Bài giảng Phương pháp nghiên cứu: Chương 4 - Nguyễn Hùng Phong

Chia sẻ: Dsgvfdcx Dsgvfdcx | Ngày: | Loại File: PDF | Số trang:81

Thêm vào BST

Báo xấu

115
lượt xem 16
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Nội dung chính của chương 4 Xử lý dữ liệu thuộc bài giảng phương pháp nghiên cứu trình bày về các đại lượng đo lường sự phân tán, ước lượng thông số đám đông từ mẫu, một số phép kiểm định cơ bản, kiểm định phi tham số: Chi-square, phân tích nhân tố và phân tích tương quan.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Bài giảng Phương pháp nghiên cứu: Chương 4 - Nguyễn Hùng Phong

Chương 4: Xữ lý dữ liệu I. Các đại lượng đo lường sự phân tán II. Ước lượng thông số đám đông từ mẫu III.Một số phép kiểm định cơ bản IV.Kiểm định phi tham số: Chi-square V. Phân tích nhân tố (factor analysis) VI.Phân tích tương quan (Regression analysis)
Sử dụng các công cụ thống kê trong phân tích Mục tiêu và kiểu của các câu hỏi nghiên cứu Mục tiêu chung Quan hệ giữa các biến Mô tả Mục tiêu cụ thể So sánh Mức độ liên Tóm lược nhóm quan, các biến dữ liệu liên quan Kiểu câu hỏi/ giả thiết Khác biệt Liên quan Mô tả Kiểu thống kê Thống kê khác biệt Thống kê liên Thống kê mô (v.d. t-test, ANOVA) quan tả (v.d. trung (v.d. tương bình, tỷ lệ) quan, hồi quy)
I. Các đại lượng đo lường độ phân tán • Thông số • Đám đông • Mẩu N n • 1.Trung   Xi/ N i1 i ) X (X /n bình i 1 N n 2 2 • 2. Phương    ( Xi   ) / N s   ( Xi  X ) 2 /( n  1) 2 i 1 i 1 sai • 3. Độ lệch    2 2 s  2 s2 tiêu chuẩn 2 2 • 4. Hàm X i  N ( , ) X i  N ( ,  X ) phân phối
I. Các đại lượng đo lường độ phân tán • Thông số • Đám đông Mẩu • 5. Tỷ lệ Pp Ps P(1P) P (1 P ) P 2  s s • 6. Phương sai P 2  p p p s n N 2 2 • 7. Độ lệch p 2pp p  p  2 p s s • tiêu chuẩn
Phân phối chuẩn một đơn vị
Đo lường dạng hình của phân phối (Measures of Shape) • Độ lệch (skewness) đo lường độ lệch của phân phối về một trong hai phía. • Phân phối lệch trái (negative skew, left-skewed) khi đuôi phía trái dài hơn, và phần lớn số liệu tập trung ở phía phải của phân phối. • Phân phối lệch phải (positive sknew, right-skewed) khi đuôi phía phải dài hơn, và phần lớn số liệu tập trung ở phía trái của phân phối. • Khi lệch phải, giá trị sknewness dương; khi lệch trái, giá trị skewness âm. Độ càng lớn thì giá trị sknewness càng lớn hơn 0. • Với phân phối chuẩn, độ lệch gần như nhận giá trị 0
Đo lường dạng hình của phân phối (Measures of Shape)
Đo lường dạng hình của phân phối (Measures of Shape) • Độ nhọn (kurtosis) – Độ nhọn (kurtosis) đo lường mức độ nhọn hay bẹt của phân phối so với phân phối bình thường (có độ nhọn bằng 0). Phân phối có dạng nhọn khi giá trị kurtosis dương và có dạng bẹt khi giá trị kurtosis âm. – Với phân phối bình thường, giá trị của độ lệch và độ nhọn bằng 0. Căn cứ trên tỷ số giữa giá trị skewness và kurtosis và sai số chuẩn của nó, ta có thể đánh giá phân phối có bình thường hay không (khi tỷ số này nhỏ hơn -2 và lớn hơn +2, phân phối là không bình thường).
II. Ước lượng thông số đám đông  X S S Ps μ Pp Đám đông
