統(tǒng)計分析軟件SPSS詳細教程.doc

.10.11統(tǒng)計分析軟件&SPSS建立數(shù)據(jù)目錄10.11統(tǒng)計分析軟件&SPSS建立數(shù)據(jù)110.25數(shù)據(jù)加工作圖111. 08繪圖解答&描述性分析：22.描述性統(tǒng)計分析：2四格表卡方檢驗：（檢驗?zāi)硞€連續(xù)變量的分布是否與某種理論分布一致， 如是否符合正態(tài)分布）2第七章 非參數(shù)檢驗21.單樣本的非參數(shù)檢驗2（1）卡方檢驗2（2）二項分布檢驗22.兩獨立樣本的非參數(shù)檢驗23.多獨立樣本的非參數(shù)檢驗24.兩相關(guān)樣本的非參數(shù)檢驗25.多相關(guān)樣本的非參數(shù)檢驗2第五章 均值檢驗與T檢驗21.Means過程（均值檢驗）（24. 單樣本T檢驗25. 兩獨立樣本T檢驗26.兩配對樣本T檢驗2第六章 方差分析2單因素方差分析：2多因素方差分析：210.25數(shù)據(jù)加工作圖1.Excel中隨機取值：=randbetween(55,99)2.SPSS中新建數(shù)據(jù)，一列40個，正態(tài)分布隨機數(shù)：先在40那里隨便輸入一個數(shù) 表示選擇40個可用的，然后按一下操作步驟：3.排序：個案排秩4.數(shù)據(jù)選?。簲?shù)據(jù)-選擇個案-如果條件滿足：計算新變量：5.頻次分析：分析-統(tǒng)計描述-頻率還原：個案-全部6.加權(quán)：還原7.畫圖：11. 08繪圖解答&描述性分析：1.課后題：長條圖2.描述性統(tǒng)計分析：（1） 頻數(shù)分析：（2） 描述性分析：描述性統(tǒng)計分析沒有圖形功能，也不能生成頻數(shù)表，但描述性分析可以將原始數(shù)據(jù)轉(zhuǎn)換成標準化得分，并以變量形式存入數(shù)據(jù)文件中，以便后續(xù)分析時應(yīng)用。操作：分析描述性分析：然后對結(jié)果進行篩選，去掉異常值，就得到標準化的數(shù)據(jù)： 任何形態(tài)的數(shù)據(jù)經(jīng)過Z標準化處理之后就會是正態(tài)分布的錯誤！標準化是等比例縮放的，不會改變數(shù)據(jù)的原始分布狀態(tài)，（3） 探索分析：（檢驗是否是正態(tài)分布：莖葉圖、箱圖）實例：操作：（4） 交叉列聯(lián)表（探索定類型的變量間的相關(guān)性）：【純數(shù)值的變量用回歸分析，名義變量用交叉分析】操作：實例：四格表卡方檢驗：（檢驗?zāi)硞€連續(xù)變量的分布是否與某種理論分布一致， 如是否符合正態(tài)分布）例子：第1步 建立數(shù)據(jù)文建：第2步：對數(shù)據(jù)進行預(yù)處理；（給數(shù)據(jù)加權(quán)）第3步 進行卡方檢驗：第4步 結(jié)果分析P0.0110.05， 則在5%顯著性水平下拒絕原假設(shè)， 差異有顯著性意義，即藥物加化療與單用藥物治療癌癥的療效有顯著性差異。如何選sig值：期望值就是T 是理論頻數(shù) N是樣本數(shù)量（合計）對應(yīng)：1）選第一個：2）選3）選配對卡方檢驗：第1步 建立數(shù)據(jù)文建：第2步 對數(shù)據(jù)進行加權(quán)處理第3步 進行配對卡方檢驗結(jié)果分析：第七章 非參數(shù)檢驗使用情況：在總體分布未知的情況下用非參數(shù)檢驗，分布已知用參數(shù)檢驗。1.單樣本的非參數(shù)檢驗（1）卡方檢驗分析步驟 第1 步 提出零假設(shè)：卡方檢驗的零假設(shè)H0是“總體服從某種理論分布”，其對立假設(shè)H1是“總體不服從某種理論分布”。 