方法來(lái)描述多個(gè)分類變量的交互頻數(shù)分布；可以在控制其他變量的情況下研究任意兩個(gè)變量之間的關(guān)聯(lián)注意事項(xiàng)：對(duì)數(shù)線性模型包括三類分析程序：分層模型分析（從飽和模型

8、入手得到簡(jiǎn)約模型）、一般模型分析（檢驗(yàn)簡(jiǎn)約模型能否準(zhǔn)確擬合觀測(cè)數(shù)據(jù)并推斷總體）和logit 模型分析（直接服務(wù)于分類變量之間的因果關(guān)系）運(yùn)用不同的模型，變量設(shè)置、項(xiàng)目設(shè)置均不同，能夠提供的功能類型也不同（整體檢驗(yàn)、分層檢驗(yàn)、單項(xiàng)偏關(guān)聯(lián)檢驗(yàn)、自動(dòng)篩選、參數(shù)估計(jì)、Z值、置信區(qū)間、觀測(cè)頻數(shù)、期望頻數(shù)、殘差）,3.8 典型相關(guān)分析,主要功能：兩組變量之間的相關(guān)分析注意事項(xiàng)：它描述的是兩個(gè)變量組之間的整體的相關(guān)形式；要求兩組變量之間為線

9、性關(guān)系，即每對(duì)典型變量之間為線性關(guān)系；每個(gè)典型變量與本組所有觀測(cè)變量的關(guān)系也是線性關(guān)系。如果不是線性關(guān)系，可先線性化（如取對(duì)數(shù)）；所有觀測(cè)變量為定量數(shù)據(jù)，定性數(shù)據(jù)按照一定形式設(shè)為虛擬變量后也可放入典型相關(guān)模型中進(jìn)行分析,3.9 多元方差分析,主要功能：同時(shí)分析和檢驗(yàn)不同類別在多個(gè)測(cè)量型變量上是否存在顯著差別注意事項(xiàng)：因變量有多個(gè)且必須是測(cè)量型變量，自變量是非測(cè)量型變量因變量應(yīng)為正態(tài)分布且方差相等，而且需要存在一定程度的線性相關(guān)

10、例：Income、EduRatio、Natinality、Rural可構(gòu)建單因素二元模型、雙因素二元飽和模型、雙因素二元非飽和模型,3.10 路徑分析,主要功能：確定多個(gè)變量之間的因果關(guān)系是否存在或因果關(guān)系強(qiáng)弱程度注意事項(xiàng)：實(shí)質(zhì)內(nèi)容就是計(jì)算路徑系數(shù)（=標(biāo)準(zhǔn)回歸系數(shù)，可通過(guò)回歸分析得到）、殘值項(xiàng)路徑系數(shù)（=根號(hào)下1-R^2，通過(guò)回歸分析得到的R^2手工計(jì)算）更重要的功用是通過(guò)對(duì)變量間的簡(jiǎn)單相關(guān)系數(shù)進(jìn)行分解（=直接效應(yīng)+間接效應(yīng)+虛

11、假相關(guān)+未析部分），從而獲得變量間相互作用的更深刻認(rèn)知路徑分析的檢驗(yàn)是通過(guò)回歸分析中對(duì)標(biāo)準(zhǔn)回歸系數(shù)的T檢驗(yàn)實(shí)現(xiàn)的,3.11 結(jié)構(gòu)方程模型,主要功能：確定多個(gè)變量之間的因果關(guān)系是否存在或因果關(guān)系強(qiáng)弱程度基本步驟：模型設(shè)定（應(yīng)根據(jù)理論或以往研究成果設(shè)定初始模型）模型識(shí)別（判定模型能否求出參數(shù)估計(jì)的唯一解：數(shù)據(jù)點(diǎn)的數(shù)目不能少于自由參數(shù)的數(shù)目）模型估計(jì)（最大似然估計(jì)、廣義最小二乘估計(jì)）模型評(píng)價(jià)（GFI、AGFI、NFI、NNFI、

12、IFI、CFI、RMSEA）模型修正軟件：LISREL?AMOS,3.12 離散時(shí)間Logit模型,主要功能：研究離散時(shí)間單位下的某一事件的發(fā)生與否及其決定因素注意事項(xiàng)：首先要對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理，建立人年（person year）數(shù)據(jù)文件然后運(yùn)用Logistic回歸模型分析例：晉升否、進(jìn)入公司時(shí)間長(zhǎng)短、進(jìn)入前有否工作經(jīng)驗(yàn)、性別,3.13 Cox比例風(fēng)險(xiǎn)模型,主要功能：研究連續(xù)時(shí)間單位下的某一事件的發(fā)生與否及其決定因素

13、注意事項(xiàng)：首先要對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理，建立人年（person year）數(shù)據(jù)文件然后利用“分析——生存——Cox regeression”進(jìn)行分析例:已婚婦女初育間隔、學(xué)歷、結(jié)婚年齡,3.14 其他一些連續(xù)時(shí)間模型,指數(shù)模型 常被稱為單純模型，因?yàn)樗僭O(shè)事件發(fā)生的概率為常數(shù),Weibull模型 b3被限制為必須大于1,Gompertz模型 隨機(jī)變量t服從Gompertz分布,加速失效時(shí)間模型

14、 隨機(jī)擾動(dòng)u有四種分布：正態(tài)分布、logistic分布、極端值分布、對(duì)數(shù)伽瑪分布，故T得分布也有四種,如果研究者認(rèn)為研究方案中的時(shí)間單位最好按離散方式描述，就采用離散時(shí)間logit模型對(duì)于連續(xù)時(shí)間模型，如果可以認(rèn)為風(fēng)險(xiǎn)函數(shù)是隨時(shí)間單調(diào)變化的，可以考慮選用Weibull模型或Gompertz模型；若果認(rèn)為風(fēng)險(xiǎn)函數(shù)不是單調(diào)變化的，可以考慮對(duì)數(shù)正態(tài)、對(duì)數(shù)logistic或Cox比例風(fēng)險(xiǎn)模型,事件史模型的選擇,4 推薦書目,郭志剛、社會(huì)統(tǒng)計(jì)