我應該如何在分類變量和連續變量之間進行一致性分析？

Question

我目前很難選擇統計測試來驗證使用兩個不同測量 styles 的兩個測量之間的一致性。 以下是我的變量的結構。 我將使用我的數據的假示例來幫助演示我的問題。

措施一：1 個標稱變量，8 個類別 - 主要汽車選擇，例如，您的主要汽車品牌選擇是什么。 響應，例如，1 = 福特、2 = 霍頓、3 = 豐田、4 = 三菱、5 = 馬自達、6 = 現代、7 = 斯巴魯、8 = 大眾。 在這種情況下，參與者選擇了一個類別作為他們的主要評級。 措施二：從措施一中獲取 8 個類別的 8 個連續變量。 例如，請評價您購買 a____ 1) Ford 的可能性。 參與者在所有 8 個變量中以 1（完全沒有）到 5（極有可能）的等級評定他們對該項目的認可。

我的假設預測這兩個測量 styles 將彼此一致。 即，如果有人選擇福特作為他們的主要汽車選擇，他們也將極有可能支持購買福特，而不是其他汽車制造。

對於這種一致性分析，我應該考慮哪些統計測試？ 到目前為止，我已經考慮使用加權 Cohen 的 kappa，但並不完全認為這適合我的示例。

干杯，

雅各布。

附言。 請原諒我的汽車選擇，我來自澳大利亞，並選擇了我所在地區最常見的汽車制造商

Answer 1

原則上，你可以用這些數據做很多事情。

從你的討論中我不清楚一件事。 你有來自同一個人的這些數據嗎？ 因此，您是否知道“人 A 會被福特所認可，並且他對所有品牌都有以下偏好？” 或者這兩個數據集是獨立的，因此您只知道“x% 的人會購買福特，而對汽車的總體偏好是……”。 后者不那么有趣，我相信只有前者是相關的討論。 對於后一種情況，Cohen kappa 可能是您能做的最好的事情。

但是，如果您擁有每個人的所有信息：

即使在這樣一個相對簡單的數據中也有很多方面。 您不能將其減少到一個而不丟失大部分。 我將首先制作一個表格，或 2D plot，在 x 軸上，其中一個品牌（例如斯巴魯）的評級為 1...5，在 y 軸上為 8 個不同品牌的概率。 我會發現有趣的是：哪些汽車是人們僅用 1 評價“制造 A”的首選汽車，並將其與僅用 1 評價“制造 B”的人們進行比較。如果你這樣做，這種變化會有多大評分 5？

這項研究的一個特別有趣的結果也是人們將“make A”評為 5 分的人實際選擇“make A”的概率。 並在所有品牌之間進行比較。 品牌之間可能存在差異，例如某些品牌的購買者可能更受“理性”驅動，而另一些則受“時尚”驅動。 我相信與“原因”相比，“時尚”導致更高的相關性（因此更高的概率）......