SPSS教与学改_培训课件.ppt

相关分析—简单相关 例如，要检验年龄、文化程度和收入之间是否有显著的线性关系 单击Analyze→ correlste（相关）→ bivariate（双变量）→打开对话框，见下图 相关分析—简单相关 将参加计算的相关系数的变量选到variables中，选择Pearson系数，并选择双尾p值 在options按钮中的statistics选项中选择输出各种方差和离差。结果如图： 结果分析：年龄和收入的相关系数为-0.078，接近于0，其线性相关性很弱，即认为年龄和收入没有很强的线性关系，文化程度和收入的相关系数为0.379，有较弱的线性关系，即认为文化程度越高收入越高。 相关分析—偏相关 偏相关关系： 它是指在诸多相关的变量中，控制其中一个或若干个变量的影响后，两个变量间的相关关系。 例如：检验年龄和文化程度对收入的线性关系中，控制了年龄对收入的影响后，看文化程度对收入的影响。 步骤：，单击Analyze→ correlste→ partial（偏相关）→打开对话框→点选参与分析的文化程度和收入到variable框内→点选年龄到controlling for（控制）框内，选择双尾p值，对话框如下： 相关分析—偏相关 结果分析：在控制年龄因素下，文化程度和收入的相关系数为0.372，即文化程度与收入有较弱的正相关关系，文化程度越高，收入也越高。 偏相关分析结果: §9 聚类分析 “物以类聚，人以群分”。 聚类分析（Cluster Analysis）是依据研究对象的个体的特征，对其进行分类的方法。如通过对一些大学的基本情况（如总体规模、声源、研究生比例、科研成果等）的对比分析，可以把特征相近的学校归入一个类型。 聚类分析实质是建立一种分类的方法，它能够将一批样本数据（或变量）按照它们在性质上的亲疏程度在没有先验知识的情况下自动进行分类。 聚类分析 例如：要对被调查者根据婚姻状况进行分类，其步骤如下： 单击Analyze→ cluster（分类） →mean cluster（K均值聚类） →打开对话框，见下图： 聚类分析 选择case作为分类对象，并在options中指定输出信息。其结果如下： 结果分析：将所有样本分为两类，一类为已婚，一类为未婚，其中未婚个数为154，已婚个数为28. §8 方差分析 §8.1 单因素方差分析 所谓方差分析：主要用于两个及两个以上样本均值差别的显著性检验 单击Analyze→ Compare Means→ One Way ANOVA→打开One Way ANOVA对话框，见下图 方差分析 Dependent list 放置因变量，要求因变量是定距变量 Factor 放置自变量，要求是定类变量 Contrast 用于比较和分析均值的特性，一元分析，一般不用 Options 择统计量和缺失值处理方式 方差分析 POST HOC 它是方差相等或不相等情况下的检验选项 例如：检验被调查者不同的文化程度，其平均年收入是否存在差异 步骤：第一步，单击Analyze→ Compare Means→ One Way ANOVA→打开One Way ANOVA对话框→点选年收入到Dependent list框内→点选文化程度到Factor框内 第二步：同方差性检验 点选Homogeneity of variance →单击Continue按钮，输出以下结果。 方差分析 方差分析 从上知：方差不相等且均值存在差异 第三步：检查差异到底存在哪？ 点选Equal variance not assumed下面的Dunnett’s →单击OK，输出以下结果。 方差分析 结论：被调查者文化程度不同，其平均年收入有显著差异，其中大专以上的与其他学历的调查者存在显著差异。 §10 线性回归分析 线性回归分析是一种应用广泛的数量分析方法。它用于分析事物之间的统计关系，侧重考察变量之间的数量变化规律，反映一个事物如何随其他事物的变化而变化。与相关分析相比，它具有更强的数量关系。 线性回归的一般步骤： 1、确定回归方程中的解释变量和被解释变量 2、通过观察散点图确定回归模型 3、建立回归方程 4、对回归方程进行各种检验 5、利用回归方程进行预测和控制 线性回归分析 例：分析被调查者年送礼花费与年收入之间的线性关系 单击Analyze→ Regression（回归） →Linear（线性回归） →打开Linear Regression对话框，见下图： 线性回归分析 选择被解释变量进入dependent（因变量）框，多个解