4章常用统计分析功能的实现530.ppt

Means对话框 因变量列表 自变量列表 指定变量的层次安排 Means对话框 可供选择的统计量 用于描述各单元格特征的统计量 对第一层每个控制变量的分析 方差分析表及 和 统计量 线性检验 输出结果： 选项均为系统默认 单一样本t检验 单一样本t检验过程是检验某个变量的总体均值与指定的检验值之间是否存在显著差异，其前提是样本来自的总体应服从正态分布； 单一样本t检验过程可通过One-Sample T Test对话框实现。 例4.2b 数据集2是对某市12～15岁青少年身高的抽样调查资料，试在5﹪的显著性水平下，推断该市该年龄段的青少年是否达到了160厘米的标准身高 。 One-sample T Test 对话框 检验值 缺失值处理方法 剔除分析变量含缺失值的观测 剔除所有含缺失值的观测 输出结果： P值=0.653＞0.05，应接受原假设，即可以认为该市青少年身高达到了160cm的标准。 在SPSS中， 值被定义为所对应 值分布一侧面积的双倍。因此双侧检验时，可直接比较 值与 值的大小，若为单侧检验，则需比较 值与 值的大小 独立样本t检验 独立样本t检验过程用于检验两独立总体的均值是否具有显著差异，其前提是两样本彼此独立，且其来自的总体均服从正态分布； 独立样本t检验可通过Independent-Samples T Test对话框实现。 例4.2c 对于数据集2，在10﹪的显著性水平下，比较该市12～15岁青少年中，男、女青少年的身高是否有显著性差异 。 Independent-Samples T Test 对话框 分组变量 输出结果： P值=0.144＞0.10，应接受原假设，即可以认为该市男女青少年的身高不存在显著差异。 配对样本t检验 用于检验两配对总体的均值是否具有显著性差异，其前提是两样本具有配对关系，且其来自的总体均服从正态分布； 实质是检验每对测量值差值变量的均值与零之间差异的显著性，若差异不显著，则说明配对变量均值之间的差异不显著； 可通过Paired-Samples T Test对话框实现。 例4.2d 已知7种商品在两种不同促销形式下的销售额数据如下，试分析两种不同促销形式对商品销售额的影响是否具有显著性差异。 (数据集4) 34 36 37 26 43 37 60 65 73 73 30 73 56 73 1 2 3 4 5 6 7 促销形式B 促销形式A 商品 配对样本t检验 Paired-Samples T Test 对话框 指定配对变量 输出结果： P值=0.002＜0.05，应拒绝原假设，表明两种促销形式对商品销售额的影响具有显著差异。 单因素方差分析 用于检验由单一因素影响的一个(或几个相互独立的)因变量按因素各水平分组的均值之间是否具有显著性差异，也可用于进行两两组间均值的比较； 前提是因变量服从正态分布； 可通过One-Way ANOVA对话框实现。 例4.2e 已知四种不同颜色的饮料在五个超市的销售量资料如下，试分析不同颜色饮料的销售量之间是否具有显著差异。 (数据集5) 单因素方差分析 30.8 29.6 32.4 31.7 32.8 31.2 28.3 30.8 27.9 29.6 26.5 28.7 25.1 29.1 27.2 27.9 25.1 28.5 24.2 26.5 1 2 3 4 5 绿色 粉色 无色 黄色 超市 变量sale 定义为 One-Way ANOVA 对话框 因变量列表 影响因素变量 多重比较选择项 对照比较选择项 指定输出统计量及缺失值处理方法 One-Way ANOVA 对话框 多重比较选择项对话框 对照比较选择项 指定输出统计量及缺失值处理方法 多项式选项 对照比较选项 输出统计量 缺失值处理方法 One-Way ANOVA 对话框 输出结果： (选项均为系统默认) 由于F=10.544，P值=0.000＜0.05，故应拒绝原假设，即可认为不同颜色饮料的销售量之间具有显著差异。 第四章 常用统计分析功能的实现 §4.1 基本统计分析 §4.2 均值比较与检验 §4.3 相关分析 §4.4 回归分析 ★ ★ ★ §4.3 相关分析 相关分析是研究变量间密切程度的统计方法，线性相关分析研究的是两变量间线性关系的程度，用相关系数表示； SPSS提供的相关分析功能有(Analyze Correlate) ：二元变量相关分析(Bivariate)、偏相关分析 (Partial)和距离相关分析(Distance)。 二元变量相关分析 例4.3a 已知三十名学生的身高与体重数据，试分析学生身高与体重的相关程度 (数据集2)。 二元变量相关分析通过Bivariate命令项调用Correlations过程和Nonpar