挖矿笔记（三）

毋某人的挖矿笔记（三）

   今天毋小白来探索一下spss modoler中的“数据审核点”在我们中医狗的应用。描述变量在经过“数据审核点”处理后，可以一次性生成数据审核报告，不需要逐个计算和分析每个变量的汇总统计量及相关分布图形。
   As we know，描述统计分析虽然并不复杂，却都是实际分析中不可少的步骤。比如在之前略有提到的正态性检验，提到正态性检验就会自然联系到t检验。
   顺便复习一下t检验的应用条件：①随机样本。②来自正态分布总体（小样本）。我们用的最多的。对样本量N的要求为小于50。③两独立样本比较时，要求两总体方差相等（方差齐性）。
   在我们拿到一堆数据时，首先要看这个数据到底是呈现什么样的分布。要了解中位数，方差、标准差、众数、离差、平均差等。其中“偏度”和“峰度”是为了研究数据与正态分布的偏离程度。
   以正态分布偏度为0为标准，当偏度大于0时，为正偏态，向左边偏，偏度小于0时，为负偏态，向右边偏。偏度的绝对值越大，说明分布的偏移更严重。举例子：函数图像的长尾巴在右边，则为正偏态。
   峰度是一个相对于正态分布的对比量，正态分布的峰度系数为0，均匀分布的峰度系数为-1.2，指数分布的峰度系数为6.当峰度大于0时，图像更陡峭或尾部更厚。当峰度小于0时。图像更平缓或尾部更薄。
   我们利用峰度系数与其标准误差的比值进行正态性检验。如果该比值的绝对值大于2，则可以拒绝服从正态分布的假设。
   那么，毋小白就先去试一下水。根据山楂降血脂这个常识，先伪造一坨数据。

   通过过滤器筛选一下。

   在类型中“读取值”。输入角色设置为“目标”，也可以不设置。

   双击打开“数据审核”节点，要勾住那个“高级统计量”，“运行”它。得到了下面这个图。

   哦豁，左下角的居然出现了个离群点，说明可能数据出现了问题。于是，毋某人发现了这样的悲剧。

   OK，去修改一下数据变成0.007。就可以出现下面这两个图。

   峰度系数与其标准误差的比值的绝对值为0.546小于2，可以接受正态分布了。
   如果是两个独立样本的t检验，两组数据除了要满足正态性，还需要满足两组数据具有方差齐性。
   发现spss modoler上并没有提供这样的功能，（也可能是我瞎掉了，反正没找到）。因为人家的定位是数据挖掘，对数据进行分析，方差齐性的检验还是需要使用spss软件。度娘上关于spss的资源真是数不胜数，值得拥有。spss modoler的真心不好找，要人吐血。
   还有一个问题，不得不思考，当数据数据不符合正态分布时，我们该怎么办？
   ①从上面栗子看出来数据时中间多，两边分布少，有点像正态。所以要增加样本量。
   ②自然界中绝对的“正态性”是不存在的，从正态分布图直观查看数据分布情况，只要接近正态分布就可以用了。
   ③对数据进行对数转化后看看是不是正态。
   ④实在没法子，要使用非参数检验，wilcoxon检验。
   关于方差齐性检验，是按照基于均值、基于中值..等条件下得出相应的显著性水平，即sig值。t通常情况下规定，sig