II. Ước lượng thông số đám đông II.1.1 Ước lượng trung bình đám đông n  30 – Chuyển phân phối chuẩn tổng quát trở về phân X   phối chuẩn một đơn vị Z  với biến ngẩu nhiên  X – Tìm xác xuất P sao cho: – Đối với phân phối chuẩn P(a  Z  b)  (1   ) một đơn vị, ta có P ( Z / 2  Z   Z / 2 )  (1   )
II. Ước lượng thông số đám đông Như vậy, chúng ta sẽ có :  Z / 2  Z   Z / 2 Hay: X   Z / 2   Z / 2 X Suy ra: X  Z 2 . X    X  Z  2 . X 2 Ở đây, ta có: 2 X  2 X  2  2 n n
II. Ước lượng thông số đám đông II.1.2 Ước lượng trung n
II. Ước lượng thông số đám đông Như vậy, chúng ta sẽ có :  t / 2 , ( n1)  t  t / 2,( n1) Hay: X   t / 2 , ( n1)   t / 2 , ( n1) X X  t 2 , ( n1) . X    X  t 2 , ( n1) . X Suy ra: 2 Ở đây, ta có: 2 X  2 X  2  2 n n
II. Ước lượng thông số đám đông II.2.1 Ước lượng tỷ lệ đám đông(Khi n lớn hơn hoặc bằng 30 phần tử) – Chuyển phân phối Ps  Pp tổng quát về phân Z phối chuẩn P S – Tỷ lệ đám đông sẽ nằm trong khoảng Ps  Z  2 . PS  Pp  Ps  Z  2 . PS
II. Ước lượng thông số đám đông II.2.1 Ước lượng tỷ lệ đám đông(Khi n nhỏhơn 30 phần tử) – Chuyển phân phối Ps  Pp tổng quát về phân t phối student (t) P S – Tỷ lệ đám đông sẽ nằm trong khoảng Ps  t 2 ,( n 1) . Ps  Pp  Ps  t 2 , ( n 1) . PS
III. Một số phép kiểm định giả thuyết III.1 Kiểm định trung bình và tỷ lệ đám đông Mục đích Phát hiện xem các giá trị trung bình/tỷ lệ của đám đông có sự thay đổi hay không Phương pháp tiến hành – Lấy mẩu từ đám đông sau đó tính trung bình hoặc tỷ lệ mẩu – Sử dụng trung bình hoặc tỷ lệ mẩu để kiểm định có sự thay đổi về trung bình và tỷ lệ đám đông hay không
Các kỹ thuật kiểm định cơ bản Các kỹ thuật kiểm định dùng theo loại dữ liệu và trắc nghiệm Thang đo One-sample Two-Samples Tests k-Samples Tests Case Related Independent Related Independent Samples Samples Samples Samples Nominal - Binomial - McNemar - Fisher exact - Cochran Q - χ2 for k- - χ2 one-sample test samples test - χ2 two- sample test Ordinal - Kolmogorov- - Sign test -Median test -Friedman - Median Smirnov one- - Wilcoxon Mann- two-way extension sample test matched-pairs Whitney U ANOVA - Kruskal- - Runs test test - Kolmogorov- Wallis one- Smirnov way ANOVA Wald- Wolfowitz Interval and Ratio - T-test - T-test for - T-test - Repeated- - One-way - Z test paired - Z test measured ANOVA samples ANOVA - N-way ANOVA
Sai lầm trong kiểm định Quyết định Bản chất của giả thuyết Ho Đúng Sai Chấp nhận H0 Quyết định Sai lầm loại II đúng (Beta) Từ chối H0 Sai lầm loại I Quyết định (alpha) đúng
Giá trị xác suất (p Values) • Giá trị p value được so sánh với mức ý nghĩa (significant level - α), và dựa trên kết quả này để bác bỏ hay không bác bỏ giả thiết. • Nếu giá trị p value nhỏ hơn mức ý nghĩa, giả thiết bị bác bỏ (p value < α, bác bỏ giả thiết H0). • Nếu giá trị p value bằng hoặc lớn hơn mức ý nghĩa, không bác bỏ giả thiết Ho (p value > α, không bác bỏ giả thiết H0).
Kiểm định ý nghĩa: các kiểu kiểm định • Có hai loại: parametric (tham số) và nonparametric (phi tham số). – Parametric tests là công cụ mạnh vì xử lý các dữ liệu dạng scale (interval, ratio). – Nonparametric tests là công cụ xử lý các dữ liệu dạng nominal và ordinal.