Spss peut-il être utilisé pour le bootstrap ?

Si vous souhaitez en savoir plus sur le bootstrap, vous pouvez cliquer sur : tutoriel bootstrap

SPSS est le premier logiciel statistique au monde à adopter une interface graphique pilotée par menu. Sa caractéristique la plus importante est que l'interface d'utilisation est extrêmement conviviale et que les résultats de sortie sont magnifiques. Il affiche presque toutes les fonctions dans une interface unifiée et standardisée. Il utilise le mode fenêtre Windows pour afficher les fonctions de diverses méthodes de gestion et d'analyse des données, et les boîtes de dialogue affichent diverses options de fonction. Tant que les utilisateurs maîtrisent certaines compétences d'exploitation de Windows et maîtrisent les principes d'analyse statistique, ils peuvent utiliser ce logiciel pour servir des travaux de recherche scientifique spécifiques.

spss peut faire du bootstrap. Ce qui suit est une introduction aux principes et à l’ingénierie.

1. Principe :

Une méthode statistique importante dans les statistiques non paramétriques pour estimer la variance des statistiques puis effectuer une estimation par intervalle, également connue sous le nom de méthode d’auto-assistance. Les idées principales et les étapes de base sont les suivantes :

1. Utilisez la technologie de rééchantillonnage pour extraire un certain nombre d'échantillons (donnés par vous-même) des échantillons originaux. Ce processus permet un échantillonnage répété.

2. Calculez la statistique T donnée en fonction des échantillons extraits.

3. Répétez les N fois ci-dessus (généralement supérieures à 1000) pour obtenir N statistiques T.

4. Calculez la variance de l'échantillon des N statistiques T ci-dessus pour obtenir la variance de la statistique.

Il faut dire que Bootstrap est une méthode statistique populaire dans les statistiques modernes, et elle fonctionne bien lorsque l'on travaille avec de petits échantillons. Des intervalles de confiance peuvent être construits grâce à l'estimation de la variance, et leur champ d'application est encore étendu.

Exemple de méthode d'échantillonnage spécifique : Si vous souhaitez connaître le nombre de poissons dans l'étang, vous pouvez d'abord échantillonner N poissons, les marquer et les remettre dans l'étang. Effectuez un échantillonnage répété, tirez M fois et tirez N poissons à chaque fois. Examinez la proportion de poissons marqués parmi les poissons tirés à chaque fois et calculez les statistiques en fonction de la proportion de M fois.

2. Processus pris en charge

1. Fréquence

　◎Le tableau de statistiques prend en charge la moyenne, Bootstrap. estimations de l'écart type, de la variance, de la médiane, de l'asymétrie, de l'aplatissement et des centiles. ◎Le tableau de fréquence prend en charge l'estimation bootstrap des pourcentages.

2. Descriptif

　◎Le tableau de statistiques descriptives prend en charge les estimations bootstrap de la moyenne, de l'écart type, de la variance, de l'asymétrie et de l'aplatissement.

3. Explorer

◎Le tableau de description prend en charge la moyenne, la moyenne tronquée à 5 %, l'écart type, la variance, la médiane, l'asymétrie, l'aplatissement et la distance intérieure. L'estimation bootstrap. ◎L'échelle de l'estimateur M prend en charge l'estimateur M de Huber, le double poids de Tukey, l'estimateur M de Hampel et l'estimateur bootstrap d'Andrew's Wave. ◎Le tableau des centiles prend en charge l'estimation bootstrap des centiles.

4. Tableau croisé

◎ Le tableau de mesure directionnelle prend en charge l'estimation bootstrap de Lambda, Goodman et Kruskal Tau, le coefficient d'incertitude et le d de Somers. ◎L'échelle de symétrie prend en charge Phi, le V de Cramer, le coefficient de contingence, le tau-b de Kendall, le tau-c de Kendall, Gamma, la corrélation de Spearman et les estimations bootstrap R de Pearson. ◎Le tableau d'évaluation des risques prend en charge l'estimation bootstrap du rapport de cotes. ◎Le tableau général des rapports de cotes de Mantel-Haenszel prend en charge l'estimation bootstrap et le test de signification de ln (Estimation).

5. Moyenne

　◎Le tableau de rapport prend en charge la moyenne, la médiane, la médiane de groupe, l'écart type, la variance, l'aplatissement, l'asymétrie et la moyenne harmonique et les estimations bootstrap des valeurs géométriques. moyens.

6. Test T sur un échantillon

　◎Le tableau statistique prend en charge l'estimation bootstrap de la moyenne et de l'écart type. ◎Le tableau de test prend en charge l'estimation bootstrap et les tests de signification des différences moyennes.

