怎麼解釋交互分類表數據

A. 如何解釋模型里的交互項的含義。解釋的讓我滿意有加分

一般情況下，存在交互項需要先解釋交互項，交互項不顯著則對比未加入交互項之前的變化，
你至少要run出三條回歸方程式：
假設自變數為X，因變數為Y，調節變數為Z
第一條回歸方程式薯鄭閉: Y=a1+b1(X)
第二條數裂回歸方程式: Y=a2+b1(X)+b2(Z)
第三條回歸方程式: Y=a3+b1(X)+b2(Z)+b3(XZ)
在這之前叢賣，我還需要問下，你這都是連續變數還是虛擬變數？

B. SPSS進行交互作用分析的數據類型問題

所謂交互作用，就是變數A對於結果的影響在變數B出現變化時也會出現變化。也就是說，改派可能在變數B較斗賀小時變數A與結果成正相關，而變數B較大時變數A與結果成負相關，這樣畫出來的圖自然會是交叉的。這就叫交互作用。
交互作用檢驗有兩種方法，一是對交
互作核銷賀用項回歸系數的檢驗（Wald
test）,二是比較兩個回歸模
型，一個有交互作用項，另一個沒有交互作用項，用似然比檢驗。

C. SPSS中交互分類表是什麼意思

當我們的調查問卷在把調查數據拿回來後,我們該做的工作就是用相關的統計軟體進行處理,在此,我們以spss為處理軟體,來簡要說明一下問卷的處理過程,它的過程大致可分為四個過程:定義變數、數據錄入、統計分析和結果保存.下面將從這四個方面來對問卷的處理做詳細的介紹.
Spss處理:
第一步:定義變數
大多數情況下我們需要從頭定義變數，在打開SPSS後，我們可以看到和excel相似的界面，在界面的左下方可以看到Data View, Variable View兩個標簽,只需單擊左下方的Variable View標簽就可以切換到變數定義界面開始定義新變數。在表格上方可以看到一個變數要設置如下幾項:name(變數名)、type(變數類型)、width(變數值的寬度)、decimals(小數位) 、label(變數標簽) 、Values(定義具體變數值的標簽)、Missing(定義變數缺失值)、Colomns(定義顯示列寬)、Align(定義顯示對齊方式)、Measure(定義變數類型是連續、有序分類還是無序分類).
我們知道在spss中,我們可以把一份問卷上面的每一個問題設為一個變數,這樣一份問卷有多少個問題就要有多少個變數與之對應,每一個問題的答案即為變數的取值.現在我們以問卷第一個問題為例來說明變數的設置.為了便於說明,可假設此題為:
1.請問你的年齡屬於下面哪一個年齡段( )?
A:20—29 B:30—39 C:40—49 D:50--59
那麼我們的變數設置可如下: name即變數名為1，type即類型可根據答案的類型設置,答案我們可以用1、2、3、4來代替A、B、C、D,所以我們選擇數字型的，即選擇Numeric, width寬度為4，decimals即小數位數位為0（因為答案沒有小數點），label即變數標簽為「年齡段查詢」。Values用於定義具體變數值的標簽,單擊答消叢Value框右半部的省略號，會彈出變數值標簽對話框,在第一個文本框里輸入1,第二個輸入20—29,然後單擊添加即可.同樣道理我們可做如下設置,即1=20—29、2=30—39、3=40—49、4=50--59；Missing，用於定義變數缺橋態失值, 單擊missing框右側的省略號，會彈出缺失值對話框, 界面上有一列三個單選鈕，默認值為最上方的「無缺失值」；第二項為「不連續缺失值」，最多可以定義3個值；最後一項為「缺失值范圍加可選的一個缺失值」，在此我們不設置預設值,所以選中第一項如圖；Colomns，定義顯示列寬,可自己根據實際情況設置；Align，定義顯示對齊方式,有居左、居右、居中三種方式；Measure，定義變數類型是連續、有序分類還是無序分類。
以上為問卷中常見的單項選擇題型的變數設置,下面將對一些特殊情況的變數設置也作一下說明.
1.開放式題型的設置:諸如你所在的省份是_____這樣的填空題即為開放題,設置這些變數的時候只需要將Value 、Missing兩項不設置即可.
2.多選題的變數設置:這類題型的設置有兩種方法即多重二分法和多重分類法,在這里我們只對多重二分法清櫻進行介紹.這種方法的基本思想是把該題每一個選項設置成一個變數,然後將每一個選項拆分為兩個選項項,即選中該項和不選中該項.現在舉例來說明在spss中的具體操作.比如如下一例:
請問您通常獲取新聞的方式有哪些( )
1 報紙 2 雜志 3 電視 4 收音機 5 網路
在spss中設置變數時可為此題設置五個變數,假如此題為問卷第三題,那麼變數名分別為3_1、3_2、3_3、3_4、3_5,然後每一個選項有兩個選項選中和不選中,只需在Value一項中為每一個變數設置成1=選中此項、0=不選中此項即可.
使用該窗口，我們可以把一個問卷中的所有問題作為變數在這個窗口中一次定義。
到此,我們的定義變數的工作就基本上可以結束了.下面我們要作就是數據的錄入了.首先,我們要回到數據錄入窗口,這很簡單,只要我們點擊軟體左下方的Data View標簽就可以了.
第二步:數據錄入

Spss數據錄入有很多方式,大致有一下幾種:
1.讀取SPSS格式的數據
2.讀取Excel等格式的數據
3.讀取文本數據（Fixed和Delimiter)
4.讀取資料庫格式數據(分如下兩步)
（1）配置ODBC （2）在SPSS中通過ODBC和資料庫進行
但是對於問卷的數據錄入其實很簡單,只要在spss的數據錄入窗口中直接輸入就可以了,只是在這里有幾點注意的事項需要說明一下.
1. 在數據錄入窗口,我們可以看到有一個表格,這個表格中的每一行代表一份問卷,我們也稱為一個個案.
2. 在數據錄入窗口中,我們可以看到表格上方出現了1、2、3、4、5…….的標簽名,這其實是我們在第一步定義變數中,我們為問卷的每一個問題取的變數名,即1代表第一題,2代表第二題.以次類推.我們只需要在變數名下面輸入對應問題的答案即可完成問卷的數據錄入.比如上述年齡段查詢的例題,如果問卷上勾選了A答案,我們在1下面輸入1就行了(不要忘記我們通常是用1、2、3、4來代替A、B、C、D的).
3.我們知道一行代表一份問卷,所以有幾分問卷,就要有幾行的數據.
在數據錄入完成後,我們要做的就是我們的關鍵部分,即問卷的統計分析了,因為這時我們已經把問卷中的數據錄入我們的軟體中了.
第三步:統計分析

有了數據，可以利用SPSS的各種分析方法進行分析，但選擇何種統計分析方法，即調用哪個統計分析過程，是得到正確分析結果的關鍵。這要根據我們的問卷調查的目的和我們想要什麼樣的結果來選擇.SPSS有數值分析和作圖分析兩類方法.
1.作圖分析:
在SPSS中，除了生存分析所用的生存曲線圖被整合到Analyze菜單中外，其他的統計繪圖功能均放置在graph菜單中。該菜單具體分為以下幾部分：:
(1)Gallery：相當於一個自學向導，將統計繪圖功能做了簡單的介紹，初學者可以通過它對SPSS的繪圖能力有一個大致的了解。
(2)Interactive：互動式統計圖。
(3)Map：統計地圖。
(4)下方的其他菜單項是我們最為常用的普通統計圖，具體來說有：

條圖

散點圖

線圖

直方圖

餅圖

面積圖

箱式圖

正態Q-Q圖

正態P-P圖

質量控制圖

Pareto圖

自回歸曲線圖

高低圖

交互相關圖

序列圖

頻譜圖

誤差線圖

作圖分析簡單易懂,一目瞭然,我們可根據需要來選擇我們需要作的圖形,一般來講,我們較常用的有條圖,直方圖,正態圖,散點圖,餅圖等等,具體操作很簡單,大家可參閱相關書籍,作圖分析更多情況下是和數值分析相結合來對試卷進行分析的,這樣的效果更好.
2.數值分析:
SPSS 數值統計分析過程均在Analyze菜單中，包括：
(1)、Reports和Descriptive Statistics：又稱為基本統計分析.基本統計分析是進行其他更深入的統計分析的前提，通過基本統計分析，用戶可以對分析數據的總體特徵有比較准確的把握，從而選擇更為深入的分析方法對分析對象進行研究。Reports和Descriptive Statistics命令項中包括的功能是對單變數的描述統計分析。
Descriptive Statistics包括的統計功能有：
Frequencies(頻數分析)：作用:了解變數的取值分布情況
Descriptives(描述統計量分析)：功能：了解數據的基本統計特徵和對指定的變數值進行標准化處理
Explore(探索分析)：功能:考察數據的奇異性和分布特徵
Crosstabs(交叉分析)：功能:分析事物（變數）之間的相互影響和關系
Reports包括的統計功能有：
OLAP Cubes(OLAP報告摘要表)：功能: 以分組變數為基礎，計算各組的總計、均值和其他統計量。而輸出的報告摘要則是指每個組中所包含的各種變數的統計信息。
Case Summaries(觀測量列表)：察看或列印所需要的變數值
Report Summaries in Row：行形式輸出報告
Report Summaries in Columns：列形式輸出報告
(2)、Compare Means(均值比較與檢驗)：能否用樣本均值估計總體均值？兩個變數均值接近的樣本是否來自均值相同的總體？換句話說，兩組樣本某變數均值不同，其差異是否具有統計意義？能否說明總體差異？這是各種研究工作中經常提出的問題。這就要進行均值比較。
以下是進行均值比較及檢驗的過程:
MEANS過程：不同水平下（不同組）的描述統計量，如男女的平均工資,各工種的平均工資。目的在於比較。術語：水平數（指分類變數的值數，如sex變數有2個值，稱為有兩個水平）、單元Cell（指因變數按分類變數值所分的組）、水平組合
T test 過程：對樣本進行T檢驗的過程
單一樣本的T檢驗：檢驗單個變數的均值是否與給定的常數之間存在差異。
獨立樣本的T檢驗：檢驗兩組不相關的樣本是否來自具有相同均值的總體（均值是否相同，如男女的平均收入是否相同，是否有顯著性差異）
配對T檢驗：檢驗兩組相關的樣本是否來自具有相同均值的總體(前後比較，如訓練效果，治療效果)
One-Way ANOVA：一元(單因素)方差分析，用於檢驗幾個（三個或三個以上）獨立的組，是否來自均值相同的總體。
(3)、ANOVA Models(方差分析)：方差分析是檢驗多組樣本均值間的差異是否具有統計意義的一種方法。例如:醫學界研究幾種葯物對某種疾病的療效；農業研究土壤、肥料、日照時間等因素對某種農作物產量的影響;不同飼料對牲畜體重增長的效果等,都可以使用方差分析方法去解決
(4)、Correlate(相關分析)：它是研究變數間密切程度的一種常用統計方法,常用的相關分析有以下幾種:
1、線性相關分析：研究兩個變數間線性關系的程度。用相關系數r來描述。
2、偏相關分析：它描述的是當控制了一個或幾個另外的變數的影響條件下兩個變數間的相關性，如控制年齡和工作經驗的影響，估計工資收入與受教育水平之間的相關關系
3、相似性測度：兩個或若干個變數、兩個或兩組觀測量之間的關系有時也可以用相似性或不相似性來描述。相似性測度用大值表示很相似，而不相似性用距離或不相似性來描述，大值表示相差甚遠
(5)、Regression(回歸分析)：功能:尋求有關聯（相關）的變數之間的關系在回歸過程中包括：Liner：線性回歸;Curve Estimation：曲線估計;Binary Logistic： 二分變數邏輯回歸;Multinomial Logistic：多分變數邏輯回歸;Ordinal 序回歸;Probit：概率單位回歸;Nonlinear：非線性回歸;Weight Estimation：加權估計;2-Stage Least squares：二段最小平方法;Optimal Scaling 最優編碼回歸;其中最常用的為前面三個.
(6)、Nonparametric Tests(非參數檢驗)：是指在總體不服從正態分布且分布情況不明時，用來檢驗數據資料是否來自同一個總體假設的一類檢驗方法。由於這些方法一般不涉及總體參數故得名。
非參數檢驗的過程有以下幾個:
1.Chi-Square test 卡方檢驗
2.Binomial test 二項分布檢驗
3.Runs test 遊程檢驗
4.1-Sample Kolmogorov-Smirnov test 一個樣本柯爾莫哥洛夫-斯米諾夫檢驗
5.2 independent Samples Test 兩個獨立樣本檢驗
6.K independent Samples Test K個獨立樣本檢驗
7.2 related Samples Test 兩個相關樣本檢驗
8.K related Samples Test 兩個相關樣本檢驗
(7)、Data Rection(因子分析)
(8)、Classify(聚類與判別)等等
以上就是數值統計分析Analyze菜單下幾項用於分析的數值統計分析方法的簡介,在我們的變數定義以及數據錄入完成後,我們就可以根據我們的需要在以上幾種分析方法中選擇若干種對我們的問卷數據進行統計分析,來得到我們想要的結果.
第四步:結果保存

我們的spss軟體會把我們統計分析的多有結果保存在一個窗口中即結果輸出窗口(output),由於spss軟體支持復制和粘貼功能,這樣我們就可以把我們想要的結果復制、粘貼到我們的報告中,當然我們也可以在菜單中執行file->save來保存我們的結果,一般情況下,我們建議保存我們的數據,結果可不保存.因為只要有了數據,如果我們想要結果的,我們可以隨時利用數據得到結果.
總結:
以上便是spss處理問卷的四個步驟,四個步驟結束後,我們需要spss軟體做的工作基本上也就結束了,接下來的任務就是寫我們的統計報告了.值得一提的是.spss是一款在社會統計學應用非常廣泛的統計類軟體,學好它將對我們以後的工作學習產生很大的意義和作用.

D. 什麼叫交互數據，層塊數據 急~

目前建立在TCP協議上的網路協議特別多，有telnet，ssh，有ftp，有http等等。這些協議又可以根據數據吞吐量來大致分成兩大類： (1)交互數據類型，例如telnet，ssh，這種類型的協議在大多數情況下只是做小流量的數據交換，比如說按一下鍵盤，回顯一些文字等等。(2)數據成塊類型，例如ftp，這種類型的協議要求TCP能盡量的運載數據，把數據的吞吐量做到最大，並盡可能的提高效率。針對這兩種情況，TCP給出了兩種不同的策略來進行數據傳輸。

1.TCP的交互數據流
對於交互性要求比較高的應用，TCP給出兩個策略來提高發送效率和減低網路負擔：（1）捎帶ACK。(2)Nagle演算法（一次盡量多的發數據）。通常，在網路速度很快的情況下，比如用lo介面進行telnet通信，當按下字母鍵並要求回顯的時候，客戶端和伺服器將經歷 發送按鍵數據->伺服器發送按鍵數據的ack -> 伺服器端發送回顯數據->客戶端發送回顯數據的ACK的過程，而其中的數據流量將是40bit + 41bit+41bit+40bit = 162bit，如果在廣域網裡面，這種小分組的TCP流量將會造成很大的網路負擔。

1.1.捎帶ACK的發送方式
這個策略是說，當主機收到遠程主機的TCP數據報之後，通常不馬上發送ACK數據報，而是等上一個短暫的時間，如果這段時間裡面主機還有發送到遠程主機的TCP數據報，那麼就把這個ACK數據報「捎帶」著發送出去，把本來兩個TCP數據報整合成一個發送。一般的，這個時間是200ms。可以明顯地看到這個策略可以把TCP數據報的利用率提高很多。

1.2.Nagle演算法
上過bbs的人應該都會有感受，就是在網路慢的時候發貼，有時鍵入一串字元串以後，經過一段時間，客戶端「發瘋」一樣突然回顯出很多內容，就好像數據一下子傳過來了一樣，這就是Nagle演算法的作用。

Nagle演算法是說，當主機A給主機B發送了一個TCP數據報並進入等待主機B的ACK數據報的狀態時，TCP的輸出緩沖區裡面只能有一個TCP數據報，並且，這個數據報不斷地收集後來的數據，整合成一個大的數據報，等到B主機的ACK包一到，就把這些數據「一股腦」的發送出去。雖然這樣的描述有些不準確，但還算形象和易於理解，我們同樣可以體會到這個策略對於低減網路負擔的好處。

在編寫插口程序的時候，可以通過TCP_NODELAY來關閉這個演算法。並且，使用這個演算法看情況的，比如基於TCP的X窗口協議，如果處理滑鼠事件時還是用這個演算法，那麼「延遲」可就非常大了。

2.TCP的成塊數據流
對於FTP這樣對於數據吞吐量有較高要求的要求，將總是希望每次盡量多的發送數據到對方主機，就算是有點「延遲」也無所謂。TCP也提供了一整套的策略來支持這樣的需求。TCP協議中有16個bit表示「窗口」的大小，這是這些策略的核心。

2.1.傳輸數據時ACK的問題
在解釋滑動窗口前，需要看看ACK的應答策略，一般來說，發送端發送一個TCP數據報，那麼接收端就應該發送一個ACK數據報。但是事實上卻不是這樣，發送端將會連續發送數據盡量填滿接受方的緩沖區，而接受方對這些數據只要發送一個ACK報文來回應就可以了，這就是ACK的累積特性，這個特性大大減少了發送端和接收端的負擔。

2.2.滑動窗口
滑動窗口本質上是描述接受方的TCP數據報緩沖區大小的數據，發送方根據這個數據來計算自己最多能發送多長的數據。如果發送方收到接受方的窗口大小為0的TCP數據報，那麼發送方將停止發送數據，等到接受方發送窗口大小不為0的數據報的到來。書中的P211和P212很好的解釋了這一點。

關於滑動窗口協議，書上還介紹了三個術語，分別是：

窗口合攏：當窗口從左邊向右邊靠近的時候，這種現象發生在數據被發送和確認的時候。
窗口張開：當窗口的右邊沿向右邊移動的時候，這種現象發生在接受端處理了數據以後。
窗口收縮：當窗口的右邊沿向左邊移動的時候，這種現象不常發生。
TCP就是用這個窗口，慢慢的從數據的左邊移動到右邊，把處於窗口范圍內的數據發送出去（但不用發送所有，只是處於窗口內的數據可以發送。）。這就是窗口的意義。圖20-6解釋了這一點。窗口的大小是可以通過socket來制定的，4096並不是最理想的窗口大小，而16384則可以使吞吐量大大的增加。

2.3.數據擁塞
上面的策略用於區域網內傳輸還可以，但是用在廣域網中就可能會出現問題，最大的問題就是當傳輸時出現了瓶頸（比如說一定要經過一個slip低速鏈路）所產生的大量數據堵塞問題（擁塞），為了解決這個問題，TCP發送方需要確認連接雙方的線路的數據最大吞吐量是多少。這，就是所謂的擁塞窗口。

擁塞窗口的原理很簡單，TCP發送方首先發送一個數據報，然後等待對方的回應，得到回應後就把這個窗口的大小加倍，然後連續發送兩個數據報，等到對方回應以後，再把這個窗口加倍（先是2的指數倍，到一定程度後就變成現行增長，這就是所謂的慢啟動），發送更多的數據報，直到出現超時錯誤，這樣，發送端就了解到了通信雙方的線路承載能力，也就確定了擁塞窗口的大小，發送方就用這個擁塞窗口的大小發送數據。要觀察這個現象是非常容易的，我們一般在下載數據的時候，速度都是慢慢「沖起來的」

以上就是TCP數據傳輸的大致流程，雖然並不細致，但是足以描述TCP的工作原理，重點是TCP的流量控制原理，滑動窗口，擁塞窗口，ACK累計確認等知識點。

E. 什麼叫交互分類 是社會學方法教程里的概念

交互分類扮態表，所謂交互分類，是指旁毀同時依據兩個變數的值，將所研究的個案分類運缺備。交互分類的目的是將兩變數分組，然後比較各組的分布狀況，以尋找變數間的關系。
說白了就是列聯表，列聯表的別名!

F. ols中的交互項如何解釋

第一神此，結合單獨回遊弊迅歸項的具體回歸含義
第二，保留單獨效應，判斷效應的正負性，同正為正，同負為負，正負不定看交互
第三，交互項反映了單獨指標的博弈，符號為依據，本身解讀為卜則內部的一種傳導機制
第四，交互項的傳導機制是否存在取決於回歸方程是否顯著。

G. 網路交互的七層邏輯分類叫做什麼

互聯網分層結構的好處: 上層的變動完全不影響下層的結構。

OSI 七層模型通過七個層次化的結構模型使不同的系統不同的網路之間實現可靠的通訊，因此其最主要的功能就是幫助不同類型的主機實現數據傳輸 。

完成中繼功能的節點通常稱為中繼系統。在OSI七層模型中，處於不同層的中繼系統具有不同的名稱。

一個設備工作在哪一層，關鍵看它工作時利用哪一層的數據頭部信息。網橋工作時，是以MAC頭部來決定轉發埠的，因此顯然它是數據鏈路層的設備。
具體說:
物理層：網卡，網線，集線器，中繼器，數據機

數據鏈路層：網橋，交換機

網路層：路由器

H. 如何製作雙變數交互分類表

在研究導師類型和性別這個兩個自變數學生大悉褲GPA的影響時，我們想看一看導師類型和陸帶性別的交互作用，這個例子中，導師類型和性別都是分類變數。

數據模擬

N <- 250
Q <- sample(rep(c(-1,0,1),N),N,replace = FALSE)
G <- sample(rep(c(0,1),N*3/2),N,replace = FALSE)

Y <- .5*Q + .25*G + 2.5*Q*G+ 1 + rnorm(N, sd=2)

Y = (Y - min(Y)) / (max(Y) - min(Y))*4
GPA.Data.3<-data.frame(GPA=Y,Tutor=Q,Gender=G)

上面的代碼就模擬出了個數據框，其中Q為導師類型，有3類，模擬的時候用的-1，0，1代替，性別用的0，1

接下來，我們得將分類變數轉化為啞變數，R會自動將因子處理為啞變數，所以我們直接轉為因子就行：

GPA.Data.3$Tutor.F <- factor(GPA.Data.3$Tutor,
level=c(-1,0,1),
labels=c("No Tutor", "Group Tutor", "Private Tutor"))
GPA.Data.3$Gender.F <- factor(GPA.Data.3$Gender,
level=c(0,1),
labels=c("Male", "Female"))

回歸分析

然後我們進行回歸分析，一個是有交互作用的，一個是不滾簡含交互作用的

GPA.3.Model.1<-lm(GPA ~ Tutor.F+Gender.F, data = GPA.Data.3)
GPA.3.Model.2<-lm(GPA ~ Tutor.F*Gender.F, data = GPA.Data.3)

stargazer(GPA.3.Model.1, GPA.3.Model.2,type="html",
column.labels = c("Main Effects", "Interaction"),
intercept.bottom = FALSE,
single.row=TRUE,
notes.append = FALSE,
omit.stat=c("ser"),
star.cutoffs = c(0.05, 0.01, 0.001),
header=FALSE，
out="test.html")

運行代碼得出回歸分析的結果如下：

到這兒，我們的簡單斜率圖就畫好了，注意兩自變數都是分類變數的時候，x軸上的自變數有3個水平，所以這個斜率圖一般都不是直的，一般斜率在中間都會打個折。