关于列联表卡方检验在数学教育研究中的使用方法分析

列联表卡方检验适用于具有分类特征的样本间的差异性的检验。其用于比较的样本容量的不同取值将直接影响研究结论;把每个样本在各个维度上的实际观察值转化为实际观察值的百分比进行数据分析也会影响研究结论。本文讨论样本容量的不同取值和样本实际观察值的百分比对研究结论的影响。     

列联表分析在市场调查中的深入应用

列联表分析(CROSSTABS,CROSS-TABULATION,交叉分组列表),又称交互分析、交叉分析.它是对一组观察对象分别观察其分类变量的表现,每种分类变量可以有两种或两种以上的观察结果,目的在于研究分类变量之间的关系.目前,许多调查公司列联表分析都只停留在频数和百分比的直观对比上,而没有进一步的检验和变量控制,这样不仅浪费数据,而且可能得出错误结论.笔者在文中从实践角度对列联表分析进行了系统概述,相信不仅有利于引起有关分析人员加深对列联表分析应用,而且对其他的社会调查研究中列联表分析的应用也有一定的借鉴意义.     

名义变量列联表的相关统计量分析

SPSS为名义变量的列联表分析提供了独立性检验统计量、对称测度统计量和定向测度统计量这3类检验统计量,文章对这些统计量进行了梳理,然后结合实际案例使用SPSS16.0对这些统计量进行了分析.     

问卷调查中定性数分析方法及其应用

本文介绍了对于定性数据处理的简单统计方法,并结合统计软件对该数据进行了LOGISTIC回归分析。     

统计分组与虚拟变量在线性模型中的比较应用

一、统计分组的应用及其在线性模型拟合中的优缺点统计分组是根据事物内在的特点和统计研究的目的,将特定的总体按某种划分标准区分为若干个不同的组成部分的一种统计方法。统计分组的应用相当广泛。对数据按一定的标准分组后,可以发现数据内的潜在的规律性,呈现出不同组别之间的联系与差异,便于找出深藏于表面现象之下的内在本质,比如列联表分析。统计分组也可以应用于模型的建立中。在拟合样本数据进行建立模型时,常常会有一些质的因素(比如职业、性别、战争、季节等等)影响被解释变量,这些质的因素可能会使回归模型中的参数发生变化。在这种情况下,如果对样本数据笼统地用一个模型来拟合就会产生很大的误差。相反,如果将样本数据按引起线性模型的截距或斜率变化的标志分组,再针对每一组分别拟合模型,则可以得到拟合程度更高的模型。