SPSS软件应用讲座.ppt

* * * 输出结果：茎叶图 * 输出结果：直方图 * 四、均值比较 应用： 检验产品是否符合质量要求 检验两台仪器的测量结果有无显著差异 检验轮胎耐磨性差异 检验医院住院治疗效果 * 按照质量要求，元件额度电阻为0.14欧姆，假定元件电阻服从正态分布，根据样本电阻测量值，用T检验过程检验两批产品是否符合质量要求。 检验产品是否符合质量要求 * 检验产品是否符合质量要求 第一批原件样本： 0.14、0.145、0.142、0.145、0.142、0.144、0.145、0.141、0.142、0.144、0.14、0.136、0.144、0.142、0.138 第二批原件样本： 0.135、0.14、0.142、0.136、0.138、0.14、0.145、0.139、0.144、0.143、0.145、0.137、0.14、0.139、0.145、0.145、0.145、0.144、0.141、0.14 * 选择菜单栏“分析→比较均值→独立样本T检验”。 * * F检验P值为0.179，大于0.05，表示在显著水平为0.05时，说明两组方差没有显著差异。t检验p值为0.416，远远大于0.05，说明两组的均值没有显著性差异。 结果分析： * T检验 T检验的目的是检验两个样本中存在的差异在总体中是否也同样存在。 T检验的先决条件是： 两个样本是随机取样的； 被比较的变量属于区间或比率等级； 样本的抽样分布呈正态分布。 T检验是0假设，即两者之间不存在差异。 T检验的结果：如果在置信度为95％下，显著性水平0.05,则接受假设；如果0.05，拒绝假设。 * 单样本T检验 * 均值为0.142比标准值0.140高，P值0.05，说明样本和总体相比有差异，数值偏高。 * 预测在研究其发展变化的规律的基础上，推测事物未来的发展趋势。 预测的原理： （1）相关原理：如回归分析模型 （2）惯性原理：如时间序列预测法 （3）类推原理：如因果外推类方法 五、 预测分析 * 关于回归分析 回归分析是社会研究中进行定量分析的基本方法，主要解决3个方面的问题： ①确定几个变量间是否存在相关关系；若存在，则找出它们之间合适的数学表达式。 ②据一个或几个变量值，预测或控制另一个或几个变量的值，且要知道这种控制或预测可达何种精确度。 ③进行因素分析，即在共同影响一个变量的多个变量（因素）间，找出主要和次要因素及其相互关系。 * 变量之间的两种关系 确定性关系 正方形的面积y与正方形的边长x之间的函数关系是y = x2。－－确定性关系 非确定性关系－－相关关系 某水田水稻产量y与施肥量x之间是否有一个确定性的关系？ * 相关分析 某地区客运周转量、总人口的增长、人均月收入近10年有关资料 * 相关分析 选择菜单“分析→相关→双变量”。 * * 相关分析的操作 选择要进行相关分析的变量“客运周转量”和“总人口”，并选择Pearson相关系数（r）,然后选择对相关系数进行双侧检验，在选项对话框中选择输出均值和标准差。 * 输出结果 两者相关系数为0.994，显著性检验p值小于0.001，说明客运周转量和总人口的相关性是显著的。 回归分析 对具有相关关系的现象，选择一适当的数学关系式，用以说明一个或一组变量变动时，另一变量或一组变量平均变动的情况，这种关系式称为回归方程。 如果所择关系式是线性的，就称为线性回归分析；反之，则称为非线性回归分析。 线性回归是回归分析的基本模型，很多复杂的情况都是转化为线性回归进行处理。 * SPSS中的曲线模型 * SPSS中的曲线模型 * 回归分析 选择“分析→回归→曲线估计”。 * 回归分析 将客运周转量选中到因变量，总人口选为自变量。勾选所有的曲线的复选框。输出。 * （Adjust R square）值为0.989，说明拟合程度比较高。F值对应的P值小于0.001，说明线性相关显著。t值对应的P值小于0.001，说明拟合的方程系数有意义。可以写出该方程 输出结果： * 如何得到预测值？ 方法一：根据输出的模型，用数据代入进行计算。 方法二：将已知的自变量数据输入到数据文件中，直接输出预测值。 * 直接输出预测值 * 为了预测2015、2016、2017年的人口数据，在年份的数据栏中添加2015、2016、2017。 * 1.用曲线估计 “分析→回归→曲线估计”，点击“保存”按钮弹出对话框选择“预测值”复选框。 * * 2.用线性回归 选择“分析→回归→线性”， * * * 1.合并文件 （添加变量）选择菜单“数据→合并文件→添加变量”。 * * * 2.排序个案 选择菜单“数据→排序个案”。 将“客运量”变量选到排序依据中。 * 排序后