统计学变量

分组汇总分变量汇总分个体观察值汇总是这个吗？

对数变换。统计学是应用数学的一个分支学科，主要通过利用概率论建立数学模型，收集所观察系统的数据，进行量化分析和总结。在该学科中变量变换的方向是对数变换，无规律，即一种变量值变化时，另一种变量值可能变化也可能不变化。变量变换常用于将不具有高斯分布的数据变换成具有高斯分布的数据。

1：如果你是在做回归分析，那么这里是对解释变量的选择就是想剔除多元回归之间的多重共线性了，比如在分析你们家中的每月消费支出是，如果你选取的解释变量有父母工资，期货收益，还有存款利息等，加入还想加入你爸爸的工资来解释你家里每月的消费支出，这样变量之间就明显的产生了多重共线性了，应为你父母工资这个变量就是由你爸你妈工资之和构成的如果你爸爸的工资占你父母工资收入的绝大部分的话，那么这样变量：父母工资与变量：爸爸的工资的相关系数就会相当高了，这样在回归分析中就会产生许多错误，违反了高斯假定。所以这里就是为了消除多重共线性了2：这里使用的方法叫做逐步回归法

关于卫生统计学变量选择的方法分享如下：卫生统计学是一门运用统计学原理和方法，对卫生问题进行系统研究和分析的学科。在卫生统计学的研究中，变量的选择非常重要，它直接关系到研究的结果质量。本文将介绍卫生统计学变量选择的方法。1、根据研究对象和研究问题确定变量在研究开始前，需要根据实际问题确定研究对象和研究问题，以便正确选择变量。例如，在研究某种疾病的发病率时，需要选取与该疾病有关的风险因素作为自变量，如年龄、性别、职业、生活环境等。此外，还需要选取与疾病关系密切的影响变量，如家族病史或治疗方法等。2、根据变量类型进行选择卫生统计学的变量类型主要有连续型变量和分类型变量。在变量选择时，需要根据具体问题的研究目的，选取不同类型的变量。例如，在研究一个人的肥胖程度时，体重等指标是连续性变量；而BMI（身体质量指数）属于分类型变量，需要根据BMI指标的标准进行区分。3、根据变量的相关性选择在卫生统计学研究中，样本数据之间存在不同的关联性。例如，既往经验可以预测未来一段时间内的某种疾病的发生可能性；同时，某些卫生因素可能相互影响，导致某种疾病的发生率增高。因此，在选择变量的过程中，需要对变量之间的相关性进行评估和判断。可以通过使用相关系数和多元回归分析等方法进行判断，选取相关性高的变量。4、根据变量的可控性选择在变量选择的过程中，还需要考虑到变量的可控性。如果变量是无法控制的，那么就会影响研究的结果。例如，如果研究高血压患者的治疗效果，但无法控制患者的饮食、生活方式等多个因素，那么结果就会受到干扰。因此，在选择变量时，需要考虑到哪些变量是可以控制的，并以此决定是否将其作为自变量或影响变量。5、根据研究问卷进行选择在某些卫生统计学研究中，需要使用问卷调查的方式进行数据收集。因此，在设计问卷上也需要考虑到变量的选择。例如，在一项关于职业病的调查中，需要选择与该职业相对应的影响因素作为自变量，以及可能影响职业病发生的其他相关因素。总结起来，卫生统计学变量选择需要考虑到多个因素，包括研究对象、研究问题、变量类型、变量相关性、变量可控性等等。只有在正确选择变量的基础上，才能保证卫生统计学研究结果的准确性和实用性。

性别、年龄、民族、教育、健康、收入、亲属状况。人口统计学变量:包括性别、年龄、民族、教育、健康、收入、亲属状况。如人口出生率、死亡率、妇女平均生育年龄等等。而同批人分析则是对同时发生某一人口事件（如出生、结婚、生育）的一批人所进行的连续观察与分析。进一步考虑到实际同批人方法的局限性，人口学还发展、运用了假定同批人分析法。同期人分析和同批人分析是人口学所特有的两种基本统计分析方法。同期人分析法主要是通过对一定时空范围内的人口现象或事件进行量的测度与描述，说明其发生的频率和水平。人口学中的绝大部分人口统计指标都属于同期人指标。它的特点就是将某一时期人口群体所发生的人口事件作为同批人在各不同时期发生的相应事件来看待。在人口学分析中有特殊作用的生命表、生育表和结婚表等就是按此方法编制的，人口净再生产率、平均世代间隔等专门指标也是在其基础上计算的。

