Классификация статистических методов

Статистические методы делятся на одно- и многомерные.

Одномерные методы (univariate techniques) -м етоды статистического анализа, применяемые для анализа данных в случаях, если сущест­вует единый измеритель для оценки каждого элемента выборки, либо если этих измерите­лей несколько, но каждая переменная анализируется отдельно ото всех остальных.

Многомерные методы (multivariate techniques) - м етоды статистического анализа, применяемые для анализа данных, если для оценки каж­дого элемента выборки используется два или больше измерителя и эти переменные анали­зируются одновременно. Данные методы применяются для определения одновременных взаимосвязей между двумя или больше явлениями.

Многомерные методы отличаются от одномерных прежде всего тем, что при их использова­нии центр внимания смещается с уровней (средних показателей) и распределений (дисперсий) явлений и сосредотачивается на степени взаимосвязи (корреляции или ковариации) между этими явлениями.

Одномерные методы можно классифицировать на основе того, какие данные анализируют­ся: метрические или неметрические.

Метрические данные (metric data) - д анные, которые по своей природе интервальные или относительные.

Неметрические данные (nonmetric data) -д анные, полученные на основе измерений по номинальной или порядковой шкале.

Рис. 14.6. Классификация одномерных статистических методов

Затем эти методы делят на классы на основе того, сколько выборок — одна, две или более — анализируется в ходе исследований. Заметим, что число выборок определяется тем, как ведется работа с данными для конкретного анализа, а не тем, каким способом собирались данные. На­пример, данные по лицам мужского и женского пола можно получить в пределах одной выбор­ки, но если их анализ нацелен на выявление разницы в восприятии, основанной на разнице полов, исследователю придется воспользоваться двумя разными методами выборки.

Выборки считаются независимыми, если они выделены из разных генеральных совокупностей произ­вольно. Для анализа данные, относящиеся к разным группам респондентов, например собран­ные от лиц женского и мужского пола, обычно обрабатываются как независимые выборки.

С другой стороны, если данные по двум выборкам относятся к одной и той же группе респон­дентов, выборки считаются объединенными в пары.

Многомерные статистические методы можно разделить на методы зависимости и методы взаимозависимости (рис. 14.7).

Межобъектное свойство

Рис. 14.7. Классификация многомерных статистических методов

Методы зависимости (dependence techniques) - м етоды, применяемые в случаях, когда одна или больше переменных идентифицированы как зависимые, а остальные - как независимые.

Если есть только одна зависимая переменная, используются такие методы анализа, как кросс-табуляция, дисперсионный и ковариационный анализ, регрессионный анализ, двух-групповой дискриминантный анализ и совместный анализ.

Если имеется больше од­ной зависимой переменной, следует воспользоваться многомерными методами анализа: дис­персионным и ковариационным, методом канонической корреляции и множественным дис-криминантным анализом.

При применении методов взаимозависимости (interdependent techniques) переменные не подразделяются на зависимые и независимые; напротив, исследует­ся весь набор взаимозависимых взаимосвязей.

Методы взаимозависимости (interdependent techniques) - м ногомерные статистические методы, цель которых - сгруппировать данные по лежащему в основе сходству, что позволяет интерпретировать разные структуры данных. При этом пере­менные не подразделяются на зависимые и независимые.

Методы данного типа нацелены прежде всего на выявление взаимозависимости перемен­ных либо межобъектного сходства. При исследовании взаимозависимости переменных чаще всего применяется факторный анализ. Анализ межобъектного сходства можно вести, используя методы кластерного анализа и многомерного шкалирования [17].

Тема: «Вариационный ряд, таблицы сопряженности признаков и проверка гипотез»

Дата добавления: 2015-07-08