spss基本操作-姜永志

1、2022-4-812022-4-821、研究设计选择与定义问题执行研究程序数据分析结果探究与结论2022-4-832022-4-842、研究取样随机抽样分层随机抽样整群抽样2022-4-853、取样的样本要多少才“够大”地区样本500-1000全国样本1500-2500相关研究30以上因果研究30以上实验研究单组15以上2022-4-864、变量属性的确定类别变量（性别、种族）顺序变量（优劣、多少、次序）等距和比率变量（年龄）多元回归应为连续变量或转化的“虚拟变量”2022-4-871、编制拟预试问卷2、预试3、整理问卷与编号4、项目分析5、因素分析（结构效度）6、信度分析2022-4-882

2、022-4-891、量表反向计分2、求出量表的总分3、量表总分的高低排序4、找出高低分组的临界分（27%原则）5、依据临界分区分高低分组6、以独立样本t-test检验二组在每个项目上的差异7、删除t-test检验未达到显著的项目2022-4-8102022-4-8111、相关概念、相关概念因素分析，就是通过寻找众多变量的公共因素来简化变量因素分析，就是通过寻找众多变量的公共因素来简化变量中存在复杂关系的一种统计方法，它将多个变量综合为少中存在复杂关系的一种统计方法，它将多个变量综合为少数几个数几个“因子因子”以再现原始变量与以再现原始变量与“因子因子”之间的相关关系。之间的相关关系。通过因素分

3、析，可以找出几个较少的有实际意义的因子，通过因素分析，可以找出几个较少的有实际意义的因子，反映出原来数据的基本结构。反映出原来数据的基本结构。2022-4-812 122022-4-813132022-4-814特征值特征值 特征值是指每个变量在某一公共因子上的因子负荷的平方总和。在因子分析的公共因子提取中，特征值最大的公共因子会最先被提取，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维度简单化，希望以最小的公共因子能对总变异量作最大的解释，因而提取的因素愈少愈好，而提取因子之累积解释的变异量则愈大愈好。142022-4-815共同性（度）：共同性（度）：通常称为该因子的贡献率，每个

4、变量在每个公共因素载荷的平方总和，即个别变量可以被共同因素解释的变异百分比，是个别变量与共同因素多元相关的平方。实际中常用相对指标来表示。相对指标体现公共因子的相对重要性，即每个公共因子所解释的方差占所有变量总方差的比例。2022-4-8162、因素分析的步骤、因素分析的步骤（1）确定因子分析的前提条件确定因子分析的前提条件 因子分析是从众多的原始变量中综合出少数几个具有代表性的因子分析是从众多的原始变量中综合出少数几个具有代表性的因子，这必定有一个前提条件，即因子，这必定有一个前提条件，即原有变量之间具有较强的相关性原有变量之间具有较强的相关性。如果原有变量之间不存在较强的相关关系，则无法找

5、出其中的公。如果原有变量之间不存在较强的相关关系，则无法找出其中的公共因子。因此，在因子分析时需要对原有变量做相关分析。通常可共因子。因此，在因子分析时需要对原有变量做相关分析。通常可采用如下几种方法：采用如下几种方法：2022-4-817l计算相关系数矩阵计算相关系数矩阵l计算原有变量的简单相关系数矩阵。观察相关系数矩阵，如果相关系数计算原有变量的简单相关系数矩阵。观察相关系数矩阵，如果相关系数矩阵中的大部分相关系数值小于矩阵中的大部分相关系数值小于 0.3，则各个变量之间大多为弱相关，这，则各个变量之间大多为弱相关，这就不适合做因子分析。如果一个变量与其他变量间相关度很低，则在下就不适合做

6、因子分析。如果一个变量与其他变量间相关度很低，则在下一分析步骤中可考虑剔除此变量。一分析步骤中可考虑剔除此变量。172022-4-818l进行统计检验进行统计检验l在因子分析过程中提供了几种检验方法来判断变量是否适合做因子分析。在因子分析过程中提供了几种检验方法来判断变量是否适合做因子分析。主要统计方法有如下两种：主要统计方法有如下两种： lBarlett Test of Sphericity：它是以变量的相关系数矩阵为出发点，零：它是以变量的相关系数矩阵为出发点，零假设：相关系数矩阵是一个单位阵。如果巴特利球形检验的统计计量假设：相关系数矩阵是一个单位阵。如果巴特利球形检验的统计计量数值较大

7、，且对应的相伴概率值小于用户给定的显著性水平，则应该数值较大，且对应的相伴概率值小于用户给定的显著性水平，则应该拒绝零假设；反之，则不能拒绝零假设，认为相关系数矩阵可能是一拒绝零假设；反之，则不能拒绝零假设，认为相关系数矩阵可能是一个单位阵，不适合做因子分析。个单位阵，不适合做因子分析。182022-4-819lKMO(Kaiser-Meyer-Olkin)检验：检验：KMO统计量用于检验变量统计量用于检验变量间的偏相关性是否足够小，是简单相关量和偏相关量的一个间的偏相关性是否足够小，是简单相关量和偏相关量的一个相对指数，由下式求得：相对指数，由下式求得：KMO0.9 非常适合非常适合0.8K

8、MO0.9 适合适合0.7KMO0.8 一般一般0.6KMO0.7 不太适合不太适合KMO0.05）。故对于两组以上的均数比较，必须使用方差分析的方法，当然方差分析方法亦适用于两组均数的比较。（单因素随机实验设计；组间实验设计）2022-4-863基本功能基本功能方差分析是R.A.Fister发明的，用于两个及两个以上样本均数差别的显著性检验。其基本作用主要是： 均数差别的显著性检验；分离各有关因素并估计其对总变异的作用；分析因素间的交互作用；方差齐性检验。基本思想基本思想造成因变量发生变化的原因可分成两类，一是不可控的随机因素，另一是研究中施加的对结果形成影响的可控因素。方差分析的基本思想是

9、：通过分析研究中不同来源的变异对总变异的贡献大小，从而确定可控因素对研究结果影响力的大小。2022-4-864General Factorial过程过程 调用此过程可对完全随机设计、配对设计资、析因设计、正交设计等等进行多因素方差分析或协方差分析。 2022-4-865Multivarite过程过程 调用此过程可进行多元方差分析。2022-4-866Repeat Measures过程过程 调用此过程可进行组内实验设计和混合实验设计的分析2022-4-867回归分析法就是对相关现象之间的规律性进行分析的方法。确切地说，回归分析法就是通过对相关现象的实际观察值，采用数学方法回归为直线或曲线形式的方

10、程，以反映现象之间的数量关系及变化规律的一种分析方法。 2022-4-868相关分析与回归分析的关系相关分析与回归分析的关系相关关系是回归分析的前提。只有现象之间具有较为密切的相关关系，才有进行回归分析的必要，用回归分析所获得的结论才有实际意义。 相关关系决定回归分析现象之间的相关关系是很复杂的，它们以不同的方向、不同的程度、不同的形式等相互作用，表现出不同的类型和形态。但无论现象的相关类型呈现为何种状态，它对回归分析都是起决定作用的因素。回归分析是相关分析的继续和深入。2022-4-8691 1相关的类型决定回归的类型。相关的类型决定回归的类型。直线相关直线相关示意图示意图 曲线相关示意图曲线相关示意图2022-4-8702相关的性质决定回归系数。现象之间的关系，按其性质不同可分为正相关和负相关。在直线相关的情况下，正相关时回归系数为正，负相关时回归系数为负。即在回归方程Y=a+bx中，b为回归系数。正相关时，b0；负相关时，b0。 3现象相关的密切程度决定回归预测的准确程