高等数学 / 系统课时

分类数据与列联表

分类数据与列联表

本课解决分类变量如何整理和比较的问题。你将学会用单向表统计一个变量的构成,用列联表交叉汇总两个变量,并正确计算行比例、列比例和总体比例。

学习目标

  • 区分频数、频率和比例
  • 根据原始分类数据构造单向表与列联表
  • 选择合适的百分比解释变量关系

分类数据如何汇总

分类数据记录的是对象所属类别,例如支付方式、地区、设备类型或是否续费。它通常不能直接求平均值,最基本的整理方式是统计每个类别出现的次数。

频数是某类别出现的个数,频率是该频数占总数的比值,百分比则是频率乘以 100%。三者表达同一构成信息,但呈现尺度不同。假设调查 200 名用户的首选支付方式,结果如下。

支付方式 频数 比例
银行卡 90 45%
电子钱包 70 35%
银行转账 40 20%
合计 200 100%

这种只针对一个分类变量的汇总称为单向表。它适合回答“各类别分别有多少”和“总体构成是什么”。

两个分类变量用列联表

当需要同时观察两个分类变量时,可以把一个变量放在行上,另一个变量放在列上。每个单元格记录对应组合的频数,这种交叉表称为列联表。下面同时汇总用户类型与支付方式。

用户类型 银行卡 电子钱包 银行转账 合计
新用户 30 45 25 100
老用户 60 25 15 100
合计 90 70 40 200

表中“新用户且选择电子钱包”的联合频数为 45;新用户总数 100 和电子钱包总数 70 属于边际频数;全部样本数 200 是总频数。

行比例、列比例与总体比例

同一个频数可以用不同分母计算比例,回答的问题也不同。

行比例以所在行合计为分母。例如新用户中选择电子钱包的比例是 45 除以 100,即 45%。它适合比较“不同用户类型内部的支付偏好”。

列比例以所在列合计为分母。例如电子钱包用户中新用户占 45 除以 70,约为 64.3%。它适合分析“某种支付方式的用户构成”。

总体比例以全部样本数为分母。例如新用户且选择电子钱包的总体比例是 45 除以 200,即 22.5%。它描述该组合占全体样本的份额。

解释百分比时必须明确分母。只说“电子钱包占 45%”是不完整的,因为读者无法判断它是行比例、列比例还是总体比例。

如何从表中发现关系

若两个变量没有明显关系,不同行的比例分布通常较为接近。示例中,新用户选择电子钱包的比例为 45%,老用户为 25%,差异提示用户类型与支付方式可能有关。

但列联表只能描述样本中的模式,不能单独证明总体中一定存在关系。还要结合样本量、抽样方式和后续的卡方独立性检验判断差异是否超出随机波动。

当类别过多且某些单元格频数很小,可以在业务允许时合并相近类别。合并必须有清晰依据,不能为了得到理想结果而随意调整分类。

制表检查清单

完成列联表后,应检查每个单元格是否互斥且覆盖全部样本,行合计与列合计是否一致,总比例是否为 100%,以及百分比的分母是否与研究问题一致。

缺失值也要单独处理。直接删除缺失记录可能改变类别构成,更稳妥的做法是先报告缺失数量,再说明排除或归类规则。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

分类数据与列联表

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通