探索性數(shù)據(jù)分析

1、研究生課程論文 課程名稱：探索性數(shù)據(jù)分析 論文題目：同時(shí)描述兩個(gè)變量的案例分析 基于JMP軟件 姓 名： 學(xué) 號(hào)： 課程老師 本次將主要對(duì)第四章的同時(shí)描述兩個(gè)變量進(jìn)行簡(jiǎn)單地案例分析，這章主要將數(shù)據(jù)劃分分兩類(lèi)：定類(lèi)變量（建模中包括定名型和定序型）以及連續(xù)變量。在兩個(gè)變量關(guān)系的研究中，我們需要分析上述兩類(lèi)變量的三種組合：兩個(gè)定類(lèi)變量、兩個(gè)連續(xù)變量、連續(xù)變量和定類(lèi)變量各一個(gè)。本章中，我們將會(huì)學(xué)習(xí)上述三種成對(duì)二元數(shù)據(jù)的幾種常見(jiàn)分析方法。共同變化描述：兩個(gè)定類(lèi)變量主要通過(guò)初識(shí)二元分布圖、馬賽克圖、列聯(lián)表描述共同變化描述：兩個(gè)連續(xù)變量主要通過(guò)兩個(gè)連續(xù)變量的分布、散點(diǎn)圖、相關(guān)系數(shù)矩陣描述兩組比較：一個(gè)連續(xù)變

2、量，一個(gè)定類(lèi)變量主要通過(guò)單因子分析描述案例分析背景：高血壓仍然是美國(guó)人的主要健康問(wèn)題。數(shù)據(jù)表（NHANES）包含了來(lái)自于2005年美國(guó)對(duì)大量人群調(diào)查所得到的數(shù)據(jù)。在該案例分析中，我們只關(guān)注一下變量：RIAGENDR:受調(diào)查者的性別RIDAGEYR:受調(diào)查者的年齡（單位：年）RIDRETH1：受調(diào)查者的種族或民族背景BMXWT:受調(diào)查者的體重（單位：千克）BPXPLS:受調(diào)查者的靜息脈率BPXSY1：受調(diào)查者的收縮壓（最高值以BP為單位）BPXD1：受調(diào)查者的舒張圖（最小值以BP為單位）a、 繪制收縮壓與年齡的散點(diǎn)圖。在這個(gè)樣本中，血壓會(huì)隨著人們的年齡發(fā)生什么樣的變化？繪制的散點(diǎn)圖如下：二元擬合

3、，以“RIDAGEYR”擬合“BPXSY1”線性擬合BPXSY1 = 101.87455 + 0.4873796*RIDAGEYR擬合匯總 R 方0.333854調(diào)整 R 方0.333754均方根誤差15.37906響應(yīng)均值119.0438觀測(cè)數(shù)（或權(quán)重和）6668方差分析源自由度平方和均方F 比模型1790155.27901553340.819誤差66661576612.0237概率F校正總和66672366767.2|t|截距101.874550.35172289.65.0001*RIDAGEYR0.48737960.00843257.80.0001* 圖1 散點(diǎn)圖 從上圖可以看出，散點(diǎn)大

4、部分都在紅色擬合線附近，但散點(diǎn)呈現(xiàn)的形態(tài)與一條理想的直線的關(guān)系卻相差甚遠(yuǎn)。在本例中R2為0.33，說(shuō)明擬合效果較差，血壓和年齡之間的關(guān)系不是很明顯。b、計(jì)算并輸出收縮壓和舒張壓之間的相關(guān)性度量。 連續(xù)型數(shù)據(jù)的概括性描述被稱為相關(guān)性分析，它度量了兩個(gè)變量間線性相關(guān)強(qiáng)度。線性相關(guān)系數(shù)用字母r表示，是r方的平方根，因此，r的取值范圍是-1.1。r越接近區(qū)間端點(diǎn)，兩個(gè)變量間的線性關(guān)系就越弱。兩變量的相關(guān)系數(shù)矩陣如下圖2：圖2 相關(guān)系數(shù)矩陣 從上表可以看出，收縮壓和舒張壓的相關(guān)系數(shù)是0.3993，說(shuō)明兩者的相關(guān)性不是很明顯。c、比較男性和女性見(jiàn)收縮壓的分布分布圖如下：圖3 分布圖 從上圖3可以看出，男性的收縮壓和女性的收縮壓差不多，男性為49.095%，女性為50.905%，說(shuō)明收縮壓和性別之間不存在特別大的關(guān)系。測(cè)量地大部分結(jié)果都集中在6575之間。d、比較以種族或民族背景為依據(jù)的收縮壓的分布。分布圖如下：圖4 分布圖 從上述圖4可以看出，非西班牙裔白人收縮壓占得比例最高，為37.97%，墨西哥裔美國(guó)其次，為27.528%，非西班牙裔黑人為26.281%。e、繪制收縮壓與靜息脈率的散點(diǎn)圖。分布