怎么用spss做方差分析？
2024-05-07 07:41
1. 怎么用spss做方差分析？
单因素方差分析spss步骤如下所示： 操作工具：win10电脑。 操作软件：SPSS分析工具。 操作版本：1.32.5。 1、首先通过快捷方式打开SPSS分析工具，默认显示数据视图。 2、切换到变量视图，然后添加六个变量，分别为姓名、M、C、E、S和R，其中姓名是字符串类型，其他都是数字类型。 3、返回到数据视图，向六个变量列插入对应的数据。 4、点击分析菜单，然后依次选择分类--->系统聚类。 5、打开系统聚类分析窗口，将变量M和变量C移到变量框中。 6、点击右侧统计按钮，打开系统聚类分析：统计窗口，选择集中计划，接着点击继续。 7、单击图按钮，打开图设置窗口，勾选谱系图，然后点击继续。 8、接着点击方法按钮，打开系统聚类分析：方法窗口，聚类方法选择瓦尔德法，然后单击继续。 9、最后点击系统聚类分析窗口中的确定按钮，然后生成系统聚类分析结果和图形展示。 Spss自动计算F统计值，如果相伴概率P小于显著性水平a，拒绝零假设，认为控制变量不同水平下各总体均值有显著差异，反之，则相反，即没有差异。 方差齐性检验：控制变量不同水平下各观察变量总体方差是否相等进行分析。采用方差同质性检验方法，原假设“各水平下观察变量总体的方差无显著差异，思路同spss两独立样本t检验中的方差分析”。 相伴概率0.515大于显著性水平0.05，故认为总体方差相等。 两类方差异同 两类方差分析的基本步骤相同，只是变异的分解方式不同，对成组设计的资料，总变异分解为组内变异和组间变异（随机误差），即：SS总=SS组间+SS组内，而对配伍组设计的资料，总变异除了分解为处理组变异和随机误差外还包括配伍组变异，即：SS总=SS处理+SS配伍+SS误差。
2. 在spss中什么是统计量
p是检验统计量拒绝方向的概率。 举个最常见的例子 检验统计量是u=3，u=（x拔-miu）/（sigma/根号（n）），u是正态分布，那么u=3，95%的置信区间检验原假设，是接受呢还是拒绝？ 通常我们会找到临界值u0=1.96,因为u=3>u0,所以拒绝原假设。 但是这样的比较会使得标准不统一.比如u统计量95％的临界值是1．96，t统计量就是2．3左右。故引入p。 根据p的定义，u=3，画出正态曲线，位于＋1．96右方，拒绝方向是右方，求出＋3到＋无穷大的密度函数的积分，那个面积大小就是p值。 所以u=3>1.96等价于p＜0.05，依据正态分布＋3到无穷大的积分面积小于＋1．96到无穷大的面积（0．05）。 其他检验统计量只是分布不同，p的临界值可以是0.05,0.1,0.01等，将所有检验统计量的临界值统一。p<0.05，拒绝原假设。 p值在统计学中占了重要地位，大多检验都是这样比较的。所以统计学当中有句话很经典：“统计学学什么，学来学去学个p”
3. spss信度如何分析？
问卷星spss信度效度分析步骤如下： 1、首先登录问卷星首页，会出现你创建的问卷，点击“分析&下载”，选择“查看下载答卷”选项。 2、点击“下载答卷数据”按钮，因为我们需要通过SPSS进行分析所以选择“按选项分数下载”。这样可以看到问卷数据被导出来成了Excel格式文件了。另外可根据自身需求筛选问题条件进行下载。 3、打开SPSS 26.0数据分析软件，点击“文件”-“导入数据”，选择“Excel”。 4、将之前从问卷星下载的问卷数据excel导入到SPSS中。 5、点击“分析”-“刻度”-“可靠性分析”。 6、信度分析仅是针对量表问题，本次问卷为标准的5度量表，1表示非常不同意，5表示非常同意意，共含有22个题项，首先检验这一份量表整体的信度。将所有的量表题选中至右侧项。模型默认选择“Alpha”。 7、点击右上角的“统计”选项，可勾选“删除项后的标度”，点击继续。 8、点击确定后就得到本次问卷整体信度分析结果如下。本次22个量表题得出问卷总体的Cronbach α系数值为0.82，大于0.8，说明样本数据总体信度质量高。 如果α系数比较低，可以查看删除项后的克隆巴赫Alpha值，该值为删除该分析项题目后，剩下分析项的α系数，若此值明显高于Cronbach α系数值，则可考虑将该分析项删除。这样就可以提高Cronbach α系数值。 9、问卷调查一般会有多个维度变量，因此接下来针对每个维度变量进行分析，比如本次问卷有感知风险这个变量，那么选中它对应的3个题项进行信度分析，得出该维度的Cronbach α系数值。另外的维度变量信度分析同理。
