第4章 spss统计技术.ppt

SPSS基本操作及描述统计 相关分析 T检验 方差分析 Χ2检验 回归分析 ;数据的输入和保存 NA [Not Answered]. NAP [Not Appropriate]. DK [Dont Know], 画图 数据分组 描述统计 頻数 描述;数据-排序 数据-拆分 转换-计算 转换编码; 像年龄变量、收入变量、成绩变量都是典型的连续变量。这就是我们前面介绍的Pearson相关。;例 从某系随机选取了40名大学生进行追踪研究，分别在入学后一周、第一学年末、第二学年末和第三学年末共4次英语词汇测验推算得到的被试的英语词汇量（单位：千）。表中的变量如下：性别（0表示女生，1表示男生），test1（入学后一周词汇量），test2（第一学年末词汇量），test3（第二学年末词汇量），test4（第三学年末词汇量）。 想计算并检验学生英语词汇量四次测验之间的相关系数。;在进行相关分析之前，可以使用Graphs菜???中的Scatter命令作散点图。;按顺序Graphs——Scatter单击，打开Scatterplot散点图主对话框。;把test1选择作为Y轴变量，把test2选择作为X轴变量。;结果：;矩阵散点图 在矩阵变量框内要选择两个或两个以上的变量;编辑散点图;选中图中的点，打开Properties图形属性对话框，选择Marker点选项卡。在选项卡中，选择点的类型(Type)、点的大小(Size)、点的外周线(Border Width)以及点的颜色(Color)。;;2单击按钮;将test1、test2、test3、test4指定为Variables。;结果和讨论;每个变量有三行数据，第一行是该变量与其他变量之间的相关系数，右上角标有“＊＊”的表示在0.01水平上是显著的。 Sig.(2-tailed)双尾t检验结果，对于相关系数为0的假设成立的概率。 N为参与相关系数计算的有效观测量数。;结论：r = 0.886，P =0.0000.01，拒绝H0。 可以认为test1和test2之间有正的直线相关关系。;等级变量的相关分析;;;;;2单击按钮;结论：r s= 0.657，P =0.0200.05，拒绝H0。 可以认为两门功课成绩 间有正的直线相关关系， 即具有一致性。;;分析某班级学生的高考数学成绩和全国的平均成绩70之间是否存在显著性差异。 ;分析清华、北大大一学生的高考数学成绩之间是否存在显著差异。;研究一个班同学在参加了暑期数学培训班后，学习成绩是否有显著变化，数据如下。 ;;（一）功能 该过程用于进行样本所在总体均数与已知总体均数的比较，即单样本的T检验。 H0假设为：样本总体均值与总体均值之间不存在显著差异;1、分析某班级学生的高考数学成绩和全国的平均成绩70之间是否存在显著性差异。 ;1.在Analyze菜单Compare means项中选择one-sample t test命令。 ;3.单击options按钮，出现以下对话框 ;;T-Test ; 根据大量调查，已知某地成年男子脉搏均数为72次/分，现在该地邻近的山区随机调查了20名健康成年男子，测得其脉搏值如下，请据此推断山区成年男子的脉搏均数是否与该地成年男子有所不同。 测量值：75 74 72 79 78 76 69 77 76 70 73 76 71 78 77 76 74 79 77;单个样本检验;（一）概念理解 独立样本：指两个样本之间彼此独立没有任何关联，两个独立样本各自接受相同的预测。 适用条件：两样本相互独立；样本来自的两个总体应服从正态分布。 H0假设：两总体均值之间不存在显著差异;分析清华、北大大一学生的高考数学成绩之间是否存在显著差异。;1.在Analyze菜单“Compare means”中选择Independent-samples t test命令 ;2.在弹出的Independent-samples t test对话框中： test variables用于选入需要分析的变量“数学” Grouping variable用于选入分组变量“学校” Define groups:用于定义需要比较的两组的分组变量值。1表示清华，2表示北大;3.单击continue按钮，返回independent-samples t test对话框，单击ok按钮即完成分析。;4.结果与解释 ; 随机抽取学生干部和非学生干部各10名，用SEI测得其自尊总分值如下，请问学生干部与非学生干部之间的自尊水平是否存在显著差异。 干部：40 42 36 38 39 29 37 29 19 32 非干部：32 35 38 29 27 19 42 39 36 37 ;独立样本检验;（一）概念理解