【统计学笔记】第九章 分类数据分析

各种统计量检验的决策准则
各种假设检验的假设的建立

第九章 分类数据分析

9.1 分类数据和${\chi }^2$统计量

9.1.1 分类数据

• 调查结果虽然用数值表示，但不同数值描述的是调查对象的不同特征。分类数据汇总的结果表现为频数。
• ${\chi }^2$检验是对分类数据的频数进行分析的统计方法。

9.1.2 ${\chi }^2$统计量

$${\chi }^2=\sum \frac{(f_o-f_e{)}^2}{f_e}$$

• 观察值频数($f_o：observedfrequence$)
• 期望值频数($f_e：exceptedfrequence$)
• ${\chi }^2$统计量描述$f_0$ 与$f_e$ 的接近程度
  • $|f_o-f_e|$越小，${\chi }^2$就越小
  • $|f_o-f_e|$越大，${\chi }^2$就越大

${\chi }^2$检验正是通过将${\chi }^2$的值与临界值比较，做出是否拒绝原假设的决策。

9.2 拟合优度检验

拟合优度检验是对一个分类变量的检验
$${\chi }^2=\sum \frac{(f_o-f_e{)}^2}{f_e}\sim {\chi }^2(n-1)$$

9.3 列联分析：独立性检验

独立性检验又是对两个分类变量的检验，分析过程通过列联表的方式呈现，称为列联分析。

9.3.1 列联表

1. 由两个以上的变量进行交叉分类的频数分布表
2. 行变量的类别用 $r(row)$ 表示， $r_i$表示第 $i$ 个类别
3. 列变量的类别用 $c(column)$ 表示， $c_j$ 表示第 $j$ 个类别
4. 每种组合的观察频数（实际频数）用$f_{ij}$表示
5. 表中列出了行变量和列变量的所有可能的组合，所以称为列联表
6. 一个 $r$ 行 $c$ 列的列联表称为 $r\times c$ 列联表

• 行百分比：行的每一个观察频数除以相应的行合计数$（f_{ij}/r_i）$
• 列百分比：列的每一个观察频数除以相应的列合计数$（f_{ij}/c_j）$
• 总百分比：每一个观察值除以观察值的总个数$（f_{ij}/n）$
• 期望频数 $e_{ij}=\frac{r_i{c}_j}{n}$

9.3.2 独立性检验

${\chi }^2$统计量用于检验列联表中变量之间是否存在显著性差异，或者用于检验变量之间是否独立。
$${\chi }^2=\sum _{i=1}^r\sum _{j=1}^c\frac{(f_{ij}-e_{ij}{)}^2}{e_{ij}}\sim {\chi }^2((r-1)\times (c-1))$$

9.4 列联表中的相关测量（三个相关系数$\varphi 、c、V$）

9.4.1 $\varphi$相关系数

1. 测度2×2列联表中数据相关程度的一个量
2. 对于2×2 列联表，$\varphi$系数的值在0～1之间
3. ϕ 相关系数计算公式为：
   $$\varphi =\sqrt{{\chi }^2/n}$$
4. 2x2列联表
   
   故有：$$\begin{gathered} \varphi =\sqrt{\frac{{\chi }^2}{n}} \\ =\sqrt{\frac{ad-bc}{(a+b)(c+d)(a+c)(b+d)}} \end{gathered}$$
   • ad 等于bc ， $\varphi$ = 0，表明变量X 与Y 之间独立
   • 若b=0 ，c=0，或a=0 ，d=0，意味着各观察频
     数全部落在对角线上，此时$|\varphi |$ =1,表明变量X
     与Y 之间完全相关
5. 列联表中变量的位置可以互换，|phi|的符号没有
   实际意义，故取绝对值即可

9.4.2 列联相关系数c

• 列联相关系数($c：contingency$)：又称列联系数，简称c系数，用于测度大于2×2列联表中数据的相关程度，计算公式为：
  $$c=\sqrt{\frac{{\chi }^2}{{\chi }^2+n}}$$
  • $c$ 的取值范围是$0\le c<1$
  • $c=0$ 表明列联表中的两个变量独立
  • $c$ 的数值大小取决于列联表的行数和列数，并随行数和列数的增大而增大。2×2列联表完全相关时，c=0.7071；3×3列联表完全相关时，c=0.8165；4×4列联表完全相关时，c=0.87.

9.4.3 V相关系数

• V相关系数：
  $$V=\sqrt{\frac{{\chi }^2}{n\times min[(r-1)(c-1)]}}$$
• V 的取值范围是$0\le V\le 1$
• $V=0$表明列联表中的两个变量独立
• $V=1$表明列联表中的两个变量完全相关
• 不同行和列的列联表计算的列联系数不便于比较
• 当列联表中有一维为2，$min[(r-1),(c-1)]=1$,此时$V=\varphi$

9.4.4 数值分析

$\varphi 、C、V$ 的比较

• 同一个列联表，$\varphi 、C、V$ 的结果会不同
• 不同的列联表，$\varphi 、C、V$ 的结果也不同
• 在对不同列联表变量之间的相关程度进行比较时，不同列联表中的行与行、列与列的个数要相同，并且采用同一种系数