4. 如何用SPSS进行方差分析？
1、首先打SPSS软件，开点击“分析”-“比较平均值”-“单因素ANOVA”。 2、在弹出的“单因素方差分析”选项卡中，将“体重”选入到应变量列表中，将“饲料类型”选入到因子中。 3、点击右边的“事后多重比较”，在弹出的选项卡中选择“LSD”，然后点击继续。 4、然后再点击右边的“选项”，在弹出的选项卡中选择“描述性”和“方差同质性检验”，点击确定。 5、在结果中，要看的就是方差齐性检验，在“单因素同质性测试”表中可以看到P=0.244>0.05,说明方差是齐的，可以使用单因素方差分析法。
5. 在spss软件中区分变量的度量
1、首先通过快捷方式打开SPSS工具，在变量视图下，输入变量名称，然后点击变量类型，默认是数字类型，可以切换到字符串或其他类型。 2、将变量属性列往后移动，可以查看到对齐方式，有左、右和居中三种方式 3、点击值单元格，打开值标签窗口，设置值和标签。 4、接着单击缺失对应的单元格，打开缺失值窗口，选择离散缺失值，输入对应的值（不能出现重复的数据）确定即可。 5、最后对于角色，可以根据自己需要选择输入、目标、两者、无、分区和拆分，就可以了。
6. SPSS与判别分析
判别分析的特点是根据已掌握的、历史上每个类别的若干样本的数据信息，总结出客观事物分类的规律性，建立判别公式和判别准则。
判别分析和聚类分析都是要求对样本进行分类，但两者的分析内容和要求是不一样的。 聚类分析 是给定数量的样品，但样品应划分出怎样的类别还不清楚，需要聚类分析来判别。 判别分析 是已知样品应分为怎样的类别，判断每一个样品应属于怎样的类别。
距离判别是以给定样品与各总体之间的距离的计算值为准则进行类别判断的一种方法。由于马氏距离不受量纲的影响，因此，在距离判别法中，也采用马氏距离作为类别判断的依据。
（1）若ω（x）>0 则x属于G₁ （2）若ω（x）<0 则x属于G₂ （3）若ω（x）=0 则待判 其中，ω（x）为x的线性函数：（推导过程略）
故常称ω（x）为线性判别函数
协方差阵相同时： 判别函数为：
相应的判别规则为：
协方差阵不同时： 判别函数为：
相应的判别规则为：
该法是按照类内方差尽量小，类间方差尽量大的准则来要求判别函数。组与组的分开借用了方差分析的思想。
从两个总体中抽取p个指标的样品观测数据，根据方差分析的思想构造一个判别函数：
其中系数确定的原则是使两组间的区别最大，而使每个组内部的离差最小。
有了判别式以后，对于一个新的样品，将它的p个指标带入判别函数中求出y值。然后与判别临界值进行比较，就可以判断它属于哪一个总体。
分析过程：
设有k个总体G₁，G₂，…，Gk，从中抽取的样品数为n₁，n₂，…，nk，令n=n₁+n₂+…+nk。设判别函数为：
其中，
在多总体情况下继续选取系数向量c即可。 注：一般来说，对经验样品回判率大于80%就可以使用Fisher判别。
贝叶斯判别的基本思想是认为所有G个类别都是空间中 互斥 的子域，每个观测都是空间中的一个点。
在考虑先验概率的前提下，利用Bayes公式按照一定的准则构建一个判别函数，分别计算该样品落入各个子域的概率，所有概率中最大的一类就被认为是样品所属的类别。
Bayes判别的数学推导略，其数学模型的建立可参考：[百度文库](https://wenku.baidu.com/view/37949474a8114431b80dd803.html)，P5-P14
但在Bayes判断规则之前，设
有必要进行统计检验H₀₁：μ₁=μ₂=…=μk。当H₀₁被接受，说明k个总体是一样的，也就没有必要建立判别函数；
若H₀₁被拒绝，就需要检验每两个总体之间差异的显著性，重复操作。
逐步判别的思想类似于逐步回归。变量按照其重要性逐步引入，已经引入的变量也可能因为新的变量而被剔除。每次引入或剔除变量都进行相应的统计检验。
