【SPSS】SPSS学习笔记
验证一组数据是否服从正态分布
There are twenty students whose average sore are: (1 score)
56,23,59,74,49,43,39,51,37,61,43,51, 61,99,23,56, 49, 49, 75, 20
Is the distribution of the series the normal distribution or not?
(How to transform the data into the spss is very important.)
1、将数据输入到SPSS
2、使用分析>描述统计>探索 进行正态分布验证
关于正态性检验中,K-S和S-W哪个准确:
SPSS规定:当样本含量3≤n≤5000时,结果以Shapiro-Wilk(W检验)为准,当样本含量n>5000结果以Kolmogorov-Smirnov(D检验)为准。
使用SAS时当样本含量n≤2000时,结果以Shapiro-Wilk(W检验)为准,当样本含量n>2000结果以Kolmogorov-Smirnov(D检验)为准。
在本题中,因为样本量为20,故以S-W检验为准,sig.=0.2>0.05,不显著??服从正态分布(所以K-S及S-W结果可能不准,建议通过Q-Q图、P-P图等进一步确认…?)。
sig的含义
sig表示显著性。
在spss软件统计结果中,不管是回归分析还是其它分析,都会看到sig。spss分析中sig是significance的缩写,意为“显著性”,significance test称为显著性检验。sig后面的值就是统计出的P值,根据P值进行显著性检验。
sig小于0.05 说明有95%的显著差异
小于0.001 是极其显著
小于0.01 是非常显著
小于0.05 是模型显著
当数据之间具有了显著性差异,就说明参与比对的数据不是来自于同一总体(Population),而是来自于具有差异的两个不同总体,这种差异可能因参与比对的数据是来自不同实验对象的。
比如一些一般能力测验中,大学学历被试组的成绩与小学学历被试组会有显著性差异。也可能来自于实验处理对实验对象造成了根本性状改变,因而前测后测的数据会有显著性差异。
3、查看Q-Q图进一步确认,由图可见基本在直线附近,可以认为服从正态分布
由图可见P-P图和Q-Q图基本在直线附近,可以认为服从正态分布。
根据职工收入进行分组(income.sav)(1 score)
1、对收入进行排序
2、split file(如果不split,直接走下一步的话,会只输出一个总的结果)
3、descriptives
输出结果:
判断是否正态总体的方式
1、分析>描述统计>探索
2、选择因变量列表
3、勾选带检验的整体图,确定后查看分析结果
本题中,sig=.000<0.05
Sig值为0,表示拒绝原假设,即你所使用的样本数据不是正态分布数据
而t检验的前提是正态总体,不知道这样(非正态的样本)还能否用t检验?
单独样本t检验
会从这次上机实验题中选一道作为期末考试题!
1、SPSS教材57页例题2.4.1
t检验是一种变量显著性检验的方法
单独样本T检验(One-Samples T Test)用于进行样本所在总体均数与已知总体均数的比较,独立样本T检验(Independent-Samples T Test)用于进行两样本均数的比较。
例1
使用单样本t检验:
输出结果
(本例中sig=p=0.01<0.05,p<a拒绝原假设,说明样本的均值在a=0.05的显著性水平下不等于13.1)
通常情况下,实验结果达到0.05水平或0.01水平,才可以说数据之间具备了差异显著或是极显著。
当数据之间具有了显著性差异,就说明参与比对的数据不是来自于同一总体(Population),而是来自于具有差异的两个不同总体,这种差异可能因参与比对的数据是来自不同实验对象。
如果我们是检验某实验(Hypothesis Test)中测得的数据,那么当数据之间具备了显著性差异,实验的虚无假设(Null Hypothesis)就可被推翻,对立假设(Alternative Hypothesis)得到支持(拒绝原假设);反之若数据之间不具备显著性差异,则实验的备择假设可以被推翻,虚无假设得到支持。
例2
sig=0.534>0.05 接受原假设 说明样本的均值在a=0.05的显著性水平下可以认为等于43
例1与例2比较,例2组的预测比较准确。
2、SPSS教材57页例题2.4.2
(1)使用K-S检验(正态性检验)检测每组老鼠寿命是否服从正太分布
步骤:分析>描述统计>探索->
点击OK,输出结果:
从偏度和峰度的角度来看:并参考偏度和峰度讲解,里面说,如果是标准正态分布,那么偏度为 0,峰度为 3。本题的两组老鼠的偏度和峰度较标准正态分布有偏差,不是标准正态分布。
从K-S检验的角度来看,(不知道在一起的数据怎么分别进行正态性检验,我把他们拆开了)
(1)限制饮食组(分析>描述统计>探索 进行正态分布验证,要勾选带检验的整体图,还有一种办法是直接输出KS结果)
Sig.=0.000<0.05,拒绝原假设,说明:限制饮食组的老鼠不服从正态分布。
另外同时会
(2)正常饮食组
Sig.=0.000<0.05,拒绝原假设,说明:限制饮食组的老鼠不服从正态分布。
【SPSS】SPSS学习笔记相关推荐
- 医咖会免费SPSS教程学习笔记—二元逻辑回归
1.假设检验 2.如何判断连续自变量与因变量的logit转换值之间存在线性关系 首先,创建连续自变量的自然对数值.方法在上一条博文. 其次,请依次点击:分析-回归-二元逻辑-拖入因变量,拖入自变量到协 ...
