万佛，问个统计问题 - 未名空间MITBBS历史存档

国际科技财经博客移民网络热点娱乐民生时事公众号

Redian新闻

>未名空间

>PhotoGear - 摄影器材

万佛，问个统计问题

万佛，问个统计问题# PhotoGear - 摄影器材

a*n2012-03-14 07:03

1 楼

在水木清华上也看到这个眼癌宝宝的捐款信息，但是马上就有热心家长出来警告这个儿
童希望基金会了，他们专门找一些得了绝症的长得漂亮可爱的宝宝，力劝家长找各种办
法治疗，倾家荡产，然后在各大网站宣传，捐了款完全不透明，不知道花到哪里去了，
最后小孩没了，家长也非常痛苦。大家要小心。

d*u2012-03-14 07:03

2 楼

假设在某DSLR市场里，80%的消费者选择A相机，12%选择B相机，8%选择C相机。
所有消费者的各个变量已知，包括性别，年龄，种族，婚否，教育水平，工资收入（连
续变量）等。
如何选择正确方法分析三类消费者某些变量之间是否有显著差异？
做方差分析？不同消费者的case数量差别巨大，且不能满足正态分布与方差齐次……
三组数据之间对不同变量两两做卡方检验？
多元逻辑回归，设定80%的A消费者为参照组，比较B和C的不同？
老猫介绍了个Propensity Score Matching方法，应该挺适合，不过一来现学估计来不
及，二来不考虑这些消费者是DSLR消费者所以肯定和其他人不同，不符合大数法则啥的
，就以这些人为全体，来分析三个类别之间某些变量是否有显著区别，怎么做？
多谢！

a*n2012-03-14 07:03

3 楼

参看这个：http://www.tianya.cn/publicforum/content/no01/1/411882.shtml

b*62012-03-14 07:03

4 楼

跳

a*n2012-03-14 07:03

5 楼

这个水木清华孩子版的帖子：大家千万不要给盈利的伪慈善捐款呀：
发信人: linlanxiang (鲜血梅花), 信区: Children
标题: 请大家警惕“儿童希望”组织的筹款信息
发信站: 水木社区 (Wed Feb 2 09:50:59 2011), 站内
今天看到十大上的帖子，心里很难受。
这么久时间了，这个组织越来越猖狂，还是一成不变的煽情，一成不变地借一些几乎不
能治愈的绝症孩子进行炒作和敛财。
她们会鼓动孩子家长治疗到底，最后大多数情况下，都是孩子在极端痛苦中去世，家长
生活在巨大的悲痛中，还要面临倾家荡产的局面。此时，在摇篮网上只化作一句“某某
宝宝化作天使”。
她们在“摇篮网”上的募捐中，不收奶粉，不收衣物，只收钱，而且，从不公布善款去
向。
组织负责人张雯有美国背景，兼做让美国无资质家庭领养中国孩子的生意，一个孩子收
费10W+美元。
如果大家有心，还能记得去年的天津无肛女婴炒作事件。在这次事件中，她们颠倒黑白
，利用媒体，隐瞒孩子真实病情，给孩子家庭造成了毁灭性的打击。现在，孩子已经去
世，她们依然煽动舆论，说是家长坚持不予治疗导致，其心可诛。
在此我诚恳地希望各位妈妈们，在善良之余，千万擦亮眼睛。
儿童希望，人在做，天在看，人不收你，老天也要收你！

d*u2012-03-14 07:03

6 楼

这不是坑……
严肃的学术问题！

m*i2012-03-14 07:03

7 楼

这些利用孩子的病来敛财的人，难道就不害怕举头三尺有神明吗？

【在 a***n 的大作中提到】

: 这个水木清华孩子版的帖子：大家千万不要给盈利的伪慈善捐款呀：
: 发信人: linlanxiang (鲜血梅花), 信区: Children
: 标题: 请大家警惕“儿童希望”组织的筹款信息
: 发信站: 水木社区 (Wed Feb 2 09:50:59 2011), 站内
: 今天看到十大上的帖子，心里很难受。
: 这么久时间了，这个组织越来越猖狂，还是一成不变的煽情，一成不变地借一些几乎不
: 能治愈的绝症孩子进行炒作和敛财。
: 她们会鼓动孩子家长治疗到底，最后大多数情况下，都是孩子在极端痛苦中去世，家长
: 生活在巨大的悲痛中，还要面临倾家荡产的局面。此时，在摇篮网上只化作一句“某某
: 宝宝化作天使”。

b*r2012-03-14 07:03

8 楼

这个做linear regression拟合啊

m*a2012-03-14 07:03

9 楼

还有那些拐卖儿童的，唉。

【在 m****i 的大作中提到】

: 这些利用孩子的病来敛财的人，难道就不害怕举头三尺有神明吗？

d*u2012-03-14 07:03

10 楼

dependent variable?
independent variables?

