交叉統計分析方法嗶哩嗶哩

❶ 如何使用spss進行交叉列聯表分析

1、首先我們打開之前導入的spps文件。

❷ bilibili(1)-爬取視頻信息進行數據分析

感謝@雄哥和@遜哥的幫助才得以完成這篇文章，不然，還不知怎麼應對IP限制。
項目地址： https://github.com/UranusLee/bilibili_spider

通過chrome可以看出來B站視頻統計信息是通過js載入，打開開發者工具可以到stat?aid=31的json文件。

再分析json文件的載入方式，基本可以得到所需要的headers參數。

因為之前一直都在爬取豆瓣、知乎、拉勾這些有特殊headers的網站，所以，為了省事，還是全部headers都加上。

進行爬取的時候，發生了一點問題，通過不斷測試，基本可以斷定B站有IP訪問限制，基本上是1分鍾150次以下不會封IP，封閉IP一次為5分鍾，所以考慮用代理IP，拿著買好的穩定的IP，刻不容緩的加入進來。

總共爬取下來710多W條數據，用了三四天的時間，期間網路斷掉，或者IP地址停用，一直耽擱，之所以不準備繼續下去是因為數據還准備做一個B站每年數據分析，所以選用了aid=11883351這條數據作為截止可以比較好的對應上每年7月初的一個數據對比分析

發現有播放數為-1的值，總共占數據總量的2%，故而刪除。

可以看出基本上播放量，彈幕，評論回復，收藏，硬幣，分享基本就是長尾數據，有大量的小數值的數據，但是整體的平均值受極值的影響較大。相比較而言view播放量更加有研究性。

1.播放量佔比分析

總共分為<500,500-1000,1000-5000,5000-20000,>20000。
播放量整體還是大量的淹沒視頻，播放量小於500的達到了整體視頻的48.8%，而播放量20000以上的只佔到5.4%，按照「二八原則」，視頻達到3338以上的播放量即達到B站視頻實際效用的界限。

2.分年份分析B站視頻增長速度

以每年7月份為周期分析

通過aid可以查到所有爬下的數據所屬的時間，再按照概率分析大概的時間就可以得出每一年7月份的視頻量。

整體的視頻數量增長速度實際上是大致按照每年翻倍的速度來增長，整體增長曲線拋開10-11年，整體增長平和。

2010-2011年之間，必定是發生了事才會導致視頻量突增，才會導致視頻總量增長率超過800%。通過查詢，基本確實如之前所假設一樣，10年因為Ac fun（A站）確實發生了嚴重的幾次彈幕沖突，A站關閉了彈幕系統，加上很多人打出「ACG滾出ac」的標語，大量的A站up主轉移至B站，開始了B站的逆襲。

14年一年視頻增長率唯一一次跌至94%，是因為14年動畫版權問題，禁止了私自上傳動畫，視頻量比預期下跌了大概8W左右。今年更加誇張的是2018年還沒有到07月份，視頻總量已經達到2200W左右。

3.參與率分析用戶活躍度

彈幕成本是最低的，大概平均27.8人次觀看，就會出現一次彈幕（包括非會員的觀看次數，但是無法發彈幕，提高了彈幕成本），分享成本不僅僅是會員，非會員沒有登陸也可以分享，這確實42.58人次的成本僅僅高於彈幕成本，說明B站整體視頻風格更加多元化。121.58的投幣成本受限於B站的投幣系統，B幣少，並且獲得有難度，導致投幣成本遠高於其他幾項。

4.投幣分析

B站投幣有「不牛不投，不服不投」的潛性規則，往往一個視頻的投幣量可以反應視頻的質量和B站的流行趨勢。
排名第一的是 【嗶哩嗶哩2017拜年祭】 ，94.1W投幣
排名第二的是 【古箏】千本櫻——你可見過如此兇殘的練習曲 ，79.6W投幣
排名第三的是 【嗶哩嗶哩2016拜年祭】 ，77.2W投幣
然後是敖廠長的兩連擊
【敖廠長】讓你耳朵懷孕的FC游戲 ,74.6W投幣
【敖廠長】打臉!魂斗羅水下八關存在 ,73.0W投幣

其實可以看出前三名中，兩次拜年祭以及用戶群體的自發投幣，整個拜年祭已經成為B站文化的一部分，是每年最核心的一部分。當然也不缺乏敖廠長這種良心up主，每一次對於過往游戲的解疑和介紹，還有那無所不能的哥們，宅男但不失真心，牛逼但非常人親。

文化的多元化才是整個B站撐起一片天的本質原因，我曾經在B站中過《極樂凈土》的毒，看過外國人在中國成了網紅，聽過古箏彈奏魂斗羅、彈奏日本電音。這是一個大熔爐，每個人都可以找到自己喜歡的東西，我突然想起了廣告模塊的一個高分視頻，彈幕量只有300，但是播放量有2000多萬次，我不知道是B站運營人員清空了一部分的彈幕和評論，但是一個廣告在B站，在這個無數個平時看都不看廣告的年輕人，能夠看上2000多萬次，幾乎人均一次。我才覺得我真正的知道。

----------------------------------------------------分割線-------------------------------------------
數據分析的部分有點意猶未盡，今天實在是困了，今天稍晚或者明天會繼續對於B站各個模塊繼續進行深挖，包括彈幕的語義分析、通過彈幕揣摩劇情、哪種視頻可以火、up主的影響力、視頻質量建模等。

❸ 如何使用spss進行交叉列聯表分析

SPSS提供了多種適用於不同類型數據的相關系數表達，這些相關性檢驗的零假設都是：行和列變數之間相互獨立，不存在顯著的相關關系。根據SPSS檢驗後得出的相伴概率（Concomitant Significance）判斷是否存在相關關系。如果相伴概率小於顯著性水平0.05，那麼拒絕零假設，行列變數之間彼此相關；如果相伴概率大於顯著性水平0.05，那麼接受原假設，行列變數之間彼此獨立。

在交叉列聯表分析中，SPSS所提供的相關關系的檢驗方法主要有以下3種：

（1）卡方（χ2）統計檢驗：常用於檢驗行列變數之間是否相關。計算公式為：

在該對話框中，用戶可以指定列聯表的輸出排列順序。對話框中各選項的具體意義如下：

在行序（Row Order）欄中有如下兩個選項：

升序（Ascending）：系統默認，以升序顯示各變數值；

降序（Descending）：以降序顯示各變數值。

用戶在該對話框中進行選擇後，單擊【繼續】（Continue）按鈕，即可返回"交叉表"主對話框。

在"交叉表"對話框中單擊【確定】（OK）按鈕，可在輸出窗口中得到數據概述、交叉列聯表、卡方檢驗表、交叉分組下頻率分布柱形圖、相對危險性估計等圖表。