
SPSS中異常值檢驗的幾種方法介紹(7)_數(shù)據(jù)分析師
加權(quán)方法:
采用因子加權(quán):對滿足特定變量或指標(biāo)的所有樣本賦予一個權(quán)重,通常用于提高樣 本中具有某種特性的被訪者的重要性;例如,研究一種香煙的口味是否需要改變, 那么不同程度吸食者的觀點也應(yīng)該有不同的重要性對待:例如:重度吸食者=3,經(jīng) 常吸食者=2,偶爾/不抽煙=1,記?。簩嶋H應(yīng)用時候,如果“經(jīng)常/偶爾”的基數(shù)足 夠大,往往單獨分析,不進行加權(quán)處理;
采用目標(biāo)加權(quán):對某一特定樣本組賦權(quán),以達到們預(yù)期的特定目標(biāo);例如:我們想 要:品牌 A 的 20%使用者 = 品牌 B 的 50%使用者;或者品牌 A 的 20%使用者 = 使用品牌 A 的 80%非使用者;
采用輪廓加權(quán):多因素加權(quán),因子/目標(biāo)加權(quán)不同(一維的),輪廓加權(quán)應(yīng)用于對調(diào)查 樣本相互關(guān)系不明確的多個屬性加權(quán);面對多個需要賦權(quán)的屬性,輪廓加權(quán)過程應(yīng)
該同時進行,以盡可能少的對變量產(chǎn)生扭曲;
我們應(yīng)該知道,無論加權(quán)的動機是什么,但操作過程是一樣的:
1. 依不同屬性變量/指標(biāo)將樣本分為多個組(加權(quán)組), 然后根據(jù)所希望各個組代表的個 體規(guī)模賦予不同的權(quán)重;即明確分析子集/樣本組,通常,經(jīng)常以人口結(jié)構(gòu)變量、地 域變量作為分類指標(biāo);明確各個分析子集/樣本組中個體的代表性強弱(權(quán)重); 2. 加權(quán)是在數(shù)據(jù)收集結(jié)束后采取的數(shù)據(jù)“糾偏”行為,但一定要清醒的知道:配額設(shè)置 不合適、FW 執(zhí)行差或其他錯誤而造成的“不好”的原始數(shù)據(jù)收集,即使加權(quán)也一定 是“無效的”; 3. “提前避免錯誤/失誤發(fā)生,總好過事后的任何補救!”
事后加權(quán)案例: 例如:我們?yōu)榱搜芯?,得到某小公司職員吸煙習(xí)慣的信息,進行了一項調(diào)查。從 N=78 個 人的目錄中抽出了一個 n=25 人的簡單隨機樣本。在調(diào)查的設(shè)計階段,并沒有可用于分層 的輔助信息。在收集關(guān)于吸煙習(xí)慣的信息的同時,還收集了每個回答者的年齡和性別情況。 總共有 nr=15 個人作出了回答。 由此得到樣本數(shù)據(jù)的下列分布:
假設(shè)我們估計知道某公司約有 16 個男性職員和 62 個女性職員,而且男女的吸煙比例 不同。經(jīng)過加權(quán)后我們得到該公司吸煙的比例估計在 53%; 我們總是希望調(diào)查所得的估計值與已知的男性和女性數(shù)量比例相一致,當(dāng)我們認(rèn)為一個 人是否吸煙與他的性別之間可能存在相關(guān)性, 因此他們認(rèn)為, 使用事后分層能夠提高估計的 精度。 然而實際上,如果在調(diào)查的設(shè)計階段就已經(jīng)獲得這些信息的話,就可以用性別來進行分層。
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
數(shù)據(jù)分析師的技能圖譜:從數(shù)據(jù)到價值的橋梁? 在數(shù)據(jù)驅(qū)動決策的時代,數(shù)據(jù)分析師如同 “數(shù)據(jù)翻譯官”,將冰冷的數(shù)字轉(zhuǎn)化為清晰的 ...
2025-07-17Pandas 寫入指定行數(shù)據(jù):數(shù)據(jù)精細(xì)化管理的核心技能? 在數(shù)據(jù)處理的日常工作中,我們常常需要面對這樣的場景:在龐大的數(shù)據(jù)集里精 ...