统计学中一般作为被解释变量的是什么 “社会统计学与数理统计学的统一”理论的重大意义 王见定教授指出：社会统计学描述的是变量，数理统计学描述的是随机变量，而变量和随机变量是两个既有区别又有联系，且在一定条件下可以相互转化的数学概念。王见定教授的这一论述在数学上就是一个巨大的发现。 我们知道“变量”的概念是17世纪由著名数学家笛卡尔首先提出，而“随机变量”的概念是20世纪30年代以后由苏联学者首先提出，两个概念的提出相差3个世纪。截至到王见定教授，世界上还没有第二个人提出变量和随机变量两者的联系、区别以及相互的转化。我们知道变量的提出造就了一系列的函数论、方程论、微积分等重大数学学科的产生和发展；而随机变量的提出则奠定了概率论和数理统计等学科的理论基础和促进了它们的蓬勃发展。可见变量、随机变量概念的提出其价值何等重大，从而把王见定教授在世界上首次提出变量、随机变量的联系、区别以及相互的转化的意义称为巨大、也就不视为过。 下面我们回到：“社会统计学和数理统计学的统一”理论上来。王见定教授指出社会统计学描述的是变量，数理统计学描述的是随机变量，这样王见定教授准确地界定了社会统计学与数理统计学各自研究的范围，以及在一定条件下可以相互转化的关系，这是对统计学的最大贡献。它结束了近400年来几十种甚至上百种以上五花八门种类的统计学混战局面，使它们回到正确的轨道上来。由于变量不断地出现且永远地继续下去，所以社会统计学不仅不会消亡，而且会不断发展状大。当然数理统计学也会由于随机变量的不断出现同样发展状大。但是，对随机变量的研究一般来说比对变量的研究复杂的多，而且直到今天数理统计的研究尚处在较低的水平，且使用起来比较复杂；再从长远的研究来看，对随机变量的研究最终会逐步转化为对变量的研究，这与我们通常研究复杂问题转化为若干简单问题的研究道理是一样的。既然社会统计学描述的是变量，而变量描述的范围是极其宽广的，绝非某些数理统计学者所云：社会统计学只作简单的加、减、乘、除。从理论上讲，社会统计学应该覆盖除数理统计学之外的绝大多数数学学科的运作。所以王见定教授提出的：“社会统计学与数理统计学统一”理论，从根本上纠正了统计学界长期存在的低估社会统计学的错误学说，并从理论上和应用上论证了社会统计学的广阔前景。 统计学中年级属于什么变量 年纪是顺序变量，一般用于分析年纪高低对其他因素的影响；实际分析中如果只是用年纪来对人群分类，并不在意年级高低的影响的话，也可以作为分类变量。 统计学中参数和变量有什么关系 参数是相对于总体分布来说的，反映总体基本信息的特征数字，称作总体参数，简称参数。一般来讲，研究者所关心的参数常有总体平均数、总体标准差。 变量是指被观察单位的特征，是指可变的数量标志和所有的统计指标。比如：在校生人数、商品销售额、产品质量等级梗..等都是变量。 统计学中的自变量、因变量、额外变量是什么意思？ Y = AX ^ 2 + BX + C 其中X是自变量，Y是因变量，Y与X的变化而变化 统计学上的两个概念：什么是属性变量?什么是数量变量？ 最好能各举几个例子 能用数值表示的变量就是数量变量，比如年龄、身高、人口、收入等。 不能用数值表示的就是属性变量，比如性别分男女、商品质量分一二三等品。 统计学中月份算不算变量 “12个月的销售额” 是 1 个变量。 “12个月的销售额”是 12个月中一次一次销售的数额 累加起来的 总和。 计量单位是 （元/每12个月） 统计计算，你可以是按年度，例如： 2005年1月到12月，2006年1月到12月，...2012年1月到12月，2013年1月到12月，2014年1月到12月。每年得 1个 “12个月的销售额”。共有 10个统计数字。然后统计 计算 平均值，最大值，最小值，均方差 等等。 统计学离散型变量和连续型变量有什么区别 离散变量是指其数值只能用自然数或整数单位计算的则为离散变量.例如,企业个数,职工人数,设备台数等,只能按计量单位数计数,这种变量的数值一般用计数方法取得. 反之,在一定区间内可以任意取值的变量叫连续变量,其数值是连续不断的,相邻两个数值可作无限分割,即可取无限个数值.例如,生产零件的规格尺寸,人体测量的身高,体重,胸围等为连续变量,其数值只能用测量或计量的方法取得. 如果变量可以在某个区间内取任一实数，即变量的取值可以是连续的，这随机变量就称为连续型随机变量， 比如，公共汽车每15分钟一班，某人在站台等车时间x是个随机变量， x的取值范围是[0,15)，它是一个区间，从理论上说在这个区间内可取任一实数3.5、√20等，因而称这随机变量是连续型随机变量。

