SPSSAU数据分析思维培养系列2：分析方法

大家好！在上篇文章中，我们一起学习了如何掌握正确的数据处理思维（文章链接：https://www.cnblogs.com/spssau/p/12523530.html）。在完成数据准备和清理工作后，就要进入到正式分析阶段，而选择什么样的数据分析方法进行分析是关键。

想要进行科学和系统化的数据分析，分析方法的思维是必备项。

本文为SPSSAU数据分析思维培养的第2篇文章，将分别从数据类型谈起，剖析数据应该如何分析，包括数据的基础描述，数据质量的判断。除此之外，还进行差异关系，影响关系涉及的分析方法解析，最后针对更深入的影响关系进行说明。

希望通过本文帮助大家更快地掌握数学分析的思维，使用正确和科学的分析方法，完成科学的研究报告。

第1点，数据类型

进行数据分析的第一个思维，数据类型的识别。数据一般分成两类，定类和定量，如下：

如果数据是类别，比如性别，或者医学上的阳性阴性，数字1表示男2表示女；也或者数字1表示阳性0表示阴性。数字的大小是不能进行PK对比，而只能代表类别，此类数据SPSSAU称为‘定类数据’（也称分类数据，定性数据等）。还有一类数据比如身高体重年龄，数字的大小具有实际意义可以对比大小，数字越大身高越高，体重越重，年龄越大，此类数据SPSSAU称为‘定量数据’（也称连续数据）。

还有一种数据即像定类数据，也像定量数据。比如学历分成4组，分别是大专以下，大专，本科，本科以上，分别使用数字1，2，3，4标识。我们可以把其看成是四个类别，也可以看成是数字越大学历越高。针对此种数据在具体分析的时候需要看实际情况，一般来说把它看成定类数据更方便分析，那就看成是定类数据；如果把它看成定量数据更方便，那就看成是定量数据。

定类和定量数据的最大区别在于：定类数据一般是看频数百分比，定量数据一般是看平均值；而且分析上定类数据一般只能看差异性，定量数据一般是看影响关系。接下来的内容中会更加理解这种思维上的区别。

第2点，基础描述

上述第1点已经说明了数据类型的鉴别方法，那么针对定类数据来讲，一般就是使用频数分析，查看选择频数和百分比；如果是定量数据一般就使用描述分析，查看平均值和中位数等。此两项分析均可在SPSSAU通用方法里面轻松地找到。

频数、描述分析-SPSSAU

得到一份数据后，通常第一步就是查看数据情况，分别对定类和定量数据做下简要的分析，以便对于数据基本特征有个大概的了解，同时可查到数据是否具有异常值情况等。比如对身高做描述分析发现最小值为负数。

如果数据中有发现异常值，此时需要及时的进行处理，如果有异常数据但没有处理，这种情况会导致后续的分析完全无用，因为异常数据对于分析的影响巨大。SPSSAU数据处理里面有异常值功能，同时生成变量也提供比如Winsor处理等。

异常值处理-SPSSAU

第3点，数据质量

除了对数据基础情况有所了解外，还需要分析下数据的质量情况，如果数据中有量表，那么信度分析和效度分析最好不过。效度分析时可使用EFA和CFA，即探索性因子和验证性因子分析方法进行。信度或者效度分析等都是针对量表问卷一类的数据。

信度、效度分析-SPSSAU

如果是实验数据，也或者专家打分数据等，此类数据不能做问卷式的信度和效度分析，但是可用于评定数据的一致性情况等，当然也是用于验证数据的有效可靠性等。此时可使用相关的方法比如ICC组内相关系数，Kappa系数，Kendall系数，也或者使用相关系数方法等，具体一致性检验方法的区别和使用情况，建议查看SPSSAU手册，医学/实验研究方法里面均有提供对应的研究方法。

第4点，差异关系

上述已经提及数据的类型，数据质量判断，当所有数据都准备完善，去除掉无效样本，异常值之后，数据质量也达标后。那么进入正式的分析就显得顺其自然。什么是差异关系呢，接下来举例说明：

举例	解析	方法
性别分布是否有差异？	1个定类数据差异性。	卡方拟合优度检验
性别和是否吸烟的差异？	2个定类数据差异性。	卡方检验
体重是否明显等于1.8米？	1个定量数据差异性。	单样本T检验/单样本Wilcoxon检验
不同性别的体重是否有差异？	1个定类和1个定量差异性。	方差分析/T检验/非参数检验
配对实验数据等		配对卡方、配对T检验、配对Wilcoxon检验

