spss基本操作-姜永志

1、2022-4-812022-4-821、研究設計選擇與定義問題執(zhí)行研究程序數(shù)據(jù)分析結果探究與結論2022-4-832022-4-842、研究取樣隨機抽樣分層隨機抽樣整群抽樣2022-4-853、取樣的樣本要多少才“夠大”地區(qū)樣本500-1000全國樣本1500-2500相關研究30以上因果研究30以上實驗研究單組15以上2022-4-864、變量屬性的確定類別變量（性別、種族）順序變量（優(yōu)劣、多少、次序）等距和比率變量（年齡）多元回歸應為連續(xù)變量或轉化的“虛擬變量”2022-4-871、編制擬預試問卷2、預試3、整理問卷與編號4、項目分析5、因素分析（結構效度）6、信度分析2022-4-882

2、022-4-891、量表反向計分2、求出量表的總分3、量表總分的高低排序4、找出高低分組的臨界分（27%原則）5、依據(jù)臨界分區(qū)分高低分組6、以獨立樣本t-test檢驗二組在每個項目上的差異7、刪除t-test檢驗未達到顯著的項目2022-4-8102022-4-8111、相關概念、相關概念因素分析，就是通過尋找眾多變量的公共因素來簡化變量因素分析，就是通過尋找眾多變量的公共因素來簡化變量中存在復雜關系的一種統(tǒng)計方法，它將多個變量綜合為少中存在復雜關系的一種統(tǒng)計方法，它將多個變量綜合為少數(shù)幾個數(shù)幾個“因子因子”以再現(xiàn)原始變量與以再現(xiàn)原始變量與“因子因子”之間的相關關系。之間的相關關系。通過因素分

3、析，可以找出幾個較少的有實際意義的因子，通過因素分析，可以找出幾個較少的有實際意義的因子，反映出原來數(shù)據(jù)的基本結構。反映出原來數(shù)據(jù)的基本結構。2022-4-812 122022-4-813132022-4-814特征值特征值 特征值是指每個變量在某一公共因子上的因子負荷的平方總和。在因子分析的公共因子提取中，特征值最大的公共因子會最先被提取，最后提取特征值最小的公共因子。因子分析的目的就是使因子維度簡單化，希望以最小的公共因子能對總變異量作最大的解釋，因而提取的因素愈少愈好，而提取因子之累積解釋的變異量則愈大愈好。142022-4-815共同性（度）：共同性（度）：通常稱為該因子的貢獻率，每個

4、變量在每個公共因素載荷的平方總和，即個別變量可以被共同因素解釋的變異百分比，是個別變量與共同因素多元相關的平方。實際中常用相對指標來表示。相對指標體現(xiàn)公共因子的相對重要性，即每個公共因子所解釋的方差占所有變量總方差的比例。2022-4-8162、因素分析的步驟、因素分析的步驟（1）確定因子分析的前提條件確定因子分析的前提條件 因子分析是從眾多的原始變量中綜合出少數(shù)幾個具有代表性的因子分析是從眾多的原始變量中綜合出少數(shù)幾個具有代表性的因子，這必定有一個前提條件，即因子，這必定有一個前提條件，即原有變量之間具有較強的相關性原有變量之間具有較強的相關性。如果原有變量之間不存在較強的相關關系，則無法找

5、出其中的公。如果原有變量之間不存在較強的相關關系，則無法找出其中的公共因子。因此，在因子分析時需要對原有變量做相關分析。通?？晒惨蜃印Ｒ虼?，在因子分析時需要對原有變量做相關分析。通?？刹捎萌缦聨追N方法：采用如下幾種方法：2022-4-817l計算相關系數(shù)矩陣計算相關系數(shù)矩陣l計算原有變量的簡單相關系數(shù)矩陣。觀察相關系數(shù)矩陣，如果相關系數(shù)計算原有變量的簡單相關系數(shù)矩陣。觀察相關系數(shù)矩陣，如果相關系數(shù)矩陣中的大部分相關系數(shù)值小于矩陣中的大部分相關系數(shù)值小于 0.3，則各個變量之間大多為弱相關，這，則各個變量之間大多為弱相關，這就不適合做因子分析。如果一個變量與其他變量間相關度很低，則在下就不適合做