利用 威尔克斯统计量 对变量的重要性进行区分：
其中Λ（X ，Xj）表示X 与Xj的威尔克斯检验统计量，Λ=组内离差平方和/样本点总离差平方和。
步骤：分析->分类->判别，选入变量，如下图：
定义分组变量范围，如下图：
点击 Statistics 按钮，选择如下图：
单击 分类 按钮，如下图：
单击 Save 按钮，选项如下图：
主要输出结果：
右图是贝叶斯判别函数系数表，将样品的各参数带入2个贝叶斯判别函数，比较得出的函数值，哪个函数值较大就将该样品归于哪一类。
以及最后的样品判别结果见下表：
可以直接读出预测组的分类为第2类。
7. 怎么用SPSS做信度分析
一、信度分析 1.操作分析 2.看看结果 二、多维尺度分析 1.多维尺度分析是市场研究的一种有力手段，可以通过低维空间展示研究对象间联系，利用平面距离来反映研究对象之间相似程度。 思路：利用对被访者和对研究对象的分组，来反映被访者对研究对象相似性的感知。 2.操作步骤 3.看看结果吧
8. SPSS信度分析
一、什么是信度？
信度是指根据测验工具（量表）所得到的结果的一致性或稳定性，反映被测特征真实程度的指标。一般而言，两次或两个测验的结果愈是一致，则误差愈小，所得的信度愈高，它具有以下特性：
1 、信度是指测验所得到结果的一致性或稳定性，而非测验或量表本身；
2、信度值是指在某一特定类型下的一致性，非泛指一般的一致性，信度系数会因不同时间、不同受试者或不同评分者而出现不同的结果；
3、信度是效度的必要条件，非充分条件。信度低效度一定低，但信度高未必表示效度也高；比如某一个菜贩，他的杆秤称出来的东西永远是1斤，证明信度很高，但是这菜实际就8两，效度不高
信度和效度的差异：
（1）研究的对象不同 信度：答卷者 效度：组卷人
（2）研究的角度不同 信度：测量的质量 效度：问卷的质量
信度检验完全依赖于统计方法，信度可分为两种：
1）内在信度：对一组问题是否测量同一个概念，同时组成量表的题项的内在一致性程度如何；常用的检测方法是Cronbach’s alpha系数。
2）外在信度：对相同的测试者在不同时间测得的结果是否一致，再测信度是外在信度最常用的检验法。
二、信度的指标
1. 用信度系数来表示信度的大小。信度系数主要被用于评价问卷这种测量工具的稳定性或可靠性，具体来说就是用问卷对同一事物进行重复测量时，所得结果的一致性程度 。
目前没有统一的标准，但根据多数学者的观点，任何测验或量表的信度系数如果在0.9以上，则该测验或量表的信度甚佳；信度系数在0.8以上都是可接受的；如果在0.7以上，则该量表应进行较大修订，但仍不失其价值；如果低于0.7，问卷的测量效果非常差！
在大型量表中，往往一组问题用来集中测量某一方面的信息。此时信度分析应当按问题组来进行，即测量同一信息的一组问题间信度如何，而不是直接测量整个量表的信度。
2．信度指标多以相关系数来表示。大致可分为三类：
①稳定系数（跨时间的一致性）
②等值系数（跨形式的一致性）
③内在一致性系数（跨项目的一致性）
三、信度分析方法
1）a信度系数法（最常用）。克隆巴赫a信度系数是目前最常用的信度系数。其公式为：a=(k/k-1)*(1-(∑Si2)/ST2)。其中，K为量表中题项的总数，Si2为第i题得分的题内方差，ST2为全部题项总得分的方差。从公式中可以看出，a系数评价的是量表中各题项得分间的一致性，属于内在一致性系数。这种方法适用于态度、意见式问卷（量表）的信度分析。
在李克特量表（李克特量表(Likert scale)是属评分加总式量表最常用的一种，属同一构念的这些项目是用加总方式来计分，单独或个别项目是无意义的。它是由美国社会心理学家李克特于1932年在原有的总加量表基础上改进而成的。该量表由一组陈述组成，每一陈述有"非常同意"、"同意"、"不一定"、"不同意"、"非常不同意"五种回答，分别记为5、4、3、2、1，每个被调查者的态度总分就是他对各道题的回答所的分数的加总，这一总分可说明他的态度强弱或她在这一量表上的不同状态。）中常用的信度检验方法为“Cronbach’sa”系数及“折半信度”.
