Двумерный анализ - одна из простейших форм количественного (статистического) анализа . [1] Он включает в себя анализ двух переменных (часто обозначаемых как X , Y ) с целью определения эмпирической связи между ними. [1]
Двумерный анализ может быть полезным при проверке простых гипотез о ассоциации . Двумерный анализ может помочь определить, насколько легче узнать и предсказать значение одной переменной (возможно, зависимой переменной ), если мы знаем значение другой переменной (возможно, независимой переменной ) (см. Также корреляцию и простую линейную регрессию ) . [2]
Двумерный анализ можно противопоставить одномерному анализу, в котором анализируется только одна переменная. [1] Подобно одномерному анализу, двумерный анализ может быть описательным или логическим . Это анализ взаимосвязи между двумя переменными. [1] Двумерный анализ - это простой (с двумя переменными) частный случай многомерного анализа (когда одновременно исследуются несколько отношений между несколькими переменными). [1]
Когда есть зависимая переменная [ править ]
Если зависимая переменная - та, значение которой в некоторой степени определяется другой независимой переменной - является категориальной переменной , такой как предпочтительная марка злаков, то можно использовать пробит или логит- регрессию (или полиномиальный пробит или полиномиальный логит ). . Если обе переменные являются порядковыми , то есть ранжируются в последовательности как первая, вторая и т. Д., То может быть вычислен коэффициент ранговой корреляции . Если только зависимая переменная является порядковой, упорядоченный пробит или упорядоченный логитможет быть использован. Если зависимая переменная является непрерывной - либо уровень интервала, либо уровень отношения, например шкала температуры или шкала дохода, - тогда можно использовать простую регрессию .
Если обе переменные являются временными рядами , можно проверить конкретный тип причинности, известный как причинность Грейнджера , и выполнить векторную авторегрессию для изучения межвременных связей между переменными.
Когда нет зависимой переменной [ править ]
Когда ни одна из переменных не может рассматриваться как зависимая друг от друга, регрессия не подходит, но возможна некоторая форма корреляционного анализа. [3]
Графические методы [ править ]
Графики , подходящие для двумерного анализа, зависят от типа переменной. Для двух непрерывных переменных диаграмма рассеяния представляет собой обычный график. Когда одна переменная является категориальной, а другая непрерывной, обычно используется прямоугольная диаграмма, а когда обе категориальные - мозаичная . Эти графики являются частью описательной статистики .
См. Также [ править ]
- Каноническая корреляция
- Кодирование (общественные науки)
- Описательная статистика
Внешние ссылки [ править ]
- Дискриминантный корреляционный анализ (DCA) [4]
Ссылки [ править ]
- ^ а б в г д Эрл Р. Бэбби , Практика социальных исследований , 12-е издание, Wadsworth Publishing, 2009, ISBN 0-495-59841-0 , стр. 436–440
- ^ Двумерный анализ , индекс социологии>
- ^ Чаттерджи, Samprit (2012). Регрессионный анализ на примере . Хобокен, Нью-Джерси: Wiley. ISBN 978-0470905845.
- ^ М. Haghighat, М. Абдель-Mottaleb, и У. Alhalabi (2016). Дискриминантный корреляционный анализ: объединение на уровне функций в реальном времени для мультимодального биометрического распознавания . IEEE Transactions по информационной криминалистике и безопасности, 11 (9), 1984–1996.