SPSS操作-心理学研究方法-舒华-笔记 (修复的)

1、目录 HYPERLINK l _TOC_250023 一、额外变量的控制方法2 HYPERLINK l _TOC_250022 二、输出描述性数据 & 剔除极端数据2 HYPERLINK l _TOC_250021 三、数据的转换4 HYPERLINK l _TOC_250020 1. 数据标准化4 HYPERLINK l _TOC_250019 四、心理学研究中的变量间相关关系5 HYPERLINK l _TOC_250018 皮尔逊相关5相关关系：偏相关分析、交叉滞后的相关设计、结构模型和线性结构方程5 HYPERLINK l _TOC_250017 相关分析6 HYPERLINK l _

2、TOC_250016 偏相关分析6 HYPERLINK l _TOC_250015 交叉滞后的相关设计8 HYPERLINK l _TOC_250014 结构模型和线性结构方程8 HYPERLINK l _TOC_250013 斯皮尔曼等级相关系数8 HYPERLINK l _TOC_250012 五、多重回归模型分析的SPSS操作10 HYPERLINK l _TOC_250011 一元线性回归（一个自变量）10 HYPERLINK l _TOC_250010 多元线性回归（多个自变量）13 HYPERLINK l _TOC_250009 Enter法14 HYPERLINK l _TOC_

3、250008 层次回归15逐步回归（stepwiseregressin 17 HYPERLINK l _TOC_250007 六、 实验设计的基本术语（主效应、简单效应等）17 HYPERLINK l _TOC_250006 主效应与交互作用17 HYPERLINK l _TOC_250005 简单效应和简单简单效应17七、 被试间设计19 HYPERLINK l _TOC_250004 单因素被试间设计（t、F）19独立样本t检验结果20方差分析计算效应量（ ）23 HYPERLINK l _TOC_250003 进行事后检验步骤如下：24 HYPERLINK l _TOC_250002 两

4、因素完全随机实验设计（方差分析ANOVA）25 HYPERLINK l _TOC_250001 被试内设计28 HYPERLINK l _TOC_250000 混合设计281一、额外变量的控制方法排除法对立法：额外变量与自变量的效果对立恒定法随机化法被试随机分派：用excelRand（），然后按随机后的数字排序，则被试就被随机化了。72匹配法被试匹配分组实验材料匹配分组共轭控制:实验过程中进行控制P38兼作组法：被试内设计抵消平衡法：ABBA二、输出描述性数据 & 剔除极端数据2将要检查的变量移入右边的框中，并勾选红框中的选项（意思是：输出 Z 分数，并作为一个变量列出来。因为检查数据有效应的

5、时候要用到Z 分数）。点击 option 设置需要输出的描述性统计量，我们需要的统计量主要是最大、最小值。3输出的数据包括平均数、最大最小值、标准差。切换到数据视图，生成了新变量Z 值，从中可以看出Z 值不在-3 到 3 范围内的数据。三、数据的转换F正态分布，或者是希望减小误差变异等。1. 数据标准化4点击 OK，就可以看到表格窗口中已有两列将原始数据转换成了标准数据，如下图。四、心理学研究中的变量间相关关系皮尔逊相关相关关系： 偏相关分析、 交叉滞后的相关设计、结构模型和线性结构方程5相关分析分析结果中显示，阅读理解与阅读速度之间的相关为0.58，p=0.785，阅读速度与智商之间的相关为

6、-0.007，p=0.971，阅读理解与智商相关为 0.196，p=0.286.偏相关分析第三个变量。偏相关分析是一种尝试从统计上控制第三变量的方法，可用来估计第三变量的效果。逻6SPSSP51.此处可选择双侧检验和单侧检验7为 0.06，p=0.7520.58变量，对阅读理解和阅读速度之间的0.58交叉滞后的相关设计相关分析仅能确定两个变量有因果关系，但无法确定相关方向，即是变量 1 影响变量 2 还是变量 2 影响变量 1，交叉滞后相关可以作为解决该问题的一种方法。结构模型和线性结构方程系以及因果关系的方向两个问题。斯皮尔曼等级相关系数当计算评分者信度时，评分者只有两人或者一个人先后两次评

