• 博客园logo
  • 会员
  • 周边
  • 新闻
  • 博问
  • 闪存
  • 众包
  • 赞助商
  • Chat2DB
    • 搜索
      所有博客
    • 搜索
      当前博客
  • 写随笔 我的博客 短消息 简洁模式
    用户头像
    我的博客 我的园子 账号设置 会员中心 简洁模式 ... 退出登录
    注册 登录
 






哈密瓜不甜

 
 

Powered by 博客园
博客园 | 首页 | 新随笔 | 联系 | 订阅 订阅 | 管理

随笔分类 -  SPSS

 
SPSS-非参数检验
摘要:非参数检验(卡方(Chi-square)检验、二项分布(Binomial)检验、单样本K-S(Kolmogorov-Smirnov)检验、单样本变量值随机性检验(Runs Test)、两独立样本非参数检验、多独立样本非参数检验、两配对样本非参数检验、多配对样本非参数检验) 参数检验:T检验、F检验等 阅读全文
posted @ 2018-10-20 21:02 哈密瓜不甜 阅读(29758) 评论(0) 推荐(0)
SPSS-生存分析
摘要:生存分析 定义:一些医学事件所经历的时间:从开始观察到事件发生的时间,不是短期内可以明确判断的。针对这类生存资料的分析方法叫生存分析。生存分析的基本概念1.终点事件终点事件outcome event:失效事件 failure event,指研究者所关心的特定事 件,如死亡、复发、出牙2.起始事件标志 阅读全文
posted @ 2018-10-20 10:34 哈密瓜不甜 阅读(3401) 评论(0) 推荐(0)
SPSS-因子分析
摘要:因子分析 有可能用较少的综合指标分析存在于各变量中的各类信息,而各综合指标之间彼此是不相关的,代表各类信息的综合指标称为因子。定义:因子分析就是用少数几个因子来描述许多指标或因素之间的联系,以较少几个因子反映原资料的 大部分信息的统计学方法。因子分析有下面4个基本步骤:(1)确定待分析的原有若干变量 阅读全文
posted @ 2018-10-19 10:34 哈密瓜不甜 阅读(2004) 评论(0) 推荐(0)
SPSS-判别分析
摘要:判别分析 判别分析是一种有效的对个案进行分类分析的方法。和聚类分析不同的是,判别分析时组别的特征已知。 定义:判别分析先根据已知类别的事物的性质,利用某种技术建立函数式,然后对未知类别的新事物进 行判断以将之归入已知的类别中。 可以利用判别分析来对聚类分析结果的准确性进行检验。聚类分析分成几类后,即 阅读全文
posted @ 2018-10-19 09:50 哈密瓜不甜 阅读(1290) 评论(0) 推荐(0)
SPSS-聚类分析
摘要:聚类分析(层次聚类分析(Q型聚类和R型聚类)、快速聚类分析) 聚类分析的实质:是建立一种分类方法,它能够将一批样本数据按照他们在性质上的亲密程度在没有先验知识的情况下自动进行分类。这里所说的类就是一个具有相似性的个体的集合,不同类之间具有明显的区别。 聚类分析的特点:聚类分析是一种探索性的分析,在分 阅读全文
posted @ 2018-10-18 09:18 哈密瓜不甜 阅读(11162) 评论(0) 推荐(0)
SPSS-回归分析
摘要:回归分析(一元线性回归分析、多元线性回归分析、非线性回归分析、曲线估计、时间序列的曲线估计、含虚拟自变量的回归分析以及逻辑回归分析) 回归分析中,一般首先绘制自变量和因变量间的散点图,然后通过数据在散点图中的分布特点选择所要进行回归分析的类型,是使用线性回归分析还是某种非线性的回归分析。 回归分析与 阅读全文
posted @ 2018-10-16 18:25 哈密瓜不甜 阅读(6428) 评论(0) 推荐(0)
SPSS-相关分析
摘要:相关分析(二元定距变量的相关分析、二元定序变量的相关分析、偏相关分析和距离相关分析) 定义:衡量事物之间,或称变量之间线性关系相关程度的强弱并用适当的统计指标表示出来,这个过程就是相关分析 变量之间的关系归纳起来可以分为两种类型,即函数关系和统计关系。相关分析的方法较多,比较直接和常用的一 种是绘制 阅读全文
posted @ 2018-10-15 10:31 哈密瓜不甜 阅读(4481) 评论(0) 推荐(0)
SPSS-方差分析
摘要:方差分析(单因素方差分析、多因素方差分析、协方差分析) 基本概念:进行两组以上均数的比较,检验两个或两个以上样本均数差别的显著性(T检验主要是检验两个样本均数差别的显著性) 基本思想:通过分析不同变量的变异对总变异的贡献大小,确定控制变量对研究结果影响力的大小 前提条件:不同水平下各总体均值服从方差 阅读全文
posted @ 2018-10-14 20:58 哈密瓜不甜 阅读(1920) 评论(0) 推荐(0)