MBA 企业研究方法3.ppt

管理研究方法 三、管理研究分析方法 * 1 研究流程 观察：确 认宽泛的 研究范围 初步资料搜 集：访谈、 文献调查 问题界定 ：描述研 究 理论框架： 清楚辩识和 归类变量 衍生假设 科学 研究 设计 资料搜集 、分析与 解释 推论：假设是否 被验证？研究问 题是否得到解答 ？ 否是 撰写报告提出报告做出管理决策 2 数据分析流程 资料审核 资料编码 数据录入 数据清理 资料的录入 与整理 变量集中 和离散趋 势的描述 描述统计 信度分析 效度分析 信度和效 度检验 实验控制检 验 实验 调节效应检验 中介效应检验 调节、中介效 应的检验 T检验 方差分析 相关分析 回归分析 假设检验常用的 统计方法 3 管理研究分析方法 常用的统计方法 因子分析（效度分析）和信度分析 描述性统计分析 资料的录入与整理 中介和调节效应的检验 研究报告 4 资料的录入与整理 v 资料的审核 v 资料的编码 v 数据录入 v 数据清理 5 资料的录入与整理1资料的审核 v 指研究者对问卷进行初步的审阅，剔除错填、乱填和严重 缺答的废卷。其目的是使得原始资料具有较好的准确性、 完整性和真实性，从而为后续资料录入与统计分析打下良 好的基础。 v 资料的审核工作包含两方面的内容：一是检查问卷中的问 题；二是重新向被试核实。 v 审核的方法 实地审核：指审核工作和收集工作同步进行，边收集边审核 ，也叫收集审核。 系统审核：指在收集资料后集中时间审核。 多次审核：指对重要资料进行反复的各种形式的审核。 6 资料的录入与整理2资料的编码 v 编码：对问卷中的每一个问题、每一个答案编定一个唯一 的数字，并以此为依据对问卷进行数据分析。 v 对于具有方向性的题项，编码时要特别注意它的方向性。 即：反向题在数据分析之前应该反向计分。 v 无回答（漏填）题项的编码使用系统默认值，以“.”表 示。 v “不知道”答案的编码常为9、99或999。 v 单选题的编码比较简单，应特别注意多选题（包括多项限 选题、多项排序题、多项任选题）的编码。 7 v 例如：工作动机的测量问卷： 基本信息： 性别：男 女 年龄_岁 非常不同意 不同意 无所谓 同意 非常同意 我的工作非常有趣： 我并非整天都全神贯注于我的工作： 生活中没有工作将是乏味的： 1男，0女 以填答的实际年 龄为准 该问题应反向计分 编 号 性别年龄工作动 机1 工作动 机2 工作动 机3 1136524 2.45241 1 2 3 4 5 例：单选题的编码 无回答 8 例：多项限选、多项排序题项的编码 6、以下哪些为您的择偶条件（限选3项）： （1）相貌 （2）文化水准 （3）气质风度 （4）志同道合（ 5）人品 （6）家庭条件 （7）个人收入 （8）其他 被试编号 择偶条 件1 择偶条 件2 择偶条 件3 1135 2247 3256 v多项限选和多项排序式的编码：要求被试选几项或排序 几项，就编几个码，在SPSS录入时就有多少列。 9 例：多选任选题项的编码 v多项任选题可采用多重二分法进行编码。每个答案都编 一个码，故有多少个选项，在SPSS中就有多少列。如果被 试选择该答案则设为1，被试未选择该答案则设为0。 被 试 编 号 交通条 件 促销活 动 购物 环境 服务 质量 其它 111000 210110 311111 8、 你在选择商场购物时，关注以下哪些因素： （可任选） （1）交通条件 （2）促销活动 （3）购物环境 （4）服务质量 （5）其它 10 资料的录入与整理3数据录入 v 安装SPSS软件： v 用户信息中输入自己的名字，在serial中输入“12345” v 选择个人安装 v 在license codes中输入“30001359390”，点击update， 再输入“30001374190”，再点击update v 程序安装完毕后，将安装盘中crack目录下的lservrc文件 复制到安装目录下 11 Name变量名输入每个变量的名称，可以是字母，也可以是汉字 Type变量类型数字型、逗号型、句点型、科学计数法、日期型、美 元型、自定义货币 型、字符型 Width变量长度默认8位英文字符或数字 Decimals小数位数默认2位。整数变量可定义为0 Label标签对变量名称的详细说 明 Values变量值赋予变量中每个变量值的具体含义，适用于类别型 的数据 Missing定义缺失值不愿回答或其他原因导致缺失的数据，在分析时系统 默认为自动剔除包含缺失值的样本 Columns列宽数据所占字符宽度，默认8位 Align对齐格式默认向右对齐 Measure变量类型默认Scale：定距变量和定比变量 Ordinal：定序变量 Nominal：定类变量 资料的录入与整理3数据录入 先在SPSS中定义好变量， 再录入数据！ 12 v 例如：工作动机的测量问卷： 基本信息： 性别：男 女 年龄_36_岁 非常不同意 不同意 无所谓 同意 非常同意 我的工作非常有趣： 我并非整天都全神贯注于我的工作： 生活中没有工作将是乏味的： 1男，0女 以填答的实际年 龄为准 1 2 3 4 5 例：数据录入 13 例：反向计分 v 操作方法：Transform Record into same variables v 在variables框中选入要反向计分的题项 v 点“old and new values”。 