SPSS使用方法次数资料分析.ppt

第五章 次数资料分析 一 适合性检验 二 独立性检验 三 协方差分析 一 适合性检验 X2检验：是次数资料显著性检验的方法，它通过提出某种假设，用理论次数（T）与观察次数（A）进行比较，从而确定两者符合程度。 判断实际观察的属性类别分配是否符合已知属性类别分配理论或学说的假设检验称为适合性检验。 卡方计算公式 非参数统计分析 参数统计方法是在已知总体分布的条件下，对相应分布的总体参数进行估计和检验。 非参数检验重点在于总体的分布情况，即研究目标总体的分布是否与已知理论分布相同，或者各样本所在总体的分布位置/形状是否相同，其推断过程和结论均与原总体参数无关。 一 适合性检验 [操作方法] 1 建立数据文件：定义两个变量 （1）性状类别变量（取值为性状分类数1、2、3。。。） （2）各类别频数/次数变量 一 适合性检验 2 定义频数/次数变量： [Date]-[Weight cases]—[Weight cases by]-在Frequency Variable框输入频数变量名-[OK]。 在默认情况下，每一行就是一条记录；有多少项记录就有多少行； [Weight cases]过程将该变量数据指定为频数格式，即相同取值的观测只录入一次，另加一个频数变量用于记录该数值出现的次数。 一 适合性检验 3 [Analyze]-[Nonparametric Tests]-[Chi-Square]- （1）Test Variable List栏：指定需要进行检验的变量，可以同时指定多个，系统会分别进行。 （2）Expected Values单选框组： 指定已知总体的各分类构成比，系统默认各类别的理论比率相等； 如果不一致，在values项按照各性状类别比例（如1：2：1）输入，并且数值的排列次序和数据文件中记录的排列次序(从小到大）相同，用Add加入到后选框 （3）Option子对话框：输出统计量。 点击OK，显示结果界面。 结果输出 表一 描述统计量表: 显示各性状类别的Observed N（观察频次数）、Expected N（期望次数）和Residual（残差） 表二 Test Statistics表：为最终的检验结果，给出卡方值、自由度、近似的P值（Asymptotic)和确切的P值（Exact Sig.) 二 独立性检验 根据次数资料判断两类因子彼此相关或相互独立的假设检验就是独立性检验。 独立性检验实际上是基于次数资料对因子间相关性的研究。 [Crosstabs]过程：对计数资料和有序分类资料可以产生二维至N维列联表，并计算相应的百分数指标、期望频数、行/列汇总指标、各种残差指标等； 统计推断则包括成组、配伍、分层的卡方检验、针对不同使用范围的一大批用于度量行、列变量关联度的指标及其检验等。 卡方计算公式 二 独立性检验 [操作方法] 1 建立数据文件：定义三个变量 （1）行变量，取值为1、2、3、。。。 （2）列变量，取值为1、2、3、。。。 （3）频数/次数变量 2 定义频数变量： [Date]-[Weight cases]-频数/次数变量 二 独立性检验 3 [Analyze]-[Descriptive Statistics]-[Crosstabs]:主对话框中： （1）Row框：用于选择列联表的行变量； （2）Columns框：用于选择列联表的列变量； （3） Layer框组：用于设置分层分析变量，包括layer框和layer按钮组。 在layer框选入多个变量时，默认是分别进行分析，如果希望进行嵌套的等级分析，则利用[Next]按钮分别选入不同变量进入不同的层，会得到不同的变量的、不同组合的分层分析结果。 二 独立性检验 4 Statistic子对话框： （1）Chi-square：进行卡方检验，对于自由度为1的资料会自动给出校正卡方检验和确切概率法的结果。 该检验用于判断行、列变量是否独立，如果数据不满足卡方检验要求（不能有单元格的期望数小于1，不能有20%以上单元格的期望数小于5），则系统在分析结果的最后给出警告，提示用户采用确切概率法来分析。 二 独立性检验 5 Cell 子对话框：用于定义列联表单元格中需要显示的指标。 （1）Counts复选框：是否输出实际观察数（Observed）和理论数（Expected） （2）Percentages复选框：是否输出行、列和总的百分数； （3）Residuals复选框：选择残差的显示方式，可以是实际数与理论数的差值（Unstandardized）、标化后的差值（standardized，将差值转化为标准正态分布）或被标准误除的单元残差