spss基本操作-姜永志.ppt

SPSS简介与基本操作 一、研究设计 1、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 2、研究取样 随机抽样 分层随机抽样 整群抽样 3、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 4、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” 二、量表分析 1、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 二、项目分析 1、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 三、因素分析 1、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“因子”以再现原始变量与“因子”之间的相关关系。 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。 共同性（度）： 通常称为该因子的贡献率，每个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。 2、因素分析的步骤 （1）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，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。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。通常可采用如下几种方法： （2）提取因子 决定因子提取的方法（即求初始因子）的方法很多，有“主成分分析法”，“主轴因子法”，“极大似然法”，“最小二乘法”，“Alpha因子提取法”和“映象因子提取法”等等。最常用的是“主成分分析法”和“主轴因子法”，其中又以“主成分分析法”的使用最为普遍。 四、信度分析 1、信度的分类 内部一致性信度系数 分半信度 重测信度 2、信度指标 0.60以下—过低 0.70以上—可接受 0.80以上—较好 0.90以上—较理想 五、描述统计与相关分析 1、描述统计的具体操作 2、相关分析的具体操作 相关分析 关于相关 任何事物的存在都不是孤立的，而是相互联系、相互制约的。用以说明客观事物相互间关系的密切程度的统计分析即相关分析。 事物之间有相关，不一定是因果关系，也可能仅是伴随关系。但如果事物之间有因果关系，则两者必然相关。 基本过程 Bivariate过程? Partial过程 Distances过程 Bivariate过程? 调用此过程可对变量进行相关关系的分析，计算有关的统计指标，以判断变量之间相互关系的密切程度。调用该过程命令时允许同时输入两变量或两个以上变量，但系统输出的是变量间两两相关的相关系数。 Partial过程 调用此过程可对变量进行偏相关分析。在偏相关分析中，系统可按用户的要求对两相关变量之外的某一或某些影响相关的其他变量进行控制，输出控制其他变量影响后的相关系数。 六、t检验与方差分析 t-test 过程：对样本进行t检验的过程 单一样本的T检验：检验单个变量的均值是否与给定的常数之间存在差异。 独立样本的T检验：检验两组不相关的样本是否来自具有相同均值的总体（均值是否相同，如男女的平均收入是否相同，是否有显著性差异） 配对T检验：检验两组相关的样本是否来自具有相同均值的总体(前后比较，如训练效果，治疗效果) One-Way ANOVA：一元(单因素)方差分析，用于检验几个（三个或三个以上）独立的组，是否来自均值相同的总体。 One-Sample Test 调用此过程可以完成测量数据与常模或参照目标之间差异性的比较。 Independent-Samples T Test过程 调用此过程可完成两样本均数差别的显著性检验，即通常所说的两组资料的t检验。（单因素——两个水平——随机实验设计；组间设计） Paired-Samples T Test过程 调用此过程可完成配对资料的显著性检验，即配对t检验。在心理学领域中，主要是同一研究对象分别给予两种不同处理的效果比较，以及同一研究对象处理前后的效果比较。前者推断两种效果有无差别，后者推断某种处理是否有效。（连续变量，组内实验设计）? One-Way ANOVA过程? 在研究中，在需要比较两组以上样本均数的差别时，如用t检验方