差异性分析该如何选择?
最近小编收到最多的问题就是想做差异分析,应该选择那种分析方法?数据之间的关系一般分为四种:差异关系、相关关系、影响关系以及其它关系。
一、说明
差异研究的目的在于比较两组数据或多组数据之间的差异。差异关系和相关关系有时候会被搞混,它们是不同的,区别是:差异关系中的差异是指不同样本组的某个指标的差异,例如男生和女生的智力差异,涉及到了变量的分组;相关分析是两个变量之间的关系,和样本分组无关,例如智力和学习成绩是否相关。本文将从六个角度对差异性分析方法进行划分。
二、分类
差异性分析方法有很多,可以将他们分为6类,从类别角度、使用频率、统计知识、分析角度、数据角度以及实验数据。
1.类别角度
从类别角度进一步还可以分为可视化图形、多选题分析以及假设检验。
(1)可视化
其中可视化图包括箱线图、误差线图、簇状图、气泡图以及小提琴图。可视化图形的举例说明如下:
补充说明:箱线图和小提琴图都是直观的展示数据的分布差异,可能有的研究者对于选择二者还是有些犹豫,其中箱线图共由五个数值点构成,分别是最小观察值,25%分位数(Q1),中位数,75%分位数(Q3),最大观察值。可以直观的判断数据离散分布情况、了解数据分布状态。而小提琴图可以显示数据分布和概率密度,可以根据结果观察到数据分布与数据分布密度。
(2)多选题
有时想要研究的数据是多选题类型,这时应该如何进行分析?可能会涉及以下三类分析即:单选题和多选题交叉;多选题和单选题交叉;多选题和多选题交叉,举例说明如下:
操作途径:【SPSSAU问卷研究】→‘单选-多选’/‘多选-单选’/‘多选-多选’;
(3)假设检验
假设检验用来判断样本与样本、样本与总体的差异是由抽样误差引起还是本质差别造成的统计推断方法。常用的假设检验方法有t检验、卡方检验、方差分析等,下文中详细进行描述。
2.使用频率
如果从使用频率角度来划分,最常用的方法一般为三类,t检验、卡方检验以及方差分析。其中t检验包含4种分析方法,卡方检验包含4种方法,方差分析包含7种方法,方法之间的研究目的以及数据类型具体举例以及数据类型说明如下:
(1)t检验
(2)卡方检验
(3)方差分析
虽然独立样本t检验和方差分析都是要求自变量为定类但是卡方检验自变量的组别仅仅为两组,方差分析的自变量组别可以是两组以上。
3.统计知识
从统计知识角度来看,可将差异性分析方法分为参数检验(如方差分析、t检验)与非参数检验(如卡方、秩和检验等)。首先说明参数检验与非参数检验的区别,然后具体将分析方法展开说明。
(1)参数与非参数检验
(2)非参数检验
其中上述非参数检验中几个方法与参数检验中几个方法的功能一致,具体区别如下:
以上就是从统计知识角度进行分析的差异性分析方法。一般而言,不涉及总体分布参数的检验方法,都可以称为“非参数检验”。接下来描述,从分析角度进行划分。
4.分析角度
从分析角度而言,我们常常分析X与Y之间的差异,如上述的基本分析方法;而有时也涉及到分析X与数字的关系,如单样本t检验、卡方拟合优度、单样本wilcoxon:
差异性分析不仅可以从分析角度进行划分,还可以从数据角度进行划分。比如数据是否有原始数据等。
5.数据角度
还可以从【是否有原始数据】角度对SPSSAU差异性分析方法进行区分。在进行概要t检验、均值z检验、比率z检验时,既可以导入数据进行分析,也可直接输入指标:
6.实验数据
若手中数据为实验数据,则可以优先使用以下分析方法:
以上就是从六个角度对差异性分析方法进行划分,比较常用的是从“使用频率”方面进行划分。
差异性分析该如何选择?相关推荐
- 要做差异性分析,如何选择正确的统计方法?
大家好啊!最近SPSSAU后台有很多小伙伴留言提问,其中有两个问题: 其实上面的问题,主要是想要研究定类数据和定类数据之间的差异关系,而不是相关性的分析,我们进行数据研究,就是想要挖掘数据间的信息和价 ...
