315-第三章 检视资料与敍述性统计.ppt

第三章 檢視資料與敍述性統計 3-1　檢視資料 3-2　敘述性統計分析 (Descriptive Statistics) 3-1 檢視資料 　　檢視資料是在統計分析之前, 必需要作的事, 目的是為了確保資料分析結果的正確性。 　　我們整理檢視資料時, 常見又可以避免或處理的問題如下： 登錄錯誤 遺漏值 遺漏值的處理 偏離值(是否要刪除) 檢定多變量分析的基本假設 3-1-1 登錄錯誤 　　登錄錯誤是很難避免的, 只要是有人工輸入的資料, 經常會發生登錄錯誤, 在筆者的經驗中, 不管是自行輸入或則找工讀生輸入資料, 都曾經發生過登錄錯誤, 例(1)：輸入性別, 男性為1, 女性為2, 在登錄資料時, 很容易發生資料登錄為12和21, 例(2)：輸入李克特(Linkert)5點量表, 非常不滿意為1到非常滿意為5, 在登錄資料時, 很容易發生資料登錄為11,12, 23, 34, 45…等等, 這時候應如何處理呢? 我們提供最簡單的方式便是利用數值統計中的次數，最小值(minimum)和最大值(maximum)來檢視資料一旦發現異常值, 則馬上可以回到資料集進行修正。 實務操作如下： 1. 開啟範例檔 missing data.sav 2. 按 Analyze ? Descriptive Statistics ? Frequencies 3. 選取 Sex 4. 按 ，將 Sex 選入Variable(s) 5. 按 Statistics，選取 Range、Minimum、Maximum 6. 按 Continue，回到 Frequencies視窗 7. 按 OK，出現報表結果，如下圖： 輸出報表結果如下： 我們登錄性別是男性為1，女性為2，因此Minimum應為1，Maximum應為2，上表中的Maximum為11，顯然是有登錄錯誤，請回原始資料進行修正。 3-1-2 遺漏值 　　遺漏值一直也是在數量方法中, 很常碰到的問題, 一般在E-mail(word檔)和當面填寫問卷回收後, 都會發覺有漏填, 甚至是有大半都未填, 這些漏填的值, 可能對於結果都有著多多少少的影響, 甚至會將結果倒轉, 也就是從顯著影響變成不顯著, 或則是從不顯著變成了顯著的影響, 因此, 當遺漏值發生時, 對於遺漏值的處理, 我們就必須謹慎小心, 適當地去處理。 遺漏值的分析 　　遺漏值發生的原因有很多, 有可能是未登錄而產生遺漏值, 填答者拒絶回答(隱私的問題…), 或則是取樣不適當, 也就是找來的填答者, 根本不適合填答我們的問題, 這些都有可能導致於遺漏值的發生。當遺漏值發生時 ，我們就需要做遺漏值的分析。 1. 開啟範例檔 missing data.sav，按Analyze ? Missing Value Analysis 2. 選取 Score，Cost 3. 按 ， 將Score，Cost選入 Quantitative Variables，點選 Listwise、 Pairwise、EM、Regression，再選取 Sex、Income、Location 4. 按 ，將 Sex、Income、Location選入Categorical Variables 5. 按 Descriptives， 選取 Univariate statistics、Percent mismatch、Sort by missing value patterns、t tests with groups formed by indicator variabels、 Crosstabulations of categorical and indicator variables 6. 按Continue，回到 Missing Value Analysis 視窗 7. 按 Variables，使用預設 Use all quantitative variables 8. 按 Cancel，回到Missing Value Analysis視窗 9. 按 EM，使用預設 Normal 10. 按 Continue，回到Missing Value Analysis視窗 11. 按 Regression，使用預設Residuals 12. 按 Continue，回到Missing Value Analysis視窗 13. 按 OK，出現報表結果 報表結果 MVA (missing values analysis) 遺漏值分析 Univariate Statistics a Number of cases outsid