频道栏目
首页 > 网络 > 云计算 > 正文

如何选择SPSS数据分析方法

2018-08-08 10:30:05      个评论      
收藏   我要投稿

SPSS数据分析方法不知道如何选择

一提到数学,高等数学,线性代数,概率论与数理统计,数值分析,空间解析几何这些数学课程,头疼呀。作为文科生,遇见这些课程时,通常都是各种寻求帮助,班上有位宅男数学很厉害,各种被女生‘围观’,这数学为什么这么难,学了有啥用呀。

有用的,当做数据分析的时候,使用到SPSS,在线SPSS分析的时候就知道用处了,在写论文的时候会用到SPSS数据分析,工作的时候也会用到SPSS数据分析。此时才知道原来数学很重要。我的数学不好肿么办?听我一 一道来。

1. 数据类型

学过数学的童鞋都知道,数学里面分了两类数据,离散和连续数据,听上去文绉绉的,不懂。那我问男人和女人知道不,知道,对了这种就是离散数据。身高体重知道不,知道,这种就是连续数据。离散数据可以理解为分类,类别,数个数;而连续数据理解为算平均值,度量,比如平均身高,平均年龄,但不能说成是平均性别。离散和连续数据是数学上文绉绉的称呼。如果我们是做数据分析,通常又换成另外一种称呼,定类和定量数据。定类就是离散数据,定量就是连续数据。这点get到后,数据分析方法啥都不在话下,让智能化软件SPSSAU【备注:在线网页版SPSS】这些去解决就好,默认出来智能化文字分析结果。

2. X和Y

除了数据类型外,数学上老是有一些符号,比如X,Y,Z, α, β,γ,还有好多拉丁符号,看着都头疼,而且更糟糕的是发音还那么奇怪。这些都是数学用词,如果是数据分析,只需要知道X和Y就可以。为什么这么简单呢?数据分析通常是用于业务场景,让所有人都会所有人都能懂的。而数学符号是专业性名词,一小部分学习数学专业的人群才懂。

而X,Y基本所有人都懂,平面二维式思维,如果加上Y就变成空间三维思维。这种会变得复杂难懂,而数据分析出来结果是让人理解让人懂的,越简单易懂越有意义越有用的结论越受欢迎。因此从数据分析角度来看,只需要懂X,Y这两个符号就OK。别小看X,Y这两个符号,加上上述的数据类型,它们可以产生非常多的组合,也称作分析方法。

有了X,Y,我们可以研究X和Y之间的关系情况,比如X对于Y的影响关系,X对于Y的差异关系等。下面一一讲述。

3. X和Y的组合方法

再讲组合之前,先单独讲下不区分X和Y的分析方法,如下表格:

\

当不需要区分不区分X和Y时,比如我只研究性别1个数据,或者只研究身高,体重情况如何等。并不需要研究关联关系,所以并不涉及X和Y的关联关系。这种都可统称为数据基本描述统计,当然数据类型不一样时,方法不同。比如性别为定类数据,这时用频数分析;身高体重是定量数据,这时用描述分析。数据的基本描述统计是最基础的数据分析方法,而且通常都需要做这类分析方法,因为了解了基本情况是非常必要的。

接下来将下X和Y之间的关联关系时,会使用到的数据研究方法;如下表格:

\

从上表可以看到,通常会涉及到差异关系,相关关系和影响关系共三类。比如不同性别的兴趣爱好是否有差异,性别为定类数据,兴趣爱好也是定类数据;此时就应该使用交叉卡方分析方法。比如研究性别人群体重是否有差异,性别为定类数据,体重为定量数据,此时就需要使用T检验;除此之外,如果想研究不同专业(理科、工科、文科)的体重差异时,此时应该使用方差分析。当X是定类数据,Y是定量数据,研究X对于Y的差异时,可以使用T检验和方差分析;区分在哪里呢?如果X的类别个数(比如男和女)只有2个时,通常使用T检验;如果X的类别个数超过2个(比如理科、工科和文科)时,只能使用方差分析。差异关系就只能有3种,接下来继续相关关系。

相关关系是研究X和Y的关系情况,比如身高和体重之间有没有关系;X和Y均是定量数据;此时应该使用相关关系,再具体一点应该叫Pearson相关关系(相关关系的数学公式是Pearson这人发明的)。

最后一类是影响关系;X对于Y的影响;影响关系的分析方法区分,完全是根据Y的类别而定;比如Y是定量数据,我们则应该使用线性回归分析;如果Y为定类数据,此时我们应该使用Logit回归分析,而具体再细分,Logit回归可以有:二元Logit回归,多分类Logit回归,区分在于Y,举例如下表:

\

如果X影响Y时,Y只分为两类,购买和不购买,愿意和不愿意,是和否等,这时候就需要使用二元Logit回归分析;如果Y分为n类(n>2)时,则需要使用多分类Logit回归。

数据类型,X和Y;这两点搞明白后,绝大多数的数据研究方法都可以搞定,而这也是当前数学研究的核心思想。也是分析软件的设计理念,网页在线版本的SPSS即SPSSAU软件平台,它的设计核心理念就是这样,只需要会区分数据类型,知道X和Y;就可以自己进行数据分析,其它的全部都可以直接由SPSSAU生成智能化文字结果;当然,分析方法还有很多的,比如因子分析,聚类分析等,这些方法不是研究X和Y的关联性,而是别有用处。

4. 其它研究方法

除开X与Y的关联关系研究,其实还有一些其它的研究方法;比如对于很多个X同时进行分析应该使用什么方法呢?此时可能会结合分析用处而对应不同的方法;常见有因子分析和聚类分析两种,如下表:

\

如果说了30句话,现在想把30句话概括浓缩成5个关键词,这种就叫浓缩;此时需要使用因子分析;如果有300个人想进行分类,分成3类人群,此时可使用聚类分析(常见是K-means聚类方法)。

除了浓缩和聚类,事实还有非常多其它的研究方法,比如信度研究,多因素方差,非参数检验,正态性检验,配对T检验等等。后续慢慢再谈,更多知识也可使用网页版SPSS即SPSSAU【备注:在线网页版SPSS】进行学习,里面智能化分析结果一目了然,‘拖拽点一下’完成分析得到智能化结果,更多研究方法的详述也可直接查到。

上一篇:Ubuntu下安装Thrift步骤详解
下一篇:启动hive常见错误之没有到主机的路由实例解决
相关文章
图文推荐

关于我们 | 联系我们 | 广告服务 | 投资合作 | 版权申明 | 在线帮助 | 网站地图 | 作品发布 | Vip技术培训 | 举报中心

版权所有: 红黑联盟--致力于做实用的IT技术学习网站