spss方差分析(编辑修改稿)

spss方差分析(编辑修改稿)内容摘要：

有时候还需要比较各个分组的方差是否相同，这就要进行方差齐次性检验。 例如，在进行独立右边的 T检验之前，就需要事先确定两个数据的方差是否相同。 如果通过分析发现各个方差不同，还需要对数据进行方差分析，那么就需要对数据进行转换使得方差尽可能相同。 在探索分析中可以使用 Levene检验。 Levene检验对数据进行方差齐次性检验时，不强求数据必须服从正态分布，它先计算出各个观测值减去组内均值的差，然后再通过这些差值的绝对值进行单因素方差分析。 如果得到显著性水平小于 ，那么就可以拒绝方差相同的假设。 SPSS中实现过程  研究问题 20名 10岁少儿的身高（ cm）资料，数据如表 39所示，试作探索性分析。 表 39 身高数据 Id 男孩身高（ cm） 女孩身高（ cm） 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20  实现步骤 图 325 在菜单中选择“ Explore”命令 图 326 “Explore”对话框 图 327 “Explore: Statistics”对话框 图 328 “Explore： Plots”对话框 图 329 “Explore： Options”对话框 结果和讨论 在结果输出窗口中将看到如下统计数据。 （ 1）首先输出如下个案观察量摘要表，如下表所示。 （ 2）然后输出如下表格。 （ 3）接着输出如下 4个不同权重下作中心趋势的粗略最大似然确定数， （ 4）再接着输出百分位数，也是分组后的百分位数，如下表所示。 （ 5）分别输出两个组中的最大 5个数和最小 5个数，并且包括这些值对应的 ID，如下表所示。 （ 6）输出方差齐次性检验结果。 （ 7）系统还进行数据的茎叶情形描述。 图 330 男孩身高的茎叶图 图 331 女孩身高的茎叶图 （ 8）系统输出箱图，如图 332所示。 图 332 箱图 （ 9）输出 Spread vs. Level图，如图 333所示。 图 333 Spread vs. Level图 （ 10）输出身高正态概率图（ Normal Plot of身高），如图 334所示。 图 334 男孩身高变量的正态概率图 图 335 女孩身高变量的正态概率图 （ 11）输出离散正态概率图（ Detrended Normal Plot of身高），男孩身高如图336所示，女孩身高如图 337所示。 横坐标是身高，纵坐标是和正态分布的偏离。 图 336 男孩身高离散正态概率图 图 337 女孩身高离散正态概率图 交叉列联表分析 统计学上的定义和计算公式 定义：前面的分析都是对单个变量的数据分布情况进行分析。 但在实际分析中，还需要掌握多个变量在不同取值情况下的数据分布情况，从而进一步深入分析变量之间的相互影响和关系，这种分析就称为交叉列联表分析。 列联表的例子： 文化程度 Total 本科 专科 高中 初中 职称 高级工程师 1 1 1 3 工程师 1 3 4 助理工程师 2 1 3 6 无技术职称 3 3 Total 4 4 5 3 16 交叉列联表分析除了列出交叉分组下的频数分布外，还需要分析两个变量之间是否具有独立性或一定的相关性。 要获得变量之间的相关性，仅仅靠频数分布的数据是不够的，还需要借助一些变量间相关程度的统计量和一些非参数检验的方法。 常用的衡量变量间相关程度的统计量是简单相关系数（参见本书有关章节），但在交叉列联表分析中，由于行列变量往往不是连续变量，不符合计算简单相关系数的前提条件。 因此需要根据变量的性质，选择其他的相关系数，如Kendall等级相关系数、 Eta值等。 SPSS提供了多种适用于不同相关系数的相关关系，这些检验的零假设是：行和列变量之间彼此独立，不存在显著的相关关系。 SPSS将自动给出检验的相伴概率，如果相伴概率小于显著性水平 ，那么应拒绝零假设，认为行列变量之间彼此相关。 计算公式如下。 （ 1）卡方统计量检验是常用的检验行列变量之间是否相关的方法。 交叉列联表的卡方检验零假设是：行列变量之间独立，计算公式为 卡方统计量服从（行数 −1） （列数 −1）个自由度的卡方统计， SPSS在自动计算卡方统计量后，还会给出相应的相关概率。 （ 2） Contingency coefficient：列联系数。 用于名义变量之间的相关系数计算。 计算公式由卡方统计量修改而得，公式为 其中， N为样本系数 （ 3） Phi and Cramer‘s V： ψ 系数。 用于名义变量之间的相关系数计算。 计算公式由卡方统计量修改而得，公式为 数值界于 0～ 1之间，其中 K为行数和列数较小的实际数。 SPSS中实现过程  研究问题 用两个班级学生进行两个感冒疫苗的试验，两个班级学生患感冒结果如表 310所示，问两个班级学生的患病比例有无差别。 表 310 两班级学生的患病情况 班 级 患 病 不 患 病 1 53 20 2 40 4  实现步骤 图 338 “Weight Cases”对话框 图 339 在菜单中选择“ Crosstabs”命令 图 340 “Crosstabs”对话框 图 341 “Crosstabs： Statistics”对话框 图 342 “Crosstabs： Cell Display”对话框 图 343 “Crosstabs： Table Format”对话框 结果和讨论 （ 1）先输出如下个案处理摘要表。 （ 2）下面所示表格是 “ 班级 ” 变量和 “ 患病 ” 变量的交叉列联表结果表格。 （ 3）交叉分组下频数分布图形，如图 344所示。 （ 4）输出卡方统计结果表。 （ 5）输出相对危险度表格如下所示。 多选项分析 统计学上的定义和计算公式 定义：多选项分析是对多选项问题的分析方法。 所谓多选项问题，就是一个问题的答案都是顺序变量或名义变量，并且允许选择的答案可以有多种组合。 对于多选项问题，分解（编码方案）的方法有两种。 1．多选项二分法（ Multiple Dichotomies Method） 这种方法将每个可能的答案设置为一个SPSS变量，变量的取值有两个，分别表示选中或没选中。 这种方法的缺点是需要的变量数比较多。 比如一道题目有 6个选项，则一道多选题目就需要用 6个变量来表示。 好处是比较简单。 2．多选项分类法（ Multiple Category Method） 多选项分类法首先估计多选项问题可能出现的答案个数。 比如一个多选题，如果最多有3个答案，那么就设置 3个 SPSS变量，分别用来存放 3个可能的答案。 如果某个案的答案只有两个，那么第 3个 SPSS变量取值为缺失值。 采用多选项分类法，进行普通的频数分析或交叉列联表分析有时候不能达到我们的要求。 比如，我们要了解某选项的选中次数，就需要将 3个变量中该选项的次数都累加起来，而不仅仅是一个变量中该选项的累加。 针对这种情况， SPSS提供了多选项分析方法，专门针对多选项问题。 SPSS在处理的过程中会自动地将 3个变量中相同答案的频率累加起来。 SPSS中实现过程  研究问题 1 某商场对 6种品牌的电视机进行消费者满意度调查，随机调查了 20位消费者，让他们选出最满意的 3个电视机品牌，收集到相应的数据，如表 311所示。 试用多选项二分法利用SPSS对该问题进行分析，包括频数分析和交叉列联表分析。 表 311 20名消费者调查情况 ID 康 佳 长 虹 西 湖 TCL 东 芝 创 维 性 别 1 1 0 1 0 1 0 1 2 1 0 1 1 0 0 0 3 0 0 0 1 1 1 0 4 1 0 1 1 0 0 0 5 1 0 0 1 0 1 0 6 0 0 1 1 1 0 1 7 0 1 1 1 0 0 1 8 1 0 0 0 1 1 1 9 0 0 1 1 1 0 0 10 0 1 1 1 0 0 0 11 1 1 1 0 0 0 0 12 1 0 1 0 0 1 1 13 0 1 1 1 0 0 1 14 1 0 1 1 0 0 0 15 0 0 1 1 0 1 0 16 1 1 1 0 0 0 0 17 1 1 1 0 0 0 0 18 0 1 1 0 0 1 1 19 0 1 1 1 0 0 1 20 1 1 0 1 0 0 1  实现步骤 图 345 在菜单中选择“ Define Variable Sets”命令 图 346 “Define Multiple Response Sets”对话框（一） 图 347 在菜单中选择“ Frequencies”命令 图 348 “Multiple Response Frequencies”对话框（一） 图 349 “Multiple Response Crosstabs”对话框（一） 图 350 “Multiple Response Crosstabs： Define Variable”对话框 图 351 “Multiple Response Crosstabs： Options”对话框（一） 第十一章 绘制统计图 • 统计图是用点的位置、线段的升降、直条的长短或面积的大小等来表达资料的内容。 它可以把资料所反映的变化趋势、数量多少、分布状态和相互关系等形象直观地表现出来，以便于读者的阅读、比较和分析。 • 本章将介绍 SPSS在绘制常用统计图方面的功能。 由于计算机绘图具有快速、清晰、规范、可修正以保证准确无误等特点，故在论文、报告等写作中有着十分重要的应用价值。 条图 散点图 线图 直方图 饼图 面积图 箱式图 正态 图 正态 PP图 质量控制图 Pareto图 自回归曲线图 高低图 交互相关图 序列图 频谱图 误差线图 朴素的美 削尖脑袋的模样 墙上长满了爬山虎 太阳照在红墙内外 反客为主的蓝飘带 我没有放倒。 直条图 • 主要功能 • 调用 Graphs菜单的 Bar过程，可绘制直条图。 直条图用直条的长短来表示非连续性资料（该资料可以是绝对数，也可以是相对数）的数量大小。 研究血压状态与冠心病各临床型发生情况的关系，分析资料如下所示，试绘制统计图。 血压状态 年龄标化发生率（ 1/10万） 冠状动脉机能不全 猝死 心绞痛 心肌梗塞 正常 临界 异常 • ，定义变量名：年龄标化发生率为 RATE，冠心病临床型为 DISEASE，血压状态为 BP。 RATE按原数据输入， DISEASE按冠状动脉机能不全 =猝死 =心绞痛 =心肌梗塞 =4输入， BP按正常 =临界 =异常=3输入。 • 选 Graphs菜单的 Bar...过程，弹出 Bar Chart定义选项框。 在定义选项框的下方有一数据类型栏，系统提供 3种数据类型： • Summaries for groups of cases：以组为单位体现数据； • Summaries of separate variables：以变量为单位体现数据； • Values of individual cases：以观察样例为单位体现数据。 • 大多数情形下，统计图都是以组为单位的形式来体现数据的。 在定义选项框的上方有 3种直条图可选： Simple为单一直条图、 Clustered为复式直条图、 Stacked为堆积式直条图，本例选复式直条图。 • 点击 Define钮，弹出 Define Clustered Bar:Summaries for Groups of Cases对话框，在左侧的。