v 上例的转化方法为：在old value里输入1，new value里输入5，点 Add；然后在在old value里输入2，new value里输入4，点Add 依此类推，直到所有的分值都在old new框里出现。 14 资料的录入与整理4数据清理 v 有效范围清理：当数据中的数字超出了数据编码范围时， 则这个数字一定是错误的。 v 逻辑一致性清理：依据问卷中的题项相互之间内在的逻辑 联系，来检查前后数据之间的合理性。 v 数据质量抽查：尽管采取了上述两种方法对数据进行清理 ，但仍会有一些错误的数据无法查出来。采用随机抽样的 方法，从全部样本的中抽取一部分样本与原始问卷进行比 对。这就要求我们必须对原始问卷进行编号，通过问卷编 号与数据样本的一一对应关系，找到原始问卷。用比对结 果，来估计和评价全部数据的质量。 15 例：有效范围、逻辑一致性清理 例：1.您是否为独生子女？ 是 否 （1=是；0=否） 如果：在SPSS文件中出现了数字2 超出了有效范围 2.您有几个兄弟姐妹？ 0个 1-2个 3个及以上 逻辑矛盾 v用SPSS软件进行频数分析(frequencies) ，可以很快查 到哪个题项超过有效范围。 v 如果一份问卷中错答的题项不止一两处，则可考虑将这个 样本的全部数据删除，作为废卷处理。 16 SPSS数据管理 v 频数分析 Analyze Descriptive Statistics Frequencies v Compute：通过数学计算生成新变量 Transform Compute 例：给1班同学的数学成绩加5分 Transform Compute If 班级=1 新数学=数学成绩+5 If 班级=2 新数学=数学成绩 例：计算2个班语文和数学的平均成绩 Transform Compute 平均成绩语文成绩新数学/2 v Recode: 对已有变量值重新编码 Transform Recode Into Different Variables 例：成绩变为成绩段 平均成绩 成绩段，点Change 定义Old and New Values： 6070及格；70.185良好；85.1分 以上优秀 Continue OK 学生成绩.sav 17 数据分析流程 资料审核 资料编码 数据录入 数据清理 资料的录入 与整理 变量集中 和离散趋 势的描述 描述统计 信度分析 效度分析 信度和效 度检验 实验控制检 验 实验 调节效应检验 中介效应检验 调节、中介效 应的检验 T检验 方差分析 相关分析 回归分析 假设检验常用的 统计方法 18 管理研究分析方法 常用的统计方法 因子分析（效度分析）和信度分析 描述性统计分析 资料的录入与整理 中介和调节效应的检验 研究报告 19 描述性统计分析 v 对样本数据的分析通常是从变量的描述统计分析入手的。通过变量 的描述统计分析，能够掌握和了解样本数据的统计特征和总体分布形 态，对于进一步数据分析，将起到重要的指导和参考作用。 数值计算 n 计算常见的描述统计量的值，通过数值来准确反映样本数 据的统计特征。 图形绘制 n 绘制常见的统计图形，通过图形来直观展现数据的分布特 点，比较数据分布的异同。 通常数值计算和图形绘制是混合使用的，两者相辅相成。 20 v Frequencies：频数分析，描述统计数据的总体分布特征； v Descriptive：描述统计量，对单变量计算基本的描述统计量； v Explore：探索性分析，考察数据中远离总体分布的边缘样本取值；考察变量 与变量之间分布的差异性是否显著； v Crosstabs：交叉列联表，讨论变量之间的频度关系以及各种测度的变量与变 量之间的相对关系； v Ratio：比率分析，对两变量间变量值比率变化的描述分析。 21 1. 频数分析（ Frequencies ） v 频数分析统计的是每一组中观测点的个数，而不考虑其实际取值。 v 当某个变量的自然取值是局限在有限的几个数值中，频数分析统计 该变量在各个取值点的个数分布情况； v 如果某变量的取值在某范围内的连续值，则需要将其取值区域划分 为几个取值区间，频数分析统计的是该变量在各个取值区间中观测 点个数的分布情况。 v 频数分析的一个基本功能就是编制频数分布表 22 1. 频数分析基本概念 v 频数（Frequency）：变量值落在某个区间或某个取值点的个数。 v 百分比（Percent）：各频数占总样本的百分比。 v 有效百分比（Valid Percent）：各频数占有效样本数的百分比。 v 累积百分比（Cumulative Percent）：各百分比值逐渐累加起来的 结果，最终取值是100。 23 1. 频数分析常用图形 条形图 Bar Chart n 用宽度相同的条形的高度表示频数分布变化的图形。 n 适用于定序和定类变量分析。 饼图 Pie Chart n 用扇形的面积来表示频数分布变化的图形。 n 有利于研究事物内在结构组成等问题。 直方图 Histograms n 用矩形的面积来表示频数分布变化的图形。 