You are here

其他定量分析

25 November, 2015 - 09:58

有很多其他基于一般线性模型变形的有用的推断统计技巧,下面将简单地介绍一些。有兴趣的读者可以去更为高级的教科书或者是统计学课程中查阅更多关于这些技巧的信息。

  • 因子分析是一种基于大量的观测到的观测值(项目)与较小的不可观测的(隐性的)被称为因子的变量组之间潜在的双变量相关模式,将前者转化为后者的数据缩减技术。这种技术在社会科学研究的多项目测量尺度中被广泛的用于评价收敛和判别的有效性。
  • 判别分析是基于预测变量的线性组合将给定的观测值分类到一些名义的类别当中去的一种分类技术。除了因变量是分类变量,这种技术与多元回归很相似,在市场营销中的应用很广泛,比如说根据从大规模的问卷中识别出的突出属性将客户或者产品进行分类。
  • Logistic回归(或logit模型)是一种结果变量为二进制的(0或1)并且符合logistic分布的一种一般线性模型,这种回归分析的目的是通过将数据与一个logistic曲线进行拟合来预测某种结果发生的可能性。比如说基于预测因素比如年龄、身体质量指数、养生法等等来预测在一段时期内心脏病发作的可能性。Logistic回归在医学研究中运用非常广泛。效应规模估计是基于“胜算比”,这表示一件事情在一个组中相对于其他事情发生的胜算。
  • Probit回归(或probit模型)是一种结果变量在0和1之间变动(或者可以假定为0或1),并且符合标准正态分布的一般线性模型。回归的目的在于预测各个结果出现的可能性。这种技术是在精算学、金融服务、保险和其他行业中非常流行的预测分析技术。被用于比如说根据一个人贷款申请上的信用等级、薪水、负债和其他信息来给他进行信用评分。Probit和logit回归在比较应用(二进制结果)中倾向于得出相似的回归系数;然而logit模型更加容易计算和解释。
  • 路径分析是一种用来分析一组变量的定向关系的一种多变量一般线性回归技术。它可以进行复杂的规律模型的研究,在这种模型中,一个方程中的因变量是另外一个方程的自变量。它被广泛地应用于当代的社会科学研究中。
  • 时间序列分析是一种研究时间序列数据或者会随着时间逐渐改变的变量的技术。应用的例子包括预测股票市场的波动和城市犯罪率。这种技术在计量经济学、数理金融学和信号处理中很流行。特别的技术被用来修正自相关性,或者同一变量在时间趋势上的相关性。