7. Test T sur échantillon indépendant

　◎Le tableau des statistiques de groupe prend en charge l'estimation bootstrap de la moyenne et de l'écart type. ◎Le tableau de test prend en charge l'estimation bootstrap et les tests de signification des différences moyennes.

8. Test T sur échantillon apparié

　◎Le tableau statistique prend en charge l'estimation bootstrap de la moyenne et de l'écart type. ◎Le tableau de corrélation prend en charge l'estimation bootstrap de la corrélation. ◎Le tableau de test prend en charge l'estimation bootstrap de la moyenne.

9. Analyse unidirectionnelle de la variance

　◎Le tableau de statistiques descriptives prend en charge l'estimation bootstrap de la moyenne et de l'écart type. ◎Plusieurs tableaux de comparaison prennent en charge l'estimation bootstrap des différences moyennes. ◎Le tableau de test de contraste prend en charge l'estimation bootstrap et les tests de signification des valeurs de contraste.

10. GLM variable unique

　◎Le tableau de statistiques descriptives prend en charge l'estimation bootstrap de la moyenne et de l'écart type. ◎Le tableau d'estimation des paramètres prend en charge l'estimation bootstrap des coefficients, B et les tests de signification. ◎Le tableau des résultats de la comparaison prend en charge l'estimation bootstrap et les tests de signification des différences. ◎Moyenne marginale estimée : le tableau d'estimation prend en charge l'estimation bootstrap de la moyenne. ◎Moyennes marginales estimées : les tableaux de comparaison par paires prennent en charge l'estimation bootstrap des différences moyennes. ◎Test de comparaison par paires : plusieurs tableaux de comparaison prennent en charge l'estimation bootstrap des différences moyennes.

11. Corrélation bivariée

　◎Le tableau de statistiques descriptives prend en charge l'estimation bootstrap de la moyenne et de l'écart type. ◎Le tableau de corrélation prend en charge l'estimation bootstrap de la corrélation.

12. Corrélation partielle

　◎Le tableau de statistiques descriptives prend en charge l'estimation bootstrap de la moyenne et de l'écart type. ◎Le tableau de corrélation prend en charge l'estimation bootstrap de la corrélation.

13. Régression linéaire

　◎Le tableau de statistiques descriptives prend en charge l'estimation bootstrap de la moyenne et de l'écart type. ◎Le tableau de corrélation prend en charge l'estimation bootstrap de la corrélation. ◎Le tableau récapitulatif du modèle prend en charge l'estimation bootstrap de Durbin-Watson. ◎Le tableau des coefficients prend en charge l'estimation bootstrap et les tests de signification des coefficients et B. ◎Le tableau des coefficients de corrélation prend en charge l'estimation bootstrap de la corrélation. ◎Le tableau des statistiques résiduelles prend en charge l'estimation bootstrap de la moyenne et de l'écart type.

14. Régression ordinale

　◎Le tableau d'estimation des paramètres prend en charge l'estimation bootstrap et le test de signification du coefficient B.

15. Analyse discriminante

　◎Le tableau des coefficients de la fonction discriminante des règles standardisées prend en charge l'estimation bootstrap des coefficients standardisés. ◎Le tableau des coefficients de la fonction discriminante canonique prend en charge l'estimation bootstrap des coefficients non standardisés. ◎Le tableau des coefficients de la fonction de classification prend en charge l'estimation bootstrap des coefficients.

16. GLM multivarié

　◎Le tableau d'estimation des paramètres prend en charge l'estimation bootstrap et les tests de signification des coefficients et B.

17. Modèle mixte linéaire

　◎Le tableau d'estimation des effets fixes prend en charge l'estimation bootstrap et les tests de signification des valeurs estimées. ◎Le tableau d'estimation des paramètres de covariance prend en charge l'estimation bootstrap et les tests de signification des valeurs estimées.

18. Modèles linéaires généralisés

　◎Le tableau d'estimation des paramètres prend en charge l'estimation bootstrap et les tests de signification des coefficients et B.

19. Régression de Cox

　◎Le tableau des variables de l'équation prend en charge l'estimation bootstrap et le test de signification des coefficients et B.

20. Régression logistique binaire

　◎Le tableau des variables de l'équation prend en charge l'estimation bootstrap et le test de signification des coefficients et B.

21. Régression logistique multinomiale

　◎Le tableau d'estimation des paramètres prend en charge l'estimation bootstrap et les tests de signification des coefficients et B.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!