n 适用于定距或定比变量的分析。可以在直方图上附加 正态分布曲线，以便于与正态分布进行比较。 24 频数分析SPSS操作 v Analyze Descriptive Statistics Frequencies 成绩 Charts 选择需要的Bar Chart（条形图）, Pie Chart（饼 图）, Histograms（直方图） Chart Values，可以选择Frequencies或 Percentages Continue 学生成绩.sav 25 频数分析SPSS操作 v 条形图 26 频数分析SPSS操作 v 饼图 27 频数分析SPSS操作 v 直方图 28 2. 描述统计（ Descriptive ） v 通过频数分析把握数据的总体分布状况后，通常还需要对定距或定 比测量的变量的分布特征进行更精确的刻画，需要通过描述统计来实 现。 描述集中趋势的统计量 描述离散趋势的统计量 描述分布形态的统计量 29 描述统计量集中趋势统计量 v 用一个具体的统计量来反映一组数据的一般水平，或者说反映这组数 据向该统计量集中的情况。 v 平均数(Mean)：总体各单位数值之和除以总体单位数目之商。 v 中位数(Median)：把一组数据按值的大小顺序排列起来,处于中央位 置的那个数值就叫中位数。 v 众数(Mode)：指在一组数据中出现次数最多的那个数的数值。 v 求和（Sum）：所有变量之和，反映变量总体水平。 30 描述统计量离散趋势统计量 v 离散量数，是表示一组数据变异程度或分散程度的量数。离散量数 越大，表示数据分布范围越广，越不集中；反之，离散量数越小， 表示数据分布范围越集中，变动程度越小。 v 方差（Variance）与标准差（Standard Deviation） v 全距(Range)：一组数据中最大值与最小值之差。 v 四分位差(Interquartile Range)：将一组数据按大小排列成序，然 后将其四等分，去掉序列中最高的四分之一和最低的四分之一，仅 就中间的一半数值来测定序列的全距。 v 异众比率(Variation Ratio)：非众数的频数与全部样本数的比值 v 离散系数(Coefficient of Variation)：标准差与算术平均数的百分比 值。 31 描述统计量分布形态统计量 v 偏度（Skewness)：反映数据分布形态对称性的统计量。计算偏度 系统能说明数据总体是否或近似于正态分布，从而确定能否进行统 计推断或如何进行统计推断。 Skp= 0 时，数据呈严格的正态 分布。 Skp 0 时，分布呈正偏态。 Skp0，说明数据的分布比标准正态分布更为陡峭，为尖峰（高狭峰）分 布； 峰度值0.05），则应接受假设H0，认为样 本的分布与指定的分布没有显著的差异。 37 利用SPSS进行定量的正态分布检验 v Analyze Nonparametric Tests 1-Sample K-S ,把变量“语文 成绩”选入“Test Variable List”框。在 “Test Distribution”框中使用 默认选项正态分布。 Nominal，正态分布，系统默认选项； Uniform，均匀分布； Poisson，泊松分布； Exponential，指数分布。 v 点击OK。 38 利用SPSS进行定量的正态分布检验 v Sig.=0.4360.05，因此接受零假设，即变量“语文成绩”与正 态分布不存在显著性差异，也就是说变量“语文成绩”是呈正态分 布的。 39 3. 探索性分析（ Explore ） v 在收集数据的过程中，由于测量工具产生的系统误差和由于人工操 作产生的偶然误差往往导致可能出现一些偏离正常值的数据。对数据 进行探索性分析，主要是对数据进行三方面的考察： 考察数据 的真实性 n 偏离数据主体分布太远的数据可能是有问题的数据。数据考察可 以找出这些非正常值和极端值，通过对这些数据的分析，判断其正 确性，以便决定在以后的统计分析过程中是否将其保留下来。 考察数据 的分布特 性 n 数据的分布是否满足标准分布，这在很多统计分析过程中都是 需要明确的。 考察变量 之间数据 相互关系 n 变量与变量之间的相关性考察、方差齐性的考察，都是一些统 计分析过程所必须实现了解的。 40 （1）通过茎叶图（Stem-Leaf Plots）描述频度分布 语文成绩 Stem-and-Leaf Plot Frequency Stem & Leaf 2.00 6 . 11 4.00 6 . 7799 4.00 7 . 2234 10.00 7 . 6677789999 8.00 8 . 22233444 9.00 8 . 556666778 3.00 9 . 000 Stem width: 10 Each leaf: 1 case(s) v 第一列表示频数，表示样本的个数； v 第二列表示茎叶图的茎，表达整数部 分，其表达的具体值与茎宽有关； v 第三列表示叶子，每片叶子代表小数 部分，其代表的具体值也与茎宽有关。 v “10.00 7 . 6677789999”表示分数 在76的样本有2个，分数在77的样本有 3个，分数在78的样本有1个，分数在 79的样本有4个。 