Πώς μπορώ να υπολογίσει αυτά τα στατιστικά στοιχεία;

ψήφοι
12

Γράφω μια εφαρμογή για να διευκολύνουν κάποια έρευνα, και μέρος αυτής περιλαμβάνει την κάνει κάποια στατιστικούς υπολογισμούς. Αυτή τη στιγμή, οι ερευνητές χρησιμοποιούν ένα πρόγραμμα που ονομάζεται SPSS . Μέρος της παραγωγής που ενδιαφέρονται για μοιάζει με αυτό:

[Μέρος

Είναι πραγματικά ενδιαφέρονται μόνο για το Fκαι Sig.αξίες. Το πρόβλημά μου είναι ότι δεν έχω καμία υπόβαθρο στον τομέα των στατιστικών, και δεν μπορώ να καταλάβω τι οι δοκιμές ονομάζονται, ή πώς να τους υπολογίζει.

Πίστευα ότι η Fτιμή θα μπορούσε να είναι το αποτέλεσμα του F-test , αλλά αφού ακολουθήσετε τα βήματα που δίνονται στη Wikipedia, πήρα ένα αποτέλεσμα που ήταν διαφορετικό από αυτό που SPSSδίνει.

Δημοσιεύθηκε 04/08/2008 στις 23:56
πηγή χρήστη
Σε άλλες γλώσσες...                            


6 απαντήσεις

ψήφοι
4

Αυτή η ιστοσελίδα μπορεί να σας βοηθήσει λίγο περισσότερο. Επίσης αυτό .

Δουλεύω από μια αρκετά σκουριασμένο μνήμη ενός μάθημα της στατιστικής, αλλά εδώ πηγαίνει τίποτα:

Όταν κάνεις ανάλυση διακύμανσης (ANOVA), μπορείτε πραγματικά να υπολογίσετε το στατιστικό F ως ο λόγος των μέσων τετραγώνων αποκλίσεις «μεταξύ των ομάδων» και των μέσων τετραγωνικών αποκλίσεις «εντός των ομάδων». πάνω από το δεύτερο link φαίνεται αρκετά καλό για τον υπολογισμό αυτό.

Το γεγονός αυτό καθιστά την F στατιστική μέτρο ακριβώς πόσο ισχυρό το μοντέλο σας είναι, επειδή η διακύμανση «μεταξύ των ομάδων» είναι επεξηγηματική δύναμη, και «εντός των ομάδων» διακύμανσης είναι τυχαίο σφάλμα. Υψηλή F συνεπάγεται μια πολύ σημαντική μοντέλο.

Όπως και σε πολλές στατιστικές εργασίες, που πίσω καθοριστεί Sig. χρησιμοποιώντας την F στατιστική. Εδώ είναι όπου οι πληροφορίες σας Wikipedia έρχεται σε λίγο βολικό. Τι θέλετε να κάνετε είναι - χρησιμοποιώντας τους βαθμούς ελευθερίας που σας έχει δοθεί από το SPSS - βρείτε τη σωστή τιμή P στο οποίο ένα πίνακα ΣΤ θα σας δώσει την F στατιστική που υπολογίζεται. Η τιμή Ρ όταν αυτό συμβαίνει [F (πίνακας) = F (υπολογισμένο)] είναι η σημασία.

Εννοιολογικά, η χαμηλότερη τιμή σημασίας δείχνει μια πολύ ισχυρή ικανότητα να απορρίψουμε την μηδενική υπόθεση (η οποία για τους σκοπούς αυτούς σημαίνει να προσδιορίσει το μοντέλο σας έχει επεξηγηματική δύναμη).

Συγγνώμη για τυχόν παιδιά τα μαθηματικά, εάν κάποιο από αυτό είναι λάθος. Θα πρέπει να τον έλεγχο πίσω για να κάνετε αλλαγές !!!

