SPSS软课程复习资料.docVIP

SPSS软件课程 考试题型： 一、填空 10分（每题1分，共10分） 二、判断 10分 （每题1分，共10分） 三、名词 20分（每题2分，共20分） 四、简答 30分 （每题5分，共6分，其中两个分析表格或图形） 五、分析表格 （每题15分，共30分） 蓝色：为考点 黄色：为表格题（简答和数据分析） 重要名词： 1、5%修正均数 剔除5%的最大与最小观测量后计算的均值。 2、四分位间距 为了避免全距受两极端数值影响的缺点，按照一定顺序排列的一组数据中间部分50%的频数的差异作为反映数据的差异程度的指标，即四分位距，用QD表示。 3、三种T检验的分别得英文名称、 One- Samples T Test Independent-Samples T Test Paired-Samples T Test 4、交互作用 当一个因素的主效应随另一个因素的变化而变化时，称两个因素间存在交互效应。 5、边际均值 在多因素方差分析中，每种因素水平组合的因变量均值称为单元均值。一个因素水平的因变量均值称为边际均值（Marginal Means） 6、重复测量方差分析 组内变异的主要的原因是实验对象之间的个体差异。由于个体差异存在，即使实验对象受到相同的处理，他们的因变量值也可能相当不同。重复测量设计的方差分析也是像协方差分析一样，是在研究中减少个体差异带来的误差方差的一种有效方法，而且由于对相同个体进行重复测量，在一定程度上降低了人力、物力、财力的消耗。 7、因素 因素是影响因变量变化的客观条件 8、处理、 是影响因变量变化的人为条件。也可通称为因素 9、主效应 因变量在一个因素各水平间的平均差异。 10、协方差分析 利用线性回归方法消除混杂因素的影响过后进行的方差分析。 11、偏相关 计算两个变量间在控制其他变量的影响下的相关系数。 12、距离相关 对变量或观测量进行相似性或不相似性测度。 13、偏回归系数 简称回归系数，表示其他自变量不变，xi每改变一个单位时，预测的y的平均变化量。假设在其他所有自变量不变的情况下，某一个自变量变化引起因变量变化的比率。 14、多元线性回归 根据多个自变量的最优组合建立回归方程来预测因变量的回归分析称为多元回归分析。 15、部分相关 在排除了其他自变量对xi的影响后，当一个自变量进入回归方程模型后，复相关系数的平方的增加量。 16、线性回归的方差齐性 就自变量的任何一个线性组合，应变量y的方差均相同，实质上就是要求残差得方差齐。 17、线性回归的独立性假设 应变量y的取值相互独立，它们之间没有联系，反应在模型中要求残差间相互独立，不存在自相关。 18、backward 向后法，筛选步骤和逐步法类似，但只出不进，即对已纳入方程的变量按对y的贡献大小由小到大依次剔除，每剔除一个变量，则重新计算各自变量对y的贡献。直到方程中所有变量均符合选入标准，没有自变量可被剔除为止。 19、分布位置检验方法 用于检验样本所在总体的分布位置（形状）是否相同。包括成组资料分布位置检验和配对资料分布位置检验。 20、Chi-Square 是检验分类数据样本所在总体分布（各类别所占比例）是否与已知总体分布相同，是一个单一样本检验。 21、应答次数百分比 在做出的所有选择中，选择该项的次数占总次数（总反应数）的比例。 22、主成分分析 设法将原来指标重新组成一组新的互相无关的几个综合指标来代替原来指标，同时根据实际需要从中可取几个较少的综合指标尽可能多地反映指标的统计方法叫做主成分分析或称主分量分析。 重要简答： 1、多重共线性的策略 （1）增大样本量 （2）采用多种自变量筛选方法相结合的方式，建立一个最优的逐步回归方程。 （3）进行主成分分析，用提取出来的因子代替原变量进行回归分析 （4）从有共线性问题的自变量中剔除不重要的自变量。 （5）重新抽取样本数据。 2、多重共线性的确认 （1）考察自变量间的相关系数，超过0.90的变量在分析时将会存在共线性问题。 （2）容忍度：tolerance，1-决定系数，该指标越小，则说明自变量被其余自变量预测的越精确，共线性越严重，如果某个自变量的容忍度小于0.1，则可能共线性问题严重。 （3）方差膨胀因子：VIF，是容忍度的倒数，VIF越大，说明共线性可能越严重。 （4）特征根值：Eigenvalue，特征根约等于0，则可能存在比较严重的共线性。 （5）条件指数：Condition Index，当某个维度的该指标数值大于30时，则可能存在共线性。 （6）方差比例：同一序号的特征值对应的变量的方差比例。比例越大，其共线性越大。 3、回归方差的步骤 （1）做散点图 （2）考察数据的分布，进行必要的预处理 （3）进行直线回归分析 （4）残差分析 A、残差是否独立：