今天将常用的数据分析方法进行一个分类汇总说明,整理如下图:
基本描述统计分析包括频数分析、描述分析、分类汇总;是对收集的数据进行基本的说明。
下方链接均会跳转至SPSSAU帮助手册:
频数分析
描述分析
分类汇总
常见的差异关系研究方法包括方差分析、t检验、卡方检验、非参数检验。
(1)方差分析
方差分析用于进行定类数据与定量数据之间的差异关系研究;按照研究内容和数据类型等不同,可分为以下几类:
下方链接均会跳转至SPSSAU帮助手册:
单因素方差分析
双因素方差分析
多因素方差分析
事后多重比较
协方差分析
重复测量方差分析
(2)t检验
t检验,用于分析定类数据与定量数据之间的差异情况,按照研究内容和数据类型等不同,可分为以下几类:
下方链接均会跳转至SPSSAU帮助手册:
独立样本t检验
单样本t检验
配对t检验
概要t检验
(3)卡方检验
卡方检验,用于分析定类数据与定类数据之间的差异情况,按照研究内容和数据类型等不同,可分为以下几类:
下方链接均会跳转至SPSSAU帮助手册:
卡方检验
配对卡方
卡方拟合优度
分层卡方
Fisher卡方
(4)非参数检验
前面讲的常见的数据差异性分析方法:例如方差分析、t检验都属于参数检验的范围。参数检验一般需要数据满足正态性、方差齐性。与参数检验相对的是非参数检验,非参数检验不对总体的分布形态做假定,所以当数据不正态或方差不齐时,可使用非参数检验进行差异性研究。
参数检验对应非参数秩和检验如下:
下方链接均会跳转至SPSSAU帮助手册:
单样本Wilcoxon秩和检验
配对样本Wilcoxon秩和检验
非参数检验(Mann-Whitney秩和检验&Kruskal-Wallis秩和检验)
Friedman秩和检验相关分析(Spearman秩相关&Kendall秩相关)
影响关系研究包括进行相关分析、回归分析、logit回归分析三大类。
(1)相关分析
相关分析可分为以下三类:
下方链接均会跳转至SPSSAU帮助手册:
相关分析
偏相关分析
典型相关分析
(2)回归分析
回归分析主要进行影响关系研究,可以细分为二十几种,由于篇幅有限,这里仅介绍比较常用的回归分析方法,感兴趣同学可以登陆SPSSAU进行学习。
下方链接均会跳转至SPSSAU帮助手册:
线性回归
逐步回归
岭回归
曲线回归
分组回归
(3)logit回归分析
当研究X对Y的影响时,如果因变量Y为定类数据,则应该使用logit回归分析。
下方链接均会跳转至SPSSAU帮助手册:
二元logit回归
有序logit回归
多分类logit回归
信息浓缩常见方法为因子分析、主成分分析。
因子分析和主成分分析都是信息浓缩的方法,即将多个分析项信息浓缩成几个概括性指标。如果希望进行将指标命名,SPSSAU建议使用因子分析。原因在于因子分析在主成分基础上,多出一项旋转功能,该旋转目的即在于命名。
下方链接均会跳转至SPSSAU帮助手册:
因子分析
主成分分析
聚类分析以多个研究标题作为基准,对样本对象进行分类。
下方链接均会跳转至SPSSAU帮助手册:
聚类分析(K-means、K-modes、K-prototype)
分层聚类
信度分析的方法主要有以下三种:Cronbach α信度系数法、折半信度法、重测信度法。
下方链接均会跳转至SPSSAU帮助手册:
Cronbach α信度
折半信度法
重测信度(使用相关系数分析)
效度有很多种,可分为四种类型:内容效度、结构效度、区分效度、聚合效度。
下方链接均会跳转至SPSSAU帮助手册:
结构效度
区分效度&聚合效度
中介作用、调节作用、调节中介作用分析说明如下:
下方链接均会跳转至SPSSAU帮助手册:
中介作用
调节作用
调节中介
权重研究是用于分析各因素或指标在综合体系中的重要程度,最终构建出权重体系。权重研究有多种方法:
下方链接均会跳转至SPSSAU帮助手册:
AHP层次分析法
熵值法
TOPSIS法
因子分析
主成分分析
灰色关联法
其他
当需要研究多个变量之间的关系情况时,通常可构建统计模型用于分析及预测,分析方法说明见下表:
下方链接均会跳转至SPSSAU帮助手册:
线性回归
logistic回归
典型相关
PLS回归
路径分析
结构方程模型
一致性检验的目的在于比较不同方法得到的结果是否具有一致性。检验一致性的方法有很多比如:Kappa检验、ICC组内相关系数、Kendall W协调系数等。
下方链接均会跳转至SPSSAU帮助手册:
Kappa一致性检验
Kendall协调系数
ICC组内相关系数
常用的可视化分析方法如下:
下方链接均会跳转至SPSSAU帮助手册:
散点图
直方图
箱线图
误差线图
Roc曲线
其他
更多分析方法帮助手册、教学视频、案例库可通过以下链接进入搜索:
帮助手册
教学视频
案例库