АЛГОРИТМЫ ВЫБОРА СТАТИСТИЧЕСКИХ МЕР ОБРАБОТКИ

2018-07-06

325

Обсуждений (0)

0.00 из 5.00 0 оценок

⇐ Предыдущая 6 7 8 9 10 11 12 131415 Следующая ⇒

Алгоритм выбора направления

Статистической обработки

Как широко я намерен распространить сделанные заключения?

В каких шкалах я производил измерение?

Мне надо обработать

Таблица А.1 – Меры индуктивной статистики

для номинативной шкалы измерений

Тип выборок	Задача	Объем выборки	Критерий
Независимые	Оценка различий измеренного признака в двух выборках	Средний и большой n ≥ 30	χ² Пирсона
Любой 5 ≤ n ≤ ∞	φ Фишера
Оценка различий измеренного признака в трех и более выборках	Средний и большой n ≥ 30	χ² Пирсона
Любой 5 ≤ n ≤ ∞	φ Фишера
Оценка различий в распределении признака а) эмпирического и теоретического; б) двух эмпирических	Средний и большой n ≥ 30	χ² Пирсона
Средний и большой n ≥ 30	χ² Пирсона
Любой 5 ≤ n ≤ ∞	φ Фишера
Зависимые	Оценка различий значений переменной в двух измерениях	Любой	М – критерий Макнамары
5 ≤ n ≤ 300	G – критерий Знаков
Средний и большой n ≥ 30	χ² Пирсона
Любой 5 ≤ n ≤ ∞	φ Фишера
Оценка различий значений переменной в трех и более измерениях	Любой	Q – критерий Кохрена
Любой 5 ≤ n ≤ ∞	φ Фишера
Оценка различий в распределении признака а) эмпирического и теоретического; б) двух эмпирических	Средний и большой n ≥ 30	χ² Пирсона
Малый и средний 5 ≤ n ≤ 50	биноминальный критерий m (дихотомическая)
Средний и большой n ≥ 30	χ² Пирсона
Любой 5 ≤ n ≤ ∞	φ Фишера

Таблица А.2 – Меры индуктивной статистики

для порядковой шкалы измерений

Тип выборок	Задача	Объем выборки	Критерий
Независимые	Оценка различий измеренного признака в двух выборках	11 ≤ n ≤ 26 (может быть и больше)	Q – критерий Розембаума
3 ≤ n ≤ 60	U – критерий
Оценка различий изме-ренного признака в трех и более выборках	3 ≤ n ≤ 5	H – критерий
2 ≤ n ≤ 10	S – критерий Тенденций
Средний и большой n ≥ 30	χ² Пирсона
Оценка различий в рас-пределении признака а) эмпирического и теоретического; б) двух эмпирических	Средний и большой n ≥ 30	χ² Пирсона
Средний и большой n ≥ 30	χ² Пирсона
Любой 5 ≤ n ≤ ∞	φ Фишера
Зависимые	Оценка различий значений переменной в двух измерениях	5 ≤ n ≤ 300	G – критерий Знаков
5 ≤ n ≤ 50	Т – критерий
Средний и большой n ≥ 30	χ² Пирсона
Любой 5 ≤ n ≤ ∞	φ Фишера
Оценка различий зна-чений переменной в трех и более измерениях	2 ≤ n ≤ 9, с ≤ 4	χ²_rФридмана
2 ≤ n ≤ 12, с ≤ 6	L – критерий
При большем объеме выборки или увеличении числа измерений	χ² Пирсона
Любой 5 ≤ n ≤ ∞	φ Фишера
Оценка различий в рас-пределении признака а) эмпирического и теоретического; б) двух эмпирических	n ≥ 50	λ – критерий
Средний и большой n ≥ 30	χ² Пирсона
n ≥ 50 Средний и большой n ≥ 30 Любой, 5 ≤ n ≤ ∞	λ – критерий χ² Пирсона φ Фишера

Таблица А.3 – Выбор коэффициента корреляции

в зависимости от типа шкалы

Выборки	Шкала измерений	Объем выборки	Коэффициент корреляции	Диапазон Коэффициента
Независимые и зависимые	Дихотомическая (для двух переменных)	2 ≤ n ≤ ∞	коэффициент ассоциации φ Пирсона	от 0 до 1 (определяют тесноту, но не направление связи между переменными)
Номинативная (для двух переменных, имеющих три и более измерения)	2 ≤ n ≤ ∞	v Крамера
Порядковая (для двух переменных)	5 ≤ n ≤ 40 2 ≤ n ≤ ∞	r_s Спирмена τ Кендалла	от –1 до +1
Отношений или интервалов (для двух переменных)	5 ≤ n ≤ 100	r Пирсона	от –1 до +1
1 переменная – дихотомическая, 2 переменная – порядковая	2 ≤ n ≤ ∞	рангово-бисеральный коэффициент (Rrb)	от –1 до +1 (при трактовке знак не учитывается, т.е. коэффициенты показывают только тесноту, но не направление связи между переменными)
1 переменная – дихотомическая, 2 переменная – метрическая	2 ≤ n ≤ ∞	бисеральный коэффициент (Rбис)

Таблица А.4 – Методы многомерного анализа

Исследовательская задача	Тип измерительной шкалы	Вид и объем выборки	Метод
Выявление изменчивости признака под влиянием одного и более факторов	Для фактора – любая, для признака – метрическая	Зависимые и независимые, 2 ≤ n ≤ ∞	Дисперсионный анализ
Сокращение числа переменных и выявление скрытой структуры взаимосвязей между ними	Интервалов, отношений	Одна выборка, оптимальный объем n = 100. Один испытуемый, у которого измерено множество количественно измеренных признаков	Факторный анализ
Сокращение числа переменных и выявление скрытой структуры взаимосвязей между ними	Порядка, интервалов, отношений	Одна выборка	Многомерное шкалирование
Группировка сходных между собой объектов в некоторые группы (кластеры)	Дихотомическая	Одна выборка, любого объема	Кластерный анализ
Предсказание изменений зависимой переменной по значениям независимых переменных	Интервалов или отношений	Одна выборка	Регрессионный анализ
Классификация объектов на сходные между собой группы; предсказание индивидуальных значений зависимой переменной	Зависимые – шкала наименований, независимые – шкалы интервалов или отношений	Две и более выборок, объем любой	Дискриминант-ный анализ

ПРИЛОЖЕНИЕ Б

2018-07-06

325

Обсуждений (0)

0.00 из 5.00 0 оценок

⇐ Предыдущая 6 7 8 9 10 11 12 131415 Следующая ⇒

Обсуждение в статье: АЛГОРИТМЫ ВЫБОРА СТАТИСТИЧЕСКИХ МЕР ОБРАБОТКИ

Обсуждений еще не было, будьте первым... ↓↓↓