SPSS学习2doc.doc

什么是连续变量 　　在统计学中,变量按变量值是否连续可分为连续变量与离散变量两种. 　　在一定区间内可以任意取值的变量叫连续变量,其数值是连续不断的,相邻两个数值可作无限分割,即可取无限个数值.例如,生产零件的规格尺寸,人体测量的身高,体重,胸围等为连续变量,其数值只能用测量或计量的方法取得. 　　反之,其数值只能用自然数或整数单位计算的则为离散变量.例如,企业个数,职工人数,设备台数等,只能按计量单位数计数,这种变量的数值一般用计数方法取得. 　　性质：符号x如果能够表示对象集合S中的任意元素，就是变量。如果变量的域(即对象的集合S)是离散的，该变量就是离散变量；如果它的域是连续的，它就是连续变量。 　　连续变量由于不能一一列举其变量值，只能采用组距式的分组方式，且相邻的组限必须重叠。如以总产值、商品销售额、劳动生产率、工资等为标志进行分组，就只能是相邻组限重叠的组距式分组。 [编辑] 相关条目 ’检验或用成组的Wilcoxon秩和检验 小样本偏态分布资料，则用成组的Wilcoxon秩和检验 多组资料： 若大样本资料或服从正态分布，并且方差齐性，则作完全随机的方差分析。如果方差分析的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：LSD检验，Bonferroni检验等）进行两两比较。 如果小样本的偏态分布资料或方差不齐，则作Kruskal Wallis的统计检验。如果Kruskal Wallis的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：用成组的Wilcoxon秩和检验，但用Bonferroni方法校正P值等）进行两两比较。 分类资料的统计分析 单样本资料与总体比较 二分类资料： 小样本时：用二项分布进行确切概率法检验； 大样本时：用U检验。 多分类资料：用Pearson (2检验（又称拟合优度检验）。 四格表资料 n40并且所以理论数大于5，则用Pearson (2 n40并且所以理论数大于1并且至少存在一个理论数5，则用校正 (2或用Fisher’s 确切概率法检验 n(40或存在理论数1，则用Fisher’s 检验 2×C表资料的统计分析 列变量为效应指标，并且为有序多分类变量，行变量为分组变量，则行评分的CMH (2或成组的Wilcoxon秩和检验 列变量为效应指标并且为二分类，列变量为有序多分类变量，则用趋势(2检验 行变量和列变量均为无序分类变量 n40并且理论数小于5的格子数行列表中格子总数的25%，则用Pearson (2 n(40或理论数小于5的格子数行列表中格子总数的25%，则用Fisher’s 确切概率法检验 R×C表资料的统计分析 列变量为效应指标，并且为有序多分类变量，行变量为分组变量，则CMH (2或Kruskal Wallis的秩和检验 列变量为效应指标，并且为无序多分类变量，行变量为有序多分类变量，作none zero correlation analysis的CMH (2 列变量和行变量均为有序多分类变量，可以作Spearman相关分析 列变量和行变量均为无序多分类变量， n40并且理论数小于5的格子数行列表中格子总数的25%，则用Pearson (2 n(40或理论数小于5的格子数行列表中格子总数的25%，则用Fisher’s 确切概率法检验 Poisson分布资料 单样本资料与总体比较： 观察值较小时：用确切概率法进行检验。 观察值较大时：用正态近似的U检验。 两个样本比较：用正态近似的U检验。 配对设计或随机区组设计 两组或多组计量资料的比较 两组资料： 大样本资料或配对差值服从正态分布的小样本资料，作配对t检验 小样本并且差值呈偏态分布资料，则用Wilcoxon的符号配对秩检验 多组资料： 若大样本资料或残差服从正态分布，并且方差齐性，则作随机区组的方差分析。如果方差分析的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：LSD检验，Bonferroni检验等）进行两两比较。 如果小样本时，差值呈偏态分布资料或方差不齐，则作Fredman的统计检验。如果Fredman的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：用Wilcoxon的符号配对秩检验，但用Bonferroni方法校正P值等）进行两两比较。 分类资料的统计分析 四格表资料 b+c40，则用McNemar配对 (2检验或配对边际(2检验 b+c(40，则用二项分布确切概率法检验 C×C表资料： 配对比较：用McNemar配对 (2检验或配对边际(2检验 一致性问题（Agreement）：用Kap检验 变量之间的关联性分析 两个变量之间的关联性分析 两个变量均为连续型变量 小样本并且两个变量服从双正态分布，则用Pearson相关系数做统