- 1.方差(Variance)
- 意义:度量一个维度偏离其均值的程度
- 公式:
- 1.总体均值:
- 2.样本均值S(n-1为无偏估计):
- 1.总体均值:
- SPSS操作:
- “分析”→“描述统计”→“频率”→“统计”→选择“平均值”与“标准差”
- 2.数据无量纲化
- 数据归一化(Normalization,又称Min-Max Scaling)
- 含义:当数据(x)按照最小值中心化后,再按极差(最大值 - 最小值)缩放,数据移动了最小值个单位,并且会被收敛到[0,1]之间
- 图解:
-
- 公式:
-
- 特点:归一化之后的数据服从正态分布
- 数据的标准化(Standardization,又称Z-score normalization)
- 含义:当数据(x)按均值(μ)中心化后,再按标准差(σ)缩放,数据就会服从为均值为0,方差为1的正态分布(即标准正态分布)
- 公式:
-
- 公式:
- 文献参考:《社交网站中的自我表露与青少年生活满意度:一个有调节的中介模型》
-
- SPSS操作:标准化(normalization)=“Z”转换
- “分析”→“描述统计”→“描述”→“将标准化值另存为变量”
- 含义:当数据(x)按均值(μ)中心化后,再按标准差(σ)缩放,数据就会服从为均值为0,方差为1的正态分布(即标准正态分布)
- 数据归一化(Normalization,又称Min-Max Scaling)
- 3.协方差(Covariance)
- 意义:度量各个维度偏离其均值的程度。
- 公式:Cov(X,Y)=E((X-E(X))(Y-E(Y))
- 方向性:
- 协方差的值如果为正值,则说明两者是正相关的
- 结果为负值就说明负相关的
- 如果为0,也是就是统计上说的“相互独立”。E[XY]=E[X]E[Y]
- 4.相关系数(Correlation)
- 5.内部一致性信度Cronbach's α
- 模型:
-
- 意义:多次测量的稳定性
- 种类:
- 重测信度 test-retest reliability
- 复本信度 alternative-form reliability
- 分半信度 split-half reliability ——内部一致性信度
- 克隆巴赫阿尔法系数 Cronbach's α——内部一致性信度
- α公式:α=[所有协方差/(所有协方差+所有方差)]×K/(K-1)
- 注:K为题项数量,为某一题目(变量)的方差,为测验总分的变异数(矩阵内所有数字之和)
- 注:K为题项数量,为某一题目(变量)的方差,为测验总分的变异数(矩阵内所有数字之和)
- α的特点:
- ①同一个维度内的题目(变量),两两的正相关越大,则α越大。
- ②根据公式,题目数量越多,α越大。
- ③α可能会是负的(不符合1的情况下,或者有反向题)
- ④注意反向题,要先反向再做α
- 多维量表的α报告:
- ①报告分量表α
- ②基本上不报告总量表α
- 题项越多,α自动虚高
- 可能存在负相关的子维度,α会变负数
- ③如果需要把多个子量表加总,需要报告同质性系数(homogeneity coefficient)
- ④理论流程 vs 经验流程
- 论文参考
- 多维量表加总问题:《多维测验分数的报告与解释:基于双因子模型的视角》
- α的介绍:《α系数:晃而不倒的信度标杆》、《测验信度估计:从α系数到内部一致性信度》
- α公式:α=[所有协方差/(所有协方差+所有方差)]×K/(K-1)
- 过程:
- 重测信度(时间变化)→复本信度(难以找到相同测验)→分半信度(不好分,数值不一)→Cronbach's α(勉强使用)
- SPSS操作
- “分析”→“标度”→“可靠性分析”→“统计”→“相关性”→“删除项后的标度”
- 输出结果的判断标准:
- ①题项之间的两两相关系数都要超过0.3
- ②修正后的项与总计相关性(题总相关,Corrected Item-Total Correlation,CITC)>0.5
- ③探索性研究中(量表不太成熟),α>0.6;成熟量表中,α>0.7。
- 来源:《Multivariate data analysis_7th_修订版》(2014),p123
-
- α分析时的相关问题
- ①α未达到0.7,根据某些数据分析原则,予以删除
- 文献:《社区居民旅游公平感知与旅游参与、旅游收益的结构关系——以崂山风景区为例》
-
- 文献:《社区居民旅游公平感知与旅游参与、旅游收益的结构关系——以崂山风景区为例》
- ②实际上删除了,但是论文中没体现
- ③实际上不达标,论文中也展示出来
- 文献:《同伴侵害和网络欺负:一个有调节的中介模型》
-
- 文献:《同伴侵害和网络欺负:一个有调节的中介模型》
- ①α未达到0.7,根据某些数据分析原则,予以删除
- 模型:
统计分析-学习笔记
最新推荐文章于 2024-04-14 22:47:43 发布