lecture1

Lecture1
유형의 저울&수준의 측정

Discrete andcontinuous 변수를
다니엘의 텍스트를 구별 이산 및 연속 변수입니다. 이 모든 것이 이 클래스에서 우리에게 중요하지 않을 기술적 차이입니다. 이 텍스트에 따르면 불연속 변수는 가능한 중간 값이없는 변수입니다. 예를 들어,하루에 받는 전화 번호입니다. 6.3 전화를 받을 수 없습니다. 연속 가변 다른 모든 것입니다; 이론적으로 포인트 사이의 값을 가질 수있는 모든 변수(예:153 에서 154 파운드 사이). 예를 들어). 이 모든 것이 우리의 목적을 위해 구별이 유용하지는 않다는 것이 밝혀졌습니다. 정말 더 많은 것은 무엇입니까?통계적 고려 사항에 중요한 것은 측정 수준입니다.사용. 내가 더 중요하다고 말할 때,나는 이것을 정말로 과소 평가했다.변수(또는 척도 또는 척도)의 측정 수준을 이해하는 것은 통계를 수행 할 때 변수에 대해 가장 중요한 첫 번째 구별입니다!통계 학자들은 종종 측정 된 변수를 구별하기 위해 가변,측정 또는 척도의”측정 수준”을 지칭합니다. 공칭,서수,간격 및 비율의 네 가지 기본 수준이 있습니다. 공칭”공칭”규모로 측정 된 변수는 정말 어떤 평가 구별이없는 변수입니다. 하나의 값은정말 다른 값보다 크지 않습니다. 명목 변수의 좋은 예는 다음과 같습니다.성별(또는 성별). 성별에 대한 데이터 세트의 정보는 일반적으로 0 또는 1,1 은 남성을 나타내고 0 은 여성을 나타냅니다(또는 다른 방법은 남성의 경우 0,여성의 경우 1). 이 경우 1 은 임의의 값이며 0 보다 크거나 낫지 않습니다. 0 과 1 사이의 공칭 차이 만 있습니다. 명목 변수와 함께,값 사이에 질적 인 차이가 있지만 정량적 인 것은 아닙니다.하나.”서수”스케일에서 측정 된 것은 평가 적 의미를 갖는다. 하나의 값은 다른 값보다 크거나 크거나 더 좋습니다. 제품 ㅏ 제품보다 선호 비,따라서 수신 값 1 과 비 수신 값 2. 또 다른 예는 1 에서 10 까지의 척도로 작업 만족도를 평가하고 10 은 완전 만족을 나타내는 것일 수 있습니다. 서수 척도로,우리는 2 가 1 보다 낫거나 10 이 9 보다 낫다는 것을 알고 있습니다. 그것은 다를 수 있습니다. 1 과 2 사이의 거리는 9 와 10 사이보다 짧을 수 있습니다.간격 척도로 측정 된 변수는 보통 척도와 같이 더 많거나 더 나은 것에 대한 정보를 제공하지만 간격 변수는 각 값 사이에 동일한 거리를 갖습니다.1 과 2 사이의 거리는 9 와 10 사이의 거리와 같습니다.섭씨 또는 화씨를 사용하는 온도는 좋은 예입니다.42 와 32 사이에 있기 때문에 100 도에서 90 사이의 동일한 차이가 있습니다.비율 스케일로 측정 된 것은 동일한구간 스케일이 비율 스케일링으로,절대 제로 포인트가 제외하고 갖는 특성. 켈빈으로 측정 된 온도가 예입니다. 0 도 켈빈 아래에 노바 루가 있으며 절대 영도입니다. 무게는 또 다른 예입니다.0 파운드. 무게의 의미 있는 부재 이다. 귀하의 은행 계좌 잔액은또 다른. 음수 또는 양수 계정 잔액을 가질 수 있지만 0 의 계정 균형에 대한 명확한 및 비 임의적인 의미.몇 가지 범주(2,3 또는 아마도 4)와 명목 측정이있는 서수 척도는 종종 범주로 분류됩니다.통계 테스트의 이항 클래스를 사용하여 분석되는 반면,많은 범주(5 이상),간격 및 비율을 가진 일반 척도는 일반적으로 통계 테스트의 일반 이론 클래스로 세분화됩니다. 이 구별은 다소 흐릿하지만 종종 올바른 통계 테스트를 선택하는 데 매우 유용한 구별입니다. 가능한 값만 가지고 서수 변수를 다루기 위해 개발 된 특수 통계가 많이 있지만,이 클래스에서 다루지는 않을 것입니다(아그레스 티,1984,1990;오코넬,2006;위켄스,1989 서수 변수 분석에 대한 자세한 내용은). 의 일반 클래스통계학(오,나는 상관 할 것 같아요)좋아,그래서 우리는이 두 가지 일반적인 범주(즉,연속 및 범주),다음…? 음,이 구별(소리가 날 수있는 것처럼 퍼지)은 사용 된 통계 절차의 유형에 대해 매우 중요합니다.우리는 과정을 통해이 구별을 기반으로 결정을 내릴 것입니다. 통계의 두 가지 일반적인 클래스가 있습니다:이항 이론에 기초한 클래스와 정상 이론에 기초한 클래스. 카이 제곱 및 로지스틱 회귀 분석 이항 이론 또는 이항 분포와 티-테스트,분산 분석,상관 관계 및 회귀 분석은 일반 이론을 다룹니다. 그래서 여기에 태블릿 요약입니다.