学生成绩.sav 41 （2）通过箱型图（Boxplots）描述数据分布 v 显示了变量数据的中位数，25%百分位数和75%百分位数，并给出偏离 总体分布的奇异样本和极端样本。 l 箱图主体：由小于75%百分位数到大于25%百分位数的样本组成，显然主 体中样本数占50%。 l 中位数：箱主体中有一条粗横线代表变量的中位数。 l 奇异值：如果某个数据距离箱主体边缘的距离超过箱主体高度的1.5倍， 则称该数据为奇异值，在箱型图中，奇异值用“”表示。 l 极端值：如果某个数据距离箱主体边缘的距 离超过箱主体高度的3倍，则称该数据为极端值 ，在箱图中，极端值用“*”表示。 学生成绩.sav 42 数据分析流程 资料审核 资料编码 数据录入 数据清理 资料的录入 与整理 变量集中 和离散趋 势的描述 描述统计 信度分析 效度分析 信度和效 度检验 实验控制检 验 实验 调节效应检验 中介效应检验 调节、中介效 应的检验 T检验 方差分析 相关分析 回归分析 假设检验常用的 统计方法 43 管理研究分析方法 常用的统计方法 因子分析（效度分析）和信度分析 描述性统计分析 资料的录入与整理 中介和调节效应的检验 研究报告 44 资料分析（研究一） v 在假设验检验之前，需要对变量测量的信度和效度进行检验。满足信 度和效度要求后，才可以进行假设检验。 v 信度：测量无偏差的程度。信度包括再测信度、复本信度、内部一致 性信度（Cronbachs ）等。最常用的是Cronbachs 。 v 内部一致性信度（Cronbachs ）反映的是测量内部题项之间的关系 。由于这些题项是对同一概念的独立测量单位，那么题与题之间应有 较高的相关程度。 v 社会学研究中，一般认为Cronbachs 应大于0.7 步骤一：信度分析 45 内部一致性信度：Cronbachs 系数 v 使用SPSS软件计算Cronbachs 系数时，还可以输出剔 除某个题项后的Cronbachs 系数。 如果剔除某个题项后的Cronbachs 系数较剔除前 的Cronbachs 系数有显著的提高，则说明该题项与 其他题项的相关性较低，剔除了该题项可使其他题项 的总体相关性得以提高，从而提高信度。 46 例：性诉求广告（信度分析）1/3 v 以感知淫秽程度的信度分析为例： v Analyze Scale Reliability Analysis v 将“淫秽1、淫秽2淫秽6”选入items窗口 v 在Model方选框内默认为“Alpha”（内部一致性系数），点击 “Statistics”按钮。 v 出现“Reliability Analysis：Statistics”对话框。在 “Descriptives for”对话框中选取“item、Scale、Scale if deleted”三项，点Continue，点OK item：输出各题项的均值和标准差 Scale：输出各题项之和（总分）的均值、方差和标准差 Scale if deleted：删除当前题项后，值的改变情况。这一选项很重 要，可以用来对量表中的各题项进行逐一分析，达到改善信度的目的 。 性感广告.sav 47 例：性诉求广告（信度分析）2/3 淫秽1至淫秽6的系数为0.937 删除淫秽6这个题项后， 系数将变为0.952 48 例：性诉求广告（信度分析）3/3 v 在item窗口，点击“淫秽6”，再点击 ，淫秽6将被放回变量窗口 ，在item窗口中剩下淫秽1至淫秽5。点OK，输出结果为： v 此时0.952。删除“淫秽6”这个题项后，信度可提高到 0.952。由于删除了一个题项（淫秽6），故总的题项数变为5 个。 v 事实上，不删除“淫秽6”时系数已经高达0.937，远远超过 0.7的标准，故可以不删除“淫秽6”. 49 练习 v 对剩下的变量：感知性感程度、感知质量、广告态度、品 牌态度和购买意愿分别进行信度分析。 50 效度的类型 效度叙述 内容效度 量表所包含的题项是否全面，有没有遗 漏的维度？ 表面效度 请专家来评判量表是否测量了想要测量 的变量 建构效度 包含聚敛效度和区别效度两类： 聚敛效度 一个变量的测量题项与提取的公因子之 间的相关程度，相关性越高（应大于0.5 ），表明题项与公因子之间的联系越紧 密，聚敛效度越高 区别效度 A变量的题项只能测量变量A，而不能 测量变量B。若满足这个条件，则表明 通过区别效度检验。 v 聚敛效度和区别效度可以通过SPSS因子分析粗略地检验。若要精确 检验，需要使用结构方程模型的验证性因子分析过程。 51 因子分析 v 因子分析的基本思想：根据相关性大小把原始题项分组， 使得同组内的题项之间相关性较高，不同组题项间的相关 性较低，从而以较少的公因子来表示原先的资料结果，而 又能保留住原有资料所提供的大部分信息。 如：在调查师范生应具有的素质中，通过因子分析从20个题项 中概括出：师德、专业知识、教学实践性知识、语言表达能力 和心理素质5个因子。 52 因子分析的基本步骤 第一步确定因子分析的前提条件 n 因子分析就是从众多的原始题项中综合出少数几个具有代表性的因 子，这就要求题项之间具有较强的相关性。