分类数据分析 - Statgraphics|数据分析解决方案

分类数据是将观测值分类为属于一个或多个类别的数据。例如，某个项目可能会被判断为好或坏，或者对调查的响应可能包括同意、不同意或不同意等类别。Statgraphics 包括许多用于处理此类数据的过程，包括方差分析、回归分析和统计过程控制部分中包含的建模过程。

制表过程旨在汇总属性数据的单列。它以表格形式列出该列中每个唯一值的出现频率。频率以表格形式显示，并以条形图或饼图的形式以图形方式显示。

饼图/圆环图过程使用饼图或圆环的切片绘制一列计数或频率。如果需要，选定的切片可以与饼饼或甜甜圈的其余部分偏移。

“频率表”过程分析已制成表格的单个分类因子。它使用条形图或饼图显示频率。还可以执行统计检验以确定数据是否符合一组多项式概率。

交叉制表分析过程旨在汇总两列属性数据。它构造了一个双向表，显示两列中所有唯一值对的出现频率。构造统计量以量化列之间的关联程度，并运行测试以确定一列中的值与另一列中的值之间是否存在统计显著的依赖关系。频率以表格形式显示，并以图形形式显示为条形图、马赛克图或天图。

列联表过程旨在分析和显示双向表中包含的频率数据。此类数据通常是作为调查的结果收集的。构造统计信息以量化行和列之间的关联程度，并运行测试以确定行分类和列分类之间是否存在统计显著的依赖关系。频率以表格形式显示，并以图形形式显示为条形图、马赛克图或天图。

Polish中位数过程为双向表中包含的数据构建模型。该模型以公共值、行效应、列效应和残差表示每个单元格的内容。尽管使用的模型与使用双向方差分析估计的模型相似，但模型中的项是使用中位数而不是均值来估计的。这使得估计值更能抵抗可能存在的异常值。

“对应分析”过程在双向列联表中创建行和列的映射，以便深入了解行和/或列变量类别之间的关系。通常，不需要超过两个或三个维度来显示表格中的大部分可变性或“惯性”。输出的一个重要部分是对应映射，在该映射上，两个类别之间的距离是它们相似性的度量。

“多重对应分析”过程将创建两个或多个变量类别之间的关联映射。它生成一个类似于“对应分析”过程的映射。然而，与单独比较每个变量类别的过程不同，这种分类数据分析过程关注变量之间的相互关系。对于像右边这样的复杂地图，Statgraphics 动态旋转、缩放和平移操作可能非常有用。

李克特图过程分析以李克特量表记录的数据。李克特量表通常用于调查研究，以记录用户对陈述的反应。

项目可靠性分析旨在估计一组变量的可靠性或一致性。它通常用于评估调查中的一组问题（每个问题都旨在非法获取有关相同特征的信息）给出一致结果的程度。该过程的主要输出是 Cronbach 的 alpha。

龙卷风和屁股图

Tornado 和 Butterfly Plots 过程将创建两个类似的图，用于比较 2 个属性数据样本。每个图由 2 组条形图组成，这些条形图显示每个样本在一组类别中的频率分布。图之间的唯一区别是标签的放置位置。

维恩图和欧拉图（版本 19）

维恩图和欧拉图过程将创建显示离散事件发生的相对频率的图。它们由表示特定事件频率的圆形区域组成，其中圆形的重叠表示同时发生多个事件。