SurveyQuestions and Measures: 몇 가지 일반적인 예는 실제 연습에서,연구자와 실제 생활 연구 문제는 종속 가변이 분류되어야하는 방법을 알려하지 않습니다,그래서 나는 설문 조사 질문의 몇 가지 유형 또는 일반적으로 사용되는 다른 조치를 간략하게 설명합니다.가능한 응답으로 예 또는 아니오 가있는 설문 조사에 대한 질문은 명목상이므로 단일 예/아니오 질문이 종속 변수 또는 종속 변수 중 하나로 간주 될 때마다 이항 통계가 적용됩니다.설문 조사 질문의 특별한 종류의 한 응답이 다른 응답보다 큰 있도록 정렬되는 응답 세트를 사용합니다. 테르 메 리커트 규모는 발명가의 이름을 따서 명명되었습니다.렌시스 리커트,그의 이름”리커트.”일반적으로,이 용어는 약 5 개 이상의 가능한 옵션이있는 모든 질문에 사용됩니다. 예를 들어”부서 관리자를 어떻게 평가 하시겠습니까?”1=매우 무능한,2=다소 무능한,3=유능하지 않은,4=어느 정도 유능한,또는 5=매우 유능한. 리커트 척도는서수 또는 간격,그리고 많은 심리 측정법그들은 잘 구성 될 때 각 값 사이에 동일한 거리가 있기 때문에 간격 척도라고 주장 할 것입니다. 따라서 같은 스케일이 분석에서 종속 변수로 사용되는 경우 분산 분석 또는 회귀 분석과 같은 일반 이론 통계가 사용됩니다.대부분의 물리적 측정,같은높이,무게,수축기 혈압,거리 등,간격 또는 비율입니다.규모,그래서 그들은 일반적인”연속”범주에 속합니다. 따라서 일반 이론 유형 통계는 이러한 측정값이 분석 시 종속 변수 역할을 할 때도 사용됩니다.이 문제를 해결하기 위해 몇 가지 방법이 있습니다. 변수를 계산하여 측정하는 경우(예:연구자가 병원 환자가 입원 한 일 수를 계산하는 경우),변수는 비율 척도이며 연속 변수로 처리됩니다. 그러나 카운트변수는 종종 카운트가 0 인 경우가 많은 매우 비뚤어진 분포를 가지기 때문에 특별한 통계가 종종 권장됩니다(아그레스 티,1990,125 페이지 참조; 2003 년,13 장). 연구자가 실험의 과목 수(또는 데이터 세트의 사례 수)를 계산하는 경우 연속형 측정값은 실제로 사용되지 않습니다. 이 인스턴스에서 카운트하는 것은 실제로변수의 일부 값이 발생하는 빈도를 검사합니다. 예를 들어,작년에 입원한 데이터 세트의 피험자 수를 세는 것은 입원 또는 입원하지 않는 데이터 세트의 이분법 변수에 의존합니다(예:”지난 1 년 동안 병원에 입원하셨습니까?”).연속 측정 인”지난 몇 년 동안 병원에 입원 한 적이 있습니까?”라는 질문에 따라 사례 수를 계산하더라도 분석에 사용되는 변수는 실제로이 연속 변수가 아닙니다. 대신,연구원은 실제로 지난 해(0 일)에 입원하지 않은 사람 대(1 일 또는 그 이상)의 수를 계산하여 부조화 변수를 분석 할 것입니다.