- matlab游程检验结果分析,SPSS教程学习笔记6:数据随机化游程检验
游程检验亦称"连贯检验",主要目的就是检验取值为二分类并且按某种顺序(例如时间顺序)排列的数据资料,是否确实是随机出现的,可以通俗理解为检验样本数据的随机性. 这个方法对于提前了解 ...
- 医咖会免费SPSS教程学习笔记—Cohen’s kappa系数
1.适用情形:不同研究者对同一分类变量的判断是否一致 2.需要满足的假设: 3.实操 分析-描述性统计-交叉表-拖入变量-点击右侧"统计"-勾选Kappa-继续点击右侧的" ...
- 医咖会免费SPSS教程学习笔记—不同类型因变量对应的kappa值
一致性检验的四种类型: 重测一致性:多次测量的结果一致性 观察者一致性:不同人对结果判断的一致性 内部一致性:不同题项测量同一指标的一致性 诊断试验一致性:新方法与金标准测量一致性 重测次数和因变量的 ...
- 医咖会免费SPSS教程学习笔记—多重线性回归
1.假设检验 2.实操 分析-回归-线性-拖入变量-点击右侧的统计-勾选估计值,置信区间,杜宾沃森检验和个案诊断,偏相关和共线性诊断-继续点击右侧的图-勾选直方图,正态图,和所有偏相关图-继续点击右侧 ...
- 医咖会免费SPSS教程学习笔记—肯德尔协同系数检验
1.适用情形 超过两位的观察者观察连续变量或者有序分类变量 2.假设条件 3.实操 分析-非参数检验-相关样本-在"目标"下选择"自动比较实测数据和假设数据"- ...
- 【学习笔记】--mooc--教学研究的数据处理与工具应用(问卷+问卷星的使用+SPSS的下载、安装、使用、入门)--华南师范大学
本人于mooc网学习笔记整理,转载需标明出处* 若有错误,欢迎指正 关于用 <教学研究>的简单例子来讲述数据处理 即 :研究学生的相关数据对学生成绩的影响 课程大纲: 第一章-概论 1.三 ...
- SPSS学习笔记(1)
SPSS学习笔记(1) SPSS是世界上最早的统计分析软件,美国斯坦福大学的三位研究生研制,于20世纪60年代末成立了SPSS公司,并于1975年在芝加哥组建了SPSS总部. 2009年7月28日,I ...
- SPSS数据类型学习
SPSS数据类型学习 连续数值型变量 分类型变量 无序分类变量 有序分类变量 spss中有着他自己的数据变量,我们在进行数据处理时需要将不同的变量设置好它对应的数据类型 spss的界面如下,框出来的就 ...
- SPSS基础学习01
SPSS基础学习01 目标:社会经济类数据分析与建模的计算机应用部分,主要要求在学习掌握统计学基本理论知识的前提下通过学习spss统计软件的基本知识与技能,达到利用spss统计软件实现统计分析过程的计 ...
最新文章
- AI一分钟 | 厉害了!BBC记者挑战中国天网工程,潜逃仅7分钟被抓;百度狂砸20亿,设国内最大规模的AI专项风投基金
- 由粗到精学习LVI-SAM:论文原文解析
- CentOS 6.0安装VNC Server
- 006.递归和分治思想
- MySQL入门系列:查询简介(四)之类型转换和分组查询
- “后 PC”时代,应用为王
- 十四、linux 静态/动态申请字符设备号
- 我的华为P30pro手机升级了鸿蒙系统!
- Renting Boats
- python selenium 模拟浏览器
- Doris之备份与恢复(全面)
- 【路径规划】基于matlab蚁群和粒子群算法双机器人协调路径规划【含Matlab源码 045期】
- Java学习笔记之设计模式(6)观察者模式
- php 模拟登录qq空间,PHP模拟QQ登录的方法
- 2019年,北上广等一线城市的IT岗位饱和了么?
- 运算放大器的简单介绍和运用
- HSSFWorkbook 锁定部分单元格,或者锁定一个单元格
- At least one JAR was scanned for TLDs yet contained no TLDs.
- 使用python3.7.2 实现大名鼎鼎的Elo Score等级分制度 CSGO段位机制
- 红光光浴的用途这么多,快来试试吧!