定性数据分析笔记

数据的结构：

• 名义数据：性别，职业，婚姻状况，宗教信仰 诸如此类
• 次序数据：学历，职称，医院级别

数值型数据分为两大类

• 计数数据
• 计量数据

定性数据描述性分析（“单一类别变量”）

• 图表法（条形图，一致图（18年刚产生的），等等）
• 数值计算 （比例，相对风险和优势比）

定性变量的关联性研究(“研究多个类别变量”)

• 列联分析:两两研究，每次只研究两个变量关系
• 对应分析：“变量关系”,“次序关系”,“多项式回归(广义的)”
• 高维列联最好用的图为：“马赛克图”
• 一致图(提供的信息量更多一点)，当研究的对应样本变量之间关系可以用一致图。

前面是图表法，下面是数值法
如果抽取的样本和总体样本结构相同，行列百分可以随便用，否则不能随便用

拟合检验：验证一个东西是否是对的

设置原假设：默认为一般情况，大部分情况，主要情况，极少出现作为备则假设

对应分析和回归分析

相关系数：
$\frac{\sum{(x_i-xjz)(yi-yjz)}}{\delta_x*\delta_y}$
在这里插入图片描述

1.组成分分析

2.典型相关分析

对应分析R代码

library(MASS)
data("Suicide")
A1<-xtabs(Freq~age.group+method2,subset=sex=="female",data=Suicide)
A2<-xtabs(Freq~+age.group+method2,subset=sex=="male",data=Suicide)
AA1<-matrix(A1,ncol=8)
AA2<-matrix(A2,ncol=8)
rownames(AA1)=c("F15","F30","F45","F60","F80")
colnames(AA2)=c("poison","gas","hang","drown","gun","knife","jump","other")
rownames(AA2)=c("M15","M30","M45","M60","M80")
colnames(AA2)=c("poison","gas","hang","drown","gun","knife","jump","other")
A<- rbind(AA1,AA2)

ca<-corresp(A,nf=2)
plot(ca)
abline(v=0,h=0,lty=5)

定性数据的回归分析

什么样可以做回归呢？

辛普森驳论

延伸：

==《统计学的世界》==普渡大学

统计是数据收集，统计的科学和艺术

百分条图在统计里面最宠爱

r语言用的两个包

vcd
mass