数据分析技术：数据差异的显著性检验.pdf

数据分析技术：数据差异的显著性检验 数据分析技术：数据差异的显著性检验 数据差异的显著性检验是的重要技术之⼀。然⽽，如何正确选择检验⽅法是很多初学者困惑和容易出现错误的地⽅。下⾯为⼤家总结⼀ 下数据差异显著性检验的⽅法及适⽤范围。 显著性检验 ⾸先需要理解什么是数据差异的显著性检验。在数据分析中，如果仅仅基于个案（某个数据）的采样数据是没有很强说服⼒的。例如： ⼀种新药，不能因为⼀个⼈使⽤后，效果良好就⼤⾯积地推⼴，⽽应该基于⼤规模的样本判定这种新药是否有效，这就需要验证在⼤规模样 本中实验组数据是否优于对照组数据，⼆者是否存在显著性的差别。显著性检验的理论就是在这种具体需求下提出来的。 所谓数据差异的显著性检验，是⾯向两组或多组数据的⼀种⽅法，其⽬的是对两组数据之间是否存在显著的差异进⾏判断。⼀般来说， 两组观测数据不可能完全相同，肯定存在或多或少的差异，但研究者关⼼的是两组数据的差异是否显著。如果差异显著，就可以说两组数据 之间存在显著性差异；否则，它们之间的差异不显著，甚⾄可以说是⽆差别。 数据差异的显著性可以运⽤在各类科学研究中，例如，在教学研究中，研究者可以研究某种教学法是否有效。在医学领域，可以研究某 种新药是否对患者有效等等。 数据的分类 数据类型的不同，将直接影响到差异显著性检验的使⽤⽅法。数据主要可以分成三类：定距变量，定序变量和定类变量。 定类变量：根据定性的原则区分总体中个案类别的变量。定类变量的值只能把研究对象分类，只能决定研究对象是同类或不同类，例 如：性别分为男性和⼥性两类；出⽣地区分为农村、城市、城镇三类；民族背景分为汉、蒙、回、苗、壮、藏、维吾尔等；婚姻状况分为未 婚、已婚、分居、离婚、丧偶等类。 定序变量:区别同⼀类的个案中等级次序的变量。变量的值能把研究对象排列⾼低或⼤⼩，它是⽐定类变量层次更⾼的变量，也具有定类 变量的特点，例如：⽂化程度可以分为⼤学、⾼中、初中、⼩学、⽂盲；⼯⼚规模可以分为⼤、中、⼩；年龄可以分为⽼、中、青。这些变 量的值，既可以区分异同，也可以区别⾼低或⼤⼩。但是，各个定序变量的值之间没有确切的间隔距离，⽐如⼤学究竟⽐⾼中⾼出多少，是 没有确切的尺度来测量的。 定距变量：区别同⼀类别个案中等级次序及其距离的变量。它除了包括定序变量的特性外，还能确切测量出个案之间⾼低、⼤⼩次序之 间的距离。 定距变量是最常见、区分度最⾼的变量，这类变量可以被求取均值、⽅差、标准差和标准误等描述性信息，在中最受欢迎，被称为⾼测 度数据。定序变量和定类变量则因为数据的特点，通常⽆法求取它们的均值和⽅差等信息，被称为低测度数据，需要采⽤与定距变量不同的 分析技术。