问卷中的非量表数据应该怎么分析 |
您所在的位置:网站首页 › logit() › 问卷中的非量表数据应该怎么分析 |
1.单选题卡方分析 卡方分析是研究两个定类变量的差异对比,是在交叉的基础上加上统计检验(卡方值和p值),对于分析结果进行p值判断,然后说明两个定类变量是否有联系,比如性别和月收入是否有联系等等。在分析中首先对p值进行判断,如果p值小于显著水平,则说明在显著水平下呈现出显著性,比如想要研究“性别和职业是否有差异关系”。 结果如下: 从结果可以看出被调查者中女性比男性多,不论男性还是女性学生占比多占总数的46.82%,企业家均占比最少,模型的卡方值为10.827,p值约为0.029小于0.05,所以说明不同性别的被调查者的职业有差别。 2.多选题卡方分析 多选题的卡方分析理论上也是研究两个定类数据之间的关系,区别在于这里的自变量为单选题数据,因变量为多选题数据。可以使用SPSSAU【单选-多选】进行分析。比如想研究“不同收入和更关注网络课程的方面进行交叉分析”操作如下: 结果如下: 从结果来看不管是什么收入水平多数人更在乎网络课程的教学质量,共有213个人选择此项,所以想要更好经营网络课程这一项,需要提升教学质量可能效果更好,最后发现卡方检验的卡方值为12.265,p值为0.726大于0.05,所以不同的收入水平对关注网络课程的点没有差异。接下来研究影响关系。 三、影响关系分析Logit回归分析也是研究自变量对因变量影响的分析,但是logit回归的因变量需要为定类变量,一般logit回归分析包括二元logit回归分析,多分类logit回归分析,有序logit回归分析,三者区别如下: 1.二元logit回归分析 这类问题的特点是因变量(Y)是定类数据,并且只使用两个数字去表示,规定为 1和0,并且 只能是1或0,比如1代表愿意0代表不愿意;1代表会0代表不会;1代表可以0代表不可以;1代表喜欢0代表不喜欢。如果想研究某些因素(X)对于因变量(Y)的影响关系,并且因变量(Y)只有两个取值时(并且 只能是0和1),此时则应该使用二元Logistic回归分析。 2.多分类logit回归 多分类logit回归分析用于研究X对于Y的影响关系,其中X,也可以是定类数据(如果X为定类数据,需要做虚拟(哑)变量设置),Y为多分类定类数据。针对多分类logit回归分析时,可分为三个步骤。第一:模型的基本背景情况说明;比如模型研究X对于Y的影响,X分别是那些,Y具体情况如何等。第二:针对模型的构建和比较过程进行描述,包括分析p 值来检测模型构建是否有意义,以及模型构建时的重复选择过程,使用AIC和BIC准则对比,选出最优模型等;第三:针对模型的具体情况进行分析,首先分析p 值,如果此值小于0.05,说明X对于Y有影响关系,接着再具体研究影响关系情况即可,比如是正向影响还是负向影响关系等;除此之外,还可以写出回归模型构建公式,以及模型的预测准确率情况等。 3.有序logit回归 有序Logit回归分析用于研究X对于Y的影响关系,如果X为定类数据,一般需要做虚拟(哑)变量设置,Y为有序定类数据。有序Logit回归分析时,首先进行模型平行性检验,如果p值大于0.05,说明满足平行性检验,如果p值小于0.05,说明不满足平行性检验,此时SPSSAU建议使用多分类Logit回归分析;满足平行性检验后,接着再具体研究影响关系情况即可,比如是正向影响还是负向影响关系等;除此之外,还可以写出有序Logit回归分析的模型构建公式,以及模型的预测准确率情况等。返回搜狐,查看更多 |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |