lecture1

Lecture1
Asteikkotyypit & mittaustasot

diskreetit ja jatkuvat muuttujat
Danielin tekstissä erotetaan diskreetit ja jatkuvat muuttujat. Nämä ovat teknisiä eroja, jotka eivät ole meille kovin tärkeitä tässä asiassa. Diskreetit muuttujat ovat tekstin mukaan muuttujia, joissa ei ole mahdollisia väliarvoja. Esimerkiksi puhelujen määrä, jonka saat päivässä. Et voi vastaanottaa 6.3 puheluita. Jatkuvat variaatiot ovat kaikkea muuta; mikä tahansa muuttuja, jolla voi teoriassa olla arvoja eri pisteissä (esim.välillä 153 ja 154 lbs. esimerkiksi). On käynyt ilmi, että tämä ei ole kovin hyödyllinen ero meidän tarkoituksiin. Tilastollisten näkökohtien kannalta merkittävämpää on käytetty mittaustaso. Kun sanon, että se on tärkeämpää, olen todella vähätellyt tätä.Ymmärtäminen taso mittauksen muuttuja (tai mittakaavassa tai toimenpide) onensimmäinen ja tärkein ero on tehtävä noin muuttuja whendoing tilastoja!

Mittaustasoilla
tilastotieteilijät viittaavat usein avariablen ”mittaustasoihin”, mittaan tai asteikkoon erotellakseen mitatut muuttujat, joilla on erilaisia ominaisuuksia. Perustasoja on neljä: nominaali, ordinaali,intervalli ja suhde.

Nominal
”nominal” – asteikolla mitattu muuttuja on muuttuja, jolla ei oikeastaan ole mitään arvioitavaa eroa. Yksi arvo ei todellisuudessa ole suurempi kuin toinen. Hyvä esimerkki nimellismuuttujasta issex (tai sukupuoli). Sukupuolta koskevat tiedot merkitään yleensä koodilla 0 tai 1, joka ilmaisee miestä ja 0 naista (tai toisin päin–0 miestä, 1 naista). 1 tässä tapauksessa on mielivaltainen arvo ja se ei ole mitään suurempaa orbetter kuin 0. Nollan ja 1: n välillä on vain nimellinen ero. Nominaalivariaableilla arvojen välillä on kvalitatiivinen ero, ei kvantitatiivinen.

Ordinaalisella
jollakin mitatulla ”ordinaalisella” skaalalla on arvioiva konnotaatio. Yksi arvo on suurempi tai suurempi tai parempi kuin toinen. Tuote A on parempi kuin tuote B, ja siksi saa arvon 1 ja B saa arvon 2. Toinen esimerkki voisi olla työtyytyväisyyden luokitus asteikolla 1-10, jossa 10 edustaa täydellistä tyytyväisyyttä. Ordinaaliasteikoilla tiedämme vain, että 2 on parempi kuin 1 tai 10 on parempi kuin 9; emme tiedä kuinka paljon. Se voi vaihdella. Etäisyys välillä 1 ja 2 ehkä lyhyempi kuin välillä 9 ja 10.

intervalli
intervalliasteikolla mitattu muuttuja antaa tietoa enemmän tai paremmin kuin ordinaaliasteikko, mutta intervallimuuttujilla on yhtä suuri etäisyys kunkin arvon välillä.Etäisyys välillä 1 ja 2 on yhtä suuri kuin etäisyys välillä 9 ja 10.Lämpötila käyttäen Celsius tai Fahrenheit on hyvä esimerkki, on exactsamainen ero 100 astetta ja 90 kuin on välillä 42 ja 32.

suhde
jollakin suhdeasteikolla mitatulla on samat ominaisuudet kuin intervalliasteikolla, paitsi että suhdeasteikolla on anabsoluuttinen nollapiste. Tästä on esimerkkinä kelvineinä mitattu lämpötila. On novalue mahdollista alle 0 astetta Kelvin, se on absoluuttinen nolla. Paino on toinen otos, 0 lbs. on mielekäs painottomuus. Pankkitilisi saldo on toinen. Vaikka sinulla voi olla negatiivinen tai positiivinen tilin saldo, on olemassa määräinen ja nonarbitrary merkitys tilitasolla 0.

voidaan ajatella, että nominaali,ordinaali, intervalli ja suhde asetetaan paremmuusjärjestykseen niiden suhteessa toisiinsa. Suhde on kehittyneempi kuin intervalli, intervalli on kehittyneempi kuin ordinaali ja ordinaali on hienostuneempi kuin nominaali. En tiedä, ovatko joukot tasaväkisiä vai eivät, luultavasti eivät. Joten millainen mittaustaso on thisranking of measurement levels?? Sanoisin ordinaalinen. Tilastoissa on parasta olla hieman konservatiivinen, kun on epävarma.

kaksi Muuttujaluokkaa (ketä kiinnostaa?)
Ok, remember I said that this is the first and most important distinctionwhen using statistics? Tässä syy. Suurimmaksi osaksi tilastotieteilijät tai tutkijat päätyvät vain välittämään nimellisen ja kaikkien muiden välisestä erosta. Tilastoissa on yleensä kaksi luokkaa: ne, jotka käsittelevät nominaalisia riippuvia muuttujia,ja ne, jotka käsittelevät ordinaalisia, intervallisia tai suhdemuuttujia. (Juuri nyt keskitymme riippuvainen muuttuja andlater keskustelemme riippumaton muuttuja). Kun kuvailen näitä kahden yleisen muuttujaluokan tyyppejä, minä (ja monet muut) viittaan niihin yleensä”kategorisina” ja ”jatkuvina.”(Joskus käytän ”dichotomous” sijasta ”kategorinen”). Huomaa myös, että”jatkuva” ei tässä mielessä ole täsmälleen sama kuin”jatkuva”, jota käytetään tekstin 1 luvussa erotettaessa toisistaan diskreetti ja jatkuva. Se on paljon väljempi termi. Kategorinen anddichotomous tarkoittaa yleensä sitä, että asteikko on nominaalinen. ”Jatkuvat” muuttujat ovat yleensä niitä, jotka ovat ordinaalisia tai parempia.

ordinaaliasteikot, joissa on vähän kategorioita(2,3 tai mahdollisesti 4) ja nimellisiä mittoja, luokitellaan usein kategoriaaleiksi ja analysoidaan tilastollisten testien binomiluokan avulla, kun taas ordinaaliasteikot, joissa on useita kategorioita (5 tai enemmän), intervalli ja suhde, analysoidaan yleensä tilastollisten testien normaalin teorialuokan kanssa. Vaikka ero on hieman fuzzyone, se on usein erittäin hyödyllinen ero valita oikea tilastotesti. On olemassa useita erikoistilastoja, jotka on kehitetty käsittelemään ordinaalisia muuttujia, joilla on vain muutama mahdollinen arvo, mutta emme aio kattaa niitä tässä luokassa (KS.Agresti, 1984, 1990; O ’ Connell, 2006; Wickens,1989 lisätietoja ordinaalisten muuttujien analyysistä).

Yleiset Tilastoluokat (voi, kai minä välitän)
Ok, joten meillä on nämä kaksi yleistä luokkaa (eli jatkuva ja kategorinen), mitä seuraavaksi…? No tämä ero (niin sumea kuin se voi kuulostaa) on hyvin importantimplications tyyppi tilastollinen menettely käytetään ja me teemme päätöksiä perustuu tähän erotteluun koko kurssin. Yleisiä tilastotietoluokkia on kaksi: binomiteoriaan perustuvat ja normaaliteoriaan perustuvat. Chi-neliö ja logistinen regressio käsittelevät binomiteoriaa tai binomijakaumia, ja t-testit,ANOVA, korrelaatio ja regressio käsittelevät normaalia teoriaa. Joten tässä on tabletto Yhteenveto.