Καλή σου τύχη. Στατιστικά είναι διασκέδαση, απλά ίσως όχι αυτό το μέρος. =)

Απαντήθηκε 05/08/2008 στις 00:32
πηγή χρήστη

ψήφοι
3

Υποθέτω από την ερώτησή σας ότι η έρευνα τους συναδέλφους σας να αυτοματοποιήσει τη διαδικασία με την οποία εκτελούνται ορισμένες στατιστικές αναλύσεις (δηλαδή, θέλουν να σύνολα δεδομένων διεργασίας παρτίδας). Έχετε δύο επιλογές:

1) SPSS είναι πλέον σεναρίων μέσω python (έκδοση 15) - πηγαίνετε στο spss.com και την αναζήτηση για python. Μπορείτε να γράψετε σενάρια python για την αυτοματοποίηση αναλύσεις δεδομένων και την εξαγωγή βασικών τιμών από συγκεντρωτικοί πίνακες, και στη συνέχεια να επεξεργαστεί τις απαντήσεις με όποιον τρόπο θέλετε. Αυτό έχει το πλεονέκτημα ότι επιτρέπει την ακριβή σύγκριση μεταξύ των αποτελεσμάτων από το script python σας και το χέρι-υπολογίζονται προσπάθειες SPSS των συνεργατών σας. Έτσι, δεν θα πρέπει να γνωρίζουν πραγματικά στατιστικά στοιχεία για την εργασία αυτή (η οποία είναι ένα βασικό πλεονέκτημα)

2) Θα μπορούσατε να το κάνετε αυτό στο R, ένα περιβάλλον ελεύθερο στατιστικά στοιχεία, τα οποία θα μπορούσαν πιθανώς να σενάριο. Αυτό έχει το μειονέκτημα ότι θα πρέπει να μάθουν τα στατιστικά στοιχεία για να διασφαλίσει ότι το κάνετε σωστά.

Απαντήθηκε 22/09/2008 στις 04:29
πηγή χρήστη

ψήφοι
2

Με λίγα λόγια: δεν το κάνουμε αυτό με το χέρι, σύνδεση / χρήση του υπάρχοντος λογισμικού. Και η απάντησή sain_grocen είναι εσφαλμένη. :(

Αυτές είναι όλες οι δοκιμές για τη σημασία των εκτιμήσεων των παραμέτρων που χρησιμοποιούνται συνήθως σε Πολυδιάστατη απόκριση πολλαπλών γραμμικών παλινδρομήσεων. Αυτά δεν θα είναι απλά πράγματα να κάνουμε έξω από ένα στατιστικό περιβάλλον προγραμματισμού. Θα ήθελα να προτείνω είτε να πάρει την έξοδο από μια προϋπάρχουσα στατιστικό πρόγραμμα, ή χρησιμοποιώντας ένα που μπορείτε να συνδέσετε και να χρησιμοποιήσετε αυτόν τον κωδικό.

Φοβάμαι ότι η πρώτη απάντηση (sain_grocen) θα σας οδηγήσει σε λάθος δρόμο. Η εξήγησή του είναι πιθανό μια ειδική περίπτωση αυτό που πραγματικά ασχολούνται με. Η ANOVA εξήγησε στους συνδέσμους του είναι για μια ενιαία απάντηση περιγραφικές, σε ένα ισορροπημένο σχέδιο. Αυτά δεν είναι τα στατιστικά F που βλέπετε. Τα ονόματα της παραγωγής σας (Trace Pillai, το Trace Hotelling του, ...) είναι μερικές από τις διαθέσιμες πολλών μεταβλητών εκδόσεις. Έχουν κατανομές F υπό ορισμένες προϋποθέσεις. Δεν μπορώ να εξηγήσω την αξία βιβλία του υλικού εδώ, θα ήθελα να σας συμβουλεύσει να αρχίσει με την εξέταση «Εφαρμοσμένη Πολυδιάστατη Στατιστική Ανάλυση» από την Johnson και Wichern

Απαντήθηκε 17/09/2008 στις 00:17
πηγή χρήστη

ψήφοι
2

Στατιστικά είναι δύσκολο :-). Μετά από ένα χρόνο από την ανάγνωση και την εκ νέου ανάγνωση βιβλίων και εγγράφων και μπορούμε μόνο να πούμε με σιγουριά ότι καταλαβαίνω τα πολύ βασικά της.

Μπορεί να θέλετε να διερευνήσει έτοιμες βιβλιοθήκες για όποια γλώσσα προγραμματισμού που χρησιμοποιείτε, επειδή είναι πολλά πέτυχα στα μαθηματικά γενικά και στατιστικών, ιδίως (στρογγυλοποίηση σφαλμάτων είναι ένα προφανές παράδειγμα).

