[高等教育]spss在教育研究中的应用.pptVIP

spss在教育研究中的应用 主讲人：曹玉 广西师范大学教育科学学院 主要内容 spss17.0数据分析软件的介绍 spss17.0在数据分析中的具体应用 数据管理与描述统计分析 假设检验（均值差异比较） 方差分析 相关分析 spss的发展 20世纪60年代：美国斯坦福大学三位研究生研制 20世纪70年代：SPSS总部成立于芝加哥，推出SPSSX中小型 20世纪80年代：SPSS公司（SPSS/PC+微机版1~3） 20世纪90年代：SPSS公司（SPSS WINDOWS版5~14） 2000年以后：SPSS公司（SPSS WINDOWS版15~18） 1.3 SPSS17.0运行的环境要求 SPSS 17.0的启动 （1）读取已有数据文件 （2）直接录入数据 年龄分组举例 参数假设检验的基本问题 参数假设检验的方法 零假设与备择假设 显著性与显著性水平 参数假设检验的两类错误 总体均值的假设检验 单个样本的T检验 独立样本的T检验 配对样本的T检验 非参数检验： 检验 独立性检验 一致性检验 假设检验中的两类错误 spss操作 spss操作 spss操作 方差分析(Analysis of Variance，简称ANOVA)，又称“变异数分析”或“F检验”，是R.A.Fisher发明的，用于两个及两个以上样本均数差别的显著性检验。 方差分析的假定条件为： （1）各处理条件下的样本是随机的。 　　 （2）各处理条件下的样本是相互独立的，否则可能出现无法解析的输出结果。 　　 （3）各处理条件下的样本分别来自正态分布总体，否则使用非参数分析。 　　 （4）各处理条件下的样本方差相同，即具有齐性。 方差分析的种类 单因素方差分析——一个控制变量的不同水平是否对观测变量产生了显著影响。 多因素方差分析——各控制变量不同水平下观测变量的均值是否存在显著差异进行比较 协方差分析——将那些人为很难控制的控制因素作为协变量，并在排除协变量对观测变量影响的条件下，分析控制变量（可控）对观测变量的作用，从而更加准确地对控制因素进行评价。 单因素方差分析举例 客观事物之间的关系大致可分为两大类关系： （1）函数关系：当一个或几个变量取一定的值时，另一个变量有确定值与之相对应，我们称这种关系为确定性的函数关系。 （2）统计关系：两事物之间的一种非一一对应的关系，即当一个变量x取一定值时，另一变量y无法依确定的函数取唯一确定的值。 统计关系分为： （1）线性相关（Linear correlation）：当一个变量的值发生变化时，另外的一个变量也发生大致相同的变化。在直角坐标系中，如现象观察值的分布大致在一条直线上。 （2）非线性相关（Curvilinear correlation）：如果一个变量发生变动，另外的变量也随之变动，但是，其观察值分布近似的在一条曲线上。 线性相关可以分为： （1）正线性相关：两个变量线性的相随变动方向相同。 （2）负线性相关：两个变量线性的相随变动方向相反。 相关分析：研究变量之间的相互关系的密切程度和变化趋势，并用适当的统计指标描述。 回归分析：如果要把变量间相互关系用函数表达出来，用一个或多个变量的取值来估计另一个变量的取值。 相关系数（r）：用来表示两列变量间相关强度的指标。 散点图：是将数据以点的形式画在直角坐标系上，通过观察散点图能够直观的发现变量间的相关关系及它们的强弱程度和方向。 绘制散点图和计算相关系数是相关分析最常用的工具，它们的相互结合能够达到较为理想的分析效果。 spss操作——双变量相关 分析——相关——双变量相关 结果输出 如果需要揭示因果关系，则必需通过严格的实验设计来实现。 第Ⅰ类错误，当原假设H0为真时，却作出拒绝H0的判断，通常称之为弃真错误，由于样本的随机性，犯这类错误的可能性是不可避免的。若将犯这一类错误的概率记为，则有P{拒绝H0|H0为真}=?。 第Ⅱ类错误，当原假设H0不成立时，却作出接受H0的决定，这类错误称之为取伪错误，这类错误同样是不可避免的。若将犯这类错误的概率记为，则有P{接受H0|H0为假}= ? 。 假设检验的步骤： 得出市场营销研究结论 建立假设 选择适当的检验方法 选择显著性水平 决定概率 决定检验统计量的临界值 决定临界值是否位于拒绝假设的区域 与显著水平比较 拒绝或不拒绝 H0 收集数据 用于推断总体均值与检验值之间是否存在显著差异。 （1） 单样本T检验 例： 在职人员接受教育的平均年限是否可以认定为16年？ 即教育程度是否可以达到本科水平？ 总体均值：在职人员接受教育的平均年限 检验值