继续我们的知识总结，本文总结包括：模型研究方法、信息浓缩方法、一致性检验方法、配对数据研究方法、多元统计方法。往期文章可登录SPSSAU官网查看（http://www.spssau.com/）
16. 模型研究方法
当需要研究多个变量之间的关系情况时，通常可构建统计模型用于分析及预测。
如果研究一个X或多个X对Y的影响关系，其中Y为定量数据，可使用线性回归分析。
如果研究一个X或多个X对Y的影响关系，其中Y为定类数据，可使用Logistic分析。
如果要分析1组X与一组Y之间的关系情况，可使用典型相关分析。
如果要分析多个X与多个Y之间的影响关系情况，且样本量较小（通常小于200），可使用PLS回归分析。
如需分析多个X对多个Y的影响关系，以及具体哪些X对哪些Y有影响如何影响，可使用路径分析。
还有一种方法称为结构方程模型，包含测量模型和结构模型。如果需要测量模型和结构模型，可使用结构方程模型。
17. 信息浓缩方法
当研究中包括有很多题目或很多变量时，可通过信息浓缩的方法，把数据浓缩成一个或多个变量，以便用于后续的分析。
主成分分析和因子分析都是信息浓缩的方法，即将多个分析项信息浓缩成几个概括性指标。如果希望进行将指标命名，SPSSAU建议使用因子分析。原因在于因子分析在主成分基础上，多出一项旋转功能，该旋转目的即在于命名。
平均值和求和也是信息浓缩的常用方法，比如要将多个题项合并成一个变量，可通过求平均值概括成一个题项。当数据不满足正态，存在极端值时，可用中位数代替平均值。
18. 一致性研究方法
一致性检验的目的在于比较不同方法得到的结果是否具有一致性。检验一致性的方法有很多比如：Kappa检验、ICC组内相关系数、Kendall W协调系数等。
Kappa系数检验，适用于两次数据（方法）之间比较一致性，比如两位医生的诊断是否一致，两位裁判的评分标准是否一致等。
ICC组内相关系数检验，用于分析多次数据的一致性情况，功能上与Kappa系数基本一致。ICC分析定量或定类数据均可；但是Kappa一致性系数通常要求数据是定类数据。
Kendall W协调系数，是分析多个数据之间关联性的方法，适用于定量数据，尤其是定序等级数据。
19. 配对数据研究方法
配对研究是一种医学上常见的研究设计，常见于单组样本前后对比研究，或者将样本分为实验组和对比组两组，针对干预措施进行研究。
如果配对样本数据为定量数据时，可使用配对样本T检验。
如果配对样本数据为定量数据，但配对样本的差值不符合正态分布，则考虑使用配对Wilcoxon检验。
如果数据为定类数据，则使用配对卡方检验。
20. 多元统计研究
判别分析：用于在分类确定前提下，根据数据的特征来判断新的未知属于哪个类别。
对应分析：用于分析定类数据的分类情况，并结合图形展示。
曲线分析：如果想要研究X对Y的影响关系，且X和Y不满足线性关系（可通过散点图观察），而呈现出曲线关系，建议根据曲线拟合图结果，选择拟合程度较好的曲线进行曲线回归分析。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
