spss以下问题spss中f检验怎么操作作啊？

来源：蜘蛛抓取(WebSpider) 时间：2015-11-20 13:00 标签： spss中f检验怎么操作
热门日志推荐
人人最热标签
分享这篇日志的人常去
北京千橡网景科技发展有限公司：
文网文[号··京公网安备号·甲测资字
文化部监督电子邮箱：wlwh@··
文明办网文明上网举报电话： 举报邮箱：&&&&&&&&&&&&
请输入手机号，完成注册
请输入验证码
密码必须由6-20个字符组成
下载人人客户端
品评校花校草，体验校园广场用spss做相关性分析，有六个维度，每个维度下面平均四个问题，怎么做？_百度知道
提问者采纳
不用先做效度，然后做个维度的相关就行了直接相加算总分是最简单的
我就是想做维度相关性呢，比如说我做第一个维度跟第二个维度的相关性吧，第一个维度里面有7个问题，第二个维度里面有4个问题，难道要做这7个问题分别对那4个问题的相关性？然后在加起来？
把7个问题加起来，4个问题加起来，不就只有2个综合了吗，然后做总分的相关性
也就是说把7个问题的数值加起来就等同于第一个维度，那4个问题加起来等同于第二个维度？
是的，也可以求平均分
提问者评价
来自团队：
其他类似问题
为您推荐：
其他2条回答
你这个不仅要做相关分析，还要做sem，这对于你来说是很复杂几乎应该是没法完成的我替别人做这类的数据统计分析蛮多的
1.关于各维度的分数，可以采用每个维度下分数相加，也可以采用相加之后求平均值，一般的心理学量表都是求平均值的。2.量表a和量表b是无法相加总分的，这样没有意义的3.关于量表a和量表b的平均分，一般是用各维度平均分相加之后再除以维度数的另外
一般的心理学量表都有量表的维度解释，以及计算方式，所以建议你找一下你使用的量表，看看有没有相应的说明和解释。望采纳，谢谢。
相关性分析的相关知识
等待您来回答
下载知道APP
随时随地咨询
出门在外也不愁(window.slotbydup=window.slotbydup || []).push({
id: '2081942',
container: s,
size: '1000,60',
display: 'inlay-fix'利用SPSS分析数据时产生的一些问题及其解决
不得不说，我就是一菜鸟啊，不懂SPSS，现在为了分析数据，硬着头皮来学习和总结一些基础性的东东。边摸索边记录，以免自己遗忘，同时也分享一下：
1、关于方差与标准差的区分
为了对比两组数据中，数据之间存在的差异性大小，用到了这两个概念。
方差：各个数据与平均数之差的平方的平均数。反映了各数据与平均值的偏离程度。通俗点讲，就是和中心偏离的程度！用来衡量一批数据的波动大小（即这批数据偏离平均数的大小）。在样本容量相同的情况下，方差越大，说明数据的波动越大，越不稳定。
标准差：方差的算术平方根，表示数据集的离散程度，即反映出组内个体之间的离散程度。简单来说，标准差是一组数据平均值分散程度的一种度量。例如，两组数的集合
{0, 5, 9, 14} 和 {5, 6, 8, 9} 其平均值都是 7 ，但第二个集合具有较小的标准差。
PS：我想对比学期初和学期末小学生之间好奇心的程度差异，首先样本容量是一样的，都是28位学生，因此我计算了学期初和学期末的方差，并进行对比，得出学期初方差：2.893，学期末方差：3.254。明显看出，学期末的方差大于学期初，即学期末学生好奇心分布的离散程度较大，不稳定。学期末小学生之间的差异性对比学期初较为明显。
2、如何进行小学生组间与组内的差异性比较
这个主要是采用SPSS中的方差分析，但并不是简单地计算方差。首先要有不同的组别，才存在组间与组内；定义组别之后，要先进行方差齐性检验，看是否具备方差齐性：这时候又有两种情况：
（1）如果只分析两个组的话，那么判断方差齐性后，直接进行分析，即单因素方差分析。在“两两比较”的选项中，不需要勾选任何选项。如下图所示：
（2）如何你有多个组要进行比较：方差齐，就勾选“LSD”进行两两比较；“方差不齐，就选下面的T2M选项”。【假定方差齐性/未假定方差齐性，主要是针对组多的时候进行两两比较用的！】
补充：今天又进一步了解了一下方差不齐的情况下要怎么分析。。。上面说的“方差不齐，就选下面的T2M选项”是错的~
在此纠正一下！！
方差齐性检验结果，显著性&0.05
，表示方差不齐性，说明这些数据是非正态的。一般情况下，不能够进行方差分析了。但是对于SPSS来说，即使方差齐性不相等，还是可以进行方差分析的，选用上图中的“假定方差齐性/未假定方差齐性”进行分析，然后得出ANOVA表中的显著性值。
为了验证结果是不是可靠的，此时我们可以进行“非参数检验”，比如进行Kruskal-wall检验或Mood中位数检验等方式。最后将得出的sig与前面得出的显著性值进行对比，如果是一样的，表示结果准确！
&【以上描述需结合SPSS软件进行操作才能更加明白】
进一步了解“非参数检验”：参见
3、独立样本T检验：用于比较两组数据的均数是否有差异性，适用于样本小和样本适中的情况。
4、关于中位数、平均数、众数
（1）中位数：反映一组数据的中间水平。它不受少数几个极端值的影响，有时用它代表全体数据的一般水平更合适。另外，从中位数的定义可知，所研究的数据中有一半小于中位数，一半大于中位数。（注意：中位数和众数不同，中位数不一定在这组数据中。而众数必定在该组数据）
假如，在数列中出现了极端变量值的情况下，用中位数作为代表值要比用算术平均数更好，因为中位数不受极端变量值的影响！！！当然，如果你的研究目的只是为了反映中间水平，当然用中位数会更好。
计算方法：首先进行数据的排序（从小到大），其次计算中位数的序号。（排序时，相同的数字不能省略）
如果总数个数是奇数的话，按从小到大的顺序,取中间那个数 。
　　如果总数个数是偶数的话，按从小到大的顺序,取中间那两个数的平均数。
（2）平均数（算术平均数）：描述数据的集中趋势，容易受到极端数据的影响。既可以用它来反映一组数据的一般情况和平均水平，也可以用它进行不同组数据的比较，以看出组与组之间的差别。
（3）众数：刻画了一组数据中出现次数最多的情况。
总体区别：只有在数据分布偏态（不对称）的情况下，才会出现均值、中位数和众数的区别。所以说，如果是正态的话，用哪个统计量都行。如果偏态的情况特别严重的话，可以用中位数。
5、线性回归分析中，当趋势线的 R 平方值等于或近似于 1
时，趋势线最可靠；R可以理解为相关系数，反映两个变量间是否存在相关关系，以及这种相关关系的密切程度的一个统计量。越接近1关系越密切，越接近0则不存在线性关系；关于系数
上那个小a，a是adjust的简称，表示经自由度调整后的R方，比原R方更可信。【在多元回归中，为了避免R拟合效果随变量X的增加而变大，从而引入复相关系数概念，在公式中引入了自由度n与自变量的个数，所以算出的R(a)更能体现拟合和方程的显著性检验。】
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。

我要回帖

更多关于 spss中f检验怎么操作 的文章

 

随机推荐