如果原始题项之间不存在 较强的相关关系，则无法找出其中的公因子。 通过两个指标来看是否可以进行因子分析： （1）Bartlett的球型检验(Bartlett test of sphericity)，检验题项间相关系 数是否显著（sig.是否小于0.05），显著则适合做因子分析。由于球型检 验容易受到样本数的影响，通常在样本增加时很容易显示显著的结果。 （2） KMO(Kaiser-Meyer-0lkin), 用于比较题项间简单相关和偏相关系数 。KMO取值在0与1之间。标准为：KMO0.9,非常适合；0.80.5，越接近1越好 ； n 累积方差解释率（cumlative %）：提取的公因子解释原有题项 总方差的比率，要求至少50%，越接近100%越好； n 因子负荷矩阵（Component Matrix）：当只提取一个公因子时 看此矩阵。要求每个题项在公因子的负荷量0.5 ，越接近1越好； n 旋转后的因子负荷矩阵（Rotated Component Matrix）：当提 取一个以上公因子时，看此矩阵。要求：1、每个题项在公因子的负 荷量0.5；2、每个题项只在一个公因子上有负荷。如果一个题项在 两个或两个以上的公因子上有负荷，则该变量应删除掉。 聚敛效 度 区别效 度 57 例：性诉求广告（效度分析）1/5 v 由于“感知淫秽程度”和“感知性感程度”这两个量表是我们新开发 的，故以这两个量表的效度检验为例： v Analyze Data Reduction Factor v 将淫秽1至淫秽6、性感1至性感7选入Variables窗口 v 点Descriptives, 在Correlation matrix框架中，选择KMO and Bartletts test of sphericity，单击Continue回到主对话框。 v 点击下方Rotation，在Method框中点选Varimax（方差最大正交旋 转法），点Continue回到主对话框。 v 点Options，在Coefficient Display Format中，勾选Sorted by size和Suppress absolute values less than，将值改为0.5，表明 在输出的因子负荷矩阵中，小于0.5的值不显示。点Continue，点 OK 58 例：性诉求广告（效度分析）2/5 v 解读输出结果： KMO0.9020.8，Bartlett球形检验值显著（p Z/2 时则接受研究假设 （H1）。 假设检验的统计原理 Z/2Z/2 接受H0 接受H1 接受H1 68 常用统计方法的虚无假设和研究假设 虚无假设（H0）与研究假设（H1）P值 正态分布 检验 H0：符合正态分布 H1：不符合正态分布 sig0.05时，接受H0 sig0.05时，接受H1 注：SPSS输出结果为 sig，即显著水平。在写 文章时，应使用术语“P 值”。SPSS输出结果里 往往会用星号来形象地 标出显著水平： *代表：p15个） 方差齐性 实验设计必须包括两个相互独立的样本，从总体中随机抽样 获得 自变量为定类变量，且为二分变量；因变量为连续型变量 学生成绩.sav 73 例： SPSS两个独立样本的T检验 v 两个班的语文成绩是否有显著差异。 v H0：两者没有显著差异。 H1：两者有显著差异。 Analyze Compare Means Independent-Samples T Test 将语文成绩选入 Test Variables框中 班级 Grouping Variables, Define Groups Group1：1 Group2：2 点Continue ，点OK 学生成绩.sav 标准差 标准误 平均值样本数 74 例： SPSS两个独立样本的T检验 v 显示两个T检验的结果：方差齐和方差不齐 v 方差齐性检验的结果(Levenes Test for Equality of Variances) 显著性水平0.3510.05，表明方差齐 v 方差齐下显著性水平0.0510.05，接受虚无假设：在95%的置信水平 下，两个班没有显著性差异。由于0.051和0.05十分接近，所以在这 种情况时，通常是作为差异显著来对待，或者再增加一些样本使检 验结果更可靠。因为统计检验的显著水平与样本量有关，如果样本 量较小，适当增加样本量可以使检验结果更明确。即使不增加样本 ，通常研究者在这种情况下会报告统计检验“接近显著”或“边缘 显著。 75 3.两个配对样本的T检验 v 适用于配对样本（相关样本）设计，即只有两个处理水平的单因素随 机区组设计，也适用于两个水平的重复测量设计。 v 前提： 正态性 两个变量所属的总体为正态分布。但当样本量足够 大，超过20个时，允许总体为非正态。 随机样本 样本必须从总体中随机抽样获得。否则给t检验给 出的p值不可信。 v 每个被试必须有两个测量结果（前后测量设计），如果通过事前测试 对被试两两配对，则每对被试被视为一个样本。 76 例： SPSS两个配对样本的T检验 v 对两个班的学生进行了两两配对，形成20对，对学生的年龄、性别 、智力水平等相关因素进行了匹配。