数据之路

各位同学，大家下午好！接下来大概花1个小时的时间和大家分享一下数据分析的一些基本思想，我给它起了个名字叫做用数据说话。内容都是个人的一些心得，比较肤浅！如有不足之处，希望大家谅解！废话不说了，现在咱正式开始。

用数据说话，就是用真实的数据说真实的话！真实也可以理解为求真务实。那么，数据分析就是不断地求真，进而持续地务实的过程！用一句话表达就是用数据说话，用真实的数据说话，说真话、说实话、说管用的话。

1．用数据说话

数据本不会说话，但是面对不同的人时，就会发出不同的声音。现在我们以《荒岛售鞋》这个老故事为引例，从数据分析的角度来解读，看看能不能开出新花？为防止大家案例疲劳，我尽量用新的表达方式把故事罗嗦一下！

话说郭靖和杨康，被成吉思汗派去美丽的桃花岛进行射雕牌运动鞋的市场拓展。郭靖和杨康一上桃花岛就惊讶地发现这里的居民全部赤脚，没有一个穿鞋的，不论男女还是老少，莫不如此。杨康一看，倒吸了一口凉气，说：唉！完了，没啥市场！郭靖却不这么认为，马上掏出了新买的IPHON

主成分分析是一种多元分析中最常见的降维和赋权方法。然而，在实际的应用中，许多人在没有搞清楚方法的意义时就大胆使用，很有点好分析不求甚解的味道。要知道这样的行为不仅害人而且害己。所谓害人，就是害了阅读你报告的人；所谓害己，就是你会一而再，再而三的犯错。

第一问：为什么要降维？在实际分析问题时，

今天在qq群里听到一些网友在讨论数据分析的话题。有人正为自己学会了spss而高兴，有人说自己还略懂sas，还有人提到了sql查询语言。大家都在积极地学习，希望能在数据分析领域有所建树。然而在这些网友中，统计科班出身的并不多。所以，他们一味地认为软件会的多，就表明数据分析能力强。其实，这是一个误区。纵然你练了十八般武器，但并见得你就能拼得过别人的三板斧。我以为统计软件学起来并不难，难得是理解统计方法的内涵。出于对大家的引导，我问了三个问题，一来帮大家义务扫盲，二来希望大家能重视基础。

在日常的统计分析中，标准差和标准误是一对十分重要的统计量，两者有区别也有联系。但是很多人却没有弄清其中的差异，经常性地进行一些错误的使用。对于标准差与标准误的区别，很多书上这样表达：标准差

    前段时间，看到这样一个案例。案例要求衡量学生的文科成绩与理科成绩之间的相关性。文科成绩包括语文、政治、历史，理科成绩包括数学、物理和化学。那么这道题该怎么做？面对多元相关分析，你可能会想到两种方法：一种是采用典型相关分析，计算这两组变量间的典型相关系数；另一种是采用结构方程中的潜变量相关，将文科和理科看成是潜变量，将语文、政治、历史看成是文科的测量变量，数学、物理、化学看成是理科的测量变量，然后计算两个潜变量间的相关系数。从理论上看貌似这两种方法都可以，但是计算的结果却可能相差甚远。

大年初一的早上，接到9岁小外甥的拜年电话，内容一共三句话。“舅舅过年好！今年你不回太原，我的压岁钱又少了。今年的春节联欢晚会不好看哈？”外甥吐字清晰，言简意赅。虽然交谈中的跳跃性很大，但也重点突出，堪称我虎年收到最独特的拜年。第一句纯粹例行公事，第二句表达的才是真实心理，第三句则紧贴时事，发表热点

Cronbach信度系数α的取值范围到底是多大？真如好多专业书上所说是【0，1】吗？对于α的取值范围很多数书上的表达都比较模糊，普遍认为α信度系数的值一般在0和1之间。更有学者给出了经验判定值，他们认为在基础研究中α系数至少应达到0.8才能接受，在探索研究中α系数至少应达到0.7才能接受，而在实务研究中α系数只需达到0.6即可。那么，到底α的理论取值范围是多大呢？

我们先看α信度系数的计算公式：

    夜深人静，你却烦躁不安。一头是调研报告的最后期限，一头是调查数据的百思不解。因子、回归、聚类、判别都使用过了，神经网络、关联规则和决策树也尝试好多次了，可面前的这堆数据还是无法解释。你打一个哈欠，将烟头狠狠地拧在烟灰缸上，然后起身冲下了今晚的最后一杯咖啡。你知道这一杯下去，天就要亮了。接下来的白天，你要先忍受老板的臭骂，再接受客户的罚款。想到这里，你可能再也忍不住了，大声地爆出两句粗口。骂那个狗日的督导不称职，骂那些兔崽子访问员又造假。

    如果能在问卷整理的时候就及时发现问题，那么你就不会在deadline的前夜被劣质的数据折磨的如此狼狈不堪。现在，我分享一下数据抓鬼的三班斧，一来能帮你审核数据、辨识真假，使得从统计秘籍上学来的分析招数能有用武之地；二来也能间接自律一下前线的调研，顺便整治一下市调行业的不良之风。

 第一招：设置同质题目，一个问题，多处提问。

    同质题目是指一个问题在问卷中设置两种问法，对一个受