2024年4月18日发(作者：)

上一篇文章已经介绍过了数据分析思路素养，如果对定性数据和定量数据的鉴别还是一

知半解，推荐先区分清两者再往下阅读，毕竟数据类型是一切研究的基础。

那么在基本的数据类型确认之后，接下来再讨论下数据研究的一些关系情况。

数据间的几类关系情况

大致可以分成以下三类：差异关系、相关关系、其他关系。

 差异关系

通常是研究不同类别的差异性。提到了不同类别，那就涉及到定性数据，差异关系

可以包括定性和定量数据的差异性，定性和定性数据的差异性。自然地也就对应到几类

研究方法中。

 相关关系

是指变量的数值之间存在着非严格的依存关系，比如越如何越如何之类的关系。包

括相关关系，还有影响关系等。X对于Y的影响关系情况如何等，此时影响关系又拆分

出几种分析算法。

 其它关系

比如数据的浓缩，聚类，权重计算等。

在进行数据研究时，首先需要想到的是“我想做什么？”，来回就只有三种关系，那么

这种关系有着明显的区分性，对应确认关系情况，加上数据类型的判断，对应就会找出

合理的数据研究方法。

具体分类

 差异关系

差异研究分析涉及三类方法，分别是方差分析、T检验和卡方检验。

编号 方法

1 方差分析

名词术语

P值，F值，事后检验，方差齐检验

说明

定性数据和定量数据关系研究

2

3

T检验

卡方分析

方差齐，T值，P值，单样本T检验，

定性数据和定量数据关系研究

独立样本T检验，配对样本T检验

P值，显著性，卡方值，分类数据 定性数据和定性数据关系研究

（1）方差分析是用于两个及两个以上样本均数差别的显著性检验。涉及以下名词术语，分

别是F值，事后检验，方差齐检验等。

P值：显著性值或Sig值，描述某事情发生的概率。

如果P值小于0.01即说明某件事情的发生至少有99%的把握，如果P值小于0.05（并且大

于0.01）则说明某件事情的发生至少有95%的把握。

例如研究人员想研究不同性别人群的购买意愿是否有明显的差异，如果对应的P值小于

0.05，则说明呈现出0.05水平的显著性差异，即说明不同性别人群的购买意愿有着明显的

差异，而且对此类差异至少有95%的把握，绝大多数研究均希望P值小于0.05，即说明有影

响，有关系，或者有差异等。

特别提示

常见标准：0.01和0.05，分别代表某事情发生至少有99%或95%的把握。

语言表述：0.01或0.05水平显著。

符号标示：0.01使用2个*号表示，0.05使用1个*号表示。

F值：用于表示是否存在差异，但最终均会计算成P值(F值和P值有一一对应关系)，因此

研究人员分析P值，不用单独对F值进行分析。

事后检验：事后检验基于方差分析基础上进行；如果方差分析显示P值小于0.05，即说明

有差异。

例如学历共分为三组(本科以下，本科，硕士及以上共三组)，具体是本科以下与本科有差异，

还是本科以下与硕士及以上有差异，或者两两组别之间均有差异，此时就需要使用事后检验

具体分析两个组别之间的差异情况。事后检验是在方差分析(多个组别对比差异)呈现出差异

后，进一步具体分析两两组别之间差异的一种检验方法。

方差齐性检验：用于分析不同定类数据组别对定量数据时的波动情况是否一致。

例如研究人员想知道三组学生的智商波动情况是否一致（通常情况希望波动一致，即方差

齐）。方差齐是方差分析的前提，如果不满足则不能使用方差分析。首先判断p值是否呈

现出显著性(p <0.05),如果呈现出显著性,则说明不同组别数据波动不一致，即说明方差不

齐；反之p值没有呈现出显著性（p>0.05）则说明方差齐。如果方差分析显示有差异时，研

究者需要具体对比各个组别的差异情况，即通过对比各个组别的平均得分进行进一步分析说

明。

（2）T检验(独立样本T检验),用于分析定性数据与定量数据之间的关系情况。

T检验仅可对比两组数据的差异,如果为三组或更多,则使用方差分析。如果刚好仅两组,建

议样本较少(低于100时)使用T检验,反之使用方差分析。

类似方差分析，T检验也会涉及到方差齐，以及T值和P值等术语。T值与P值也有对应关

系，研究人员对P值进行分析即可。

T检验还可以具体细分为单样本T检验，独立样本T检验和配对样本T检验，独立样本T检

验在问卷研究中使用频率最高。

（3）卡方分析是研究定性数据与定性数据关系的分析方法，比如性别和是否戴隐性眼镜之

间的关系。

卡方分析通常会涉及到卡方值和P值两个名词，卡方值与P值有对应关系。首先判断p值是

否呈现出显著性，P值小于0.05说明有差异存在，即说明性别与是否戴隐性眼镜之间有联

系。呈现出差异之后，具体差异可通过选择百分比进行对比判断。比如男性戴隐形眼镜的百

分比为30%，而女性戴隐形眼镜的百分比为50%，则说明女性样本戴隐形眼镜的比例要明显

高于男性样本。

上述知识介绍在SPSSAU帮助手册中均有详细说明，具体参考SPSSAU官方网站帮助手册。

 相关关系

变量的相关关系包括相关关系和影响关系等。两者既有区别也有联系。

编号 方法 名词术语

1

2

相关分析 相关系数，Pearson相关系数，Spearman相关系数

线性回归(模型检验指标) R平方，调整R平方，F值，VIF，D-W，多重共线性，自相

关性

3

4

线性回归(显著性指标)

Logistic回归分析

P值，显著性，非标准化回归系数和标准化回归系数

二元Logistic回归分析，多元无序Logistic回归分析，多

元有序Logistic回归分析

5 二元Logistic回归分析

(模型检验指标)

Hosmer and Lemeshow检验，Cox & Snell R 平方，Nagelkerke

R 平方

P值，回归系数B值，对数比(Exp(B)) 6 二元Logistic回归分析

(显著性指标)