SPSS研究问题与统计方法.docVIP

PAGE PAGE 1 SPSS研究问题与统计方法 一、假设验证和数据类型 为方便熟悉假设与假设检验的分析方法，将研究问题、假设验证和统计分析结合在一起讲，设计研究的简要结构图，以实例讲解SPSS最常用的分析与操作方法。 调节 调节 （或中介） 调节 （或中介） 压力源 社会生活事件 学习倦怠 应对方式 社会支持 研究结构中，变量的类型如下，其中间断变量包括顺序变量和称名变量；连续变量是等距和等比变量。 研究中涉及到的变量 1.个人变量：学生性别，包括男女两个类别，为二分变量；学生成绩水平为四分变量，分别为上等、中等、中等偏下、差；家庭经济状况属于四分变量分别为：很好、一般、困难 和特困。 2.学习倦怠：共24题项，情绪衰竭 ：1-10；去个性化：11-16 ；低成就感17-24，分为三个因素层面，属于连续性变量。 3.应对方式、社会生活事件和压力源均属连续性变量。 二、可研究问题与统计方法 研究问题一： 抽样学生的学习倦怠、社会支持、应对方式和压力源状况如何？ 分析方法：描述某问题的现状，以平均数和标准差最为适宜。 注意：由于量表中各个层面所包含的题目不一样，因而不能以层面的平均数比较受试者在各层面得分的高低，应将各层面平均得分再除以层面的题数，求出“层面中每题的平均得分”进行比较才有意义 研究问题二： 学生的压力源、社会支持、应对方式、学习倦怠间是否有显著的相关存在？ 分析方法：研究问题二主要探究“单一变量”和“单一变量”间两两相关，变量属于连续性变量，可采用皮尔逊积差相关。 积差相关适用“双变量数据”，适用时机：一个X变量（连续变量）一个变量Y（连续变量） 研究问题三： 不同性别，其学习倦怠、应对方式、压力源是否有显著性差异？ 分析方法：研究问题中，自变量为学生性别，属分类变量，有两个水准，因变量为连续变量，可采用独立样本t-test检验。 独立样本t-test检验的适用时机：自变量为二分变量（包括两个水平）一个因变量（为连续性变量） 研究问题四： 不同家庭经济状况的学生，其学习倦怠是否有显著性差异？ 分析方法：研究问题中，自变量为家庭状况，有四个水平，分别为很好、一般、困难和特困，因变量为连续变量，每个因变量分开检验，可采用独立样本单因子变异数分析（one-way ANOVA） 独立样本单因子变异数分析适用时机：自变量为间断变量（三个水平以上）一个因变量（为连续性变量） 注：如果自变量为连续变量，应将此变量转换为间断变量。 研究问题五： 学生性别、压力源、应对方式、社会支持、社会生活事件是否可有效预测学生的学习倦怠？预测能力如何？ 分析方法：研究问题中，由于预测变量包括的较多，而因变量为“学习倦怠”变量一个，可采用多元回归分析法（multiple regression）或称“复回归” 多元回归分析法适用时机：预测变量（N个连续变量）校标变量（连续变量） 注：如果预测变量是非连续变量，如学生性别，要纳入预测变量，其数据要转化为“0、1”，以虚拟变量方式转化变量后，也可以将学生性别作为一个预测变量。 三、各方法基础知识讲解 研究问题一：此部分较简单 研究问题二：相关系数 双变量均为连续性变量，应以皮尔逊相关求二者的相关程度，相关系数可作为两个连续变量间线性相关的指标。相关系数介于-1到+1之间，正负号表示相关方向。在统计分析中，相关系数与样本人数有关，如果受试的样本很大，即使相关系数很小，也很容易达到显著。因而在相关分析的解释过程中，除说明两个变量是否达到显著相关外，也应呈现决定系数的大小，并加以说明。（决定系数是相关系数的平方，也称为解释变异量的比例）。不论相关系数或决定系数只能说明二者关系密切的程度，而不能误认为二者间有因果关系。如X变量与Y变量的相关为0.50（P0.001），决定系数为0.25，意味着“Y变量的变异量中，可被X变量解释的变异量百分比为25%”，也意味着“X变量的变异量中，可被Y变量解释的变异量百分比为25%”；而相关系数等于0.50，则表示X变量与Y变量间有显著的正相关。 研究问题三：独立样本T检验 独立样本T检验报表中，“Levene’s Test for Equality of variances”栏，是判断母群体变异数是否相同的依据，其“虚无假设”是两母群的变异数相同，相对的其“对立假设”是两个母群的变异数不相等，这就是变异数同质性检验，如果所呈现的F值达到显著，则组别平均数的T检验要选用“Equal variances not assumed”（假定变异数不相等）所呈现的T值。如果F值未达到显著，则表示两母群的变异数相等，此时要看“Equal variances assumed”（假定变异数相等）所对应的T值。 研究问题四：独立样本单因子变异数分析（One-w