第2步 選擇檢驗統(tǒng)計量：卡方分布選擇的是Pearson卡方統(tǒng)計量。已證明，當n充分大時，它近似地服從自由度為k-1的卡方分布。 第3步 計算檢驗統(tǒng)計量的觀測值和概率p值。 第4步 給出顯著性水平，作出決策。 實例：某公司質(zhì)檢負責人欲了解企業(yè)一年內(nèi)出現(xiàn)的次品數(shù)是否均勻分布在一周的五個工作日中，隨機抽取了90件次品的原始記錄，其結(jié)果如下表，問該企業(yè)一周內(nèi)出現(xiàn)的次品數(shù)是否均勻分布在一周的五個工作日中？（ ） 工作日12345次品數(shù)251581626第1步 分析：由于考慮的是次品是否服從均勻分布的問題，考慮用卡方檢驗。 第2步 數(shù)據(jù)的組織：數(shù)據(jù)分成兩列，一列是工作日，其變量名為“weekday”，另一列是次品數(shù)，變量名為“number”，輸入數(shù)據(jù)并保存。第3步 加權(quán)設(shè)置：將變量“number”定義為權(quán)變量。第4步 進行卡方檢驗： 第5步 主要結(jié)果及分析左表是頻數(shù)分布情況表，第二列為實際觀察值出現(xiàn)次數(shù)，第三列為理論上每天應(yīng)出現(xiàn)的次數(shù)，第四列為殘差右表是計算的卡方統(tǒng)計量及對應(yīng)的相伴概率值，由于Sig.=0.0140.05，因此沒有理由拒絕零假設(shè)。這說明此地新生兒男女比例與通常的男女比例相同。2.兩獨立樣本的非參數(shù)檢驗【例7-3】 某公司希望了解兩種品牌汽油A和B每加侖的行駛里程是否有區(qū)別，表7.15是兩種品牌汽油每加侖的行駛里程數(shù)，在顯著性水平0.05下，判斷兩個品牌間是否存在顯著性差異？A30.428.729.232.531.729.530.831.130.731.8B33.529.830.131.433.830.931.329.632.833第1步 分析：由于是兩種品牌的汽油，可以認為是兩個獨立樣本，但行駛里程數(shù)根本不知道服從何種分布，可用兩獨立樣本的非參數(shù)檢驗進行分析。第2步 數(shù)據(jù)組織：由于獨立樣本的非參數(shù)檢驗所檢驗的數(shù)據(jù)只有一列，故應(yīng)將A，B數(shù)據(jù)組織成一列，用另一列來區(qū)分A和B，作分組變量。第3步 進行獨立樣本的非參數(shù)檢驗雙尾檢驗的相伴概率為0.151，大于0.05，說明兩種汽油無顯著性差異。兩個相伴概率都大于顯著性水平0.05，因此應(yīng)接受零假設(shè)，認為兩種汽油之間無顯著性差異。Kolmogorov-Smirnov Z值為0.894，相伴概率值為0.400，大于顯著性水平0.05，因此應(yīng)接受兩種汽油之間無顯著性差異的原假設(shè)；根據(jù)游程檢驗計算的Z統(tǒng)計量為-1.149，對應(yīng)在單尾顯著性概率為0.128，大于顯著性水平，因此應(yīng)接受兩種汽油之間無顯著性差異的原假設(shè)。從以上四種檢驗方法所得到的結(jié)果是相同的，即兩種汽油之間無顯著性差異。3.多獨立樣本的非參數(shù)檢驗4.兩相關(guān)樣本的非參數(shù)檢驗?zāi)称髽I(yè)提出了一項新工藝，為了檢驗新工藝是否能降低單位成本，隨機抽取16個工人分別用新舊工藝生產(chǎn)產(chǎn)品，測得單位成本資料如下表，請在顯著性水平0.05下檢驗是否新工藝降低了成本？ new25121422211722161718192422152223old18171619241928182224223025202421第1步 分析：由于是同一批工人和同一批機器，其先后的成本是相關(guān)的，同時也不知數(shù)據(jù)的分布情況，故應(yīng)用兩相關(guān)樣本的非參數(shù)檢驗。第2步 數(shù)據(jù)組織：數(shù)據(jù)分成兩列，第一列為新工藝的成本，第二列為舊工藝的成本。第3步 兩相關(guān)樣本的非參數(shù)檢驗 ：設(shè)置如下圖Z統(tǒng)計量為-2.160，相伴概率為0.031，小于顯著水平0.05，故應(yīng)拒絕原假設(shè)，即認為兩樣本不是來自于同一總體，說明有差異，新工藝可省成本。結(jié)果分析：Z統(tǒng)計量為-2.160，相伴概率為0.031，小于顯著水平0.05，故應(yīng)拒絕原假設(shè)，即認為兩樣本不是來自于同一總體，說明有差異，新工藝可省成本。 其相伴概率為0.021，小于0.05，說明新工藝與舊工藝有顯著性差異，這與Wilxocon檢驗結(jié)果是一致的。5.多相關(guān)樣本的非參數(shù)檢驗?zāi)澄乃囃頃?個節(jié)目，共有5個評委參與打分，其數(shù)據(jù)如下表。問這5個評委的判斷標準是否一致 。節(jié)目1節(jié)目2節(jié)目3節(jié)目4節(jié)目5評委18.758.258.898.5評委2109.59.58.99.5評委39.69.19.18.59.6評委49.28.58.99.19.4評委59.659.29.19.18.9第1步 分析：由于5個評委打分是分別針對同一個節(jié)目，所以數(shù)據(jù)之間具有相關(guān)性，同時不知道數(shù)據(jù)所服從的分布，可以采用多相關(guān)樣本的非參數(shù)檢驗。第2步 數(shù)據(jù)組織：由于是分析的評委之間的評判標準是否一致，故應(yīng)將每個評委所打的分各分成一列。第3步 多相關(guān)樣本的非參數(shù)檢驗：結(jié)果分析：卡方值為9.102，自由度為4，相伴概率為0.0590.05，故應(yīng)認為5個評委打分是一致的?？ǚ街禐?.102，自由度為4，相伴概率為0.0590.05，也應(yīng)認為5個評委的打分具有一致性，這與Friedman檢驗具有一致性。非參數(shù)檢驗與卡方檢驗比較：卡方檢驗是 數(shù)據(jù)總體是服從什么樣的分布（都是 頻次的方式呈現(xiàn)出來的）非參數(shù)檢驗 是總體分布情況未知第五章 均值檢驗與T檢驗 參數(shù)檢驗必須說明，他是服從某種分布的實例：1.Means過程（均值檢驗）（與非參檢驗比較）非參檢驗中的二項式檢驗，但是只能是兩個變量。第1步 數(shù)據(jù)組織； 根據(jù)表5.1生成SPSS數(shù)據(jù)文件，建3個變量：“sex”、“edu”、“num”， 數(shù)據(jù)文件的部分數(shù)據(jù)如圖5-3所示。3、實例分析第2步 打開主對話框；選擇分析 比較均值 均值，打開同圖5-1一樣的均值過程主對話框。第3步 確定要進行均值比較的變量；在圖5-1的對話框中，從左邊的候選變量列表框中選擇“人口數(shù)量（num）”變量，移入“因變量列表”文本框中，表示對該變量進行均值比較分析。第4步 確定分組變量；分組變量可以有幾層，選擇“性別（sex）”變量作為第一層分組變量，將其移入“自變量列表”文本框中。第5步 確定輸出的統(tǒng)計量；單擊圖5-1上的選項按鈕，彈出如圖所示的子對話框，選擇方差和eta復(fù)選框，進行方差分析，單擊繼續(xù)按鈕，返回主對話框。