top of page
dscrptv
Matrix of Methods / Матрицы методов
К сожалению, эта страница сайта недоступна на мобильных устройствах.
Навигация по странице

​

​

​

​

​

​​

Matrix of Methods / Матрицы методов

Одно из важнейших оснований выбора метода для анализа - тип шкалы исследуемых признаков. На этой странице все методы, представленные на сайте, систематизированы в привязке к поставленной задаче (типу анализа) и типам шкал переменных. Чтобы выбрать нужный метод из матрицы, определите типы шкал используемых переменных и посмотрите на ячейку, в которой эти 
типы пересекаются - там указан подходящий метод анализа. Обратите внимание на примечания к матрицам, если они есть.

Описательная статистика
Матрица методов​
crsstbs
Поиск парной связи
Матрица методов​
cmprmns
Поиск различий между группами
Матрица методов​
Примечание: y - зависимая переменная, x - группирующая переменная
fctr
Факторизация
Матрица методов​
Примечание: если в анализе используются переменные всех типов шкал одновременно, следует применять категориальный метод главных компонент (CatPCA) с соответствующими уровнями оцифровки (nominal, ordinal, numeric для номинальных, порядковых, интервальных шкал соответственно)
clstr

 

Номинальная

​

 

Порядковая

​

 

Интервальная

​

 

Тип шкалы

​

 

Номинальная

​

Анализ соответствий
(в т.ч. множественный)

Категориальный метод главных компонент (CatPCA)
с уровнями оцифровки
nominal и ordinal

Категориальный метод главных компонент (CatPCA)
с уровнями оцифровки
nominal и numeric

​

Порядковая

​

Категориальный метод главных компонент (CatPCA)
с уровнями оцифровки
nominal и ordinal

Категориальный метод главных компонент (CatPCA)
с уровнем оцифровки ordinal

Категориальный метод главных компонент (CatPCA)
с уровнями оцифровки
ordinal и numeric


Интервальная

​

Категориальный метод главных компонент (CatPCA)
с уровнями оцифровки
nominal и numeric

Категориальный метод главных компонент (CatPCA)
с уровнями оцифровки
ordinal и numeric

Метод главных компонент

Кластеризация
Матрица методов​
Примечание: если в анализе используются переменные всех типов шкал одновременно, следует применять 2-ступенчатый кластерный анализ
rgrssn
Прогнозирование
Матрица методов​
Примечание 1: если в роли независимых переменных присутствуют переменные разных типов шкал, в качестве основания
для выбора метода следует взять переменную с наиболее низким типом шкалы (тип шкалы повышается в следующем порядке: номинальная – порядковая – интервальная)
Примечание 2: в логлинейном анализе нет разделения на зависимые и независимые переменные, любая переменная может рассматриваться как зависимая

Дихотомическая (y)

Тип шкалы

Номинальная с большим числом категорий или порядковая (y)

Интервальная (y)

 

Номинальная (x)

​

Бинарная логистическая регрессия с фиктивными переменными, дискриминантный анализ
с фиктивными переменными, пробит-регрессия
с фиктивными переменными, деревья классификации, логлинейный анализ

Мультиномиальная логистическая регрессия
с фиктивными переменными, деревья классификации, логлинейный анализ

Линейная регрессия
с фиктивными переменными, деревья классификации

​

Порядковая (x)

​

Бинарная логистическая регрессия с фиктивными переменными, дискриминантный анализ
с фиктивными переменными, пробит-регрессия
с фиктивными переменными, деревья классификации, логлинейный анализ

Мультиномиальная логистическая регрессия
с фиктивными переменными, деревья классификации, логлинейный анализ

Линейная регрессия
с фиктивными переменными, деревья классификации


Интервальная (x)

​

Бинарная логистическая регрессия, дискриминантный анализ, пробит-регрессия, деревья классификации

Мультиномиальная логистическая регрессия, деревья классификации

Линейная регрессия, деревья классификации

bottom of page