定序变量适用的分析方法

㈠ 统计数据类型与对应的相关性分析方法

统计数据类型与对应的相关性分析方法
在统计学中，统计数据主要可分为四种类型，分别是定类数据，定序数据，定距数据，定比变量。
1.定类数据（Nominal）：名义级数据，数据的最低级，表示个体在属性上的特征或类别上的不同变量，仅仅是一种标志，没有序次关系。例如， ”性别“，”男“编码为1，”女“编码为2。定类变量之间的相关系数，只能以变量值的次数来计算，常用λ系数法；2.定序数据（Ordinal）:数据的中间级，用数字表示个体在某个有序状态中所处的位置，不能做四则运算。例如，“受教育程度”，文盲半文盲=1，小学=2，初中=3，高中=4，大学=5，硕士研究生=6，博士及其以上=7。定序变量的相关性测量常用Gamma系数法和Spearman系数法；3.定距数据（Interval）:具有间距特征的变量，有单位，没有绝对零点，可以做加减运算，不能做乘除运算。例如，温度。定距变量的相关性测量常用Pearson系数法；4.定比变量（Ratio）:数据的最高级，既有测量单位，也有绝对零点，例如职工人数，身高。一般来说，数据的等级越高，应用范围越广泛，等级越低，应用范围越受限。不同测度级别的数据，应用范围不同。等级高的数据，可以兼有等级低的数据的功能，而等级低的数据，不能兼有等级高的数据的功能。

㈡ 二、定类与定序变量分析

一、定类数据统计 指标

1. 频 数:落在各类别中的数据个数

2. 比 例:某一类别数据占全部数据的比值

3. 百分比:将对比的基数作为100而计算的比值

4. 比 率:不同类别数值的比值

实现

5、列联表:二个定类变量进行交叉统计

例子：用python实现会员等级与性别的列联表交叉统计分析

实现：利用pd.crosstab()

二、定序数据统计 指标

一、分组

三种分组

方法

实现

㈢ spss中定类变量对定序变量怎么进行相关分析

一般定类数据和定序数据间的相关用二列相关或者列联相关，二列相关用于二分数据，列联相关不限于二分数据。二列相关可以直接用积差相关的操作来完成，其实一般的各种相关作为积差相关的特列，其实公式和积差相关的是等价的，也就是无论是定序还是二分变量与连续变量的相关，都可以用积差相关的操作做，结果一样的。

列联相关的公式：

如果是定类数据之间，可以用phi系数、四格相关等

席皮尔曼相关系数为0.389**，代表这个相关系数是0.389，**代表该系数在0.01水平显着（*是0.05水平，***是0.001水平），sig是具体的显着性水平。

㈣ 请教关于定序变量定类变量的回归分析问题

1# cecilia_xjm 1. 考察自变量对是否就业的影响，可以采用logistic回归分析。
2. 你的收入是有序的分类变量，如果是多分类的话，建议你把收入合并成两分类的，用logistic回归分析来筛选影响收入水平的可能影响因素。如果是实际的收入金额的话，可以尝试一下多重线性回归。

logistic回归分析在spss中可以很容易的实现。在analyze——regression里面，具体的操作，可以参考一下相关的工具书。