2）折半信度法。折半信度法是指将测量项目按奇偶项分成两半，分别记分，测算出两半分数之间的相关系数(实际应用EXCEL软件)，再据此确定整个测量的信度系数RXX。折半信度属于内在一致性系数，测量的是两半项目间的一致性。这种方法不适合测量事实性问卷，常用于态度、意见式问卷的信度分析。在问卷调查中，态度测量最常见的形式是5级李克特量表。进行折半信度分析时，如果量表中含有反意题项，应先将反意题项的得分作逆向处理，以保证各题项得分方向的一致性，然后将全部题项按奇偶或前后分为尽可能相等的两半，计算二者的相关系数（rhh）），即半个量表的信度系数，最后用斯皮尔曼-布朗（Spearman-Brown）公式：rtt=2rhh/(1+rhh)，求出整个量表的信度系数RTT。
3）重测信度法。用同样的问卷对同一被测者间隔一定时间的重复测试，也可称作测试—再测方法，计算两次测试结果的相关系数。很显然这是稳定系数，即跨时间的一致性。重测信度法适用于事实性的问卷，也可用于不易受环境影响的态度、意见式问卷。由于重测信度需要对同一样本试测两次，而被测容易受到各种事件、活动的影响，所以间隔时间需要适当。较常用者为间隔二星期或一个月。
4）复本信度法（等同信度法）。复本信度法是让被测一次填写两份问卷复本，计算两个复本的相关系数。由于这种方法要求两个复本除表达方式不同外，在内容、格式、难度和对应题项的提问方式等方面都要完全一致，所以复本信度属于等值系数。在实际的调查中，问卷很难达到这种要求，这种方法较少被采用。
5）评分者信度。这种方法在测量工具的标准化程度较低的情况下进行的。不同评分者的判分标准也会影响测量的信度，要检验评分者信度，可计算一个评分者的一组评分与另一个评分者的一组评分的相关系数。
下面通过一个实例来讲解问卷信度分析
一、问题描述
二、SPSS操作
【模型】栏：提供5种方法。spss给的都是内部信度计算模型，至于重测信度和复本信度，只需将样本在二次（份）测验的分数的数据合并到同一数据文件之后，利用【相关】之下的【双变量】求其相关系数，即为重测或复本信度；而评分者信度则是使用的Spearman等级相关及Kendall和谐系数。这里不详述。
1）Alpha 模型。系数 alpha；对于二分数据，它等同于 Kuder-Richardson 20 (KR20) 系数。本例选择a系数
2）折半模型。形式之间的相关性、Guttman 半分可靠性、Spearman-Brown 可靠性（相等长度和不相等长度）以及每一半的 alpha 系数。
3）Guttman 模型。可靠性系数 lambda 1 到 lambda 6。
4）平行和严格平行模型。模型拟合度优度检验；误差方差的估计值、公共方差和真实方差；估计的公共项间相关性；估计的可靠性以及可靠性的无偏估计。
【统计】栏：可以选择各种统计，用于描述标度、项和评分者间一致性，以确定各种评分者之间的可靠性。如下图所示
一、描述性：为跨个案的标度或项生成描述统计。
1）项。为跨个案的项生成描述统计，包括均数、标准偏差和频数。
2）度量。为标度生成描述统计。
3）如果项已删除则进行度量。显示将每一项与由其他项组成的标度进行比较时的汇总统计。后面结果会介绍。
二、摘要：提供跨标度中所有项的项分布的描述统计。
1）平均值。项平均值的汇总统计。
2）方差。项方差的汇总统计。
3）相关性。项之间的相关性的汇总统计。 显示项之间的相关性的最小、最大和平均值，项间相关性的范围和方差，以及最大项之间的相关性与最小项之间的相关性的比。
4）协方差 。项间协方差的汇总统计。
三、项之间：生成项与项之间的相关性矩阵或协方差矩阵。
四、ANOVA 表：生成相等平均值的检验。
1）F 检验。显示重复测量方差分析表。
2）Friedman 卡方。显示 Friedman 的卡方 Kendall 的协同系数。 此选项适用于以等级为形式的数据 。卡方检验在 ANOVA 表中替换通常的 F 检验。
3）Cochran 卡方。显示 Cochrans Q。 此选项适用于双分支 。Q 统计在 ANOVA 表中替换通常的 F 统计。
五、其他选项
1）Hotelling 的 T 平方。生成以下原假设的多变量检验：标度上的所有项具有相同的平均值。
2）Tukey 的可加性检验。生成以下假设的检验：各个项之间不存在可乘交互。
3）同类相关系数。生成个案内值的一致性或符合度的测量。选中激活下面子选项框：
模型。选择用于计算同类相关系数的模型。可用的模型为双向混合、双向随机和单向随机。当人为影响是随机的，而项的作用固定时，选择双向混合；当人为影响和项的作用均为随机时选择双向随机。当人为影响随机时选择单向随机。
类型。选择指标类型。可用的类型为“一致”和“绝对一致”。
置信区间 (%)。指定置信区间的置信度。缺省值为 95%。
检验值。指定假设检验系数的假设值。该值是用来与观测值进行比较的值。缺省值为 0。
三、结果分析
刻度均值：剔除这一项，剩余其他项总体均值会变为多少
刻度方差：剔除这一项剩余其他项总体的变异程度有多大
相关性：这一项与总分相关性
项已删除Crobach Alpha值：剔除这一项剩余总信度，和总的信度比较，剔除这一项信度变高了，说明可以剔除，可以优化。
从表中可以发现剔除q5或q6这一项信度变高了，可以推测这两个项设计可能存在问题，需要修改完善。
最新文章
热门文章
推荐阅读