|
如何解读统计图表:研究报告阅读指南第1章 描述统计
定类变量:对研究对象的定性归类。设计定类变量的各个类别时应注意:要使所有研究对象均有且只有一个归属。如性别分为男女两类。
定序变量:该变量值不仅可以将研究对象归类,还可以把研究对象排列高低或大小。如学历可以分为中师、专科、本科、研究生、博士。
定距变量:除定序变量的特性外,还能测量同一类别各个案高低、大小次序之间的距离。但是只能用加减而不能用乘除的形式来说明他们之间的关系。定距变量没有一个真正的零点。如摄氏温度这一定距变量可以说明30度比20度高出10度,但不能说摄氏0度就是没有温度。
定比变量:除具有定距变量的特性外,还具有一个真正的零点,因而具有乘除的数学特质。如A的收入是60元,B的收入是30元,可以得出A的收入是B的2倍。
人口统计学变量:包括性别、年龄、民族、教育、健康、收入、亲属状况。
均值:将分布中的所有值之和除以值的个数,就得到该分布的均值。
中位数:中位数是把全部数据一分为二,大于它的放在它的一边,小于它的放在它的另一边,按照大小顺序,以中位数向两边分布。
众数:众数是一个在变量分布中出现次数最多的那个值。
第2章 交叉表
第3章 解释相互关系:卡方检验x2能告诉我们,对于给定的频数单元格和样本容量,单凭偶然性,我们能得到某个卡方值的概率是多少。卡方值并不是变量间关系强度或方向的量度,而是它们无联系的量度。一旦单凭偶然性获得某卡方值的概率小于0.05,变量间的联系就在统计学意义上显著。变量间关系的强弱程度只能通过相关分析确定,皮尔逊积矩相关系数r值越靠近0.0,表明越没有关系,系数越是靠近1.0,表明两变量有着很强的关系。不过,自变量与因变量之间的关系并不表示它们之间存在因果关系。
第4章 解释均值差异:如果均值比较是在两个互斥的组间进行,要采用独立样本t检验;如果均值比较是在同一个组的两个不同测量结果间进行,采用配对样本t检验;如果均值比较是在三个或三个以上的组音进行,那就要用单向方差分析技术,因为单向方差分析提供的F统计量可以帮助我们确定组间的变异方差是不是大于组内的变异方差。均值差异的显著性检验是一种常见的统计技术,是皮尔逊相关r和交叉表所提供的信息的一种补充。
第5章 解读回归数据
数据分析的第一步:确定调查问卷中有多少项目实际是变量,对于进行更复杂的数据分析有用,这一步很重要。此外,我们还要通过利用各种直观的统计图表、频数表以及各种趋中统计量和离中统计量,以描述被调查者的特征,凸现某些关键性的发现,讨论所呈现出的一些态势。
|