502-SPSS系统在传播学研究中的应用

1第十七章SPSS系统在传播学研究中的应用（主讲2学时；操作1学时）2第一节SPSS简介SPSS的含义SPSSforWINDOWS的特点SPSSforWINDOWS的启动与退出SPSSforWINDOWS系统运行方式SPSSforWINDOWS窗口类型SPSSforWINDOWS系统参数设置3第二节基本统计分析4一、SPSS统计分析功能概述1、SPSS数值分析过程2、SPSS图形分析过程5基本统计分析功能包括：描述性统计分析（DescriptiveStatistics）二、基本统计分析功能6描述性统计分析（DescriptiveStatistics）1、Frequencies频数分析表2、Descriptive描述性统计分析过程3、Crosstabs列联表分析过程7第三节双变量关系描述统计——相关分析与检验8双变量的关系——有关与无关寻找变量间的关系是科学研究的首要目的。变量间的关系最简单的划分即:有关与无关。在统计学上，我们通常这样判断变量之间是否有关：如果一个变量的取值发生变化，另外一个变量的取值也相应发生变化，则这两个变量有关。如果一个变量的变化不引起另一个变量的变化则二者无关。91通过考试2未通过考试1男性40%60%2女性40%60%总计40%60%性别与四级英语考试通过率的相关统计表述：统计结果显示，当性别取值不同时，通过率变量的取值并未发生变化，因此性别与考试通过率无关。自变量的不同取值在因变量上无差异，两变量无关。自变量的不同取值在因变量上有差异，两变量有关。10每月工资平均数N1男性752.404522女性601.97409总计680.95861表述：统计结果显示，当性别取值不同时，收入变量的取值发生了变化，因此性别与月收入有关。自变量因变量11双变量关系的统计类型定类定序定距定类列联cross-tabulate列联cross-tabulate方差分析（分组平均数）comparemeans定序列联cross-tabulate积差相关spearmancorrelation积差相关spearmancorrelation积矩相关pearsoncorrelation定距积矩相关pearsoncorrelation回归regression12双变量的关系—关系强度测量变量关系强度的含义:指两个变量相关程度的高低。统计学中是以准实验的思想来分析变量相关的。通常从以下的角度分析：A）两变量是否相互独立。B）两变量是否有共变趋势。C）一变量的变化多大程度上能由另一变量的变化来解释。13双变量关系强度测量的主要指标定类定序定距定类卡方类测量卡方类测量Eta系数定序Spearman相关系数同序-异序对测量Spearman相关系数定距Pearson相关系数14双变量的关系—关系的性质直线相关与曲线相关正相关与负相关完全相关与完全不相关15相关分析可采用相关分析和非参数相关分析过程。可选择计算积距相关系数、Spearman秩相关系数和Kendall秩相关系数。检验的假设为相关系数为0。可选择是单尾检验还是双尾检验。16一、相关分析——Correlate菜单相关分析用于描述两个变量间联系的密切程度，其特点是变量不分主次，被置于同等的地位。在Analyze的下拉菜单Correlate命令项中有三个相关分析功能子命令Bivariate过程、Partial过程、Distances过程，分别对应着相关分析、偏相关分析和相似性测度的三个spss过程。17简单相关分析Bivariate过程用于进行两个或多个变量间的相关分析，如为多个变量，给出两两相关的分析结果。Partial过程，当进行相关分析的两个变量的取值都受到其他变量的影响时，就可以利用偏相关分析对其他变量进行控制，输出控制其他变量影响后的相关系数。Distances过程用于对同一变量各观察单位间的数值或各个不同变量间进行相似性或不相似性分析一般不单独使用，而作为因子分析等的预分析。18二、Bivariate相关分析在进行相关分析时，散点图是重要的工具，分析前应先做散点图，以初步确定两个变量间是否存在相关趋势，该趋势是否为直线趋势，以及数据中是否存在异常点。否则可能的出错误结论。Bivariate相关分析的步骤：输入数据后，依次单击Analyze—Correlate—Bivariate，打开BivariateCorrelations对话框如图5－119描述性统计量表，如下：DescriptiveStatistics82.5010.011060.0027.6010体重鸡冠重MeanStd.DeviationN从表中可看出，变量weight的均值为82.50，标准差为10.01，观测数为10；变量coronaryt的均值为60.00，标准差为27.60，观测数为10；结果分析20从表中可看出，Pearson相关系数为0.865，即小鸡的体重与鸡冠的相关系数为0.865，这两者之间不相关的双尾检验值为0.001。体重观测值的协方差为100.278，而鸡冠重观测值的协方差为761.556，体重和鸡冠重的协方差为239.111。从统计结果可得到，小鸡的体重与鸡冠重之间存在正相关关系，当小鸡的体重越大时，则小鸡的鸡冠越重。并且，否定了小鸡的体重与鸡冠重之间不相关的假设。Pearson相关系数距阵Correlations1.000.865**..001902.5002152.000100.278239.1111010.865**1.000.001.2152.0006854.000239.111761.5561010PearsonCorrelationSig.(2-tailed)SumofSquaresandCross-productsCovarianceNPearsonCorrelationSig.(2-tailed)SumofSquaresandCross-productsCovarianceN体重鸡冠重体重鸡冠重Correlationissignificantatthe0.01level(2-tailed).**.21二、偏相关22一、概念当有多个变量存在时，为了研究任何两个变量之间的关系，而使与这两个变量有联系的其它变量都保持不变。即控制了其它一个或多个变量的影响下，计算两个变量的相关性。二、偏相关系数偏相关系数是用来衡量任何两个变量之间的关系的大小。23三、选择不同的方法计算相关系数Pearson：双变量正态分布资料,连续变量Kendall：资料不服从双变量正态分布或总体分布未知，等级资料。Spearman：等级资料。24Analyze-----Correlation-----Partial把分析变量选入Variable框把控制变量选入Controllingfor框点击Options点击Statistics：选择MeanandstandarddeviationZero-ordercorrelationContinueOK四、SPSS操作步骤25VariableMeanStandardDevCasesX1（身高）152.57598.362229Y（肺活量）2206.8966448.554129X2（体重）37.30695.670429结果：