1702628430
前一种教科书经常会导致以下这样的教学悲剧。
1702628431
1702628432
虽然记住了T检验和回归分析等名称,但是却搞不清楚它们之间的关系和规则,只能当作不同的方法单独记忆,结果就是不知道什么时候该用什么方法。就算当时能够顺利地解答练习题并且通过考试,但是等毕业以后回过头来再想起统计学的时候仍然是一头雾水。
1702628433
1702628434
那么,如果我们以“基本相同的方法”为出发点,仅仅通过一张图表来对所有的概念进行解释说明,那会怎样呢?我认为,这不但能够大幅减少我们理解统计学的时间,并且能够加深对统计学的理解。
1702628435
1702628436
这张图表如表5–7所示。
1702628437
1702628438
本书中曾经多次提到,统计学的目的在于从基于公平条件的比较中寻找出现区别的要素,那么只要能够找到在解释变量中,希望进行比较的结果变量,就能够非常简单地找出应该使用的统计学方法。再重复一次,这个表中介绍的所有方法都属于“广义线性模型”的回归分析。
1702628439
1702628440
表5–4 涵盖广义线性模型的一张图表
1702628441
1702628442
分析轴(解释变量) 两组间的比较 多组间的 比较 连续值多寡的比较 对多个解释变量同时进行比较 希望进行比较的内容(结果变量)
1702628443
1702628444
连续值 对平均值的区别进行T检验 对平均值的区别进行方差分析 回归分析 多元回归分析 是/否等二值 统计表的记录与卡方检验
1702628445
1702628446
逻辑回归
1702628447
1702628448
“一张图表”的使用方法
1702628449
1702628450
比如,我们将每位顾客的消费额作为变量,从0开始以1日元为单位增加的数值作为连续值。以此作为结果变量,在两组变量之间(比如以性别区分)进行比较并且记录平均值,然后分析通过T检验得到的p值和置信区间即可。
1702628451
1702628452
另外,来店次数的值也属于连续值,如果想要对“来店次数多的人消费额越高”这一假设进行比较,可以将来店次数作为解释变量,消费额作为结果变量进行回归分析,然后分析回归系数的估计值和置信区间以及p值即可。
1702628453
1702628454
而像“是否消费”以及“是否来店”等数据,只需要两个数值“是”或“否”就能够表示清楚。要想将此作为结果变量在两组或者更多组之间(比如,以10岁为一个年龄层的分组)进行比较的话,只需要通过统计表将各组的购买率和来店次数等记录下来,然后分析通过卡方检验求得的p值即可。
1702628455
1702628456
比较麻烦的是既不属于连续值也不属于二值,而是以“按照某种规则进行分类”作为结果变量的情况,不过,这在实际应用中也可以当作二值或者连续值来进行计算。
1702628457
1702628458
比如说,拥有“完全没有”、“几乎没有”、“偶尔”、“经常”这4个选项的调查表中,存在着递进的顺序。所以,可以将这里的前两项与后两项分成两类,当作二值变量进行计算。就算选项无法平均分成两份,那么将“经常”作为单独一类,其他所有选项作为另外一类进行二值计算。此外,将全部数值当作连续值进行分析的方法,在实际应用中也经常出现。
1702628459
1702628460
不过,像日本民众支持的政党这样的分类,恐怕就不像上述调查表的结果那么明确地富有方向性和递进关系了。
1702628461
1702628462
虽然可以用“自由主义”的尺度通过直觉进行排列,但是对于政策领域来说,这种顺序是可以颠倒的,而且日本民众对政党的支持也不只由“自由主义”这唯一的条件决定。因此,这里必须将“有本质区别的分类”作为变量,比如“是否支持民主党”以及“是否支持自民党”,将数值换算成对不同政党的支持这样一个二值,就可以以此作为进行分析的突破口。
1702628463
1702628464
对3个分类以上的变量进行分析确实比较麻烦,可即便如此,“仅仅通过这一张图表就可以对几乎所有数据之间的关联性进行分析,并且对将来的结果进行预测”,也不得不说,这是一个非常简单且有效的方法。
1702628465
1702628466
任何方法都应该得到相同的p值
1702628467
1702628468
更进一步来说,比如图表最右边“对多个解释变量同时进行比较”的时候所使用的方法,也可以应用在只有1个解释变量的情况,在这种情况下解释变量不管是各个分组间进行比较,还是通过连续值的多少进行比较都可以。也就是说,在应该使用T检验的时候使用了多元回归分析(如果在分析轴只有1个的情况下就不能称为多元回归分析,而应该称为回归分析),或者应该使用卡方检验的时候使用了逻辑回归分析,最后都会得到相同的p值。所以,对关联性进行分析的方法大体上都可以称为广义的回归分析。
1702628469
1702628470
本来应该用数学公式来证明上述结果的一致性,但T检验和回归分析结果的一致性就算不用数学公式也同样可以证明。
1702628471
1702628472
图5–5表示的是通过T检验计算两组数据间平均值的差,是否属于误差范围的统计方法。将两组分为“看到广告的组”和“没看到广告的组”,对两组数据间消费额平均值的差进行分析。
1702628473
1702628474
1702628475
1702628476
1702628477
图5–5 T检验的思考方法
1702628478
1702628479
黑点表示的是各组顾客的消费额,①②表示的是各组消费额的平均值。T检验所要分析的平均值就是①②之间“高度”的区别,如果这一结果超出数据随机性所导致的误差范围,就说明广告宣传是有效的。
[
上一页 ]
[ :1.70262843e+09 ]
[
下一页 ]