17 数据分析补充解释.ppt

数据分析中的基本问题 假设检验的逻辑 用T检验比较均值 如何解读卡方分析的结果？ 如何理解相关系数？ * 研究问题与研究假设 所有的调查研究，都得从一些有关两个或者多个变量之间关系的暂时性概括为起点：这就是研究问题或研究假设。 研究问题常常用于问题或政策导向的研究中，或者用于探索人们研究不多或者压根还没有人研究的领域。这些研究被称为探索性研究，因为调查者本身对研究结果心里也没底。 * 在许多情况下，研究者基于已有理论知识，可对调查结果做出某种预期。如King基于各种有关幽默的作用的理论提出假设：在虚构动作片中，主人公伴随暴力动作所作说的俏皮话能够降低观众对电影的不良反应。 然而，研究问题与研究假设的不同在于，前者没有包含预测内容，其余的地方，两者是一样的。 * 不同的研究起点 探索性研究：环境新闻记者的新闻生成过程中有什么特点？ 研究问题：（1）在环境新闻记者群体中，女性所占比例是不是要比整体记者群体中女性记者的比例要大？（2）在环境新闻记者群体中，女性是否具有更高的环境关心？ 研究假设：（1）在环境新闻记者群体中，女性所占的比例较之于新闻从业者整体中女性的比例要大；（2）在环境新闻记者群体中，女性比男性更具环境关心。 * 研究假设的目的与标准 形成假设常是严谨的文献阅读的最重要目标，它的形成过程是研究过程中顺理成章的一个步骤。没有假设，研究/调查就缺乏焦点，思路因此显得散乱。 假设的明显作用在于它排除了研究的”试一下—错误”的性质；也就是说，任何调查研究不应该是”一次性的”（one-shot）。假设的形成要求研究者确定特定的研究领域。 * 研究假设的目的与标准 研究假设应该与已有的知识相符合，而不应该相反；不然，只会浪费研究者和读者的时间。 研究假设应该在逻辑上一致；概念之间的关系，不应该有冲突：A=B, B=C, 那么，A=C。 研究假设应该表述简洁，而且能够被实证性的量化数据所检验。 * 零假设与备选假设 零假设（H0）是无差别假设，即认为两个概念A和B之间没有关系；而备选假设（H1）是研究假设，认为A和B有关系。 H1：“对电台广告的关注程度和对该广告的回忆程度正相关”； H0：“对电台广告的关注程度和对该广告的回忆程度不相关”。 * 检验假设的统计显著性 要检验某个研究的统计显著性，研究者必须设定一个概率水平或显著度（significant level），据此才能检验假设。 如果分析结果低于这个水平，我们就应该拒绝虚假设（H0）；如果高于它，则支持H0。 一般来说0.05，0.01和0.001被规定为研究者检验假设的三个层次。0.05的显著度表明，当研究者拒绝H0或接受H1的出错概率是5%。 * 0.01和0.05作为常用的概率水平，表明这1%和5%的出错概率往往是由随机性误差（如样本对总体的代表性问题）而引起。 采用这些显著度的值，并没有特别的逻辑理由。这与统计学的研究有关。其理论基础是“小概率事件”的理论。 * 假设检验 在许多分析中，都有一个检验的相应的统计参数，比如： 在T检验中，被检验的参数是t；在卡方分析中，被检验的是卡方值 ；在相关分析中，被检验的是相关系数（r）；在回归分析中被检验的是回归系数贝塔（b）。 所有用以检验上述参数的统一标准量是相应分析中的显著性水平（sig.）的值。 * 假设检验的步骤：卡方检验 建立零假设(H0)：行变量和列变量独立 选择和计算统计量(皮尔逊卡方) 查看显著性水平（sig.）是否低于0.05 做出结论：两个变量之间的关联性如何？ * 用T检验比较均值 * * * * T检验的结果如何表述？ * 如何解读卡方分析的结果？ * * * * 如何理解相关系数？ 相关系数，用以判定两个变量之间是否存在“共变”的关系。即，一个变量的取值变化时，另一个变量的取值是否也会随着变化。 * * 相关性 您常常看报纸 您常常看电视 您常常听广播 您常常看杂志 您常常看报纸 Pearson 相关性 1 .507** .272** .437** 显著性（双侧） .000 .000 .000 N 456 455 448 447 您常常看电视 Pearson 相关性 .507** 1 .372** .373** 显著性（双侧） .000 .000 .000 N 455 458 448 447 您常常听广播 Pearson 相关性 .272** .372** 1 .487** 显著性（双侧） .000 .000 .000 N 448 448 449 443 您常常看杂志 Pearson 相关性 .437** .373** .487** 1 显著性（双侧） .000 .000 .000 N 447 447 443 448 **. 在 .01 水平（双侧）上显著相关。 相关分