Статистика и котики — страница 12
Тема
« Асимптотическая значимость (2-сторонняя) ». Если он меньше 0,05, ваши выборки значимо различаются. Если же больше 0,05, то таких различий обнаружено не было.
H-КРИТЕРИЙ КРАСКЕЛЛА-УОЛЛЕСА
Как найти: Анализ —> Непараметрические критерии —> Устаревшие диалоговые окна -> Для K независимых выборок.
Что вводить:
1. Переместите переменные, по которым хотите найти различия, в поле « Список проверяемых переменных».
2. Переместите переменную, которая делит ваши объекты на группы (т. е. на несвязанные выборки), в поле « Группировать по ».
3. Задайте группы, указав диапазон их значений. Например от 1 до 3 в случае, если у вас 3 группы.
Дополнительные опции: ничего интересного.
Куда смотреть: смотрим в таблицу « Статистические критерии ». Абсолютное значение критерия скрывается в строчке « Хи-квадрат ». Если « Асимптотическая значимость меньше 0,05 », то влияние фактора можно считать значимым.
T-КРИТЕРИЙ СТЬЮДЕНТА ДЛЯ СВЯЗАННЫХ ВЫБОРОК
Как найти: Анализ —> Сравнение средних —> T-критерий для парных выборок.
Что вводить: переместите пары переменных, обозначающих связанные выборки в поле « Парные переменные ».
Дополнительные опции: ничего интересного.
Куда смотреть: смотрим в таблицу « Критерий парных выборок » на последние столбцы. « T » — значения критерия, а « Знач. (двухсторонняя) » показывает p-уровень значимости. Если он меньше 0,05 — различия имеются.
Если вы хотите узнать, у какой группы соответствующий показатель больше, смотрите в таблицу « Статистика парных выборок » (столбец « Среднее »).
ДИСПЕРСИОННЫЙ АНАЛИЗ ДЛЯ ПОВТОРНЫХ ИЗМЕРЕНИЙ
Как найти: Анализ —> Общая линейная модель —> ОЛМ-повторные измерения.
Что вводить:
1. Задайте имя внутригруппового фактора, по которому разделяются ваши связанные выборки, число уровней (кол-во связанных выборок) и нажмите кнопку « Добавить ».
2. Переместите переменные, обозначающие ваши связанные выборки, в поле « Внутригрупповые переменные ».
Дополнительные опции: если у вас имеются несвязанные выборки, то вы можете включить их в анализ, добавив соответствующую переменную в межгрупповые факторы.
В разделе « Графики » вы можете настроить выдачу графиков средних по каждому фактору.
Куда смотреть: смотрим в таблицу « Критерии внутригрупповых эффектов » (блок с названием внутригруппового фактора). Там — четыре критерия, у которых чаще всего одинаковые значения (столбец F ). Если « Значимость » при них меньше 0,05, то связанные выборки различаются между собой.
T-КРИТЕРИЙ ВИЛКОКСОНА
Как найти: Анализ —> Непараметрические критерии —> Устаревшие диалоговые окна —> Для двух связанных выборок.
Что вводить: переместите пары переменных, обозначающих связанные выборки, в поле « Тестовые пары ».
Дополнительные опции: если хотите, можете посмотреть различия по другим критериям. Например, по критерию знаков.
Куда смотреть: смотрим в таблицу « Статистические критерии ». T-критерия Вилкоксона вы в ней не найдете — вместо него так называемая Z-статистика, рассчитанная на основе этого критерия. Ее вполне можно вставлять в вашу работу.
P-уровень значимости можно найти в строчке «Асимптотическая значимость (2-сторонняя)». Если он меньше 0,05, ваши выборки значимо различаются. Если же больше 0,05, то таких различий обнаружено не было.
КРИТЕРИЙ ФРИДМАНА
Как найти: Анализ —> Непараметрические критерии —> Устаревшие диалоговые окна —> Для K связанных выборок.
Что вводить: переместите переменные, обозначающие связанные выборки, в поле « Проверяемые переменные ».
Дополнительные опции: ничего интересного.
Куда смотреть: смотрим в таблицу « Статистические критерии ». Абсолютное значение критерия скрывается в строчке « Хи-квадрат ». Если « Асимптотическая значимость меньше 0,05 », то влияние фактора можно считать значимым.
КОЭФФИЦИЕНТЫ КОРРЕЛЯЦИИ ПИРСОНА И СПИРМЕНА
Как найти: Анализ —> Корреляции —> Парные.