結(jié)果分析：此表是性別的單因素方差分析。表中的Sig.值遠大于0.05，說明不同性別受教育的人口數(shù)量沒有顯著性差異。 人口數(shù)量與性別的相關(guān)性度量表。此時的Eta和Eta方 取值都很小，說明性別和受教育的人口數(shù)量的相關(guān)性很差，這也和單因素方差分析表的結(jié)論是一致的。4. 單樣本T檢驗（它是對總體均值的假設(shè)檢驗）【例5-2】某生產(chǎn)食鹽的生產(chǎn)線，其生產(chǎn)的袋裝食鹽的標準重量為500g，現(xiàn)隨機抽取10袋，其重量分別為：495，502，508，496，505，499，503，498，505，500。假設(shè)數(shù)據(jù)總體呈正態(tài)分布，請檢驗生產(chǎn)線的工作情況。第1步 數(shù)據(jù)組織；首先建立SPSS數(shù)據(jù)文件，只需建立一個變量“Weight”，錄入相應(yīng)的數(shù)據(jù)即可。第2步 打開主對話框； 選擇分析 比較均值 單樣本T檢驗，打開同圖5-3一樣的單樣本T檢驗主對話框。第3步 確定要進行T檢驗的變量； 在圖5-3所示的對話框中，選擇“Weight”變量作為檢驗變量，移入“檢驗變量”框中。第4步 輸入要檢驗的值； 在圖5-4的對話框中的“檢驗值”中輸入要檢驗的值，本例應(yīng)輸入500。單樣本T檢驗結(jié)果表，第一行的Test Value為檢驗參數(shù)值500，即用于比較的總體均值，下面從左至右依次為檢驗統(tǒng)計量（t）、自由度（df）、雙尾檢測概率P值（Sig.(2-tailed)）、樣本均值與和檢驗值的差（Mean Difference）、均值差的95%置信區(qū)間（95%Confidence Interval of the Difference）。 當置信水平為95%時，顯著性水平為0.05，從表中可以看出，雙尾檢測概率P值為0.432，大于0.05，故零假設(shè)成立，也就是說抽樣袋裝食鹽的重量與500克無顯著性差異，有理由相信生產(chǎn)線工作狀態(tài)正常。5. 兩獨立樣本T檢驗【例5-3】為比較兩種不同品種的玉米的產(chǎn)量，分別統(tǒng)計了8個地區(qū)的單位面積產(chǎn)量，具體數(shù)據(jù)見表5.8。假定樣本服從正態(tài)分布，且兩組樣本相互獨立，試比較在置信度為95%的情況下，兩種玉米產(chǎn)量是否有顯著性差異。第1步 數(shù)據(jù)組織；根據(jù)表5.8，SPSS數(shù)據(jù)文件中建立兩個變量，分別為“品種”、“產(chǎn)量”，變量“品種”的變量值標簽為：a-品種A，b-品種B，錄入數(shù)據(jù)即可。第2步 打開主對話框；選擇分析 比較均值獨立樣本T檢驗 ，打開同圖5-4一樣的兩獨立樣本T檢驗主對話框。第3步 確定要進行T檢驗的變量；在圖5-4所示的對話框中，選擇“產(chǎn)量”變量作為檢驗變量，移入“檢驗變量”框中。第4步 確定分組變量；選擇變量“品種”作為分組變量，將其移入圖5-4中的“分組變量”文本框中，并定義分組的變量值：Group11，Group22。結(jié)果分析：首先做2個樣本方差的齊性檢驗。上圖中sig.=0.7520.05，因此認為2個樣本方差不存在差異，可以按照P=0.332取值。在顯著性水平為0.05的情況下，T統(tǒng)計量的概率p值大于0.05，故不應(yīng)拒絕零假設(shè),，即認為兩樣本的均值是相等的，在本例中，不能認為兩種玉米品種的產(chǎn)量有顯著性差異。6.