SPSS统计与EXCEL统计.docVIP

SPSS统计与EXCEL统计 注：卡方分析：定量两个定性变量的关联程度 ??? 简单相关分析：计量两个计量变量的相关程度 ??? 独立样本T检验：比较两组平均数是否相等 ??? ONEWAY ?ANOVA：可以比较三组以上的平均数是否相等，并进行多重比较检验 ??? TWOWAY? ANOVA：可以比较两因素的平均数是否相等，并检验主效应和交互效应 ??? 判别分析与logistic回归：应用于检验一组计量的自变量（可含虚拟变量）是否可以正确区别一个定性的因变量 ??? 多维量表法（MDS）：试图将个体中的变异数据，经过转为为一个多维度的空间图，且转化的个体在空间中的相对关系仍与原始数据尽量配合一致。 ? 二、SPSS常用统计技术（变量个数与测量量表）比较汇总表 注：理论模型中变量通常很难测量，这类变量称为潜变量，如绩效、满意度、忠诚度等。 ? PS：原本这篇想做一个SPSS学习大纲的，却没找到思维导图软件，只好在WORD上整理了汇总了一些SPSS常用的方法同时也整理了一个SPSS学习的大致框架。 ? ? ? ? 统计假设检验有很多，从大的方面包括参数检验与非参数检验。参数检验有我们常见的关于方程模型显著性检验的F检验，方程参数的T检验等；而非参数检验中比较常见的则包括符号检验、秩和检验以及游程检验。提到参数检验时，不得不说的一个概念就是P-值，也就是SASSPSS等统计软件输出结果中的做sig.值，到底什么是sig.值是什么，它与我们平时所熟悉的概率P有什么关系，最初它是怎样形成的……提到这些，不得不提到的概念有上分位点、两类错误（弃真和纳伪）以及阀值K又是怎样一回事？下面我将一一道来： ?????????????? ?????????????????????????? ??? 图1??α值与P值的关系图 一、相关统计概念 ?1.上分位点 ??学统计的同学都知道正态分布，而上分位点的由来正与正态分布有关。最初由标准正态分布由来，随后扩展到t分布，F分布,卡方等其他分布。下面以标准正态分布为例，设X~N（0,1），若Zα ??????????????????????????? P{X Zα}=α，0α1? 则称点Zα为标准正态分布的上α分位点，例如： Z0.05=1.645，Z0.005=2.57，Z0.001=3.10 ? ?2.两类错误 ?? 简单的讲两类错误是指第一类错误：弃真错误（其发生的概率常用α表示）；第二类错误：取伪错误（其发生的概率常用β表示）。 ????????? ?????????? ? ?3.阀值（阈值）　 ??? 这里的阀值与箱型图中的阀值意思相同，都是与判断标准相关的一个临界值，由于使用目的的不同，致使形态上有些许差别。例如在检验样本均值与总体均值是否有差别时，与检验统计量比较的临界值k（这里姑且先这样定义），就是阀值。 ? ?4.显著性水平 ????假设检验运用了小概率原理，事先确定的作为判断的界限，即允许的小概率的标准，称为显著性水平。如果根据命题的原假设所计算出来的概率小于这个标准，就拒绝原假设；大于这个标准则接受原假设。这样显著性水平把概率分布分为两个区间：拒绝区间，接受区间。（通常假设检验时只考虑到了第一类错误，而忽视掉了第二类错误，所以将此时的假设检验称为显著性检验） ? 二、相关概念与P值 ?? 前面讲了那么多的统计概念，貌似与P值没什么关联，下面回到文章最初提到的问题，看看上面提到的各种概念和P值（sig.值）是怎样联系起来的，下面以正态分布均值检验为例进行说明： ?????????? ????假设检验的原理清楚了（上面的例子针对正态分布方差已知的情况，其他参数检验只是参照的检验统计量不同罢了），同样由上面的原理可推导出另一种检验—P值检验，P值检验是国际上流行的检验格式。该格式是通过计算P值，再将它与显著性水平α作比较，决定拒绝还是接受原假设。所谓P值就是拒绝原假设所需的最低显著性水平。P值判断的原则是：如果P值小于给定的显著性水平α，则拒绝原假设，否则，接受原假设。或者，更加直观的原则是：如果P值很小，拒绝Ho,P值很大，接受Ho.P值检验为计算机进行统计分析带来方便，P值检验无需针对不同的显著性水平，先查分布表确定临界值，然后才能进行检验判断。 ??? 在SPSS统计软件中，不论是哪个检验程序，其所显示的P值都是双尾检验的结果。若使用者欲进行的是单尾检验，其程序与双尾检验相同，但所得到的P值自行除以2，再与期望的显著水平相比较。SASSPSS等统计软件常用*号表示显著性水平的程度，通常一个*号表示0.1的显著水平，两个* *表示0.05的显著水平。 ? ? ? ? ? 以往运用的一些统计回归方法前面往往有很多的假设,而这些假设往往又是我们大多少数人在使用各种各样的统计方法前最