【在 b****r 的大作中提到】

: 这个做linear regression拟合啊

h*72012-03-14 07:03

11 楼

这个指责，只有一个家长这么说么？如果是，这个指责可靠么？
不要耽误一个孩子的幸福！

n*n2012-03-14 07:03

12 楼

我觉得:
不妨先只考虑 C+，N+两种相机
可以用 Logistic Regression
然后那些Covariates (e.g. 性别，年龄，高富帅，etc)
都可以test看是不是significant
然后以Odds Ratio来interpret;
现在有 C+，N+，S+三种相机
自然可以用
Multiple Logistic Regression
要是还有P+, O+
也可以一样Handle

a*n2012-03-14 07:03

13 楼

看看天涯的大讨论吧，看看大家对这个儿童基金会人肉的结果把，你们就会知道了，他
们从国际儿童领养赚钱起家，贩了多少中国孩子到美国来啊，现在已经是从俄罗斯到各
种小国家都搞得风生水起了。然后又把原先的儿基会的壳接过来，摇身一变成为慈善组
织了。。。唉，那个无肛婴儿的事情在国内闹得挺大的，大家去天涯看一下就知道了。

d*u2012-03-14 07:03

14 楼

恩，我原来的做法是，logit regression 比较A和非A用户，用odds ratio来解释
现在要把非A用户细化为B和C的话，打算是做multiple regression，但是想知道有没有
其他方法更好一些

j*n2012-03-14 07:03

15 楼

http://www.tianya.cn/publicforum/content/no01/1/411882.shtml
看着挺可怕的

n*n2012-03-14 07:03

16 楼

楼主不好意思说错了
推广形式的logistic regression应该叫
Multinomial logistic regression
（自从学了从来没用过）
高富帅对应参数就能interprete成
A/C的Odds Ratio
和
B/C的Odds Ratio

d*u2012-03-14 07:03

17 楼

哎，我连二元逻辑回归都是自己瞎做的……

【在 n*********n 的大作中提到】

: 楼主不好意思说错了
: 推广形式的logistic regression应该叫
: Multinomial logistic regression
: （自从学了从来没用过）
: 高富帅对应参数就能interprete成
: A/C的Odds Ratio
: 和
: B/C的Odds Ratio

n*n2012-03-14 07:03

18 楼

有Example/Tutorial:
http://www.ats.ucla.edu/stat/r/dae/mlogit.htm

b*r2012-03-14 07:03

19 楼

那些年龄，收入啥的变量，你觉得他们互相dependent或者independent，都有办法说出
道理啊
看类似论文大家比较通用的方法吧

【在 d*********u 的大作中提到】

: dependent variable?
: independent variables?

m*o2012-03-14 07:03

20 楼

这种GROUP MEMBERSHIP的统计研究方法很多，做起来也不太难。
但是你列的这些PREDICTOR未必有又显著性的INFLUENCE，即便有结果的解释也相当不易
，任何推断统计方法的ASSUMPTION都是很多的，达不达的到是个大问题，能否有CAUSAL
RELATIONSHIP就更是个疑问了。
没法严格设计实验的人的行为的统计研究其实是很难搞，做生物或者工程统计就好多了。

d*u2012-03-14 07:03

21 楼

多谢，当初上统计时候教授就推荐过UCLA的这个页面……俺好好学习去……
PS，原来你是用R的啊……

【在 n*********n 的大作中提到】

: 有Example/Tutorial:
: http://www.ats.ucla.edu/stat/r/dae/mlogit.htm

n*m2012-03-14 07:03

22 楼

propensity score matching是解决treatment的self-selection bias的，就是说你选
择吃不吃药和你的疗效是有关联的，和买相机有啥关系？
这就是classification的问题，machine learning里很多方法, 统计里multinomial
regression。
你有data吗？

【在 d*********u 的大作中提到】

: 假设在某DSLR市场里，80%的消费者选择A相机，12%选择B相机，8%选择C相机。
: 所有消费者的各个变量已知，包括性别，年龄，种族，婚否，教育水平，工资收入（连
: 续变量）等。
: 如何选择正确方法分析三类消费者某些变量之间是否有显著差异？
: 做方差分析？不同消费者的case数量差别巨大，且不能满足正态分布与方差齐次……
: 三组数据之间对不同变量两两做卡方检验？
: 多元逻辑回归，设定80%的A消费者为参照组，比较B和C的不同？
: 老猫介绍了个Propensity Score Matching方法，应该挺适合，不过一来现学估计来不
: 及，二来不考虑这些消费者是DSLR消费者所以肯定和其他人不同，不符合大数法则啥的
: ，就以这些人为全体，来分析三个类别之间某些变量是否有显著区别，怎么做？

d*u2012-03-14 07:03

23 楼

恩，有data，20K+的case，比例就是我说的比例，变量10+ 大部分为dumb variable，
有几个连续变量

【在 n*******m 的大作中提到】

: propensity score matching是解决treatment的self-selection bias的，就是说你选
: 择吃不吃药和你的疗效是有关联的，和买相机有啥关系？
: 这就是classification的问题，machine learning里很多方法, 统计里multinomial
: regression。
: 你有data吗？

d*u2012-03-14 07:03

24 楼

你一说俺有点明白了，我这统计就是二把刀，很多时候知其然不知其所以然，模型拿来
套用，原理却不求甚解……

【在 n*******m 的大作中提到】

n*m2012-03-14 07:03

25 楼

这个数据量足够了，不用太担心是不是正态分布的问题，都渐进了。先看看有多少
missing value，然后检查一下你的变量是不是太skew，是的话log transform一下。然
后上multinomial regression, 个人认为比multnomial logistic regression好解释。
用stata比较方便。
其实你也可以考虑用MANOVA，又叫做discriminant function analysis。