用两种不同的教学方式在两个 班进行教学，根据测试成绩判断两种教学方式的教学效果是否有差 异。 v H0：两者没有差异。 H1：两者有显著差异。 v Analyze Compare Means Paired-Sample T Test v A组成绩、B组成绩都选入Paired Variables框中，单击OK运行程序 配对班.sav 样本统计量表格 77 例： SPSS两个配对样本的T检验 相关分析表 两组成绩相关系数为0.288，相关显著性水平为0.2180.05，相关不显著 v T检验结果表明，两组成绩的平均值之差为2.75，标准差为7.691，标 准误为1.720，95%置信区间为-0.85到6.35, t值为1.599, 自由度为19(N -1), 显著性水平p=0.1260.05, 接受H0. 所以, 在95%的置信度下, 两种 教学方法没有显著差异. 78 常用统计方法方差分析 v T检验对两个平均数的差异是否显著进行检验 v 方差分析两个以上平均数的差异是否显著进行检验 v 方差分析又称变异分析（analysis of variance，ANOVA），能对 多个平均数进行比较，是一种更有效的数理统计方法。 在比较4组平均数时，如果使用T检验法，需要做 次可能组合的检验 。 如果取的显著水平 ，那么经过6次检验后可靠度将降低为 v 在检验n2个样本平均数是否有显著差异时，应进行方差分析 79 常用的统计分析方法单因素方差分析 v 当自变量（因素）为离散型变量（定类变量），且为三分及以上变量时 ，检验单个因变量在自变量的各个水平上是否存在显著差异，需要用单 因素方差分析。因变量必须是连续型变量（定距或定比变量）。 例：包装的颜色（红、黄、蓝、绿）是否对销售量有不同影响 ？ v 前提： 正态分布：每个水平下的因变量都应服从正态分布，如果不能 保证正态分布，每组的样本量应不少于15人。Box和Anderson等 人的研究结果表明，正态分布不能得到满足时，方差分析的结论并 不会受到太大影响。 方差齐性：各个水平下因变量的方差齐性。如果各水平方差不 齐而且各水平样本量也不同，则方差分析的结果不可信。 独立性：各水平被试必须是从总体中随机抽样构成，各水平的 因变量彼此独立。 80 例：性诉求广告（实验控制检验） 性感广告.sav 实验控制成功意味着？ 性感广告的感知性感程度均值不性感广告的感 知性感均值 淫秽广告的感知淫秽程度均值不淫秽广告的 感知淫秽均值 使用单因素方差分析进行实验控制检验 H0：无论广告性感与否，感知性感程度都没有 显著差异 H1：性感、不性感广告的感知性感程度有显著 差异 81 例：性诉求广告（实验控制检验） v 以性感与否的实验控制检验为例： v Analyze Compare Means One-Way ANOVA v 将“性感与否”选入Factor, “感知性感程度均值” 选入Dependent List框中 v 单击Options, 进入子对话框,选中Descriptive，Homogeneity of variance test，Means Plot，单击Continue回到主对话框. v 单击OK运行程序. 82 例：性诉求广告（实验控制检验） 方差齐性检验结果, 感知性感程度均值的显著性水平P=0.2930.05, 表明感知性感程度均值在两组被试中的方差齐。 83 例：性诉求广告（实验控制检验） “感知性感程度均值”的方差分析结果表明, 显著性水平为P不性感组 84 可以通过图形清晰地看出组间的差异 85 练习 v 检验淫秽与否的实验控制是否成功 86 多因素方差分析 v 多因素方差分析是对单因素（单个自变量）方差分析的扩 展。多因素方差分析检验在多个自变量(因素)的不同水平 上，因变量的均值是否相等。 v 如果多因素方差分析中的交互项统计检验结果显著,则需 要进行单因素方差分析进行精细比较；当检验发现在某一 因变量上的统计检验显著,且自变量包含了两个以上的水 平,则需要进行事后两两比较. 87 多因素方差分析的前提假设 v 正态分布: 在自变量的任何水平上,每一因变量的值都呈正态分布,同 时每一因变量与其他因变量的任意线性组合也呈正态分布.Box等学者 认为，正态性得不到满足，方差分析结论不会受到大的影响。 v 各因变量取自同一样本: 在自变量的不同水平上,各因变量(包括变量 及协变量)的指标取自同一样本.如果因变量的数值来自不同的样本, 多元方差分析的结果会变得不可靠. v 独立性: 样本必须从总体中随机抽取,来自不同个体的因变量的值相 互独立.如果因变量的值不独立,不应该进行多元方差分析. 88 例：性诉求广告（研究一假设检验） v 假设1：消费者对性感广告的反应显著好于对不性感广告的反应 v 假设2：消费者对不淫秽广告的反应显著好于对淫秽广告的反应 v 假设3：性感广告对消费者产生的正面影响取决于该广告是否淫秽。 具体而言，当广告不淫秽时，性感广告对消费者的正面影响将增强； 当广告淫秽时，性感广告对消费者的正面影响将减弱。 v 假设4：淫秽广告对消费者产生的负面影响取决于该广告是否性感。 具体而言，当广告性感时，淫秽广告对消费者的负面影响将减弱；当 广告不性感时，淫秽广告对消费者的负面影响将增强。 