我应该如何在分类变量和连续变量之间进行一致性分析？
我目前很难选择一种统计测试来验证使用两种不同测量风格的两种测量之间的一致性。下面是我的变量的结构。我将使用我的数据的一个假示例来帮助演示我的问题。
测量一:8个类别的1个标称变量-主要汽车选择，例如，您的主要汽车选择是什么。例如，1=福特，2=霍尔登，3=丰田，4=三菱，5=马自达，6=现代，7=斯巴鲁，8=大众。参与者在此实例中选择了一个类别作为其主要评分。测量二:从测量一中提取8个类别的8个连续变量。例如，请评估您购买a____福特的可能性。参与者在所有8个变量中对他们对项目的认可程度进行了评分，从1(根本不是)到5(极有可能)。
我的假设预测，这两种测量方式将彼此一致。也就是说，如果有人选择福特作为他们的主要汽车选择，他们也会支持购买福特汽车的可能性极大，比其他汽车更多。
对于这种一致性分析，我应该考虑哪些统计测试？到目前为止，我已经考虑过使用加权Cohen's kappa，但我认为这不太适合我的示例。
干杯,
雅各布。
Ps。请原谅我的汽车选择，我来自澳大利亚，选择了我所在地区最常见的汽车。
回答 1
Stack Overflow用户
发布于 2021-04-14 14:52:37
原则上，你可以用这些数据做很多事情。
从你的讨论中，有一件事我不清楚。你有那些来自同一个人的数据吗？因此，你知道“人A可能是福特的，他对所有品牌都有以下偏好？”或者这两个数据集是独立的，因此你只知道"x%的人会买福特，对汽车的总体偏好是……“。后者就没那么有趣了，我相信只有前者是相关的。对于后一种情况，Cohen kappa可能是您能做的最好的事情。
但是如果你有每个人的所有信息：
即使在这样一个相对简单的数据中，也有很多方面。你不可能将它减少到一个数字，而不会丢失大部分。我会首先制作一个表格，或2D图，在x轴上为其中一个制造商(例如斯巴鲁)制作一个评级为1...5的表，在y轴上为8个不同制造商的概率。我会发现有趣的是:哪些汽车是评级为"make A“的人的首选，只有1分，并将其与评级为"make B”的人进行比较。如果你对评级为5的人做同样的事情，这种变化会有多大？
这项研究的一个特别有趣的结果是，给"make A“打5分的人实际上选择"make A”的概率。并在所有的制造商之间进行比较。品牌之间可能存在差异，例如，一些品牌的买家可能更多地受到“理性”的驱使，而其他品牌的买家可能更受“时尚”的驱使。我相信与“理性”相比，“时尚”会导致更高的相关性(因此概率更高)……
https://stackoverflow.com/questions/67086356
复制相似问题
腾讯云开发者
