
SPSS分析技術(shù):低測度數(shù)據(jù)的相關(guān)性分析
如果遇到低測度數(shù)據(jù),需要判斷它與低測度數(shù)據(jù)或高測度數(shù)據(jù)之間的相關(guān)性,需要根據(jù)數(shù)據(jù)類型以及數(shù)據(jù)組合之間的關(guān)系來決定分析方法,如下圖所示:
今天,我們介紹低測度數(shù)據(jù)之間相關(guān)性分析技術(shù)---交叉表分析。低測度數(shù)據(jù)之間相關(guān)性分析在社會生活中經(jīng)常遇到,例如,在社會調(diào)查中,戶籍與生活習(xí)慣之間的關(guān)系,戶籍與愛好之間的關(guān)系等,這些都屬于低測度數(shù)據(jù)相關(guān)性分析的范疇。
交叉表分析
選擇菜單【描述統(tǒng)計】-【交叉表格】;再選擇【Statistics】,對話框如下圖所示:
對于不同組合的低測度數(shù)據(jù)類型,用交叉表判斷它們的相關(guān)性,要用到不同的統(tǒng)計量:
定類變量的分析;由于定類變量的測度比較低,而且其大小和順序無實際意義。需要用到右圖的“名義”區(qū)域內(nèi)的“相關(guān)系數(shù)”、“Phi和Cramer V”、“Lambda”、“不確定性系數(shù)”。
定序變量的分析;由于定序變量的數(shù)值大小有順序的意義,而且其測度水平通常高于定類變量。常見的分析方法位于“有序”區(qū)域內(nèi),依次為Gamma系數(shù)、Somers系數(shù)、Kendall的tau-b系數(shù)和Kendall的tau-c系數(shù)四類。
定類-定距變量的分析;對于定類變量和定距變量構(gòu)成的分析對,可以使用Eta關(guān)聯(lián)系數(shù)。另外,如果定距變量的測度較高,還可以根據(jù)定距變量是否符合正態(tài)分布,以定距變量作為因變量,以定類變量作為因素變量,進行方差分析或者多獨立因素的非參數(shù)檢驗。對于在不同因素水平下,如果定距變量具有顯著性差異,那么可以認(rèn)為定類變量和定距變量之間具有顯著相關(guān)性。
二分變量-二分變量;McNemar相關(guān)系數(shù)用于檢驗兩個有關(guān)聯(lián)的二分變量之間的相關(guān)性分析。
范例分析
現(xiàn)在有一份數(shù)據(jù)文件,記錄 880 人參于的關(guān)于早餐喜好的民意調(diào)查結(jié)果,該調(diào)查記錄了參與者的年齡、性別、婚姻狀況、生活方式以及早餐選擇。對不同年齡段與早餐選擇進行相關(guān)性分析。如下圖所示:
分析思路
從上圖可知,已經(jīng)對年齡進行分段,對早餐選擇進行分類,新的年齡分段變量(agecat)和早餐分類變量(breakfast)屬于定類變量,需要用“名義”區(qū)域內(nèi)的系數(shù)表示它們之間的相關(guān)性。
操作步驟
1、選擇菜單【分析】-【描述統(tǒng)計】-【交叉表格】;將年齡分段選為行變量,將首選早餐選為列變量;將【顯示集群條形圖】選中。
2、選擇【Statistics】,將名義區(qū)域內(nèi)的系數(shù)都選中。
3、點擊【繼續(xù)】,在點擊【確定】,進入分析。
結(jié)果解讀
表格顯示了不同年齡段和不同早餐選擇之間的頻數(shù)分布,從表格中可以看到頻數(shù)在不同年齡段和早餐選擇之間的頻數(shù)變化。直方圖可以直觀的觀察不同年齡段對應(yīng)不同早餐選擇的變化,從圖中可知發(fā)現(xiàn),綠色條隨著年齡段的增加而增加,藍色條則相反,灰色條基本沒有變化,這些都說明不同年齡段和早餐選擇之間存在相關(guān)性,但是相關(guān)性的強弱到底如何還需要進一步的數(shù)據(jù)。
2、相關(guān)系數(shù);
表格顯示三個相關(guān)系數(shù),都是通過卡方統(tǒng)計量修改而來。從結(jié)果來看,介于0.4~0.6之間,說明不同年齡段和早餐選擇之間存在一定的相關(guān)性。
3、相依系數(shù)、lambda系數(shù)和不確定系數(shù)
lambda系數(shù)表示變量之間預(yù)測結(jié)果的好壞,數(shù)值介于0~1之間,從結(jié)果看,年齡段與早餐選擇之間的預(yù)測結(jié)果比較差。
不確定系數(shù)是以熵為標(biāo)準(zhǔn)的比例縮減誤差,表示一個變量的信息在多大程度上來源于另一個變量。1表示程度最高,0表示程度最低。從結(jié)果看,這個系數(shù)的值也不高。
最終結(jié)論
從相關(guān)分析的結(jié)果來看,不同年齡段的人對早餐的選擇存在差異性,也就是說兩個定類變量之間存在一定的相關(guān)性,從交叉表、直方圖和相關(guān)系數(shù)可以得到這個結(jié)果。但是它們之間的相依程度不高,從lambda系數(shù),不確定系數(shù)低于0.2可以知道,所以它們之間是不能在這些樣本的基礎(chǔ)上得到準(zhǔn)確的回歸方程的。數(shù)據(jù)分析師培訓(xùn)
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導(dǎo)向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10