2301_79330522的博客

原创 因子分析案例介绍

我们来看输出的总的方差解释这张表，注意看【累计的方差贡献率】，以及【总计】这两列，【总计】这列表示的是特征值，所谓特征值通俗的讲就是它代表相当于原来平均多少个题目，特征值小于1的因子代表性比不上原有的一个题目，所以软件默认只提取特征值大于1的因子。可以通过取消小系数，来查看因子的结构。31个题目，178个观测（因子分析对观测数有规定，一般要求观测的记录数为题目数量的5到10倍，至少5倍，此数据集的记录数基本满足要求），现在希望对此数据集进行因子分析，提取出几个因子，提取出因子后，需要对因子进行命名。

原创 描述性分析

探索菜单是用于对分布状况不清的连续资料进行探索性分析，它能输出很多描述性统计量，包括：平均值、中位数、方差、标准差、最大值、最小值、全距、四分位距、偏度、峰度等。描述性分析是数据分析的第一步，是了解和认识数据基本特征和结构的方法，只有在完成了描述性统计分析，充分的了解和认识数据特征后，才能更好地开展后续更复杂的数据分析。通常，SPSS直接输出的图表很难完全满足大家的需求，多少需要进行一些格式的微调。功能，它不仅可以开展频率分析、交叉分析和分组汇总分析，还可以自定义输出的统计表格类型，以及需要输出的统计量。

原创 Spss中介效应分析

只要参与者不知道他们接受的是真正的治疗还是安慰剂，安慰剂效应对实验组和对照组的影响就是相同的。然而， 如果实验者知道谁接受的是真正的药品，谁接受的只是安慰剂，那么他们可能会无意识地对实验组成员有更多的笑脸。老师选取五位合作学习的学生（实验组）和五位单独学习的学生（对照组），为保证这些学生都有相同的学习能力并会刻苦学习，老师从平均成绩高的同学中进行挑选。如同合作学习实验所阐明的，如果实验组和对照组在某些重要方面有所不同（除了接受和不接受处理之外的其他因素），那么大多数情况下其结果都会受到混杂变量的影响。

原创 99%的Python用户都不知道的f-string隐秘技巧

3.6版本开始引入的特性，通过它我们可以更加方便地向字符串中嵌入自定义内容，但。真正蕴含的功能远比大多数用户知道的要丰富，今天我们就来一起get它们~f-string想必很多Python用户都基础性的使用过，作为。通过最外层包裹小括号，我们可以像下面这样非常灵活地撰写多行。以上就是本文的全部内容，欢迎在评论区分享你的观点和意见~默认为右对齐，就像上面的例子，但我们可以像下面这样使用。针对日期类型的变量，我们可以参考下面的方式，直接在。最基础的用法很简单，如下例所示，在前缀。

原创 设计实验是需要考虑哪些问题

只要参与者不知道他们接受的是真正的治疗还是安慰剂，安慰剂效应对实验组和对照组的影响就是相同的。然而， 如果实验者知道谁接受的是真正的药品，谁接受的只是安慰剂，那么他们可能会无意识地对实验组成员有更多的笑脸。老师选取五位合作学习的学生（实验组）和五位单独学习的学生（对照组），为保证这些学生都有相同的学习能力并会刻苦学习，老师从平均成绩高的同学中进行挑选。如同合作学习实验所阐明的，如果实验组和对照组在某些重要方面有所不同（除了接受和不接受处理之外的其他因素），那么大多数情况下其结果都会受到混杂变量的影响。

原创 你的统计研究可信吗？

生活中，我们经常可以看到这样或那样的统计分析结论，比如，每天涂防晒霜可以延缓衰老，化妆对皮肤没有损害，星座分析结果是准确的，在办公桌上放仙人掌能减少电脑辐射，等等。幸运的是，混杂变量很多时候很明显，在设计统计实验时，尽可能的去考虑实验的不同环节，以及可能影响研究结果的因素，它们很容易被辨别出来。统计研究通常被认为是客观的，但是实施研究或资助研究的人可能会喜欢有特定倾向。当要开展一项统计研究时，首先应该做的是构想出与研究相关的全部内容，也就是说，对研究要有一个大的视角，要考虑所有可能的结果。

原创 今天开始学习如何正式调查

就说要准备调查多少人确定好样本容量之后又要考虑设计的调查问卷。样本容量 调查方式 调查问卷的回收。我们重点来讲一下量表式调查问卷和非量表式调查问卷。样本容量确定的基本原则就是要求样本要具有代表性。所谓代表性就是样本能够反映总体信息的程度。样本容量一般是量表提项的5-10倍。其次样本容量他和调查的精确度有关系。总体的信息是最全的最好去调查总体。那么无形当中又增加了调查的成本。那么样本容量就是150-300。传统的大样本的容量他的定义就是。就是看人家在研究相关问题的时候。

原创 伯努力分布、二项分布和泊松分布

如果我重复抓10000次娃娃，那么���=������=0.0001*10000=1，抓到娃娃的最大成功次数��� = (��� + 1)��� = np+p≈1。假设我抓娃娃成功的概率是0.1，在上述进行的100次抓娃娃试验中，m = (100+1)*0.1 = 10.1 ≈ 10。抓到2次，3次，4次，……其中��� > 0，则称���服从泊松分布，简记作���∼���(���)，当���比较大，���比较小（���≤ 0.1）时，二项分布就可近似地看成是参数��� = ������的泊松分布：。

原创 带你零基础入门SQL-随堂资料ppt

转载 什么是ROC曲线

随着分类的概率阈值的减少，Sensitivity和1-Specificity也相应增加（也即Specificity相应减少），所以ROC曲线呈从左下角垂直上升到顶线，水平方向向右延伸到右上角的递增态势。而一些原本类别是0的样本，却被预测为了1。ROC曲线图中45度线下的面积是0.5，ROC曲线与它偏离越大，越向左上方靠拢，它下方的面积（AUC）就越大，其AUC值也越接近于1。因此，preddef2比preddef1的AUC值略大，但它们的95%的置信区间存在交叉，因此可以认为它们的预测效果不存在显著差异。