SPSS10.0研究生教学课件PPT.ppt

存储对话框： E、在主对话框中按“确定”按钮→产生结果（见下图）。 ANOVA b 3.344 1 3.344 43.390 0.000 a .848 11 7.708E-02 4.192 12 Regression Residual Total Model 1 Sum of Squares df Mean Square F Sig. Predictors: (Constant), 体重 a. Dependent Variable: 心脏横径 b. Coefficients系数表 a 4.212 .723 5.828 .000 0.204 .031 0.893 6.587 .000 (Constant) 体重 Model 1 B Std. Error Unstandardized Coefficients Beta Standardi zed Coefficie nts t Sig. Dependent Variable: 心脏横径 a. 回归方程显著性检验： 回归方程：Y=0.204X+4.212 第四讲 SPSS的双变量关系描述统计（二） 列联与卡方分析 1、变量关系概述 寻找变量间的关系是科学研究的首要目的。变量间的关系最简单的划分即是有关与无关。 在统计学上，我们通常这样判断变量之间是否有关：如果一个变量的取值发生变化，另外一个变量的取值也相应发生变化，则这两个变量有关。如果一个变量的变化不引起另一个变量的变化则二者无关。 1、X2 检验 X2检验相关计算公式： X2基本公式： X2＝∑(A－T)2/T 四格表专用公式： T ＞5 且N ＞40 X2＝(ad-bc)2×n/(a+b)(c+d)(a+c)(b+d) 四格表校正公式： 当 1≤T＜5且N＞40 X2＝(∣ad-bc∣-n/2)2×n/(a+b)(c+d)(a+c)(b+d) 自由度： υ＝(R-1)×(C-1) R——行、C——列 理论值： Tij＝nR×(nC÷n) 性别与四级英语考试通过率的相关统计 表述：统计结果显示，当性别取值不同时，通过率变量的取值并未发生变化，因此性别与考试通过率无关。 自变量的不同取值在因变量上无差异，两变量无关。 自变量的不同取值在因变量上有差异，两变量有关。 因变量 自变量 表述：统计结果显示，当性别取值不同时，收入变量的取值发生了变化，因此性别与月收入有关。 自变量 因变量 2、双变量关系的统计类型 3、列联统计 3-1 列联表的格式 自变量 因变量 人数 行百分比 列百分比 总百分比 边缘百分比 边缘百分比 条件百分比 3-2 列联分析的原理： 自变量发生变化，因变量取值是否也发生变化。 比较边缘百分比和条件百分比的差别。 4-1） 变量关系强度的含义: 指两个变量相关程度的高低。统计学中是以准实验的思想来分析变量相关的。通常从以下的角度分析： A）两变量是否相互独立。 B）两变量是否有共变趋势。 C）一变量的变化多大程度上能由另一变量的变化来解释。 4 列联变量的关系强度测量 4-2） 双变量关系强度测量的主要指标 4-3）卡方测量的原理： 卡方测量用来考察两变量是否独立(无关)。 其原理是根据这一概率定理：若两变量无关，则两变量中联合事件发生的概率应等于各自独立发生的概率乘积。 在列联表中，这一定理就具体转化为：若两变量无关，则两变量中条件概率应等于各自边缘的概率乘积。反之，则两变量有关，或，两变量不独立。 示例 15 15 65 5 观察值 边缘概率 边缘概率 期望条件概率 9 9 -9 -9 残差 由此可见，期望值（独立模型）与观察值的差距越大，说明两变量越不独立，也就越有相关。因此，卡方的表达式如下： 卡方的取值在0~∞之间。卡方值越大，关联性越强。在SPSS中，有Pearson X2和相似比卡方（Likelihood Ratio X2 ）两种。 4-4） 的改进标准化系数： 为使 值有一固定的区间，便于比较，采用了以下几个修正： A、φ系数（Phi）： (0~1), 适用于2×2表。 B、 列联系数（Contingency Coefficient）： (0~1)，适用任意表。 C、 Cramer V系数：(0~1)，适用任意表。 D、λ系数(Lambda)： (0~1)，适用任意表。 E、 Goodman Kruskal-tau系数: (0~1)，适用任 意表。 5 列联统计命令： Statistics—Summarize—Crosstabs 例6、四格表资料的X2检验 某医师对性乱者和献血员分别检测抗—HCV，结果见下表，试问两组