6、因子分析。如果一個變量與其他變量間相關度很低，則在下一分析步驟中可考慮剔除此變量。一分析步驟中可考慮剔除此變量。172022-4-818l進行統(tǒng)計檢驗進行統(tǒng)計檢驗l在因子分析過程中提供了幾種檢驗方法來判斷變量是否適合做因子分析。在因子分析過程中提供了幾種檢驗方法來判斷變量是否適合做因子分析。主要統(tǒng)計方法有如下兩種：主要統(tǒng)計方法有如下兩種： lBarlett Test of Sphericity：它是以變量的相關系數(shù)矩陣為出發(fā)點，零：它是以變量的相關系數(shù)矩陣為出發(fā)點，零假設：相關系數(shù)矩陣是一個單位陣。如果巴特利球形檢驗的統(tǒng)計計量假設：相關系數(shù)矩陣是一個單位陣。如果巴特利球形檢驗的統(tǒng)計計量數(shù)值較大

7、，且對應的相伴概率值小于用戶給定的顯著性水平，則應該數(shù)值較大，且對應的相伴概率值小于用戶給定的顯著性水平，則應該拒絕零假設；反之，則不能拒絕零假設，認為相關系數(shù)矩陣可能是一拒絕零假設；反之，則不能拒絕零假設，認為相關系數(shù)矩陣可能是一個單位陣，不適合做因子分析。個單位陣，不適合做因子分析。182022-4-819lKMO(Kaiser-Meyer-Olkin)檢驗：檢驗：KMO統(tǒng)計量用于檢驗變量統(tǒng)計量用于檢驗變量間的偏相關性是否足夠小，是簡單相關量和偏相關量的一個間的偏相關性是否足夠小，是簡單相關量和偏相關量的一個相對指數(shù)，由下式求得：相對指數(shù)，由下式求得：KMO0.9 非常適合非常適合0.8K

8、MO0.9 適合適合0.7KMO0.8 一般一般0.6KMO0.7 不太適合不太適合KMO0.05）。故對于兩組以上的均數(shù)比較，必須使用方差分析的方法，當然方差分析方法亦適用于兩組均數(shù)的比較。（單因素隨機實驗設計；組間實驗設計）2022-4-863基本功能基本功能方差分析是R.A.Fister發(fā)明的，用于兩個及兩個以上樣本均數(shù)差別的顯著性檢驗。其基本作用主要是： 均數(shù)差別的顯著性檢驗；分離各有關因素并估計其對總變異的作用；分析因素間的交互作用；方差齊性檢驗?；舅枷牖舅枷朐斐梢蜃兞堪l(fā)生變化的原因可分成兩類，一是不可控的隨機因素，另一是研究中施加的對結果形成影響的可控因素。方差分析的基本思想是

9、：通過分析研究中不同來源的變異對總變異的貢獻大小，從而確定可控因素對研究結果影響力的大小。2022-4-864General Factorial過程過程 調用此過程可對完全隨機設計、配對設計資、析因設計、正交設計等等進行多因素方差分析或協(xié)方差分析。 2022-4-865Multivarite過程過程 調用此過程可進行多元方差分析。2022-4-866Repeat Measures過程過程 調用此過程可進行組內實驗設計和混合實驗設計的分析2022-4-867回歸分析法就是對相關現(xiàn)象之間的規(guī)律性進行分析的方法。確切地說，回歸分析法就是通過對相關現(xiàn)象的實際觀察值，采用數(shù)學方法回歸為直線或曲線形式的方

10、程，以反映現(xiàn)象之間的數(shù)量關系及變化規(guī)律的一種分析方法。 2022-4-868相關分析與回歸分析的關系相關分析與回歸分析的關系相關關系是回歸分析的前提。只有現(xiàn)象之間具有較為密切的相關關系，才有進行回歸分析的必要，用回歸分析所獲得的結論才有實際意義。 相關關系決定回歸分析現(xiàn)象之間的相關關系是很復雜的，它們以不同的方向、不同的程度、不同的形式等相互作用，表現(xiàn)出不同的類型和形態(tài)。但無論現(xiàn)象的相關類型呈現(xiàn)為何種狀態(tài)，它對回歸分析都是起決定作用的因素?；貧w分析是相關分析的繼續(xù)和深入。2022-4-8691 1相關的類型決定回歸的類型。相關的類型決定回歸的類型。直線相關直線相關示意圖示意圖 曲線相關示意圖曲線相關示意圖2022-4-8702相關的性質決定回歸系數(shù)?，F(xiàn)象之間的關系，按其性質不同可分為正相關和負相關。在直線相關的情況下，正相關時回歸系數(shù)為正，負相關時回歸系數(shù)為負。即在回歸方程Y=a+bx中，b為回歸系數(shù)。正相關時，b0；負相關時，b0。 3現(xiàn)象相關的密切程度決定回歸預測的準確程