两份类就不需要虚拟变量的统计专业，为您服务

性别 用两个独立样本的差异检验 年级、城乡多有3个水平 就要用方差分析了

这个可以做描述性统计，均值标准差，或者频数等

剧情处处不合理。 斯蒂夫知道达伦是为了救他才变成吸血鬼的吗？这一点，自始至终都没有交待，也就是说，不知道真相的斯蒂夫以为达伦拿走了本该属于他的变成吸血鬼的机遇。 这个很重要，第一，如果是编剧遗忘，那就太失败了，因为如果我是那个一心想变成吸血鬼的斯蒂夫，发现最好的朋友欺骗了自己，我可能选择与他相同。 第二，如果不交代这个剧情，那就永远无法让我们看清楚斯蒂夫到底是个什么样的人

《中华人民共和国职业分类大典》将我国职业归为8个大类，共1838个职业。 这部大典是我国第一部具有国家标准性质的职业分类大全，是由劳动和社会保障部、国家质量技术监督局、国家统计局联合颁布的。大典参照国际标准职业,从我国实际出发，按照工作性质同一性的基本原则，对我国社会职业进行了科学划分和归类，全面客观地反映了现阶段我国社会职业结构状况，填补了我国职业分类的一项空白。 这部大典将我国职业归为8个大类，66个中类，413个小类。8个大类分别是：第一大类：国家机关、党群组织、企业、事业单位负责人；第二大类：专业技术人员；第三大类：办事人员和有关人员；第四大类：商业、服务业人员；第五大类：农、林、牧、渔、水利业生产人员；第六大类：生产、运输设备操作人员及有关人员；第七大类：军人；第八大类：不便分类的其他从业人员。但便于研究需要，一般把他们分类为白领和蓝领就可以了。但事实上，随着社会分工的更加细化，技术的发展，职业分类上也有越来越多的”领“：“金领”阶层一般是具有良好的教育背景，在某一行业有所建树的资深人士。“白领”阶层一般是指有教育背景和工作经验的人士。“蓝领”阶层这类阶层是指有一定技能或没有技能的人。“灰领”：是对某一类职业人群的称呼，相对于“白领”和“蓝领”而言，“灰领”既具有较强的理论知识水平，又具有比较强的动手操作能力的工作人员。是最近出现的一种职场称谓，一般是高职学校毕业的大专生。他们是既掌握较高的现代科学知识，又具有较高的操作技能的复合型人才。“灰领”原指负责维修电器、机械的技术工人，因为他们经常穿灰色制服工作而得名。如今灰领的范畴已扩大，电子工程师、软件开发工程师、装饰设计工程师、绘图工程师、喷涂电镀工程师等。“灰领”是一种新型的人才，是一个有独立的智能结构、职业特征的人才类型，他们有较高的学历、丰富的专业知识、较强的动手操作能力。简单地说，就是既会动脑，又会动手的人。“黑领”：有指“农民工”。那么在研究中，你可以根据自己的需要对职业进行划分，便于研究即可，在文中说明清楚划分依据。

人口统计学变量：统计学概念，是指在人口统计过程中设定项。可以是性别、年龄、受教育程度等。

能更加准确的统计社会的发展变化。探讨人口统计学，他能更加准确的统计社会的发展变化，人口统计学是指研究人口发展及其规律，人口变量与社会，经济，生态环境等变量之间的相互关系的学科。