【在 d*********u 的大作中提到】

: 恩，有data，20K+的case，比例就是我说的比例，变量10+ 大部分为dumb variable，
: 有几个连续变量

n*m2012-03-14 07:03

26 楼

大家都是这样，现学现用，慢慢就会了。

【在 d*********u 的大作中提到】

: 你一说俺有点明白了，我这统计就是二把刀，很多时候知其然不知其所以然，模型拿来
: 套用，原理却不求甚解……

d*u2012-03-14 07:03

27 楼

我还是有点不太明白的是：用multinomial regression的话，dependent variable是什
么呢？multinomial logistical regression的dependent variable好理解，就是组别1
,2,3; multinomial regression 用啥？
变量skew也还好，不是很变态，我做二元logit regression的时候比较过log前后结果
，基本没有什么区别。
MANOVA和ANOVA原来就没学好，不太想用……哎

【在 n*******m 的大作中提到】

: 这个数据量足够了，不用太担心是不是正态分布的问题，都渐进了。先看看有多少
: missing value，然后检查一下你的变量是不是太skew，是的话log transform一下。然
: 后上multinomial regression, 个人认为比multnomial logistic regression好解释。
: 用stata比较方便。
: 其实你也可以考虑用MANOVA，又叫做discriminant function analysis。

n*m2012-03-14 07:03

28 楼

multinomial regression的dv也是1,2,3，只不过link function是normal
distribution的cdf，multinomial logistic regression的link是logit。stata里应该
可以选用哪一个。我记得在解释coefficient时，normal比logit方便。
http://www.ats.ucla.edu/stat/dae/
这里有multinomial logistic regression和manova的例子，我没找到multinomial
regression的例子。要不你就用logit吧。
一般来说log transform的作用是扩大iv的值域，这样你的估计的置信区间会比较窄，
更精确。你看看每个参数估计的方差有变化吗？
其实multinomial regression和manova用哪一个还是取决于你关心的问题，就好比
linear regression和anova是一回事，但是侧重点不同。这个几句话解释不清，我也很
久没用manova了，得翻翻书先，呵呵。
有个问题：你的数据是随机抽样的吗？这里可能会有bias啊。

别1

【在 d*********u 的大作中提到】

: 我还是有点不太明白的是：用multinomial regression的话，dependent variable是什
: 么呢？multinomial logistical regression的dependent variable好理解，就是组别1
: ,2,3; multinomial regression 用啥？
: 变量skew也还好，不是很变态，我做二元logit regression的时候比较过log前后结果
: ，基本没有什么区别。
: MANOVA和ANOVA原来就没学好，不太想用……哎

G*Y2012-03-14 07:03

29 楼

一对一对的比。
你有多少人呀。

【在 d*********u 的大作中提到】

d*u2012-03-14 07:03

30 楼

不是抽样数据，算population数据了，比如某一州所有的DSLR消费者数据。

【在 n*******m 的大作中提到】

: multinomial regression的dv也是1,2,3，只不过link function是normal
: distribution的cdf，multinomial logistic regression的link是logit。stata里应该
: 可以选用哪一个。我记得在解释coefficient时，normal比logit方便。
: http://www.ats.ucla.edu/stat/dae/
: 这里有multinomial logistic regression和manova的例子，我没找到multinomial
: regression的例子。要不你就用logit吧。
: 一般来说log transform的作用是扩大iv的值域，这样你的估计的置信区间会比较窄，
: 更精确。你看看每个参数估计的方差有变化吗？
: 其实multinomial regression和manova用哪一个还是取决于你关心的问题，就好比
: linear regression和anova是一回事，但是侧重点不同。这个几句话解释不清，我也很

d*u2012-03-14 07:03

31 楼

这个不太现实，因为一对一的match方法比较难做，GIS可能是比较好的方法，但是这个
涉及到一定区域的竞争程度，我暂时不考虑这些因素，一是技术手段的问题，一是数据
availability的问题

【在 G**Y 的大作中提到】

: 一对一对的比。
: 你有多少人呀。

G*Y2012-03-14 07:03

32 楼

我是说C家跟N家比，再跟另一家比。
logistic regression搞定。

【在 d*********u 的大作中提到】

: 这个不太现实，因为一对一的match方法比较难做，GIS可能是比较好的方法，但是这个
: 涉及到一定区域的竞争程度，我暂时不考虑这些因素，一是技术手段的问题，一是数据
: availability的问题

d*u2012-03-14 07:03

33 楼

恩，也可以试试，到时候看看和直接做多元回归有没有区别……

【在 G**Y 的大作中提到】

: 我是说C家跟N家比，再跟另一家比。
: logistic regression搞定。