看板 Statistics 關於我們 聯絡資訊
各位大大安安 小弟只有在大學的時候念過一些基礎的統計 如果問的問題不好請多指教 小弟目前要做的東西是以國家為單位 用的是公開的資料 但是只要做亞太地區(已經畫定需要的國家 樣本數29) 現在搞不清楚這些資料能不能做推論統計 (主要是ANOVA跟回歸) 我記得推論統計是得在樣本數足夠的隨機抽樣等條件才能做 如果我的資料不能做推論統計 那除了描述性統計外 還能做甚麼呢? 這種情況下有沒有辦法做類似ANOVA比較呢? 感謝 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 101.12.48.97 ※ 文章網址: https://www.ptt.cc/bbs/Statistics/M.1529312875.A.47E.html
andrew43: 迴歸線可以求,但不用做推論。 06/18 20:44
了解 那這個狀況下需要特別注意什麼嗎? 比如說R-squared在這個狀況下是不是就沒有意義了?(因為他也不算模型?)
yhliu: 把調查(普查)群體當成某個理論上的超群體的隨機樣本, 可以 06/19 05:59
yhliu: 把普查結果當成對這超群體的推論. 06/19 06:01
yhliu: 再者, 一般的統計方汰如線性模型等, 可以視之為狂描述資料 06/19 06:04
yhliu: 的範型, 也就是說明所調查的群體資料中有什麼規則存在, 因 06/19 06:06
yhliu: 此即使不倣推論, 也是有許多事可做的. 06/19 06:08
yhliu: 29個國家的資料, 視之為某個超群體的樣本, 相當難. 一是難 06/19 06:11
yhliu: 以棍像什麼樣的超群體能讓這29個樣本點來代表(也就是說很難 06/19 06:14
yhliu: 想像它要推論什麼群體), 再者也很難說明這29個樣本點是從這 06/19 06:16
yhliu: 樣的群體以機會均等原則抽出, 因此一般的推論方法不能用. 06/19 06:18
好的 那大大有建議什麼可以做的方向嗎?
Mancer: 迴歸不是推論統計啊迴歸就是預測跟描述關係當然可用 06/19 08:57
明白 那我想請問一下 因為我有一個虛擬變數 主要希望可以透過這個虛擬變數拆成兩個群體 本來是打算用T看這2個群體有沒有顯著差異 那這個情況下是不是該改用Z呢? 如果我想比較3者以上是否有顯著差異 而不能用ANOVA的情況 該怎麼做呢? 感謝 ※ 編輯: iSad56 (101.12.48.97), 06/19/2018 12:55:35
andrew43: 這就是統計推論。不做推論則直接算平均數差多少即可 06/19 14:27
andrew43: 真的要做推論,如上面老師說的,先想想推論的母體對象 06/19 14:29
andrew43: 是什麼。 06/19 14:29
母體應該是全世界的國家? 那這個抽樣可能太偏?因為有些數值有區域性問題?
yhliu: 用虛擬變數做迴歸, 如果模型中沒有其他變數, 就等於把資料 06/20 09:38
yhliu: 分兩組做平均數比較. ANOVA 也就是在做平均數差異之檢定. 06/20 09:40
yhliu: 談檢定, 無非是懷疑所看到的差異不是群體真實的差異, 而是 06/20 09:42
yhliu: 抽樣造成的誤差. 既是普查資料, 自無需再做檢定. 要論兩組 06/20 09:44
yhliu: 或多組資料間差異是否具實際意義, 不只要看其統計顯著性, 06/20 09:46
yhliu: 即一般統計檢定所做的; 更要看其差異幅度是否具實務上的重 06/20 09:48
yhliu: 要性. 對普查資料而言, 前者已不需考慮, 所要看的是後者, 06/20 09:49
yhliu: 也就是賁務重要性, 而這不是統計上的假說檢定所能達成的. 06/20 09:52
了解 想請教用虛擬變數做回歸是不是用"Logistic regression"(我大學這個念得很差 頭暈 另外這個"實務上的重要性"是否很吃經驗判斷?還是有甚麼樣的評判標準呢? 因為是突然被指定要做這個 之前也沒前例可循...QAQ 感謝 ※ 編輯: iSad56 (101.12.48.97), 06/20/2018 11:56:47
andrew43: 羅吉斯回歸是應用於反應變數0或1,和虛擬變數沒關。 06/20 13:28
! 可是我的虛擬變數是0跟1呢?還是我弄錯了@@" ※ 編輯: iSad56 (101.12.48.97), 06/21/2018 14:58:35
andrew43: 反應變數,不是自變應 06/21 20:50
不明白 請教大大什麼意思 ※ 編輯: iSad56 (115.82.178.207), 06/22/2018 13:24:34
andrew43: google 第一篇wikipedia就有了 06/22 14:06
好喔 謝謝 ※ 編輯: iSad56 (115.82.112.151), 06/25/2018 11:19:39