数学建模筛选变量

变量很多怎样筛选变量

我查阅资料归纳了一下这些方法：

（1）用excel进行多个变量排序筛选：

选择表格的第一行，之后在数据->筛选->勾选自动筛选。可以发现第一行中所有的表格都有了一个下拉列表。点击下拉列表可以发现其中包含：升序排列、降序排列、全部、以及下面列表中出现的数据信息。利用这个可以方便的进行数据的排序和筛选，而且当你不需要筛选的时候只需要取消筛选即可。并保留你编辑过的排序结果。

（2）利用Matlab进行线性回归分析进行多个变量排序筛选：

在Matlab中，可以直接调用命令实现回归分析：

（1）[b,bint,r,rint,stats]=regress(y,x)，其中b是回归方程中的参数估计值，bint 是b的置信区间，r和rint分别表示残差及残差对应的置信区间。stats包含三个数字，分别是相关系数，F统计量及对应的概率p值。

（2）recplot(r,rint)作残差分析图。

（3）rstool(x,y)一种交互式方式的句柄命令。

（3）利用SPSS软件进行线性回归分析进行多个变量排序筛选：

一、多项选择题的数据编码和变量设置

对于多项选择题，根据选择项目的多少和分析目的，在SPSS软件中常用的2种数据编码和变量设置的方法：

1、多重二分法，对于多项选择题的每一个选项看作一个变量来定义。0代表没有被选中，1代表被选中。这样，多项选择题中有几个选项，就会变成几个单选变量，这些单选变量的选项都有两个，就是

未选和选中，即0或1。如项目2有7个多选项,可将7个选项分别设置1个变量,即该问题分解为7个变量，每个变量设置变量值0和1。0表示“未选”，1表示“选中”。如上述项目2，可设置数值变量:a1、a2、a3……a7

2、多重分类法，多项选择题中有几个选项，就定义几个单选变量。每个变量的选项都一样，都和多项选择题的选项相同。每个变量代表被调查者的一次选择，即记录的是被选中的选项的代码。由于被调查者可能不会全部都选，在数据录入时，一般从这些变量的靠左边的变量开始录入，右边的变量自然就是缺失值。当被调查者对多项选择题中的选项全部选择时，这些变量中都有一个选项代码，此时没有缺失值。如项目2您想选择哪些择偶条件（任选三项），有3个多选项,可将3个选项分别设置3个变量,即该问题分解为3个变量b1、b2、b3,每个变量设置变量值1、2、

3、

4、

5、6和7（见表2）。若某人购车决策影响因素同时选择价格、款式、和性能,可在变量b1输入5、b2中分别输入2, b3中输入1。

二、多项选择题的数据集合的定义

在对收集到的问卷进行数据分析之前，首先应该定义多项选择题的数据集合，即哪些项目构成一个多选题。在SPSS统计软件中多项选择题的数据集合的定义。

三、多项选择题的分析过程

多项选择题的数据集合定义完成之后，就可以对数据进行分析。分析包括两种：频数分析和列联表分析。

（一）频数分析过程

多项选择题的频数分析过程（Freqencies），只能通过Multiple Response菜单里的Freqencies过程实现，生成多项选择题的频数分析表比较简单。

（二）列联表分析过程

多项选择题的列联表分析过程（Crosstabs），可以产生多重交叉列联表，而且可以对单元格进行很细致的分析。

四、多项选择题答案的排序分析

在有些调查不仅要研究多项选择题的组合，还要研究答案的排序情况。如本例中的购车决策影响因素，允许选择3个答案，而且要求被调查者按主次顺序选出答案，如521，即价格最重要，其次是款式，再次是性能。针对此种情况，多项选择题的数据编码和变量设置只能采取多重分类法（multiple category method）。