首页 理论教育 统计学分析(量化研究)介绍

统计学分析(量化研究)介绍

时间:2023-07-23 理论教育 版权反馈
【摘要】:方差分析是从观测变量的方差入手,研究诸多控制变量中哪些变量是对观测变量有显著影响的变量。元分析程序输入的参数包括各个观察到的相关系数,通过对已有研究文献中变量间的相关计算分析,可以根据获得的统计显著性等来分析两个变量间真实的相关关系。其主要内容包括两个均值向量的假设检验、多元方差分析、主成分分析、因子分析、聚类分析和典范相关分析等。

统计学分析(量化研究)介绍

(一)统计描述

统计描述研究如何用科学的方法去收集、整理、分析经济社会发展的实际数据,并通过统计所特有的统计指标和指标体系,表明所研究的社会经济现象的规模、水平、速度、比例和效益,以反映社会经济现象发展规律在一定时间、地点、条件下的作用,描述社会经济现象数量之间的关系和变动规律。它是进一步学习其他相关学科的基础。

(二)方差分析

方差分析(Analysis of Variance,简称ANOVA),又称“变异数分析”或“F检验”,是由R.A.Fisher发明的,用于两个及两个以上样本均数差别的显著性检验。由于各种因素的影响,研究所得的数据呈现波动状。造成波动的原因可分成两类,一是不可控的随机因素,二是研究中施加的对结果形成影响的可控因素。方差分析是从观测变量的方差入手,研究诸多控制变量中哪些变量是对观测变量有显著影响的变量。

(三)二元相关

一元相关是因果关系分析方法之一。二元线性回归分析法是在一元回归基础上的延伸。二元线性回归法适用于有两个主要自变量的预测分析,一般运用计算机进行计算。

(四)元分析

元分析统计方法是对众多现有实证文献的再次统计,通过对相关文献中的统计指标利用相应的统计公式,进行再一次的统计分析,从而可以根据获得的统计显著性等来分析两个变量间真实的相关关系。元分析程序输入的参数包括各个观察到的相关系数,通过对已有研究文献中变量间的相关计算分析,可以根据获得的统计显著性等来分析两个变量间真实的相关关系。

(五)多元回归

多元回归在工具书中的解释:①研究一个因变量与两个或两个以上自变量的回归。②亦称为“多元线性回归”,是反映一种现象或事物的数量依多种现象或事物的数量的变动而相应地变动的规律。③建立多个变量之间线性或非线性数学模型数量关系式的统计方法。

(六)多元变量分析

多元变量分析是指同时考虑多个反应变量的统计分析方法。其主要内容包括两个均值向量的假设检验、多元方差分析、主成分分析、因子分析聚类分析和典范相关分析等。(www.xing528.com)

(七)因子分析

因子分析是指研究从变量群中提取共性因子的统计技术。其最早由英国心理学家C.E.斯皮尔曼提出。他发现学生的各科成绩之间存在着一定的相关性,一科成绩好的学生,往往其他各科成绩也比较好,从而推想是否存在某些潜在的共性因子,或称某些一般智力条件影响着学生的学习成绩。运用因子分析可在许多变量中找出隐藏的具有代表性的因子。将相同本质的变量归入一个因子,可减少变量的数目,还可检验变量间关系的假设。

(八)主成分分析

主成分分析(Principal Component Analysis,PCA),又称主分量分析,是将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法。实际课题中,为了全面分析问题,往往提出很多与此有关的变量(或因素),因为每个变量都在不同程度上反映这个课题的某些信息。主成分分析首先是由K.皮尔森对非随机变量引入的,而后H.霍特林将此方法推广到随机向量的情形。信息的大小通常用离差平方和或方差来衡量。主成分分析作为基础的数学分析方法,其实际应用十分广泛,比如人口统计学、数量地理学、分子动力学模拟、数学建模、数理分析等学科中均有应用,是一种常用的多变量分析方法。

(九)聚类分析

聚类分析指将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程。它是一种重要的人类行为。聚类分析的目标就是在相似的基础上收集数据来分类。聚类源于很多领域,包括数学、计算机科学、统计学、生物学和经济学。在不同的应用领域,很多聚类技术都得到了发展。这些技术方法被用作描述数据,衡量不同数据源间的相似性,以及把数据源分类到不同的簇中。

(十)参数检验

非参数检验(Nonparametric Tests)是统计分析方法的重要组成部分,它与参数检验共同构成统计推断的基本内容。参数检验是在总体分布形式已知的情况下,对总体分布的参数如均值、方差等进行推断的方法。但是,在数据分析过程中,由于种种原因,人们往往无法对总体分布形态做简单假定,此时参数检验的方法就不再适用了。非参数检验正是一类基于这种考虑,在总体方差未知或知道甚少的情况下,利用样本数据对总体分布形态等进行推断的方法。由于非参数检验方法在推断过程中不涉及有关总体分布的参数,因而得名为非参数检验。

(十一)结构方程模型

结构方程模型(Structural Equation Modeling,SEM)在20世纪80年代就已经成熟,可惜国内了解的人并不多。社会科学以及经济、市场、管理等研究领域,有时需处理多个原因、多个结果的关系,或者会碰到不可直接观测的变量(即潜变量),这些都是传统的统计方法不能很好解决的问题。20世纪80年代以来,结构方程模型迅速发展,弥补了传统统计方法的不足,成为多元数据分析的重要工具。

其他如话语分析、内容分析、社会网络分析等在此不做详细介绍。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