統(tǒng)計(jì)分析軟件SPSS詳細(xì)教程.doc

.10.11統(tǒng)計(jì)分析軟件&SPSS建立數(shù)據(jù)目錄10.11統(tǒng)計(jì)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(jì)分析：2四格表卡方檢驗(yàn)：（檢驗(yàn)?zāi)硞€(gè)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(yàn)21.單樣本的非參數(shù)檢驗(yàn)2（1）卡方檢驗(yàn)2（2）二項(xiàng)分布檢驗(yàn)22.兩獨(dú)立樣本的非參數(shù)檢驗(yàn)23.多獨(dú)立樣本的非參數(shù)檢驗(yàn)24.兩相關(guān)樣本的非參數(shù)檢驗(yàn)25.多相關(guān)樣本的非參數(shù)檢驗(yàn)2第五章 均值檢驗(yàn)與T檢驗(yàn)21.Means過(guò)程（均值檢驗(yàn)）（24. 單樣本T檢驗(yàn)25. 兩獨(dú)立樣本T檢驗(yàn)26.兩配對(duì)樣本T檢驗(yàn)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(jī)取值：=randbetween(55,99)2.SPSS中新建數(shù)據(jù)，一列40個(gè)，正態(tài)分布隨機(jī)數(shù)：先在40那里隨便輸入一個(gè)數(shù) 表示選擇40個(gè)可用的，然后按一下操作步驟：3.排序：個(gè)案排秩4.數(shù)據(jù)選取：數(shù)據(jù)-選擇個(gè)案-如果條件滿足：計(jì)算新變量：5.頻次分析：分析-統(tǒng)計(jì)描述-頻率還原：個(gè)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(zhǎng)條圖2.描述性統(tǒng)計(jì)分析：（1） 頻數(shù)分析：（2） 描述性分析：描述性統(tǒng)計(jì)分析沒(méi)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(biāo)準(zhǔn)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(shí)應(yīng)用。操作：分析描述性分析：然后對(duì)結(jié)果進(jìn)行篩選，去掉異常值，就得到標(biāo)準(zhǔn)化的數(shù)據(jù)： 任何形態(tài)的數(shù)據(jù)經(jīng)過(guò)Z標(biāo)準(zhǔn)化處理之后就會(huì)是正態(tài)分布的錯(cuò)誤！標(biāo)準(zhǔn)化是等比例縮放的，不會(huì)改變數(shù)據(jù)的原始分布狀態(tài)，（3） 探索分析：（檢驗(yàn)是否是正態(tài)分布：莖葉圖、箱圖）實(shí)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(shí)例：四格表卡方檢驗(yàn)：（檢驗(yàn)?zāi)硞€(gè)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(duì)數(shù)據(jù)進(jìn)行預(yù)處理；（給數(shù)據(jù)加權(quán)）第3步 進(jìn)行卡方檢驗(yàn)：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(jì)）對(duì)應(yīng)：1）選第一個(gè)：2）選3）選配對(duì)卡方檢驗(yàn)：第1步 建立數(shù)據(jù)文建：第2步 對(duì)數(shù)據(jù)進(jìn)行加權(quán)處理第3步 進(jìn)行配對(duì)卡方檢驗(yàn)結(jié)果分析：第七章 非參數(shù)檢驗(yàn)使用情況：在總體分布未知的情況下用非參數(shù)檢驗(yàn)，分布已知用參數(shù)檢驗(yàn)。1.單樣本的非參數(shù)檢驗(yàn)（1）卡方檢驗(yàn)分析步驟 第1 步 提出零假設(shè)：卡方檢驗(yàn)的零假設(shè)H0是“總體服從某種理論分布”，其對(duì)立假設(shè)H1是“總體不服從某種理論分布”。 第2步 選擇檢驗(yàn)統(tǒng)計(jì)量：卡方分布選擇的是Pearson卡方統(tǒng)計(jì)量。已證明，當(dāng)n充分大時(shí)，它近似地服從自由度為k-1的卡方分布。 第3步 計(jì)算檢驗(yàn)統(tǒng)計(jì)量的觀測(cè)值和概率p值。 第4步 給出顯著性水平，作出決策。 實(shí)例：某公司質(zhì)檢負(fù)責(zé)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(gè)工作日中，隨機(jī)抽取了90件次品的原始記錄，其結(jié)果如下表，問(wèn)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(gè)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(wèn)題，考慮用卡方檢驗(yàn)。 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(jìn)行卡方檢驗(yàn)： 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(shí)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(jì)算的卡方統(tǒng)計(jì)量及對(duì)應(yīng)的相伴概率值，由于Sig.=0.0140.05，因此沒(méi)有理由拒絕零假設(shè)。這說(shuō)明此地新生兒男女比例與通常的男女比例相同。2.兩獨(dú)立樣本的非參數(shù)檢驗(yàn)【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(gè)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(rèn)為是兩個(gè)獨(dú)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(dú)立樣本的非參數(shù)檢驗(yàn)進(jìn)行分析。第2步 數(shù)據(jù)組織：由于獨(dú)立樣本的非參數(shù)檢驗(yàn)所檢驗(yàn)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(lái)區(qū)分A和B，作分組變量。