7、若干份试卷时，采用此种8相关系数计算。SPSS 操作步骤如下9五、多重回归模型分析的 SPSS 操作回归分析（英语：Regression Analysis）测研究者感兴趣的变量。在使用回归分析时，所有变量必须进行标准化处理。公式为y=a+bx，b 值使用最小二乘法计算。一元线性回归（一个自变量）假设 Y 与X 的相关显著, 意味着回归系数c 显著(即 H0:c=0 的假设被拒绝)。10输出结果：该有变量的。第二个表格是模型的概况R 1 说明模型越好。调整的R 平方比调整前R 1变量一共可以解释因变量 24.5%的变化。0.1 为小效应 0.01），0.3 为中等0.09），0.5为大（R 方

8、0.25），这是针对自然科学的一般界限】结果为R2=0.247，R2=0.245（矫正后的 R2）表示自变量能解释因变量总变异的24.5%， SE=0.869（随机误差的估计值）。该表中，写论文报告结果时，只报告矫正后的R2 值。Anova 表示方差分析结果，主要看F sig 值两个，F 值为方差分析的结果， 其 F 值对应的Sig 0.05 F 的值是回归方0（多元回归分析时 0.05 可以证明模型的偏回归系数至少有一个不为零。若 著影响，反之，则无显著影响。这里简单对 进行一下解释，k 为自变量个数，n 146，所以查，一般数理统计课本中都有F 表示的显著性水平（一般0.05），excel

9、 来查F 表，打开F 值显著大于这个值， 则认为各个解释变量对因变量有显著影响。第四个表是参数的检验，这个表格给出了对偏回归系数（B）和标准偏回归系数（Beta）12的检验，偏回归系数用于不同模型的比较，表示有截距时的回归系数，标准偏回归系（回归线经过原点1 个单位，因变量变化B 个单位，其值越大表明对因变量的影响越大。图 多元回归分析的参数检验结果T 检验，如上图），的内容。（T 检验T 检验的sig，表中均小于0.05表示各个自变量在回归方程中B ”实际上是 Beta 响更大。回归分析结果，只报 Beta 值，t 值，R2，不需要报 F 值，只需要在结果上标*。多元线性回归（多个自变量）使

10、用多重回归模型进行数据分析一般思路： 相关分析之间的关系，以及各变量之间的关系（输出结果为相关矩阵）。13 完全多重分析预测性指标。 层次回归如果Enter将多个自变量同时放入建立的方程式中。从图中可以看出，三个自变量能够解释因变量总变异的 89.2%由此图看出，该回归方程是有意义的(p0.05，此回归方程无意义。所以，主动性人格对生涯适应力基本没有贡献值。逐步回归（stepwise regressin六、实验设计的基本术语（主效应、简单效应等）主效应与交互作用交互作用反映的是两个或多个因素之间存在的交互作用，这种交互作用称作二重交互作用，一般写作AB。简单效应和简单简单效应素水平在另一个因素

11、的某个水平上的变异。17简单效应的SPSS 操作需要使用句法编辑器实现。18七、实验设计单因素被试间设计F）单因素两水平独立组设计 检验）选择独立样本t 检验来分析数据，具体SPSS 操作步骤如下：19选好因变量和自变量后，点击，选择自变量的分组，比如控制组1，验组为2，选择后点击continue按键。之后再TTest页面点击OK，开始t检验。检验结果如下。描述统计结果 包括 mean=M（每组的平均数）Deivation=SD（标准差）error Mean=SE（标准误）独立样本t 检验结果20方差齐性是使用参数统计检验的一个基本要求。SPSS 执行两个版本的独立样本t 检验， 即方差齐时的

12、t 检验（上一排输出结果）和不齐时的t 检验（下一排输出结果），具体如下图所示。写文章时，如果报告的是方差不齐的t 检验结果，那么必须予以说明。t 检验报告的结果包括：F（方差齐性检验结果）、Siq.（方差齐性检验的 p 值，若 p0.05, 说明两样本代表的总体方差相等，齐性）、t（t 值）、df（自由度）、Siq.(2-tallde)双侧 t 检验的p 值、Mean Difference（平均差）、Std.Error Difference(差别的标准误)、confidence interval 0.95 间的的最大值和最小值。单因素两组匹配组设计（t 检验）21单因素完全随机多组设计【单因素多水平F 】General Linear Repeated 】。2】Univariate OK】，开始F 方差分析两部分结果。上图为输出的方差分析结果。均方【Mean Square】结果显示F（2,57）=1.280，P=0.2860.05,表示在 0.05 水平上无显著差异。方差分析计算效应量单因素方差分析时，效应量需要手动计算，计算公式为：23多因素方差分析时，效应量可以用 SPS