spss考试重点第一部分.docxVIP

精品 精品Word文档，知识共享！ !! 方差分析的值和 p值只能说明观测变量（因变量）在因素变量（自变量）的各个水平之间的差异是否显著。当差异显 著时，还需要检验哪些组与组之间差异显著，哪些组与组之间差异不显著，这就需要进行组与组之间均值的“多重比 较”，即所谓的 “事后分析”或“事后检验”。 （1】第一因素的主效泣 在*衡兼二固素启土平之间效应的前提下，因变量在第一因素 各水平上的均值是否布在抵新差岸 （2）第二凶瞬的主效胞盛平裔第一因索餐水平之间效应的前提下+丙查啟在第二因索 务水平上的均ffi是書存在扯署差昇? 彌因素的交互效应因蛮量柜第一因索各水平上的均值差岸是否是第二因素各水 平的变异函数。也就是说，在两个因素其同作用下*因变蟹在因索各水平上的差异是否 上述三类牧应只誓有一类显荐?祁需作审后检验.如果仅有丙厳主效应显育而交互效 应不显需婪进行多重比较’以发现具体差异发生在哪些水平之阖.如果仅有交互效应显 菁t通洁不需奚解释因索主救应.而应对交互效应柞进一步检验’ 适用于独立样本t检验的实验设计必须满足三个前提条件 T检验的结果（1）正态性 被检验变量在两总体中都属于正态分布。如果总体不属于正态分布，只要样本量足够大, 也能接受。通常认为每个样本的容量达到 15 T检验的结果 SPSS同时也会计算方差不齐时T检验结果不可信。30个，允许样本为非正态。p值不可信。 SPSS同时也会计算方差不齐时 T检验结果不可信。 30个，允许样本为非正态。 p值不可信。 （3） 独立样本。两个样本必须从总体中随机抽样获得，两个样本相互独立，否则独立样本的 适合配对样本的t检验必须满足下面的假设 （1） 正态性 两个变量之差所属于的总体为正态分布，但是当样本量足够大时，超过 （2） 随机样本 样本必须从总体中随机抽样获得，如果不是随机样本， T检验给出的 配对样本（或相关样本）指两个样本的数据之间彼此有关联。 定量分析指分析一个被研究对象所包含成分的数量关系或所具备性质间的数量关系；也可以对几个对象的某些性质、 特征、相互关系从数量上进行分析比较，研究的结果也用 数量”加以描述。 描述性统计分析要对调查总体所有变量的有关数据做统计性描述，主要包括数据的频数分析、数据的集中趋势分析、 数据离散程度分析、数据的分布、以及一些基本的统计图形。 r:相关系数是变量之间相关程度的指标。 样本相关系数用r表示，总体相关系数用p表示,相关系数的取值范围为［-1,1］。 |r值越大，误差 Q越小，变量之间的线性相关程度越高； |r|值越接近0, Q越大，变量之间的线性相关程度越低。 如两者呈正相关，r呈正值，r=1时为完全正相关；如两者呈负相关则 r呈负值，而r=-1时为完全负相关。完全正相关 或负相关时，所有图点都在直线回归线上；点子的分布在直线回归线上下越离散， r的绝对值越小。当例数相等时，相 关系数的绝对值越接近 1,相关越密切；越接近于 0,相关越不密切。当 r=0时，说明X和Y两个变量之间无直线关 系。通常|r|大于0.8时，认为两个变量有很强的线性相关性。 研究两个变量间线性关系的程度。用相关系数 r来描述。 r的计算有三种： ?Pearson相关系数：对定距连续变量的数据进行计算。 ?Spearman和Kendall相关系数：对分类变量的数据或变量值的分布明显非正态或分布不明时，计算时先对离散数据 进行排序或对定距变量值排（求）秩。 R2:方程的确定性系数（coefficient of determination ）,表示方程中变量 X对Y的解释程度。R2取值在0到1之间，越 接近1,表明方程中X对Y的解释能力越强。通常将 R2乘以100%来表示回归方程解释 Y变化的百分比。 P:显著性 正态分布：正态分布（normal distribution ）又名高斯分布（Gaussian distribution ）,是一个在数学、物理及工程等领 域都非常重要的概率分布，在 统计学的许多方面有着重大的影响力。若 随机变量X服从一个数学期望为 P标准方差 为^2的高斯分布，记为：则其 概率密度函数 为正态分布的期望值 □决定了其位置，其 标准差b决定了分布的幅度。 因其曲线呈钟形，因此人们又经常称之为钟形曲线。我们通常所说的 标准正态分布是卩=0, b =的正态分布。一般来 说，如果一个量是由许多微小的独立随机因素影响的结果，那么就可以认为这个量具有正态分布（见 中心极限 定理）。从理论上看，正态分布具有很多良好的性质 ，许多概率分布可以用它来近似；还有一些常用的概率分 布是由它直接导出的，例如 对数正态分布、t分布、F分布等。正态曲线呈钟型，两头低，中间高，左右对称, 曲线与横轴间的面积总等于 1。 有些指标（变量）虽服从 偏态分布，但经数