跳到主要內容

臺灣博碩士論文加值系統

(44.222.189.51) 您好!臺灣時間:2024/05/26 20:05
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:李姝瑩
研究生(外文):LI,SHU-YING
論文名稱:多變量有序資料量化方法及比較分析
論文名稱(外文):Comparison of Scaling Methods for Multivariate Ordinal Data
指導教授:許玉雪許玉雪引用關係
指導教授(外文):HSU,ESHER
學位類別:碩士
校院名稱:國立臺北大學
系所名稱:統計學系
學門:數學及統計學門
學類:統計學類
論文種類:學術論文
論文出版年:2009
畢業學年度:97
語文別:中文
論文頁數:46
中文關鍵詞:多變量有序資料多變量分析量化法
外文關鍵詞:multivariate ordinal datamultivariate analysisquantification method
相關次數:
  • 被引用被引用:2
  • 點閱點閱:327
  • 評分評分:
  • 下載下載:26
  • 收藏至我的研究室書目清單書目收藏:0
目前實務界中有序資料的使用日趨頻繁,然而有序資料的統計分析若未經適當處理,貿然採用連續性資料的分析方式,將與許多統計分析方法中連續性的假設前提互相抵觸,因此發展有序資料的量化法是有其必要性,而此多變量有序資料量化法應同時兼顧 (1) 變數值本身應有的順序關係, (2) 變數與變數間的相關性, (3) 量化後資料的連續性。
蕭侑文 (2002) 一文探討多變量有序資料的量化方式,其量化結果可將類別型態的資料轉成連續性的數值資料,惟其在多變量的量化過程中較難保有原始資料的有序結構,因此本研究將以Pölz (1995)及Van de Geer (1992)的量化法為基礎,並結合蕭侑文(2002)提出的隨機化起始值的方式產生不同的多變量有序量化法,其量化過程保留資料的有序性,且使其變數間的相關性達到最大。
為了驗證本研究所提出的多變量有序資料量化法之可行性,分別利用模擬資料和調查所得的多變量有序資料進行實證分析,並就本研究提出的多變量有序量化法與傳統所使用的等距量化法所得之量化結果透過主成份分析、判別分析與Spearman等級相關進行比較分析。
本研究最大的貢獻便是提出多變量有序量化法,使有序類別資料的量化有進一步的突破,量化結果不但保有變數值的順序性、變數間的相關性,且將資料由類別形態提升為連續的資料型態。因此,在未來的各項統計分析上將不受制於連續性的前提假設,有序資料經本文提出的量化法量化後,可利用於各項連續性資料的統計分析方式進行估計、預測及比較。
In practice, ordinal data are usually collected and inappropriately treated as continuous data analyzed with some statistical methods which are only suitable for continuous data. A suitable quantification for ordinal data is necessary that could enable us conduct quantitative analysis with qualitative data. An appropriate quantification method for multivariate ordinal data should simultaneously consider (1) ordinal relationship among levels of the variable, (2) correlation among variables, and (3) continuity of quantified data.
Based upon the quantification methods from Pölz (1995) and Van de Geer (1992) this thesis proposes a quantification method for multivariate ordinal data. Both simulation approach and empirical analysis are used to compare the performance of the quantification method with traditional method. The study results show that the quantification method for multivariate ordinal data proposed by this thesis could not only transfer ordinal data into continuous data but also keep the correlation among variables and ordinal relationship among levels of the variable. The multivariate ordinal data rescaled by the methods proposed by this thesis can further be directly analyzed with any statistical methods.
目錄
第1章 緒論 1
1.1 研究動機與目的 1
1.2 章節架構 2

第2章 文獻探討 3
2.1 單變量有序資料量化 3
2.2 多變量名目資料量化 7
2.3 多變量有序資料量化 9

第3章 研究方法 10
3.1 研究流程 10
3.2 多變量有序資料量化方法 12
3.3 簡例說明 16
3.4 量化結果之比較分析 19

第4章 模擬分析 20
4.1 高度相關資料之模擬分析 20
4.1.1. 多變量有序量化法之量化流程 21
4.1.2. 多變量有序量化法與等距量化法之比較分析 23
4.2 低度相關資料之模擬分析 28
4.2.1. 多變量有序量化法之量化流程 29
4.2.2. 多變量有序量化法與等距量化法之比較分析 31

第5章 實證分析 37
5.1 多變量有序量化法之量化流程 38
5.2 多變量有序量化法與等距量化法之比較分析 40

第6章 結論與建議 44

參考文獻 46
蕭侑文. (2002). 多變量有序資料之量化方法. 國立台北大學統計學系碩士論文.
Agresti, A. (1990). categorical data analysis.
Gifi, A. (1990). Nonlinear Multivariate Analysis. New York: Wiley.
Greenacre, J. M. (1984). Theory and applications of correspondence analysis. London: Academic.
Joreskog, G. K., & Moustaki, I. (2001). Factor Analysis of Ordinal Variables: A Comparison of Three Approaches. Multivariate Behavioral Research , 3 (36), pp. 347-387.
Polz, W. (1995). Optimal scaling ordered categories. Computational Statistics , 10, pp. 37-41.
Van de Geer, P. J. (1993). Multivariate Analysis of Categorical Data : Application.
Van de Geer, P. J. (1993). Multivariate Analysis of Categorical Data : Theory.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top