兩配對樣本T檢驗3、實例分析【例5-4】以下是某大學(xué)跆拳道選手15人的平衡訓(xùn)練的數(shù)據(jù)，統(tǒng)計實驗前、后平衡訓(xùn)練成績是否有差異。訓(xùn)練前：86，77，59，79，90，68，85，94，66，72，75，72，69，85，88訓(xùn)練后：78，81，76，92，88，76，93，87，62，84，87，95，88，87，80第1步 數(shù)據(jù)組織； 首先建立SPSS數(shù)據(jù)文件，建立兩個變量：“訓(xùn)練前”、“訓(xùn)練后”，錄入相應(yīng)數(shù)據(jù)。第2步 打開主對話框；選擇分析 比較均值 配對樣本T檢驗，打開同圖5-5一樣的配對樣本T檢驗主對話框。第3步 確定配對分析的變量；將變量“訓(xùn)練前”和“訓(xùn)練后”添加到“成對變量”框中，作為第一對分析的配對變量。兩配對樣本T檢驗的簡單相關(guān)關(guān)系及其檢驗結(jié)果。表中第3列為訓(xùn)練前和訓(xùn)練兩樣本的相關(guān)系數(shù)，第4列是相關(guān)系數(shù)的檢驗p值。從表中可以看出，在顯著性水平為0.05時，訓(xùn)練前后的概率p值為0.132,大于0.05，接受零假設(shè)，可以認為訓(xùn)練前后的成績沒有明顯的線性關(guān)系。由于概率p值為0.041,小于0.05,拒絕零假設(shè)，可以認為訓(xùn)練前后對成績有顯著效果。第六章 方差分析單因素方差分析：用四種飼料喂豬，共19頭分為四組，每一組用一種飼料。一段時間后稱重，豬體重增加數(shù)據(jù)如下表所示，比較四種飼料對豬體重增加的作用有無不同。飼料A飼料B飼料C飼料D133.8151.2193.4225.8125.3149.0185.3224.6143.1162.7182.8220.4128.9143.8188.5212.3135.7153.5198.6第1步 分析：由于考慮的是一個控制變量（飼料）對一個觀測變量（豬體重）的影響，而且是4種飼料，所以不適宜用獨立樣本T檢驗（僅適用兩組數(shù)據(jù)），應(yīng)采用單因素方差分析。第2步 數(shù)據(jù)的組織：數(shù)據(jù)分成兩列，一列是豬的體重，變量名為“weight”，另一變量是飼料品種（變量值分別為1,2,3,4），變量名為“fodder”，輸入數(shù)據(jù)并保存。 第3步 方差相等的齊性檢驗：由于方差分析的前提是各個水平下（這里是不同的飼料folder影響下的體重weight）的總體服從正態(tài)分布，且各組方差具有齊性。其中正態(tài)分布的要求并不是很嚴格，但對于方差相等的要求是比較嚴格的，因此必須對方差相等的前提進行檢驗。 方差齊性檢驗的方法：打開分析比較均值單因素ANOVA選項，在“方差同質(zhì)性檢驗”前打鉤就可以了。方差齊性檢驗的方法：方差齊性檢驗的H0假設(shè)是：方差相等。從上表可看出相伴概率Sig.=0.995（0.05）說明應(yīng)該接受H0假設(shè)（即方差相等）。故下面就用方差相等的檢驗方法。上表是幾種飼料方差分析的結(jié)果，組間（Between Groups）平方和（Sum of Squares）為20538.698，自由度（df）為3，均方為6846.233；組內(nèi)（Within Groups）平方和為652.159，自由度為15，均方為43.477；F統(tǒng)計量為157.467。由于組間比較的相伴概率Sig.（p值）=0.0000.05，故應(yīng)拒絕H0假設(shè)（四種飼料喂豬效果無顯著差異），說明四種飼料對養(yǎng)豬的效果有顯著性差異。從整個表反映出來四種飼料相互之間均存在顯著性差異