v 采用双因素方差分析对上述假说进行检验。 性感广告.sav 89 例：性诉求广告（研究一假设检验） v 双因素方差分析的操作步骤： v Analyze General Lineal Model，GLM Multivariate v 将质量均值、广告态均、品牌态均、购买意均选入Dependent Variables框中 v 选取性感与否，淫秽与否进入Fixed Factor框 v 点击Options，将性感与否，淫秽与否，性感与否*淫秽与否（代表 交互效应）选入Display Means for中，并选择compare main effects（主效应比较）。 v 点击continue，点击ok。 90 来源因变量 型III平方 和 自由度均方和F检验显著性 性感与否 质量均值 广告态均 品牌态均 购买 意均 25.470 33.707 24.852 42.963 1 1 1 1 25.470 33.707 24.852 42.963 20.039 19.341 17.580 23.483 .000 .000 .000 .000 淫秽与否 质量均值 广告态均 品牌态均 购买 意均 18.561 71.788 17.515 25.160 1 1 1 1 18.561 71.788 17.515 25.160 14.603 41.192 12.390 13.752 .000 .000 .001 .000 性感与否* 淫秽与否 质量均值 广告态均 品牌态均 购买 意均 .970 9.344 1.227 2.660 1 1 1 1 .970 9.344 1.227 2.660 .763 5.361 .868 1.454 .383 .021 .352 .229 组间效应检验（Test of Between-Subjects Effects） 由该表得知，性感与否对所有因变量的显著性检 验均显著（P0.05），故需要对广告态度均值进行单因 素方差分析，细致查看性感与否和淫秽与否的交互 效应。 91 例：性诉求广告（研究一假设检验） v 上一个表只能说明性感与否、淫秽与否的广告效果有显著差异，以及 性感与否*淫秽与否在广告态度上有显著差异，并不能说明哪种广告 好于哪种广告，为此，我们还需要看其它的检验表。 v 为了验证假设1，查看性感与否的边际估计均值表： v 对性感的广告，所有因变量的均值都大于不性感广告的因变量均值， 所以可以得出结论：消费者对性感广告的反应明显好于对不性感广告 的反应，假设1得以验证。 92 例：性诉求广告（研究一假设检验） v 为了验证假设2，查看淫秽与否的边际估计均值表： v 对淫秽的广告，所有因变量的均值都小于不淫秽广告的因变量均值， 所以可以得出结论：消费者对不淫秽广告的反应明显好于对淫秽广告 的反应，假设2得以验证。 93 例：性诉求广告（研究一假设检验） v 通过前面的分析，我们得知：性感与否*淫秽与否仅在广告态度均值 上有显著差异(P0.0210.05，所以不显著，即：不性感广告的 广告态度均值3.4040，与性感广告的广告态度均值3.7424没有显著 差异，因此假设4没有验证。 101 3.协方差分析 v 协方差分析是将那些很难控制的外生变量作为协变量，在排除协 变量影响的条件下，分析自变量对因变量的影响。即在剔除某一 个或多个协变量对因变量的影响后，比较各因素不同水平的差异 以及分析各因素间是否存在交互作用。 v 协方差分析也是通过General Linear Mode Univariate 或 Multivariate中进行。 102 协方差分析 v 例：研究3个专业的学生在统计课程的成绩上是否存在显著的差 异。由于这三个专业的学生入学数学成绩不同，也就是学习统计 学的基础不同，因此在分析统计学成绩是否存在差异必须要考虑 学生的入学成绩。 统计课程成绩.sav v General Linear Model Univariate v Dependent Variable选入统计学成绩，Fixed Factor(s)选入专业， Covariate选入入学数学成绩。点“Options”，选方差齐性检验（ Homogeneity test） v 单击OK 103 协方差分析 Sig.=0.1780.05，所以可以认为各个 组总体方差是齐性的，满足方差分析 的前提条件。 入学数学成绩对统计学成绩 不存在显著影响（ P=0.6200.05）。 专业对统计学成绩存在显著 差异，即不同专业显著地影响 着学生对统计课程的学习。 因此在剔除入学数学成绩影 响后，不同专业统计学成绩存 在显著差异。 104 常用的统计分析方法相关分析 n 变量之间的一一对应的关系，即当自变量X取一定值时，因变量 Y可以依据确定的函数关系取唯一的值。 n如：圆的半径与圆的面积之间的关系。 函数关系 相关分析不分辨哪个是因变量，哪个是自变量，以对称的观点来 看待这两个变量。相关关系 例如：子女身高与父母身高之间的关系，虽然两者之间存在着一定的 关系，但这种关系却不能像函数关系那样用一个确定的数学函数描述 。 