- 基因组表达分析:如何选择RNA-seq vs. 芯片
基因组表达分析:如何选择RNA-seq vs. 芯片 发布日期:2017-03-29 10:00 DNA 芯片(上图左侧)由附着在表面的核酸探针组成.首先,从样品中提取 RNA 并转化为互补 DNA( ...
- 普通话测试软件测试成绩很差,普通话测试成绩的差异性分析
[摘要]本文基于广州大学松田学院普通话测试历年成绩,探讨分析了性别和方言区域对普通话测试成绩的差异性影响.统计检验结果表明,性别对普通话测试成绩有差异性影响,方言区域对普通话测试成绩没有差异性影响.因 ...
- 远离“数据呆” 对业务的理解和思考永远高于分析技术的选择
随着数据积累得越来越多,数据获取成本不断降低,人们开始走向另一个危险的极端,那就是任何事情都要看数据,任何决定都去依赖数据. 这种风气培养出了越来越多的"数据呆".作为一个数据分析 ...
- 样本量对差异性分析(Anova)或者T 检验的影响
样本量大的时候做差异性分析容易得到有显著性差异的结论,原因如下图, 求p值的过程中,n越大,Z0也越大,相对应的p就小了.当然这里默认方差变化不大的情况下,因为一般来说很多数据经过平均后方差不会变化很 ...
- LoadRunner12 进行协议顾问分析时浏览器选择问题
问题:win10环境下,LoadRunner12.02版本,进行协议顾问分析时,选择浏览器为64位IE11浏览器时提示只支持64位 措施: 根据网上经验,改为32位IE11,可进行分析,但打开浏览器后 ...
- 四格表求卡方示例,独立四格表资料检验,统计学,差异性分析
差异性分析原理:卡方检验是一种用途很广的计数资料的假设检验方法.它属于非参数检验的范畴,主要是比较两个及两个以上样本率( 构成比)以及两个分类变量的关联性分析.其根本思想就是在于比较理论频数和实际频数 ...
- R软件--GEO数据分析教程:差异性分析、富集分析(GO\KEGG\DO)
title: "GSE93798" output: word_document knitr::opts_chunk$set(echo = TRUE) R Markdown 关于GS ...
- srsLTE 源码分析 UE_05 PLMN选择之小区选择
前言 在上一篇文章中,介绍了小区搜索的代码流程,从ue.switch_on()流程开始,最终是如何让物理层去搜索PSS.SSS以及MIB信息.这一章节,我们接着分析下小区选择的代码.这里的小区选择指的 ...
最新文章
- 千呼万唤,ACS始出来
- swoole 1.79 websocket 聊天室 基于swoole_server
- VIM查找替换归纳总结
- tf.placeholder在测试时带来的坑
- NVIDIA | 一种重建照片的 AI 图像技术
- 微机原理换行代码_东华大学微机原理课程设计--代码转换
- Linux系统之TroubleShooting(启动故障排除)
- 完全使用CSS制作下拉菜单
- LeetCode - Best Time to Buy and Sell
- 【VMCloud云平台】SCCM(二)部署
- centos7下给bond网卡配置bridge桥接
- python---python基本算法的时间复杂度和空间复杂度
- java.lang.Exception: Test class should have exactly one public constructor
- C/C++回调方式系列之二class接口回调和lambda程式
- MATLAB2020安装教程
- ubuntu进入终端界面输入密码错误login incorrect的解决办法
- 2020-02-29
- PDF如何裁剪页面,PDF裁剪页面的小技巧
- 2020年机修钳工(初级)报名考试及机修钳工(初级)模拟试题
- 巧妙理解动态规划算法
热门文章
- Kinect应用开发实战:用最自然的方式与机器对话
- 基于Python3的格雷厄姆 股票估值模型
- python抓取数据包_python抓数据包
- win7c盘空间越来越小_你Windows10的C盘究竟多大才合适
- “青少年编程能力等级”第一、第二部分:图形化编程 Python编程 含测试样题
- GCC 中的 aligned 和 packed 属性(关于地址对齐)
- Vue:插槽属性prop的使用示例
- xf0x9f java mysql_MySql导入数据报错Incorrect string value: ‘xF0x9Fx90x82’
- 9-java.sql.SQLException: Incorrect string value: ‘\xE9\x82\xA3\xE5\xB0\xB1‘ for column ‘content‘
- 小学计算机社团活动安排,小学计算机社团活动计划