人口统计学变量:包括性别、年龄、民族、教育、健康、收入、亲属状况

性别、年级、是否独生、是否为留守儿童及父母打工类型。留守儿童生活事件的人口统计学变量差异分析，分别以性别、年纪、是否独生及年级为自变量，进行留守儿童生活事件的差异分析。研究发现不同性别留守儿童在心理弹性、社会支持总量表方面存在显著性差异，在支持利用度方面存在着非常显著的差异。在这三方面，女生的得分都显著高于男生。

人口统计学变量：统计学概念，是指在人口统计过程中设定项。可以是性别、年龄、受教育程度等。

不是。人口统计学的变量是指：性别、年龄、健康状况、职业、婚姻、文化水平和收入。所以住房不是人口统计学变量。人口统计学是一门研究如何有效地收集、分析和利用人口统计信息的科学。人口统计学中，变量是描述性特征的术语，是用来描述数据的属性。

　　摘 要:本研究使用了总体幸福感量表、积极情感和消极情感量表,用SPSS11.5对获得的数据进行处理与有关分析。针对南京地区三所大学一至三年级的硕士、博士研究生中随机发放问卷500份,对其主观幸福感与人口学统计变量的关系进行了实证研究。 　　关键词:研究生 幸福感 　　中图分类号:G643 文献标识码:A 文章编号:1672-3791(2012)06(c)-0219-02 　　研究发现,人口统计学变量能揭示情感平衡变异的6%,虽然没有人格揭示的百分比高,但是并不影响人口统计学变量说明问题的有效性,从本文的研究中可以看出不同性别、独生非独生状况、单亲非单亲家庭等对研究生主观幸福感和心理健康水平有较好的预测力。 　　1 研究生主观幸福感的性别差异t检验结果描述与分析 　　对不同性别的研究生主观幸福感、积极情感、消极情感、神经质、精神质、外向性做独立样本t检验,结果表明(见表1),不同性别在主观幸福感量表得分、积极情感、消极情感、神经质、外向性上不存在统计显著性差异,不同性别的研究生总体幸福感上均不存在显著差异,这一结论符合国内外研究者的结论,即在幸福感的体验上性别并不起主导作用。不同性别的研究生在精神质得分上有统计显著性差异,其中女研究生在这个方面的得分高于男研究生。但艾森克人格问卷简式量表中国版精神质的信度指标只是达到标准,因此这一项上的得分显著并不能一定说明女研究生肯定比男研究生更精神质。对照艾森克人格简式量表中国版常模,男、女研究生在精神质上得分都低于常模平均分,但都在标准差范围内。在外向性得分上,男、女研究生得分都接近常模,并且在标准差范围内。与外倾性得分相同,在神经质得分上,男、女研究生也都接近常模,并且在标准差范围内。本文对研究生主观幸福感的性别差异t检验结果显示,总体幸福感在性别上差异并不显著,也就是说在幸福感方面,男研究生和女研究生并不存在差异。但有些研究得出了不同的结论,李志,彭建国等2000年对780名重庆学生的调查发现,幸福感上男女差异极其显著。郑雪,王玲等2003年对大学生主观幸福感进行调查发现女大学生的幸福感显著高于男大学生。但并不能说明本研究在不同性别的幸福感差异的结论上存在问题,因为还有学者的研究结果显示男女在幸福感上不存在显著差异,例如:段建华1996年发现,总体幸福感男女不存在显著差异。郑雪,严标宾等对广州大学生的调查显示,无论哪个维度,男女间都没有达到显著水平,男性和女性大学生在对幸福感的体验上不存在明显差别。因此我们的结论是,不同性别的研究生在幸福感上是否存在差异并不能下定论,要根据具体情况、具体问题具体分析。着眼于本文中,第一,我们研究的群体素质比较高,我们调查的多为国内比较好的大学的研究生群体,他们多为同龄人中的佼佼者,很多人是一路读重点学校考上来的,因此这部分人相比起同龄人在学业上有比较大的成就感。第二,本文调查的研究生被试在就业方面,虽然很多人还是存在压力的,但是毕竟将来有比较好的毕业背景,并不十分担心找不到工作,而是担心是否可以找到更好的工作,这方面如果处理的好的话压力反而是动力。