5.3　共詞頻次矩陣的數(shù)據(jù)類型和數(shù)據(jù)總體分布的推斷分析

由于數(shù)據(jù)類型和數(shù)據(jù)總體分布影響統(tǒng)計分析方法的選擇，針對不同類型的數(shù)據(jù)和不同的總體分布特征，采用的統(tǒng)計方法可能有所不同，因此，在選擇統(tǒng)計分析方法之前，首先要分析數(shù)據(jù)的類型和分布特征。

1.共詞頻次矩陣的數(shù)據(jù)類型

我們得到的共詞矩陣的數(shù)據(jù)，其取值范圍是由10～80之間的正整數(shù)組成，每個值的大小表明共詞的頻率，但其差值沒有可比意義，因此，判斷該數(shù)據(jù)為離散型有序數(shù)據(jù)。

2.共詞頻次矩陣的數(shù)據(jù)分布推斷

由于正態(tài)分布是在統(tǒng)計分析中運(yùn)用最廣泛的假設(shè)分布，因此首先運(yùn)用Lillifors統(tǒng)計量檢驗法，判定相關(guān)矩陣的數(shù)據(jù)總體是否符合正態(tài)分布。SPSS提供了Lillifors法，它可以在方差和均值未知的情況下直接使用，它是對Kolmogorov-Smirnov和Shapiro-Wilk統(tǒng)計量的修正，Kolmogorov-Smirnov和Shapiro-Wilk檢測時建立在觀測量與預(yù)期積累分布之間存在巨大差異的基礎(chǔ)上，一般情況下，當(dāng)其顯著水平值S＜0.05時，便可以拒絕數(shù)據(jù)正態(tài)分布的原假設(shè)。

在SPSS13.0軟件中，得到表5-3所示的正態(tài)分布測試結(jié)果。

表中顯示Kolmogorov-Smirnov和Shapiro-Wilk統(tǒng)計量中的顯著水平值S=0.000＜0.05，所以拒絕數(shù)據(jù)的正態(tài)分布的假設(shè)，相關(guān)矩陣數(shù)據(jù)分布不符合正態(tài)分布規(guī)律。

其次，運(yùn)用非參數(shù)檢驗推斷共詞頻次矩陣數(shù)據(jù)的總體分布。啟用非參數(shù)檢驗(nonparametric tests)的卡方檢驗(Chi-square test)功能?？ǚ綌M合優(yōu)度檢驗的方法是：我們研究的總體分布F未知，希望由樣本來檢驗這個總體分布F是否等于給定的分布F₀，即H₀∶F(x)=F₀(x)，H₁∶F(x)≠F₀(x)H₀，其中F₀(x)為已知的分布函數(shù)(在離散場合用概率分布)。常見的已知分布F₀(x)在離散時為均勻分布，在連續(xù)場合為正態(tài)分布，指數(shù)分布等。我們對共頻次矩陣進(jìn)行均勻分布測試。在SPSS13.0軟件中，得到表5-4所示的均勻分布測試結(jié)果。

表5-3　正態(tài)分布測試結(jié)果(Tests of Normality)

續(xù)表

a Lilliefors Significance Correction.

表5-4　均勻分布測試結(jié)果(Test Statistics)

續(xù)表

表中顯著水平值A(chǔ)symp.S=0.000＜0.05，所以拒絕數(shù)據(jù)的均勻分布的假設(shè)，相關(guān)矩陣數(shù)據(jù)分布不符合均勻分布規(guī)律。

基于正態(tài)分布和均勻分布測試結(jié)果，我們將在下文采取與其相適應(yīng)的分析方法和步驟。