第3步 進(jìn)行獨(dú)立樣本的非參數(shù)檢驗(yàn)雙尾檢驗(yàn)的相伴概率為0.151，大于0.05，說(shuō)明兩種汽油無(wú)顯著性差異。兩個(gè)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(rèn)為兩種汽油之間無(wú)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(wú)顯著性差異的原假設(shè)；根據(jù)游程檢驗(yàn)計(jì)算的Z統(tǒng)計(jì)量為-1.149，對(duì)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(wú)顯著性差異的原假設(shè)。從以上四種檢驗(yàn)方法所得到的結(jié)果是相同的，即兩種汽油之間無(wú)顯著性差異。3.多獨(dú)立樣本的非參數(shù)檢驗(yàn)4.兩相關(guān)樣本的非參數(shù)檢驗(yàn)?zāi)称髽I(yè)提出了一項(xiàng)新工藝，為了檢驗(yàn)新工藝是否能降低單位成本，隨機(jī)抽取16個(gè)工人分別用新舊工藝生產(chǎn)產(chǎn)品，測(cè)得單位成本資料如下表，請(qǐng)?jiān)陲@著性水平0.05下檢驗(yàn)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(jī)器，其先后的成本是相關(guān)的，同時(shí)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(yàn)。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(yàn) ：設(shè)置如下圖Z統(tǒng)計(jì)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(rèn)為兩樣本不是來(lái)自于同一總體，說(shuō)明有差異，新工藝可省成本。結(jié)果分析：Z統(tǒng)計(jì)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(rèn)為兩樣本不是來(lái)自于同一總體，說(shuō)明有差異，新工藝可省成本。 其相伴概率為0.021，小于0.05，說(shuō)明新工藝與舊工藝有顯著性差異，這與Wilxocon檢驗(yàn)結(jié)果是一致的。5.多相關(guān)樣本的非參數(shù)檢驗(yàn)?zāi)澄乃囃頃?huì)有5個(gè)節(jié)目，共有5個(gè)評(píng)委參與打分，其數(shù)據(jù)如下表。問(wèn)這5個(gè)評(píng)委的判斷標(biāo)準(zhǔn)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(píng)委18.758.258.898.5評(píng)委2109.59.58.99.5評(píng)委39.69.19.18.59.6評(píng)委49.28.58.99.19.4評(píng)委59.659.29.19.18.9第1步 分析：由于5個(gè)評(píng)委打分是分別針對(duì)同一個(gè)節(jié)目，所以數(shù)據(jù)之間具有相關(guān)性，同時(shí)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(yàn)。第2步 數(shù)據(jù)組織：由于是分析的評(píng)委之間的評(píng)判標(biāo)準(zhǔn)是否一致，故應(yīng)將每個(gè)評(píng)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(yàn)：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(rèn)為5個(gè)評(píng)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(rèn)為5個(gè)評(píng)委的打分具有一致性，這與Friedman檢驗(yàn)具有一致性。非參數(shù)檢驗(yàn)與卡方檢驗(yàn)比較：卡方檢驗(yàn)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(lái)的）非參數(shù)檢驗(yàn) 是總體分布情況未知第五章 均值檢驗(yàn)與T檢驗(yàn) 參數(shù)檢驗(yàn)必須說(shuō)明，他是服從某種分布的實(shí)例：1.Means過(guò)程（均值檢驗(yàn)）（與非參檢驗(yàn)比較）非參檢驗(yàn)中的二項(xiàng)式檢驗(yàn)，但是只能是兩個(gè)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(gè)變量：“sex”、“edu”、“num”， 數(shù)據(jù)文件的部分?jǐn)?shù)據(jù)如圖5-3所示。3、實(shí)例分析第2步 打開(kāi)主對(duì)話框；選擇分析 比較均值 均值，打開(kāi)同圖5-1一樣的均值過(guò)程主對(duì)話框。第3步 確定要進(jìn)行均值比較的變量；在圖5-1的對(duì)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(duì)該變量進(jìn)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(jì)量；單擊圖5-1上的選項(xiàng)按鈕，彈出如圖所示的子對(duì)話框，選擇方差和eta復(fù)選框，進(jìn)行方差分析，單擊繼續(xù)按鈕，返回主對(duì)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(yuǎn)大于0.05，說(shuō)明不同性別受教育的人口數(shù)量沒(méi)有顯著性差異。 人口數(shù)量與性別的相關(guān)性度量表。此時(shí)的Eta和Eta方 取值都很小，說(shuō)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(yàn)（它是對(duì)總體均值的假設(shè)檢驗(yàn)）【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(biāo)準(zhǔn)重量為500g，現(xiàn)隨機(jī)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(qǐng)檢驗(yàn)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(gè)變量“Weight”，錄入相應(yīng)的數(shù)據(jù)即可。