- •IBM SPSS Statistics Base 20
- •Содержание
- •1. Информация о данных
- •Вкладка Информация о данных: Вывод
- •Вкладка Информация о данных: Статистики
- •2. Частоты
- •Статистики в процедуре Частоты
- •Диаграммы в процедуре Частоты
- •Частоты: Формат
- •3. Описательные
- •Параметры процедуры Описательные статистики
- •Команда DESCRIPTIVES: дополнительные возможности
- •4. Исследовать
- •Статистики процедуры Исследовать
- •Графики процедуры Исследовать
- •Степенные преобразования в процедуре Исследовать
- •Параметры процедуры Исследовать
- •Команда EXAMINE: дополнительные возможности
- •5. Таблицы сопряженности
- •Слои таблиц сопряженности
- •Кластеризованные столбиковые диаграммы в процедуре Таблицы сопряженности
- •Таблицы сопряженности, выводящие переменные слоев в слоях таблицы
- •Вывод в ячейках для таблиц сопряженности
- •Формат таблиц сопряженности
- •6. Подытожить
- •Параметры процедуры Подытожить наблюдения
- •Статистики процедуры Подытожить наблюдения
- •7. Средние
- •Параметры процедуры Средние
- •8. OLAP Кубы
- •Статистики в процедуре OLAP Кубы
- •OLAP Кубы: Разности
- •OLAP Кубы: Заголовок
- •9. T-критерии
- •T-критерий для независимых выборок
- •Параметры процедуры T-критерий для независимых выборок
- •T-критерий для парных выборок
- •Параметры процедуры Т-критерий для парных выборок
- •Одновыборочный T-критерий
- •Параметры процедуры Одновыборочный T-критерий
- •Команда T-TEST: дополнительные возможности
- •10. Однофакторный дисперсионный анализ
- •Контрасты для однофакторного дисперсионного анализа
- •Апостериорные критерии для однофакторного дисперсионного анализа
- •Параметры процедуры Однофакторный дисперсионный анализ
- •Команда ONEWAY: дополнительные возможности
- •11. Общая линейная модель: одномерный анализ
- •Общая линейная модель (ОЛМ)
- •Создать члены
- •Сумма квадратов
- •Контрасты ОЛМ
- •Типы контрастов
- •Графики профилей в ОЛМ
- •Апостериорные сравнения в ОЛМ
- •Сохранение новых переменных в ОЛМ
- •Параметры процедуры ОЛМ
- •Команда UNIANOVA: дополнительные возможности
- •12. Парные корреляции
- •Параметры процедуры Парные корреляции
- •13. Частные корреляции
- •Параметры процедуры Частные корреляции
- •Команда PARTIAL CORR: дополнительные возможности
- •14. Расстояния
- •Меры различия
- •Меры сходства
- •Команда PROXIMITIES: дополнительные возможности
- •15. Линейные модели
- •Как запустить процедуру построения линейной модели
- •Цели
- •Основные параметры
- •Подбор модели
- •Ансамбли
- •Дополнительные параметры
- •Параметры модели
- •Сводка для модели
- •Автоматическая подготовка данных
- •Важность предикторов
- •Предсказанные против наблюденных
- •Остатки
- •Выбросы
- •Эффекты
- •Коэффициенты
- •Оцененные средние
- •Сводка по построению модели
- •16. Линейная регрессия
- •Методы отбора переменных для линейной регрессии
- •Задание правила отбора наблюдений для линейной регрессии
- •Графики процедуры Линейная регрессия
- •Линейная регрессия: Сохранение новых переменных
- •Статистики процедуры Линейная регрессия
- •Параметры процедуры Линейная регрессия
- •Команда REGRESSION: дополнительные возможности
- •17. Порядковая регрессия
- •Порядковая регрессия: Параметры
- •Порядковая регрессия: Вывод
- •Порядковая регрессия: Модель положения
- •Создать члены
- •Порядковая регрессия: Модель масштаба
- •Команда PLUM: дополнительные возможности
- •18. Подгонка кривых
- •Модели подгонки кривых
- •Подгонка кривых: Сохранить
- •19. Регрессия частично наименьших квадратов
- •Модель
- •Параметры
- •20. Анализ методом ближайших соседей
- •Соседи
- •Показатели
- •Группы
- •Сохранить
- •Вывод
- •Параметры
- •Вид Модель
- •Пространство показателей
- •Важность переменных
- •Соседи
- •Расстояния до ближайших соседей
- •Диаграмма квадрантов
- •Значения ошибок при отборе показателей
- •Значения ошибок при выборе k
- •Значения ошибок при отборе показателей и выборе k
- •Таблица классификации
- •Сводка ошибок
- •21. Дискриминантный анализ
- •Задание диапазона в процедуре Дискриминантный анализ
- •Отбор наблюдений для процедуры дискриминантного анализа
- •Статистики в процедуре Дискриминантный анализ
- •Метод пошагового отбора процедуры Дискриминантный анализ
- •Дискриминантный анализ: Классификация
- •Дискриминантный анализ: Сохранить