Что вводить:
1. Переместите переменные, между которыми вы хотите найти взаимосвязи, в поле « Переменные ».
2. Выберите нужный коэффициент корреляции.
Дополнительные опции: ничего интересного.
Куда смотреть: программа выдаст вам корреляционную матрицу (таблица « Корреляции » или « Непараметрические корреляции »). Чтобы посмотреть в ней коэффициент корреляций между переменными А и Б, нужно найти строчку с переменной А и столбик с переменной Б и посмотреть, где они пересекаются.
Сверху будет коэффициент корреляции, а чуть ниже — уровень значимости (двухсторонний). Если он ниже 0,05, то связь между переменными действительно присутствует.
ЛИНЕЙНАЯ РЕГРЕССИЯ
Как найти: Анализ —> Регрессия —> Линейная…
Что вводить:
1. Переместите целевую переменную в поле « Зависимая переменная ».
2. Переместите переменные-факторы в « Независимые переменные ».
Дополнительные опции: на главном окне вы можете выбрать метод линейной регрессии. Как правило, « Ввод » и « Пошагово ».
Нажав на кнопку « Статистики », вы сможете выбрать некоторые дополнительные коэффициенты, которые выдаст вам программа.
Куда смотреть: смотрим в таблицу « Коэффициенты ». Там нас будут интересовать два столбца — « B » и « Значимость ». В первом из них — регрессионные коэффициенты. Во втором — p-уровень значимости. Если он меньше 0,05, то данный фактор является значимым.
Вторая интересующая нас таблица — сводка для модели. Смотрим столбец « Скорректированный R-квадрат ». В нем — коэффициент детерминации, который скажет, какой процент ваших данных объясняет модель. R-квадрат, равный 0,92, обозначает, что 92% ваших данных объясняется вашей моделью.
ЛОГИСТИЧЕСКАЯ РЕГРЕССИЯ
Как найти: Анализ —> Регрессия —> Логистическая…
Что вводить:
1. Переместите целевую переменную в поле « Зависимая переменная ».
2. Переместите переменные-факторы в « Ковариаты ».
Дополнительные опции: на главном окне вы можете выбрать метод логистической регрессии. По умолчанию установлен « Ввод » (или « Enter »).
Нажав на кнопку « Параметры », вы сможете выбрать некоторые дополнительные статистики и графики. Также я очень рекомендую поставить галочку в графе « На последнем шаге ».
Куда смотреть: пролистываем вывод вниз (до Блок 1) и смотрим в таблицу « Переменные в уравнении ». Интересуют нас два столбца: « B » и « Значимость ». Первый содержит регрессионные коэффициенты. Второй — p-уровень значимости. Если он меньше 0,05, то данный фактор является значимым.
Вторая таблица — « Сводка для модели ». Смотрим столбец « R-квадрат Нэйджелкерка ». Этот коэффициент показывает, сколько процентов ваших данных объясняет полученная модель. R-квадрат, равный 0,92, обозначает, что 92% ваших данных объясняется вашей моделью.
И последнее — « Таблица классификации ». Она позволяет сравнить, насколько результаты, предсказываемые моделью, совпадают с реальными.
ДИСКРИМИНАНТНЫЙ АНАЛИЗ
Как найти: Анализ —> Классификация —> Дискриминантный анализ.
Что вводить:
1. Переместите переменную, делящую ваши объекты на группы, в поле « Группировать по ». Далее — задайте диапазон, в котором находятся ваши группы (допустим от 1 до 3, если группы обозначаются как 1, 2 и 3).
2. Переместите остальные переменные в поле « Независимые ».
3. Нажмите кнопку « Статистики » и отметьте « Однофакторный дисперсионный анализ ».
4. Нажмите кнопку « Классифицировать » и отметьте « Итоговая таблица ».
Дополнительные опции: на главном окне вы можете выбрать метод дискриминантного анализа (« Принудительное включение » или « Шаговый отбор »).
В окне « Статистики » вы также можете выбрать « Средние », что даст описательную статистику по каждой из групп.
Куда смотреть: в таблице «Критерии равенства групповых средних» можно посмотреть, какие переменные значимо разделяют ваши объекты на группы (столбцы « F » и « Значимость »). Если значимость меньше 0,05, то разделяет.
Значения коэффициентов стандартизованной канонической дискриминантной функции можно найти в одноименной таблице (если это действительно необходимо).
Что касается меры качества, то таковой может служить таблица «
Перейти
на страницу