搜索
SPSS统计描述：1.基本统计描述：均值、均值误差、中位数、众数、全距、方差和标准差、峰度和偏度；2.频数；3.探索分析：检查数据是否有错误：奇异值、影响点、错误数据获得数据分布特征：正态分布检验Q-Q图、方差齐次性检验对数据规律的初步考察4．交叉列联表分析：行变量和列变量5．多选项分析：（一个问题，供选答案不唯一）多选项二分法多选项分类法spss分析—多重响应-定义多响应集/频率/交叉表格6.基本统计分析的报表制作统计图形：条形图；线图；饼图均值比较，T检验：1.Means：对指定数据进行均值，标准差分析2.单样本T检验：检验某变量的总体均值和指定值之间是否存在显著差异3.两独立样本T检验：检验两个（服从正态分布的）样本之间是否存在显著差异4.两配对样本T检验：对同一研究对象的不同处理的效果对比或对同一对象的处理前后的效果对比方差分析：1.单因素方差分析：某一控制变量的不同水平给观察变量造成的显著差异和变动2.多因素方差分析：多个随机/控制变量以及交互对结果的显著影响3.协方差分析：将难以控制的因素作为协变量，排除协变量，分析控制变量对观察变量的影响相关分析：1．二元定距变量的相关分析：通过计算相关系数，分析相关程度2．二元定序变量的相关分析：定序变量的取值大小可表示观测对象的某种顺序关系等级相关，即定序变量间的线性相关关系3．偏相关分析：两变量同时与第三个变量相关，剔除第三个的影响，分析两变量相关程度4．距离相关分析：同一变量内部各个取值间，相互接近程度；变量间，预测值对实际值的拟合优度根据统计量的不同分为：不相似性测量和相似性测量根据分析对象的不同分为：样本间分析和变量间分析回归分析：1.一元线性回归分析：排除其他因素，分析某一因素影响另一事物的过程检验：拟合优度检验，拟合系数R2回归方程显著性检验，F检验回归系数显著性检验，t检验2.多元线性回归分析：多个因变量对一个自变量的数量变化关系检验：同上3.非线性回归分析：线性化（非线性回归模型，通过适量变量变换，转化为线性模型）4.曲线估计：选择多种模型，用spss完成参数估计，并显示R2，F检验值，选取统计量R2最大的模型作为回归模型5.时间序列的曲线估计：分析社会和经济现象。时间为x，代表具有经济或社会现象的变量为y，研究两者间关系。6.含虚拟自变量的回归分析：对于非数量型的定性变量（性别、年龄、文化程度、地区、时间跨度、正常与非正常）0—1型虚拟自变量（0,1用来说明观察单位的性质和属性）7.逻辑回归分析：对定性因变量的回归分析Logistic回归分析（虚拟因变量取0,1）：进行参数估计检验统计量：-2对数似然值拟合优度统计量，等。非参数检验：1.总体分布的卡方检验：总体分布形态是否与某种分布相拟合2.二项分布检验：取值仅2类，的二项分布3.单样本变量值随机性检验：对变量的取值出现是否随机进行检验4.单样本K-S检验：拟合优度的非参数检验方法，利用样本数据推断总体是否服从某一理论分布，适用于探索连续型随机变量的分布形态5.两独立样本的非参数检验：在总体分布不明确的情况下，分析样本数据，推断样本来自的两个独立总体分布是否存在显著差异。一般用来对两个独立样本的均数、中位数、离散趋势、偏度进行检验6.多独立样本非参数检验：推断样本来自的多个独立总体分布是否存在显著差异。一般推断多个独立总体的均值、中位数是否存在显著差异。7.两配对样本非参数检验：在总体分布不明确的情况下，对样本来自的两相关配对总体分别进行检验。用于对同一研究对象（或两配对对象）不同处理的效果比较，推断效果有无差别；用于对同一研究对象（或两配对对象）处理前后的效果比较，推断处理是否有效（配对对象就是非处理因素相同或相似者）聚类分析与判别分析：1.层次聚类分析中的Q聚类：对样本进行分类，使具有相同特点的样本聚在一起，以便对不同类的样本进行分析；连续变量的样本距离测量方法连续变量的样本亲疏程度的其他测量方法顺序或名义变量的样本亲疏程度测量方法样本数据与小类、小类与小类间的亲疏程度测量方法2.层次聚类分析中的R聚类：对研究对象的观察变量（因变量）进行分类，从不同类中选取具有代表性的变量作分析，从而减少分析变量的个数Spss：分析—分类—系统聚类3.快速聚类分析：制定类别数，以距离为样本间的亲疏程度标志。Spss：分析—分类—K平均值聚类4.判别分析：根据未知新事物性质，进行判别以归入已知的类别（可对聚类分析结果的准确性进行检验）Spss：分析—分类—判别因子分析（主成分分析）：以较少因子反映原材料的大部分信息的统计方法