- •Команда DISCRIMINANT: дополнительные возможности
- •22. Факторный анализ
- •Отбор наблюдений для факторного анализа
- •Описательные статистики факторного анализа
- •Выделение факторов в процедуре Факторный анализ
- •Вращение факторов для факторного анализа
- •Значения факторов в процедуре факторного анализа
- •Параметры процедуры Факторный анализ
- •Команда FACTOR: дополнительные возможности
- •23. Выбор процедуры кластеризации
- •24. Двухэтапный кластерный анализ
- •Параметры процедуры Двухэтапный кластерный анализ
- •Вывод процедуры Двухэтапный кластерный анализ
- •Средство просмотра кластеров
- •Закладка Средство просмотра кластеров
- •Перемещение по средству просмотра кластеров
- •Фильтрация записей
- •25. Иерархический кластерный анализ
- •Задание метода иерархического кластерного анализа
- •Статистики для процедуры Иерархический кластерный анализ
- •Графики для процедуры Иерархический кластерный анализ
- •Сохранение новых переменных в процедуре Иерархический кластерный анализ
- •Эффективность кластерного анализа методом k-средних
- •Итерации в кластерном анализе методом k-средних
- •Сохранение новых переменных в кластерном анализе методом k-средних
- •Параметры процедуры Кластерный анализ методом К-средних
- •Команда QUICK CLUSTER: дополнительные возможности
- •27. Непараметрические критерии
- •Одновыборочные непараметрические критерии
- •Чтобы получить одновыборочные непараметрические критерии
- •Вкладка Поля
- •Вкладка Параметры
- •Непараметрические критерии для независимых выборок
- •Чтобы получить непараметрические критерии для независимых выборок
- •Вкладка Поля
- •Вкладка Параметры
- •Непараметрические критерии для связанных выборок
- •Чтобы применить непараметрические критерии для связанных выборок
- •Вкладка Поля
- •Вкладка Параметры
- •Представление модель
- •Сводка по проверке гипотез
- •Сводка по доверительным интервалам
- •Одновыборочный критерий
- •Критерии для связанных выборок
- •Критерий для независимых выборок
- •Информация по категориальным полям
- •Информация по количественным полям
- •Парные сравнения
- •Однородные подмножества
- •Команда NPTESTS: дополнительные возможности
- •Устаревшие диалоговые окна
- •Критерий хи-квадрат
- •Биномиальный критерий
- •Критерий серий
- •Одновыборочный критерий Колмогорова-Смирнова
- •Критерии для двух независимых выборок
- •Критерии для двух связанных выборок
- •Критерии для нескольких независимых выборок
- •Критерии для нескольких связанных выборок
- •28. Анализ множественных ответов
- •Задание наборов множественных ответов
- •Частоты для множественных ответов
- •Таблицы сопряженности для множественных ответов
- •Задание диапазонов переменных в таблицах сопряженности для наборов множественных ответов
- •Параметры процедуры Таблицы сопряженности для множественных ответов
- •Команда MULT RESPONSE: дополнительные возможности
- •29. Создание отчетов
- •Итоги по строкам
- •Как запустить процедуру выдачи итожащего отчета: Итоги по строкам
- •Параметры группировки отчета
- •Параметры отчета
- •Компоновка отчета
- •Заголовки отчета
- •Итоги по столбцам
- •Как запустить процедуру выдачи итожащего отчета: Итоги по столбцам
- •Итожащие функции столбцов данных
- •Формат столбцов отчета
- •Параметры группировки отчета с итогами по столбцам
- •Параметры отчета для итогов по столбцам
- •Компоновка отчета с итогами по столбцам
- •Команда REPORT: дополнительные возможности
- •30. Анализ пригодности
- •Статистики процедуры Анализ пригодности
- •Команда RELIABILITY: дополнительные возможности
- •31. Многомерное шкалирование
- •Многомерное шкалирование: Форма данных
- •Создание меры для многомерного шкалирования
- •Модель многомерного шкалирования
- •Параметры процедуры Многомерное шкалирование
- •Команда ALSCAL: дополнительные возможности
- •32. Статистики отношений
- •Статистики отношений
- •33. Кривые ROC
- •Параметры процедуры ROC Кривые
- •Указатель
29
Таблицы сопряженности
МакНемара. Непараметрический критерий для двух связанных дихотомических переменных. Проверяет изменения в откликах с помощью распределения хи-квадрат. Полезен для выявления изменений в откликах, обусловленных экспериментальным вмешательством в планах до-и-после. Для больших квадратных таблиц выдаются результаты критерия симметричности Мак-Немара - Боукера.
