Онлайн книга «Статистика и котики»
|
Что вводить: переместите пары переменных, обозначающих связанные выборки в поле «Парные переменные». Дополнительные опции: ничего интересного. Куда смотреть: смотрим в таблицу «Критерий парных выборок» на последние столбцы. «T» — значения критерия, а «Знач. (двухсторонняя)» показывает p-уровень значимости. Если он меньше 0,05 — различия имеются. Если вы хотите узнать, у какой группы соответствующий показатель больше, смотрите в таблицу «Статистика парных выборок» (столбец «Среднее»). ДИСПЕРСИОННЫЙ АНАЛИЗ ДЛЯ ПОВТОРНЫХ ИЗМЕРЕНИЙ Как найти: Анализ —> Общая линейная модель —> ОЛМ-повторные измерения. Что вводить: 1. Задайте имя внутригруппового фактора, по которому разделяются ваши связанные выборки, число уровней (кол-во связанных выборок) и нажмите кнопку «Добавить». 2. Переместите переменные, обозначающие ваши связанные выборки, в поле «Внутригрупповые переменные». Дополнительные опции: если у вас имеются несвязанные выборки, то вы можете включить их в анализ, добавив соответствующую переменную в межгрупповые факторы. В разделе «Графики» вы можете настроить выдачу графиков средних по каждому фактору. Куда смотреть: смотрим в таблицу «Критерии внутригрупповых эффектов» (блок с названием внутригруппового фактора). Там — четыре критерия, у которых чаще всего одинаковые значения (столбец F). Если «Значимость» при них меньше 0,05, то связанные выборки различаются между собой. T-КРИТЕРИЙ ВИЛКОКСОНА Как найти: Анализ —> Непараметрические критерии —> Устаревшие диалоговые окна —> Для двух связанных выборок. Что вводить: переместите пары переменных, обозначающих связанные выборки, в поле «Тестовые пары». Дополнительные опции: если хотите, можете посмотреть различия по другим критериям. Например, по критерию знаков. Куда смотреть: смотрим в таблицу «Статистические критерии». T-критерия Вилкоксона вы в ней не найдете — вместо него так называемая Z-статистика, рассчитанная на основе этого критерия. Ее вполне можно вставлять в вашу работу. P-уровень значимости можно найти в строчке «Асимптотическая значимость (2-сторонняя)». Если он меньше 0,05, ваши выборки значимо различаются. Если же больше 0,05, то таких различий обнаружено не было. КРИТЕРИЙ ФРИДМАНА Как найти: Анализ —> Непараметрические критерии —> Устаревшие диалоговые окна —> Для K связанных выборок. Что вводить: переместите переменные, обозначающие связанные выборки, в поле «Проверяемые переменные». Дополнительные опции: ничего интересного. Куда смотреть: смотрим в таблицу «Статистические критерии». Абсолютное значение критерия скрывается в строчке «Хи-квадрат». Если «Асимптотическая значимость меньше 0,05», то влияние фактора можно считать значимым. КОЭФФИЦИЕНТЫ КОРРЕЛЯЦИИ ПИРСОНА И СПИРМЕНА Как найти: Анализ —> Корреляции —> Парные. Что вводить: 1. Переместите переменные, между которыми вы хотите найти взаимосвязи, в поле «Переменные». 2. Выберите нужный коэффициент корреляции. Дополнительные опции: ничего интересного. Куда смотреть: программа выдаст вам корреляционную матрицу (таблица «Корреляции» или «Непараметрические корреляции»). Чтобы посмотреть в ней коэффициент корреляций между переменными А и Б, нужно найти строчку с переменной А и столбик с переменной Б и посмотреть, где они пересекаются. Сверху будет коэффициент корреляции, а чуть ниже — уровень значимости (двухсторонний). Если он ниже 0,05, то связь между переменными действительно присутствует. ЛИНЕЙНАЯ РЕГРЕССИЯ Как найти: Анализ —> Регрессия —> Линейная… Что вводить: 1. Переместите целевую переменную в поле «Зависимая переменная». 2. Переместите переменные-факторы в «Независимые переменные». Дополнительные опции: на главном окне вы можете выбрать метод линейной регрессии. Как правило, «Ввод» и «Пошагово». Нажав на кнопку «Статистики», вы сможете выбрать некоторые дополнительные коэффициенты, которые выдаст вам программа. Куда смотреть: смотрим в таблицу «Коэффициенты». Там нас будут интересовать два столбца — «B» и «Значимость». В первом из них — регрессионные коэффициенты. Во втором — p-уровень значимости. Если он меньше 0,05, то данный фактор является значимым. Вторая интересующая нас таблица — сводка для модели. Смотрим столбец «Скорректированный R-квадрат». В нем — коэффициент детерминации, который скажет, какой процент ваших данных объясняет модель. R-квадрат, равный 0,92, обозначает, что 92% ваших данных объясняется вашей моделью. ЛОГИСТИЧЕСКАЯ РЕГРЕССИЯ Как найти: Анализ —> Регрессия —> Логистическая… Что вводить: 1. Переместите целевую переменную в поле «Зависимая переменная». 2. Переместите переменные-факторы в «Ковариаты». Дополнительные опции: на главном окне вы можете выбрать метод логистической регрессии. По умолчанию установлен «Ввод» (или «Enter»). Нажав на кнопку «Параметры», вы сможете выбрать некоторые дополнительные статистики и графики. Также я очень рекомендую поставить галочку в графе «На последнем шаге». Куда смотреть: пролистываем вывод вниз (до Блок 1) и смотрим в таблицу «Переменные в уравнении». Интересуют нас два столбца: «B» и «Значимость». Первый содержит регрессионные коэффициенты. Второй — p-уровень значимости. Если он меньше 0,05, то данный фактор является значимым. Вторая таблица — «Сводка для модели». Смотрим столбец «R-квадрат Нэйджелкерка». Этот коэффициент показывает, сколько процентов ваших данных объясняет полученная модель. R-квадрат, равный 0,92, обозначает, что 92% ваших данных объясняется вашей моделью. И последнее — «Таблица классификации». Она позволяет сравнить, насколько результаты, предсказываемые моделью, совпадают с реальными. ДИСКРИМИНАНТНЫЙ АНАЛИЗ Как найти: Анализ —> Классификация —> Дискриминантный анализ. Что вводить: |