SPSS初学笔记(三)
1.一元线性回归分析
- 如果把其中的一个或一些因素作为自变量，而另一些随自变量的变化而变化的变量作为因变量，研究它们之间的非确定性因果关系，看自变量对因变量是否有显著的预测作用，这种分析就称为回归分析。
- 一元线性回归分析是指只有一个自变量的线性回归。
- 通常采用最小二乘法来确定待定系数，即要求观测值与回归模型得到的拟合值之间差值的平方和最小。
- 选择分析菜单下的回归里的线性。若常数项不符合条件，去掉常数项，再次进行回归分析:同上步骤，点击选项按钮，将在等式中包含常量取消。
2.多元线性回归分析
- 自变量为2个及2个以上。
- 选择分析菜单下的回归里的线性。若常数项的sig不满足条件时，做法同上。
3.交叉表中的卡方检验
- 卡方检验是以卡方分布(x²)为基础的一种常用假设检验方法。它的原假设H0是：观察频数与期望频数没有差别。两频数越接近，两者之间差异越小，卡方值越小。
- 在进行卡方分析前，一定要对计数变量进行加权处理：选择数据菜单下的加权个案，选择所需操作。
- 选择分析菜单下的描述统计里的交叉表，单击统计量按钮，选中卡方，再单击单元格按钮，根据需要选择。
4.配对卡方检验
- 配对卡方的一次性检验:Pearson卡方检验只能告诉用户两种测量结果之间存在关联，但不能判断其是否具有一致性，若要对一致性进行检验，可用Kappa一致性检验。
- 首先要将普通计数变量，转变为频率变量，选择数据菜单下的加权个案。然后再选择分析菜单下的描述统计里的交叉表，单击统计量按钮，选择kappa和kappa最下面第二排。
- 其中：kappa值≥0.75，认为一致性较好；值在0.4和0.75之间，认为一致性一般；值＜0.4时，认为一致性较差。
5.分层卡方检验
- 分层卡方检验是把研究对象分解成不同层次，每层分别研究行变量与列变量的相关性。
- 首先要将普通计数变量，转变为频率变量，选择数据菜单下的加权个案。再选择分析菜单下的描述统计里的交叉表。单击统计量按钮，选中卡方、风险、最下面一排的。
6.正态分布检验
- 有多途径，如直方图、P-P图、Q-Q图、单样本非参数检验等。
- 单样本非参数检验步骤：选择分析菜单下的非参数检验里的单样本。也可以选择旧对话框里的单样本进行检验。
7.二项分布检验
- 是根据收集到的样本数据，推断总体分布是否符合某个指定的二项分布
- 选择分析菜单下的非参数检验里的单样本。当想检验的量不是以0.5划分时，就要采用自定义检验。也可以选择旧对话框进行检验。
- 不同的检验求出来的值稍稍会有不同，但对最后结果并没有什么影响。
8.非参数检验中的卡方检验
- 用于检验实际的频数与给定的理论频数是否一致，它可以根据样本数据，推断总体对于期望分布或者某一理论分布是否存在显著差异。
- 非参数检验中的卡方检验既可以对二项分布进行检验，也可以对有项多类值的总体分布进行检验。
- 选择分析菜单下的非参数检验里的单样本，按所需选择。也可用旧对话框进行检验。多项分类同理。
9.两独立样本非参数检验
- 是在对总体分布不是很了解的情况下，通过分析样本数据，推断样本来自的两个独立总体分布是否存在显著差异。一般用两个独立样本的均数、中位数、离散趋势、偏度等进行差异比较检验。
- 两独立样本的Mann-Whitney U检验，主要用于判断两个独立样本所属的总体均值是否相同，**它主要通过对平均秩的测算来实现推断。**实现方法:首先将两组样本数据混合并按升序排列，求出每个数据各自的秩，然后分别对两组样本的秩求平均，得到两个平均秩，如果这两个平均秩相差很大，则零假设不一定成立。
- 两独立样本的K-S检验(适用于大样本情况。）的实现方法是：首先将两组样本数据混合并按升序排列，分别计算两组样本秩的累计频率和每个点上的累计频率，最后将两个累计频率相减，得到差值序列数据，如果这个差值序列数据很大，则零假设不一定成立。主要推测两个样本是否来自具有相同分布的总体。
- 做法类似上面。