如果是定类数据的差异性，那么可使用卡方拟合优度检验。比如想研究阳性和阴性这两个组别的样本比例是否有差异性。如果是研究2个定类数据的差异性，则需要使用卡方检验，SPSSAU有两个按钮均可进行卡方检验，包括通用方法里面的交叉卡方和医学研究里面的卡方检验，区别在于后者可提供更多深入指标以及支持加权数据格式。

如果是定量数据的差异性，比如想研究样本群体平均身高是否等于1.8，一般是使用单样本T检验，但如果身高数据并不符合正态性时，此时可使用单样本Wilcoxon检验。

如果是研究定类和定量数据的差异性，比如想研究不同性别群体的体重上是否有明显的差异性，那么方差分析或T检验均可，区别在于方差可对比多重（比如东北、西南、东南三个地区的差异），而T检验只对比两组（比如男和女）的差异性。除此之外，如果这里体重这个数据严重的不正态时，最好使用非参数检验进行，SPSSAU通用方法里面有提供此方法。

如果是配对实验数据，比如实验前患病状态（阳性和阴性），与实验后患病状态（阳性和阴性）的差异对比，明显的是实验数据且为定类数据差异对比，此时需要使用配对卡方。如果是实验前成绩和实验后成绩的对比，那么是实验数据且定量数据差异对比，此时使用配对T检验较多，当然如果说成绩这个定量数据严重的不正态，此时使用配对Wilcoxon检验也许更优。

特别提示一点，实验数据是指‘实验前和实验后’，也或者‘同一个样本分别测量两次’这种情况。常见的实验组和对照组数据并不是绝对的实验数据，对比差异时一般是使用普通的T检验，而不是配对T检验。

除此之外，有时候实验数据的对比，比如同一个病例进行3次测量，测量1、测量2、测量3的对比差异性，此时可使用比如Friedman检验等。

关于差异关系的方法区别可查看SPSSAU之前的文章：https://zhuanlan.zhihu.com/p/57756620

第5点，影响关系

上述讲完差异关系，差异系数研究时，基本上都会有定类数据。因为定类数据是不同的类别，不同类别间只能说类别A和类别B是否有明显的不一样，也就是差异性。定量数据能说越怎么样越怎么样，比如身高越高体重越重。因此定量数据更容易进行影响关系，即带‘回归’二字的影响关系研究。

影响关系是研究X影响Y；如果Y是定量数据，那么一般是使用线性回归；线性回归的使用频率最高而且深入最高，其延迟出来还有比如分层线性回归、逐步回归等等，其实质上就是线性回归，只是另外一种变形（为了解决特定问题而产生）而已。

如果Y是定类数据，那么就应该使用Logit回归等。Logit回归还可分为3类，如果Y是二分类（比如是和否），那么就叫二元Logit回归；如果Y是多个类别，那么就叫多分类Logit回归。如果说Y是定类数据（但同时又可看成是定量数据）,那么可使用有序多分类Logit回归。

除此之外，如果研究的回归影响关系是曲线的，比如二次曲线，三次曲线等，那么就可以使用曲线回归。

针对X对于Y的研究上，一般情况下是多个X对于1个Y的影响；如果是研究多个X对于多个Y的影响，那么可选的方法包括PLS回归、典型相关等。

 

第6点，深入影响关系

除上一部分的影响关系研究外，还有更深入的影响关系拓展。比如心理学、管理学上的调节作用或中介作用研究等，其实质上就是线性回归的升华和拓展，它们是分析方法的实质应用，比如调节作用和中介作用，一般就是使用分层线性回归进行验证。

当然当前还有更深入的研究，比如多个X和多个Y之间的影响关系情况研究，可使用路径模型，结构方程模型等进行深入分析。否则的话就需要重复进行多次线性回归分析。

路径分析、结构方程模型-SPSSAU

除此之外，当前还有一些更深入的影响关系研究，比如面板回归模型，岭回归等，其实质上依旧是影响关系研究。但区别在于比如面板回归模型，它是特定对于面板数据进行的回归影响关系研究。岭回归是特定解决数据的共线性问题共诞生的研究方法而已，全部在SPSSAU平台里面均能找到。

总结

数据分析思维的培训上，最关键的是数据类型的区别，接着针对数据的清理（即通过基础描述和数据质量的分析），并且区分数据类型后，采用差异研究和影响关系，也或者更深入的影响关系研究，最终为实际研究服务。

一文无法全部概括所有的研究，希望对数据分析思维有所引导。比如数据其实还有其它的研究，包括数据浓缩（主成分或因子分析）、数据聚类（Kmeans聚类、分层聚类）等等，在后续的文章中均会单独进行说明。