2025-07-17解碼 CDA:數(shù)據(jù)時代的通行證? 在數(shù)字化浪潮席卷全球的今天,當(dāng)企業(yè)決策者盯著屏幕上跳動的數(shù)據(jù)曲線尋找增長密碼,當(dāng)科研人員在 ...
2025-07-17CDA 精益業(yè)務(wù)數(shù)據(jù)分析:數(shù)據(jù)驅(qū)動業(yè)務(wù)增長的實戰(zhàn)方法論 在企業(yè)數(shù)字化轉(zhuǎn)型的浪潮中,“數(shù)據(jù)分析” 已從 “加分項” 成為 “必修課 ...
2025-07-16MySQL 中 ADD KEY 與 ADD INDEX 詳解:用法、差異與優(yōu)化實踐 在 MySQL 數(shù)據(jù)庫表結(jié)構(gòu)設(shè)計中,索引是提升查詢性能的核心手段。無論 ...
2025-07-16解析 MySQL Update 語句中 “query end” 狀態(tài):含義、成因與優(yōu)化指南? 在 MySQL 數(shù)據(jù)庫的日常運維與開發(fā)中,開發(fā)者和 DBA 常會 ...
2025-07-16如何考取數(shù)據(jù)分析師證書:以 CDA 為例? ? 在數(shù)字化浪潮席卷各行各業(yè)的當(dāng)下,數(shù)據(jù)分析師已然成為企業(yè)挖掘數(shù)據(jù)價值、驅(qū)動決策的 ...
2025-07-15CDA 精益業(yè)務(wù)數(shù)據(jù)分析:驅(qū)動企業(yè)高效決策的核心引擎? 在數(shù)字經(jīng)濟時代,企業(yè)面臨著前所未有的數(shù)據(jù)洪流,如何從海量數(shù)據(jù)中提取有 ...
2025-07-15MySQL 無外鍵關(guān)聯(lián)表的 JOIN 實戰(zhàn):數(shù)據(jù)整合的靈活之道? 在 MySQL 數(shù)據(jù)庫的日常操作中,我們經(jīng)常會遇到需要整合多張表數(shù)據(jù)的場景 ...
2025-07-15Python Pandas:數(shù)據(jù)科學(xué)的瑞士軍刀? ? 在數(shù)據(jù)驅(qū)動的時代,面對海量、復(fù)雜的數(shù)據(jù),如何高效地進行處理、分析和挖掘成為關(guān)鍵。 ...
2025-07-15用 SQL 生成逆向回滾 SQL:數(shù)據(jù)操作的 “后悔藥” 指南? 在數(shù)據(jù)庫操作中,誤刪數(shù)據(jù)、錯改字段或誤執(zhí)行批量更新等問題時有發(fā)生。 ...
2025-07-14t檢驗與Wilcoxon檢驗的選擇:何時用t.test,何時用wilcox.test? t 檢驗與 Wilcoxon 檢驗的選擇:何時用 t.test,何時用 wilcox. ...
2025-07-14AI 浪潮下的生存與進階: CDA數(shù)據(jù)分析師—開啟新時代職業(yè)生涯的鑰匙(深度研究報告、發(fā)展指導(dǎo)白皮書) 發(fā)布機構(gòu):CDA數(shù)據(jù)科 ...
2025-07-13LSTM 模型輸入長度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)家族中,長短期記憶網(wǎng)絡(luò)(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報考條件詳解與準(zhǔn)備指南? ? 在數(shù)據(jù)驅(qū)動決策的時代浪潮下,CDA 數(shù)據(jù)分析師認(rèn)證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計的實用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實施重大更新。 此次更新旨在確保認(rèn) ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務(wù)的價值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時代,BI ...
2025-07-10SQL 在預(yù)測分析中的應(yīng)用:從數(shù)據(jù)查詢到趨勢預(yù)判? ? 在數(shù)據(jù)驅(qū)動決策的時代,預(yù)測分析作為挖掘數(shù)據(jù)潛在價值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點,而是將數(shù) ...
2025-07-10