Nonparametric Measures of Association pdf epub mobi txt 电子书下载 2026

简体网页||繁体网页

☆☆☆☆☆

出版者:Sage Pubns

作者:Gibbons, Jean D.

出品人:

页数:104

译者:

出版时间:1993-2

价格:$ 19.15

装帧:Pap

isbn号码:9780803946644

丛书系列:

图书标签:

统计学
非参数统计
关联性度量
数据分析
统计建模
假设检验
数据挖掘
机器学习
社会科学
心理学

下载链接在页面底部

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 复制链接

想要找书就要到本本书屋

onlinetoolsland.com

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

具体描述

When analyzing data, how should the relationship between two or more sets of observations be described, that is, values of two or more variables, when the variables are ordinal and not bivariate normal? Aimed at helping the researcher select the most appropriate measure of association for two or more variables, the author clearly describes such techniques as Spearman's rho, Kendall's tau, Goodman and Kruskals' gamma and Somer's d and carefully explains the calculation procedures as well as the substantive meaning of each measure. In addition, each technique is illustrated by one or more examples from recent social or behavioural science studies. Finally, Gibbons provides information on the strengths and weaknesses of leading statistical packages for calculating these measures.

《非参数关联度量》本书深入探讨了统计学中非参数关联度量的核心概念、方法与应用。在数据科学和统计分析的广阔领域中，理解变量之间的关系至关重要。然而，许多现实世界的数据集并不能满足参数方法的严格假设，例如正态分布或线性关系。在这种情况下，非参数方法提供了一种强大而灵活的替代方案，它们不依赖于特定的数据分布假设，因此在处理各种类型的数据时具有更广泛的适用性。本书系统性地梳理了非参数关联度量家族。我们首先从描述关联的基本概念入手，例如什么是关联，以及为何度量关联对于数据分析至关重要。接着，本书详细介绍了一系列经典的非参数关联度量，并对其数学原理、计算方法和解释进行深入剖析。秩相关系数（Rank Correlation Coefficients）：我们将重点关注 Spear man 的秩相关系数（Spearman's rho）和 Kendall 的 tau 系数。Spearman's rho 通过将原始数据转换为秩次来衡量变量之间的单调关系，适用于非线性但单调的关联。Kendall's tau 则基于排序对的一致性和不一致性来衡量关联，在处理小样本量或存在许多并列秩时表现良好。本书将详细阐述这两种方法的计算步骤，以及它们在不同场景下的优缺点。比例相关系数（Proportion of Concordant Pairs）：除了常见的秩相关系数，本书还会探讨其他非参数关联度量，例如比例相关系数，它通过计算一个变量的增加是否伴随着另一个变量的增加（或减少）来评估关联。距离相关性（Distance Correlation）：近年来，距离相关性作为一种新的度量方式引起了广泛关注。它能够捕捉比 Pearson 相关性更广泛的依赖关系，包括非线性关联。本书将介绍距离相关性的定义、计算方法及其在多变量分析中的潜力。 Goodman and Kruskal's gamma (γ)：在有序分类数据分析中，gamma 系数是一个重要的度量，它衡量了在所有可能配对中，观察到同序配对多于异序配对的比例。本书将详细解释 gamma 系数的计算和解释，以及它在社会科学和市场研究中的应用。 Kendall's W (W of concordance)：当我们需要评估多个评分者之间的一致性时，Kendall's W 是一个非常有用的统计量。它衡量了多个变量（或评分者）对同一组观测值排序的一致程度。本书将探讨 Kendall's W 的计算方法及其在评估多项选择题评分、专家意见汇总等场景下的应用。除了对单一变量对之间的关联度量进行详述，本书还将拓展到多变量关联的分析。我们将探讨如何使用非参数方法来评估多个变量之间是否存在共同的关联模式，例如，通过降维技术（如主成分分析的非参数版本）或基于距离的聚类方法来识别隐藏在数据中的结构。本书的内容组织旨在循序渐进，从基础概念到高级应用。每个章节都包含清晰的理论阐述、直观的例子和实际案例分析，帮助读者理解如何在真实的科学研究和实际应用中应用这些非参数关联度量。我们将使用 R 语言等统计软件展示具体的计算过程和可视化技术，确保读者能够动手实践。本书的特色和价值在于：普适性强：适用于各种类型的数据，尤其是在数据分布未知或不满足参数假设时。方法全面：涵盖了当前主流的非参数关联度量，并对其进行了深入的理论和实践阐述。案例丰富：通过来自不同领域的实际案例，展示了非参数关联度量在理解复杂数据关系中的强大能力。实践导向：提供了可操作的代码示例和分析指南，帮助读者将所学知识应用于实际问题。无论您是统计学、数据科学、机器学习、生物统计、社会科学、经济学、心理学还是工程学等领域的学生、研究人员还是从业者，如果您希望更全面、更准确地理解和分析变量之间的关系，而又不愿意被严格的分布假设所束缚，《非参数关联度量》都将是您不可或缺的参考工具。本书将为您提供一套坚实的理论基础和实用的分析技能，以应对真实世界数据的挑战。