我正在编写一个应用程序来帮助促进一些研究,其中一部分涉及进行一些统计计算。 目前,研究人员正在使用一种名为SPSS的程序。 他们关心的部分输出如下所示:

[部分SPSS输出

他们真的只关心FSig. 值。 我的问题是我没有统计学的背景,我无法弄清楚调用的是什么,或者如何计算它们。

我认为F值可能是F测试的结果,但是在遵循维基百科上给出的步骤之后,我得到的结果与SPSS给出的结果不同。

===============>>#1 票数:3

我从您的问题中假设您的研究同事希望自动化执行某些统计分析的过程(即,他们希望批量处理数据集)。 您有两种选择:

1)SPSS现在可以通过python编写脚本(从版本15开始) - 转到spss.com并搜索python。 您可以编写python脚本来自动化数据分析并从数据透视表中提取键值,然后以您喜欢的方式处理答案。 这样做的好处是可以精确比较python脚本的结果和协作者SPSS中的手工计算工作。 因此,您不必真正了解任何统计数据来完成这项工作(这是一个关键优势)

2)您可以在R中执行此操作,这是一个免费的统计环境,可能是脚本化的。 这样做的缺点是您必须学习统计信息以确保正确执行此操作。

===============>>#2 票数:3 已采纳

这个网站可能会帮助你更多。 也是这一个

我正在从统计课程的相当生疏的记忆中工作,但这里什么都没有:

当您进行方差分析(ANOVA)时,实际上将F统计量计算为“组间”的均方差异与“组内均方差异”的比率。 上面的第二个链接似乎非常适合这种计算。

这使得F统计量确切地测量了模型的强大程度,因为“组间”方差是解释力,“组内”方差是随机误差。 高F意味着一个非常重要的模型。

与许多统计操作一样,您可以反向确定Sig。 使用F统计量。 这里是您的维基百科信息有点方便的地方。 你想要做的是 - 使用SPSS给你的自由度 - 找到一个合适的P值,在这个值下F表会给你你计算的F统计量。 发生这种情况的P值[F(表)= F(计算)]是重要性。

从概念上讲,较低的显着性值显示出非常强的拒绝零假设的能力(出于这些目的,这意味着确定您的模型具有解释力)。

如果有任何错误的话,对任何数学家都很抱歉。 我会回来查看编辑!

祝你好运。 统计很有趣,也许不是这部分。 =)

===============>>#3 票数:2

统计很难:-)。 经过一年的阅读和重新阅读书籍和论文,我只能自信地说,我理解它的基本知识。

您可能希望研究现成的库,无论您使用哪种编程语言,因为它们在数学方面有很多问题,特别是统计数据(舍入错误就是一个明显的例子)。

作为一个例子,你可以看看R项目 ,它既是一个交互式环境,也是一个可以在C ++代码中使用的库,在GPL下分发(即如果你只是在内部使用它而只发布结果,你不需要打开你的代码)。

===============>>#4 票数:2

简而言之:不要手动执行此操作,链接/使用现有软件。 并且sain_grocen的回答是不正确的。 :(

这些都是参数估计重要性的所有测试,通常用于多变量响应多元回归。 在统计编程环境之外,这些不是简单的事情。 我建议要么从预先存在的统计程序中获取输出,要么使用可以链接到的程序并使用该代码。

我担心第一个答案(sain_grocen)会引导你走错路。 他的解释很可能是你实际处理的一个特例。 anova在他的链接中解释了在平衡设计中的单一变量响应。 这些不是您看到的F统计数据。 输出中的名称(Pillai's Trace,Hotelling's Trace,...)是一些可用的多变量版本。 他们在某些假设下有F分布。 我不能在这里解释一本有价值的教科书,我建议你先看看Johnson和Wichern的“应用多元统计分析”

===============>>#5 票数:0

以下是MANOVA ouptput的解释,来自一个非常好的统计网站和SPSS:

输出说明: http//faculty.chass.ncsu.edu/garson/PA765/manospss.htm

如何以及为何选择MANOVA或多元GLM :(与上述路径相同,但终止于'/manova.htm')

从头开始编写软件来计算这些输出既费时又困难; 有很多数值问题和矩阵求逆。

正如亨利所说,使用Python脚本或R.我建议与知道SPSS的人一起工作。 此外,SPSS本身能够使用称为OMS的输出将输出表导出到文件。 SPSS中的脚本可以执行此操作。

找出您的研究小组中的哪些人知道SPSS并与他们合作。

===============>>#6 票数:0

你能解释一下为什么SPSS本身不是解决这个问题的好方法吗? 它是否会生成数据透视表作为难以操作的输出? 这是该计划的成本吗?

F统计可以来自任何数量的特定测试。 F只是一个分布(松散地:对值组的“频率”的描述),如正态(高斯)或统一。 一般来说,它们来自方差比。 意见:许多统计学家(包括我自己)发现基于F的测试不稳定(行话:不健全 )。

特定的输出统计数据(Pillai的跟踪等)表明原始分析是一个MANOVA示例,正如其他海报所描述的那样,这是一个复杂且难以正确的程序。

我猜也是,基于MANOVA,以及SPSS的使用,这是一个心理学或社会学项目......如果不是请开心。 可能其他更简单的模型实际上可能更容易理解,更可重复。 如果您有,请咨询您当地的大学统计咨询小组。

祝好运!

  ask by Ryan Fox translate from so

未解决问题?本站智能推荐: