小样本数据要怎样的处理方法最好？

大卫的机弦

Kenny
1 L. q) O: v' x$ l中国的元宵节和西方的情人节之后都都继续快乐。我问的问题也涉及到东西方比较的事情。
研究中介变量，小样本数据要怎样的处理方法最好？尤其是在研究企业家填的问卷时。我调查了中国某个省某个特定行业的企业家群体。这个行业全省只有400家。我的能力是调查到120位老板。有效问卷69份。我看到通常方法是spss逐步回归，上次您提到bootstraping只能估计小样本的分布，无法估计参数。用amos中的贝叶斯方法据说也适用小样本，可以么？一般处理小样本最好的是什么软件或者好方法？这个国际上有没有一个针对“小样本”处理中介效应、调节效应的的大家普遍认可的一些方法？
- V1 J0 b5 i/ {' h) E8 ]3 e  u& s3 N我这个研究之所以是小样本，还涉及到我想和国外的某个国家比较。那个国家的那个行业只有300多家企业。我们调查到120份有效数据。在研究变量间的中介效应时，可以用中国某省的69份加上这个国家的120份来分析么？这个因为有文化的影响可以简单合在一起么？
5 M7 f' Q( |/ H: ?我除了做变量间的中介效应、调节效映外，还会做两国比较。这个我考虑到要比较的有每个变量不同国家的均值、标准方差。每个关系的强弱？一般会比较哪些方面？还有没有跨文化比较的经典标准？但这个又涉及到两国各自都是小样本了。
8 j: e8 Z! V3 C0 ^; C8 P* I

Kenneth

大卫的机弦, 一般的 positivistic approach 都假设大样本，不会处理本体本来就是很小的估计。因此，我的认识不多。只是依稀记得在统计学中有 non-parametric tests （相对于我们常常做的 parametric tests）的方法，在研究小样本的问题上好像比较有效。你可以查查看。
! ?+ Z$ v$ Z2 [) h: O: @
) N) c  c% S2 E5 p+ a+ Y另外，你也可以依据小样本来做参数估计，然后用 bootstrapping 来做统计验证。Bootstrapping 好像比我们一般的抽样分布验证，在小样本中较为有效。