SurveyQuestions and Measures: Jotkut yleiset esimerkit
varsinaisissa käytännöissä, tutkijat ja tosielämän tutkimusongelmat eivät kerro, miten riippuvia variableja tulisi luokitella, joten hahmottelen muutamia kyselytyyppejä tai muita yleisesti käytettyjä toimenpiteitä.

Yes/NoQuestions
kaikki kyselytutkimuksen kysymykset,joissa on kyllä tai ei mahdollisena vastauksena, ovat nimellisiä, joten binomitilastoja sovelletaan aina, kun yksittäinen kyllä / ei-kysymys on riippuvainen muuttuja tai yksi riippuvaisista muuttujista analyysissä.

Likert Vaa ’ at
erityisessä kyselykysymyksessä käytetään joukkoa vastauksia, jotka on järjestetty niin, että yksi vastaus on suurempi kuin toinen. Theterm Likert-asteikko on nimetty keksijän Rensis Likertin mukaan, jonka nimi lausutaan ”Lickert.”Yleensä tätä termiä käytetään kaikkiin kysymyksiin, joissa on noin 5 tai useampia mahdollisia vaihtoehtoja. Esimerkki voisi olla: ”Miten arvioisit osastosi hallintovirkailijan?”1 = erittäin epäpätevä, 2=jokseenkin epäpätevä, 3=ei Pätevä, 4=jonkin verran osaava tai 5 = erittäin pätevä. Likertit asteikot ovat joko ordinaalisia tai intervalleja, ja monet psykometriset voivat väittää, että ne ovat intervalliasteikkoja, koska hyvin rakennettuina kunkin arvon välillä on yhtä suuri etäisyys. Joten jos Likertscale käytetään riippuvainen muuttuja analyysissä, normaali teoria statisticsare käytetään kuten ANOVA tai regressio olisi.

Fysikaaliset mittaukset
useimmat fyysiset mittarit, kuten korkeus, paino, systolinen verenpaine, etäisyys jne., ovat intervalli tai ratioskales, joten ne kuuluvat yleiseen ”jatkuva” luokkaan. Siksi normaaliteoriatyyppistä tilastointia käytetään myös silloin, kun tällainen mitta toimii analyysissä riippuvaisena muuttujana.

lukemat
ovat hankalia. Jos muuttuja mitataan laskemalla, kuten jos tutkija laskee sairaalapotilaan sairaalapäivien lukumäärän, muuttuja on suhdeasteikolla ja sitä käsitellään jatkuvavarioituvana. Erityistilastot ovat kuitenkin usein suositeltavia, koska kreivikuntien jakauma on usein hyvin vääristynyt ja niiden tapausten lukumäärä on suuri,joiden lukumäärä on nolla (KS. Agresti, 1990, s. 125).; Cohen, Cohen, West, & Aiken, 2003, Chapter 13). Jos tutkija laskee kokeessa olevien subjektien lukumäärää (tai tietoaineiston tapausten lukumäärää), jatkumotyyppistä mittaria ei todellisuudessa käytetä. Laskeminen tässä tapauksessa on Really execamining taajuus, että jokin arvo muuttuja tapahtuu. Esimerkiksi niiden koehenkilöiden lukumäärän laskeminen, jotka raportoivat olleensa sairaalahoidossa viimeisen vuoden aikana, perustuu tietoaineistossa olevaan dikotomiseen muuttujaan, joka tarkoittaa sairaalahoitoa tai sairaalahoitoa (esim., akvestiosta, kuten ”Oletko joutunut sairaalaan viimeisen vuoden aikana?”).Vaikka tapausten lukumäärä laskettaisiinkysymykseen ”kuinka monta päivää kuluneen vuoden aikana olet ollut sairaalahoidossa”, joka on jatkuva mittari, analyysissä käytetty muuttuja ei todellakaan ole tämä jatkuva muuttuja. Sen sijaan, tutkija olisi todella analysoida adichotomous muuttuja laskemalla määrä ihmisiä, jotka eivät olleet beenhospitalized viime vuonna (0 päivää) vs. ne, jotka olivat (1 tai useamman päivän).