105 相关性测量的方法（定距或定比变量） 系数说明 Pearson积 差 用于连续性线性相关的变量 相关比率 Eta 用于非线性资料,或是检验连续 性因变 量的主要效果 双系列 Biserial 用于其中一个是连续性变量,另一个是 二分式变量 偏相关 涉及到三个变量,在剔除第三个变量的 效应之后,看另外两个变量之间的关系 复相关 涉及到三个变量,看一个变量与另外两 个变量之间的关系 变量线性 回归 用某一个变量的值来预测另外一个变 量 106 Pearson积差相关系数 v Pearson积差相关系数是应用最广的一种.用于检验连续型变量之间的线 性相关程度.相关系数r介于-1到1之间，其绝对值越趋近于1表明相关程度 越高，越趋近于0表明相关程度越低。正负号代表相关方向。 v 相关系数r达到多少算高，通常依据具体的研究问题而定。例如在行为科 学领域，通常把0.1视为低相关，0.3视为中等相关，0.5以上视为高相关. v 前提假设: 正态分布:变量服从正态分布. 样本独立性:被试必须来自总体的随机样本,且被试之间必须相互 独立 替换极值:剔除极值或代之以均值或中数,否则对相关系数影响较 大. 线性: 变量之间是线性的. 107 相关系数 n 对正态分布无要求，采用非参数检验方法来度量定 序变量之间的线性相关程度，或定距、定比变量不满 足正态分布的情况。 Spearman秩相 关系数 n 采用非参数检验方法来度量定序变量之间的线性相 关关系，或定距、定比变量不满足正态分布的情况。 Kendall等级相 关系数 n 要求变量为正态分布，用来度量连续变量（定距或 定比测量）之间的线性相关系数。 Pearson积差相 关系数 108 例：性诉求广告（研究二假设检验） v研究二假设： v假设1：感知性感程度与广告态度正相关 v利用相关分析来检验上述假设： v若进行相关分析，需要满足线性关系的前提；若变量满足正态分布， 可以用Pearson相关分析；若不满足正态分布，可使用Spearman、相 关系数。同时，还应注意有无极值点。 依据散点图检验线性关系： Graphs Scatter 选择Simple, 单击Define打开主对话框， 把变量“广告态度均值”选 入Y Axis 中，把“感知性感程度均值”选入 X Axis框中。 点OK 性感广告.sav 109 例：性诉求广告（研究二假设检验） v 由散点图得知， 感知性感程度均 值与广告态度均 值之间是线性关 系，满足相关分 析的第一个前提 110 例：性诉求广告（研究二假设检验） v 正态分布检查步骤： v Analyze Nonparametric Test 1-Sample K-S v 从左侧变量列表中把“感知性感程度均值”、“广告态度均值” 选 入右侧的“Test Variable List”框中,下方的Test Distribution中选 中Normal，即要求SPSS检验两个变量是否符合正态分布。 v 点OK 111 例：性诉求广告（研究二假设检验） 感知性感程度均值不服从正态分布（P0.05)。故不能使用Pearson相关系数，而应该采用 Spearman或相关系数 112 例：性诉求广告（研究二假设检验） v 通过箱型图看是否有极值点 v Graph Boxplot, 使用Simple类型, 图中数据选用Summaries of separate variables, 绘制出两个变量的箱型图. v 从箱型图看, 两个变量均无极值点. 113 例：性诉求广告（研究二假设检验） v 用相关分析来检验假设1： v Analyze Correlate Bivariate v 把“感知性感程度均值”、“广告态度均值” 选取入右侧Variables 框中。 v 在Correlation Coefficients 中选中Spearman, 在 Test of Significance中选中Two-tailed， 并选中对话框最下方的复选框 Flag significant correlations。 v 单击OK运行程序。 114 例：性诉求广告（研究二假设检验） v 假设1：感知性感程度与广告态度正相关。 v 性感均值与广告态度均值的Spearman相关系数为0.716，P0.05, 符合指数分布 v 对变量分布进行检验 v 为进一步确认该分布为指数分布,使用非参数检验1 Sample K-S过程 进行检验 v Analyze Nonparametric Tests 1 Sample K-S，在下方选择 Exponential 136 例：SPSS多元线性回归 v 对变量进行转换 v 用Transform Compute命令对该 变量取对数LN(销量)，并保存为变 量”LN销量”。再次对变量“LN销量” 绘制直方图，结果显示数据接近正 态分布。 v 1 Sample K-S检验结果显示，“LN 销量”符合正态分布，p=0.5030.05 137 例：SPSS多元线性回归 v 进行多元回归分析 v Analyze Regression Linear, 把变量“LN销量”选取入 Dependent框中, 把汽车价格以及各项性能特征作为自变量,全部选入 Independent框中. v 单击Statistics打开子对话框, 保持默认的两个选项Es