第2步 打開(kāi)主對(duì)話框； 選擇分析 比較均值 單樣本T檢驗(yàn)，打開(kāi)同圖5-3一樣的單樣本T檢驗(yàn)主對(duì)話框。第3步 確定要進(jìn)行T檢驗(yàn)的變量； 在圖5-3所示的對(duì)話框中，選擇“Weight”變量作為檢驗(yàn)變量，移入“檢驗(yàn)變量”框中。第4步 輸入要檢驗(yàn)的值； 在圖5-4的對(duì)話框中的“檢驗(yàn)值”中輸入要檢驗(yàn)的值，本例應(yīng)輸入500。單樣本T檢驗(yàn)結(jié)果表，第一行的Test Value為檢驗(yàn)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(yàn)統(tǒng)計(jì)量（t）、自由度（df）、雙尾檢測(cè)概率P值（Sig.(2-tailed)）、樣本均值與和檢驗(yàn)值的差（Mean Difference）、均值差的95%置信區(qū)間（95%Confidence Interval of the Difference）。 當(dāng)置信水平為95%時(shí)，顯著性水平為0.05，從表中可以看出，雙尾檢測(cè)概率P值為0.432，大于0.05，故零假設(shè)成立，也就是說(shuō)抽樣袋裝食鹽的重量與500克無(wú)顯著性差異，有理由相信生產(chǎn)線工作狀態(tài)正常。5. 兩獨(dú)立樣本T檢驗(yàn)【例5-3】為比較兩種不同品種的玉米的產(chǎn)量，分別統(tǒng)計(jì)了8個(gè)地區(qū)的單位面積產(chǎn)量，具體數(shù)據(jù)見(jiàn)表5.8。假定樣本服從正態(tài)分布，且兩組樣本相互獨(dú)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(gè)變量，分別為“品種”、“產(chǎn)量”，變量“品種”的變量值標(biāo)簽為：a-品種A，b-品種B，錄入數(shù)據(jù)即可。第2步 打開(kāi)主對(duì)話框；選擇分析 比較均值獨(dú)立樣本T檢驗(yàn) ，打開(kāi)同圖5-4一樣的兩獨(dú)立樣本T檢驗(yàn)主對(duì)話框。第3步 確定要進(jìn)行T檢驗(yàn)的變量；在圖5-4所示的對(duì)話框中，選擇“產(chǎn)量”變量作為檢驗(yàn)變量，移入“檢驗(yàn)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(gè)樣本方差的齊性檢驗(yàn)。上圖中sig.=0.7520.05，因此認(rèn)為2個(gè)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(jì)量的概率p值大于0.05，故不應(yīng)拒絕零假設(shè),，即認(rèn)為兩樣本的均值是相等的，在本例中，不能認(rèn)為兩種玉米品種的產(chǎn)量有顯著性差異。6.兩配對(duì)樣本T檢驗(yàn)3、實(shí)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(jì)實(shí)驗(yàn)前、后平衡訓(xùn)練成績(jī)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(gè)變量：“訓(xùn)練前”、“訓(xùn)練后”，錄入相應(yīng)數(shù)據(jù)。第2步 打開(kāi)主對(duì)話框；選擇分析 比較均值 配對(duì)樣本T檢驗(yàn)，打開(kāi)同圖5-5一樣的配對(duì)樣本T檢驗(yàn)主對(duì)話框。第3步 確定配對(duì)分析的變量；將變量“訓(xùn)練前”和“訓(xùn)練后”添加到“成對(duì)變量”框中，作為第一對(duì)分析的配對(duì)變量。兩配對(duì)樣本T檢驗(yàn)的簡(jiǎn)單相關(guān)關(guān)系及其檢驗(yàn)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(yàn)p值。從表中可以看出，在顯著性水平為0.05時(shí)，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(rèn)為訓(xùn)練前后的成績(jī)沒(méi)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(rèn)為訓(xùn)練前后對(duì)成績(jī)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(shí)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(duì)豬體重增加的作用有無(wú)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(gè)控制變量（飼料）對(duì)一個(gè)觀測(cè)變量（豬體重）的影響，而且是4種飼料，所以不適宜用獨(dú)立樣本T檢驗(yàn)（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(yàn)：由于方差分析的前提是各個(gè)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(yán)格，但對(duì)于方差相等的要求是比較嚴(yán)格的，因此必須對(duì)方差相等的前提進(jìn)行檢驗(yàn)。 方差齊性檢驗(yàn)的方法：打開(kāi)分析比較均值單因素ANOVA選項(xiàng)，在“方差同質(zhì)性檢驗(yàn)”前打鉤就可以了。方差齊性檢驗(yàn)的方法：方差齊性檢驗(yàn)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(shuō)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(yàn)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(jì)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(wú)顯著差異），說(shuō)明四種飼料對(duì)養(yǎng)豬的效果有顯著性差異。從整個(gè)表反映出來(lái)四種飼料相互之間均存在顯著性差異