Ως παράδειγμα θα μπορούσατε να ρίξετε μια ματιά στο έργο R , η οποία είναι και ένα διαδραστικό περιβάλλον και μια βιβλιοθήκη που μπορείτε να χρησιμοποιήσετε από C σας κωδικό ++, διανέμεται υπό την GPL (δηλαδή αν το χρησιμοποιείτε μόνο εσωτερικά και δημοσιεύοντας μόνο τα αποτελέσματα, δεν χρειάζεται να ανοίξετε τον κωδικό σας).

Απαντήθηκε 18/08/2008 στις 07:01
πηγή χρήστη

ψήφοι
0

Εδώ είναι μια εξήγηση της MANOVA ouptput, από μια πολύ καλή τοποθεσία για τις στατιστικές και για SPSS:

Έξοδος με την εξήγηση: http://faculty.chass.ncsu.edu/garson/PA765/manospss.htm

Πώς και γιατί να το κάνουμε MANOVA ή πολυμεταβλητή GLM: (ίδια πορεία όπως παραπάνω, αλλά καταλήγουν σε «/manova.htm»)

Γράφοντας το λογισμικό από το μηδέν για να υπολογίσει αυτά τα αποτελέσματα θα είναι τόσο χρονοβόρα και δύσκολη? υπάρχουν πολλά αριθμητικών προβλημάτων και αναστροφές μήτρα να κάνει.

Όπως είπε ο Χένρι, χρησιμοποιούν Python scripts, ή R. θα πρότεινα σε συνεργασία με κάποιον που ξέρει SPSS αν scripting. Επιπλέον, η ίδια SPSS είναι σε θέση να εξάγει τους πίνακες εξόδου σε αρχεία χρησιμοποιώντας κάτι που ονομάζεται OMS. Ένα σενάριο μέσα SPSS μπορεί να το κάνει αυτό.

Μάθετε ποιος στην ερευνητική ομάδα σας ξέρει SPSS και να συνεργαστεί μαζί τους.

Απαντήθηκε 22/12/2009 στις 02:56
πηγή χρήστη

ψήφοι
0

Μπορείτε να εξηγήσετε περισσότερο γιατί η ίδια SPSS δεν είναι μια καλή λύση στο πρόβλημα; Είναι αυτό που δημιουργεί συγκεντρωτικούς πίνακες και εξόδου που είναι δύσκολο να χειραγωγήσουν; Είναι, επομένως, το κόστος του προγράμματος;

F-στατιστικά στοιχεία μπορούν να προκύψουν από οποιοδήποτε αριθμό συγκεκριμένων δοκιμών. Το F είναι απλά μια κατανομή (χαλαρά: περιγραφή των «συχνότητες» των ομάδων των τιμών), σαν μια κανονική (Gaussian), ή Uniform. Σε γενικές γραμμές προκύπτουν από αναλογίες διακυμάνσεων. Γνώμη: πολλοί στατιστικολόγοι (συμπεριλαμβανομένου και εμού), βρείτε δοκιμές F-βάση για να είναι ασταθής (ορολογία: μη ισχυρή ).

Τα συγκεκριμένα στατιστικά στοιχεία εξόδου (ίχνος Pillai του, κλπ) δείχνουν ότι η αρχική ανάλυση είναι ένα MANOVA παράδειγμα, η οποία, όπως άλλες αφίσες περιγράφουν είναι ένα πολύπλοκο και δύσκολο για να πάρει σωστή διαδικασία.

Είμαι υποθέτω επίσης ότι, με βάση την MANOVA, και η χρήση του SPSS, αυτό είναι ένα ψυχολογίας ή κοινωνιολογίας έργο ... αν όχι παρακαλώ διαφωτίσει. Θα μπορούσε να είναι ότι άλλες, απλούστερες μοντέλα μπορεί στην πραγματικότητα να είναι πιο εύκολο να κατανοήσουν και επαναλαμβανόμενη. Συμβουλευτείτε τον τοπικό πανεπιστήμιο ομάδας στατιστική συμβούλων σας, εάν έχετε ένα.

Καλή τύχη!

Απαντήθηκε 17/09/2008 στις 14:48
πηγή χρήστη

Cookies help us deliver our services. By using our services, you agree to our use of cookies. Learn more