第三,本研究发放问卷的院校都是综合性比较强的大学,各学科实力都比较高,这就避免了有些师范类院校中女生认同感高于男生而导致的女生幸福感高于男生的偏差。 　　在研究生精神质的性别差异t检验的结果达到显著,而且是男生高于女生。精神质,在艾森克人格简式量表中,它代表一种粗暴强横、倔强固执和铁石心肠的特点。在该维度上得分高的人往往被看成“自我中心的、攻击性的,冷酷的、缺乏同情心的,对他人不关心的,而且通常不关心他人的权力和福利”[1]。而得分低的人则表现为温柔、善感等特点。如果个体的精神质特点表现明显,则易导致行为异常。艾森克认为,神经质与精神质纬度一起可以表示各种神经症和各种精神病。因此,该维度也可以看成是心理健康的一个指标。男研究生在该维度上的得分并没有达到高分的水平,但是显著高于女研究生,这也说明在精神质的表现形式上男研究生确实要多于女研究生,例如男研究生可能更冷酷、自我中心、攻击性,而女研究生则多表现出温柔、善感、有同情心等等。 　　2 研究生主观幸福感的是否独生差异t检验结果描述与分析 　　对独生和非独生研究生主观幸福感、积极情感、消极情感做独立样本t检验,结果表明(见表2),在主观幸福感、积极情感、消极情感得分方面,独生和非独生子女研究生之间主观幸福感差异达到统计显著水平,积极情感和消极情感体验差异均未达到统计显著性水平。 　　研究生幸福感的是否独生差异t检验结果表明独生和非独生子女研究生之间总体幸福感差异达到统计显著水平。就文献检索来看,目前国内针对这一人口学变量对幸福感的影响的研究很少有人涉及。本研究的结论是非独生子女幸福感显著高于独生子女。我们认为导致这一结论的原因可能有以下两点:一方面非独生子女至少拥有一个兄弟姐妹,这样相对独生子女来讲在社会支持网络上更有优势,遇到事情可以跟自己的兄弟姐妹倾诉,可以缓解压力,提升主观幸福感水平。另一方面,非独生子女研究生在将来赡养父母问题上压力相对小些,赡养父母可以和其他兄弟姐妹一起分担,不用过分担心自己将来要一个人承担赡养义务。但以往学者对大学生的研究中并未得出相似结论,一般独生和非独生子女大学生主观幸福感并不存在显著差异。这一点本研究并不敢妄下结论,因为幸福感有很多影响因素,例如调查的地域、学校类型、时间等等都可能影响到结果的科学性。只能说在本研究调查的地区、学校等得出的结论是在独生和非独生研究生群体里主观幸福感水平上,非独生子女研究生确实比独生子女研究生主观幸福感水平高些,并且达到显著水平。 　　参考文献 　　[1] Eysenck,H.J.(1981).A model for personality.Berlin,Germany:Springer verlag.

统计学变量类型如下：一、定量变量1、连续变量：在一定区间内可以任意取值，比如身高体重。2、离散变量：只能用自然数或者整数单位计算，其数值是间断的，相邻两个数值之间不再有其他数值。二、定性变量1、有序分类变量：描述数据的等级或顺序，可以进而比较优劣，变量值可以是数值或字符。2、无序分类变量：取值之间没有顺序差别，仅做分类，又可分为二分类变量和多分类变量。发展过程：统计学的英文statistics最早源于现代拉丁文Statisticum Collegium（国会）、意大利文Statista（国民或政治家）以及德文Statistik，最早是由Gottfried Achenwall于1749年使用，代表对国家的资料进行分析的学问，也就是“研究国家的科学”。十九世纪，统计学在广泛的数据以及资料中探究其意义，并且由John Sinclair引进到英语世界。统计学是一门很古老的科学，一般认为其学理研究始于古希腊的亚里士多德时代，迄今已有两千三百多年的历史。它起源于研究社会经济问题，在两千多年的发展过程中，统计学至少经历了“城邦政情”、“政治算数”和“统计分析科学”三个发展阶段。