Статистики Кокрена и Мантеля-Хенцеля. Статистики Кокрена и Мантеля-Хенцеля могут использоваться для проверки условной независимости дихотомической факторной переменной и дихотомической переменной отклика при заданных ковариационных структурах, задаваемых одной или большим числом переменных слоя (управляющих переменных). Заметим, что в то время как другие статистики вычисляются послойно, статистики Кокрена и Мантеля-Хенцеля вычисляются сразу для всех слоев.
Вывод в ячейках для таблиц сопряженности
Рисунок 5-4
Диалоговое окно Таблицы сопряженности: Вывод в ячейках
Чтобы помочь вам выявить структуры в данных, которые могут повлиять на результаты критерия хи-квадрат, процедура Таблицы сопряженности выводит ожидаемые значения частот и три типа остатков (отклонений), которые выступают как меры различия между ожидаемыми и наблюденными частотами. Каждая ячейка таблицы может содержать любую комбинацию выбранных частот, процентов и остатков.
Частоты. Число фактически наблюденных наблюдений и число наблюдений, ожидаемое при условии независимости переменных в строках и в столбцах. Можно выбрать не показывать частоты, которые меньше заданного целого. Скрытые значения будут выводиться как <N, где N - заданное целое. Заданное целое должно быть больше или равно 2, однако допускается значение 0, которое говорит о том, что скрытые частоты отсутствуют.
30
Глава 5
Сравнить пропорции столбцов При выборе этого параметра выполняются попарные сравнения пропорций столбцов и указывается, какие пары столбцов (для данной строки) значимо различаются. Значимые различия в таблице сопряженности указываются с применением APA-стиля форматирования и использованием букв подстрочного индекса, и вычисляются на уровне значимости 0,05. Примечание: Если данный параметр задан без выбора для вывода наблюденных частот или процентов по столбцам, то наблюденные частоты включаются в таблицу сопряженности с индексами в стиле APA, показывающими результаты применения критерия для сравнения пропорций столбцов.
Скорректировать p-значения (метод Бонферрони). При попарных сравнениях пропорций столбцов используется коррекция Бонферрони, которая корректирует наблюденные уровни значимости, учитывая, что выполняются несколько сравнений.
Проценты. Проценты могут суммироваться по строкам и по столбцам. Также доступны проценты от общего числа наблюдений в таблице (один слой). Примечание: Если в группе Частоты задать Скрывать малые количества, то проценты, относящиеся к скрытым частотам, будут также скрыты.
Остатки. Обычные нестандартизованные остатки вычисляются как разность между наблюденными и ожидаемыми значениями. Можно также получить значения стандартизованных и скорректированных стандартизованных остатков.
Нестандартизованные. Разность между наблюдаемым и ожидаемым значениями. Ожидаемое значение - это количество наблюдений в ячейке при условии независимости переменных строки и столбца. Положительное значение остатка указывает на то, что в ячейке имеется больше наблюдений, чем в случае, если бы переменные строки и столбца были бы независимыми.
Стандартизованные. Остаток, деленный на оценку его стандартного отклонения. Стандартизованные остатки, известные еще как пирсоновские, имеют среднее 0 и стандартное отклонение 1.
Скорректированные стандартизованные. Остаток в некоторой ячейке (наблюдение минус ожидаемое значение), деленный на оценкуегостандартной ошибки. Полученный стандартизованный остаток выражается в единицах стандартных отклонений выше или ниже среднего.
Нецелочисленные веса. Частоты в ячейках обычно являются целыми значениями, поскольку они представляют числа наблюдений в каждой ячейке. Но если наблюдения в файле данных взвешены с помощью переменной с нецелочисленными значениями
(например, 1.25), то частоты в ячейках могут также быть дробными. Округление и усечение можно применять как до, так и после вычислений частот в ячейках, а также использовать дробные частоты в ячейках как для вывода в таблицах, так и для вычисления статистик.
Округлять частоты в ячейках. Веса наблюдений используются как есть, но накопленные веса в ячейках перед вычислением любых статистик округляются.
Усекать частоты в ячейках. Веса наблюдений используются как есть, но накопленные веса в ячейках перед вычислением любых статистик урезаются.
Округлять веса наблюдений. Перед применением веса наблюдений округляются.
31
Таблицы сопряженности
Усекать веса наблюдений. Перед применением веса наблюдений урезаются.
Не корректировать. Веса наблюдений используются как есть, также используются дробные частоты в ячейках. Однако когда запрашиваются Exact Statistics (доступные только при установке модуля Exact Tests), накопленные веса в ячейках перед вычислением статистик точных критериев либо усекаются, либо округляются.
Формат таблиц сопряженности
Рисунок 5-5
Диалоговое окно Таблицы сопряженности: Формат
Вы можете расположить строки в порядке возрастания или убывания значений переменной строки.