用spss求回归标准误差做误差分析怎么做

来源：蜘蛛抓取(WebSpider) 时间：2016-04-08 07:44 标签： spss误差线
用spss多因素方差分析时,显示误差自由度为0,不能正常进行分析,如何解决,
小影wan1356
你输入的不是原始数据吧,我想你应该是变量选择错误了.或是你选择的变量不对
为您推荐：
其他类似问题
扫描下载二维码 上传我的文档
 下载
 收藏
该文档贡献者很忙，什么也没留下。
 下载此文档
正在努力加载中...
如何运用SPSS进行数据分析
下载积分：600
内容提示：如何运用SPSS进行数据分析
文档格式：PPT|
浏览次数：127|
上传日期： 13:17:26|
文档星级：
该用户还上传了这些文档
如何运用SPSS进行数据分析
官方公共微信苹果/安卓/wp
苹果/安卓/wp
积分 24, 距离下一级还需 21 积分
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡下一级可获得
道具: 显身卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
我想用SPSS13.0英文版，处理图1中的数据，要有误差条。看到很多发表过的文章有，比如图2中那样。请问如何操作和正确显示！谢谢！！图1
14:52:00 上传
[求助]用SPSS做误差分析图，如何做，谢谢！
14:52:00 上传
[求助]用SPSS做误差分析图，如何做，谢谢！
载入中......
怎么没人回答啊
我也想做这样的图,可不知道啊!
在你进行操作的主窗口中，应该有graph选项啊！
论坛好贴推荐
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
为做大做强论坛，本站接受风险投资商咨询，请联系（010-）
邮箱：service@pinggu.org
合作咨询电话：(010)
广告合作电话：（刘老师）
投诉电话：(010)
不良信息处理电话：(010)
京ICP证090565号
京公网安备号
论坛法律顾问：王进律师如何在SPSS中做数据正态转化？
&&&&&&&&&&&&&
&如何在SPSS中做数据正态转化？
在何以建老师培训班上，将数据标准正态化，何老师用的方法是：先将各原始分数按百分位排列，然后按照正态分布的面积（P值即百分位）找对应的Z值，这要转换到EXCEL表格里，用NORMSINV函数[&
NORMSINV(p) 返回数值 z 这样概率
p 与一个标准的正常随机变量将采用为小于或等于 z
的值。]，然后再导入SPSS表格中，导放可不是件容易的事，因为有重复的分数，帮还要粘贴替代。
一个功能强大的SPSS，难道一个常用的数据正态化按纽也没有？
&&& 我用的是SPSS18.0，这是个汉化版，将一组数据正态化的按纽分别是：“转换”——“个案排秩”——把要正态化的数据迁入“变量”栏——把要呈现的表格式样迁入“排序标准”——再点右上角“秩的类型”——再点右下角“正态得分”，基本上就差不多了，只是正态化有四个选择项，我用的是Tukey法，这种方法对负偏态比较严重的分数相当好。（何以建老师一个一个尝试过）。
注：&在EXCEL中，函数NORMSINV 和 NORMSDIST 是相关的功能。如果
NORMSDIST(z) 返回 p，然后 NORMSINV(p) 返回 z。
其实，正态化没有那么神秘，如果我们知道了每个一分数在群体中的排名即可求出它的正态Z分，因为知道排位，即可知道它的百分位置，即面积P值。那当然轻而易举地知道Z分了。
数据的标准化、正态化、正态标准化的区别和联系，近期将一个一个描述清楚，到时请你关注我的博客。
现在网上找到一种算法，这个方法比较简单：严格说来，回答你的问题需要讲四个
What's normal transformation?（什么是正态转换）
Why do we need normal
transformation?（为何做正态转换）&
When is normal transformation needed? （何时做正态转化）
How can we do normal transformation?（如何做正态转化）
我担心如果只讲How（如何做），也许有些初学者不分场合，误用滥用。但是，我同样担心如果从ABC讲起，难免过分啰嗦，甚至有藐视大家的智商之嫌。所幸者，我们已经进入Web 2.0年代，有关上述What, Why,
When问题的答案网上唾手可得。如果对这些问题不甚了了的读者，强烈建议先到google上用“How to transform data to normal
distribution"搜一下（或点击下面的“前10条”），前10条几乎每篇都是必读的经典。'
有了上述交代，我们可以比较放心地来讨论如何做正态转化的问题了。具体来说，涉及以下几步：第一步，查看原始变量的分布形状及其描述参数（Skewness和Kurtosis）。这可以用Frequencies中的Histogram或Examination中的BoxPlot第二步，根据变量的分布形状，决定是否做转换。这里，主要是看一下两个问题：
!左右是否对称，也就是看Skewness（偏差度）的取值。如果Skewness为0，则是完全对称（但罕见）；如果Skewness为正值，则说明该变量的分布为positively skewed（正偏态，见下图1b）；如果Skewness为负值，则说明该变量的分布为negatively skewed（负偏态，见图 1a）。然而，肉眼直观检查，往往无法判断偏态的分布是否与对称的正态分布有“显著”差别，所以需要做显著性检验。如同其它统计显著性检验一样，Skewness的绝对值如大于其标准误差的1.96倍，就被认为是与正态分布有显著差别。如果检验结果显著，我们也许（注意这里我用的是“也许”一词）可以通过转换来达到或接近对称。
峰态是否陡缓适度,也就是看Kurtosis（峰态）是否过分peaked（陡峭）或过分flat（平坦）。如果Kurtosis为0，则说明该变量分布的峰态正合适，不胖也不瘦（但罕见）；如果Kurtosis为正值，则说明该变量的分布峰态太陡峭（瘦高个，见图2b）；反之，如果Kurtosis为负值，该变量的分布峰态太平缓（矮胖子，见图2a）。峰态是否适度，更难直观看出，也需要通过显著检验。如同Skewness一样，Kurtosis的绝对值如果大于其标准误差的1.96倍，就被认为与正态分布有显著差别。这时，我们也许可以通过转换来达到或接近正态分布（峰态）。"
第三步、如果需要做转化图，还是根据变量的分布形状，确定相应的转换公式。最常见的情况是正偏态加上陡峰态。如果是中度偏态（如Skewness为其标准误差的2-3倍），可以考虑取根号值来转换，以下是SPSS的指令（其中"nx"是原始变量x的转换值，参见注2）：&&&
如果高度偏态（如Skewness为其标准误差的3倍以上），则可以取对数，其中又可分为自然对数和以10为基数的对数。如以下是转换自然对数的指令（注2）：&&&
以下是转换成以10为基数的对数（其纠偏力度最强，有时会矫枉过正，将正偏态转换成负偏态，注2）：另外，在计量经济学中广泛使用Box-Cox转换方法，有些时间序列分析的专用软件中提供转换程序，但SPSS并不提供。虽也可以写syntax来做，但很复杂，在此不谈了。
上述公式只能减轻或消除变量的正偏态(positive
skewed)，但如果不分青红皂白（即不仔细操作第一和第二步）地用于负偏态（negative
skewed）的变量，则会使负偏态变得更加严重。如果第一步显示了负偏态的分布，则需要先对原始变量做reflection（反向转换），即将所有的值反过来，如将最大值变成最小值、最小值变成最大值、等等。如果一个变量的取值不多（如7-分量表），可用如下指令来反转：如果变量的取值很多或有小数、分数，上述方法几乎不可能，则需要写如下的指令（不知大家现在是否信服了为什么要学syntax吗？）：其中max是x的最大值。
第四步、回到第一步，再次检验转换后变量的分布形状。如果没有解决问题，或者甚至恶化（如上述的从正偏态转成负偏态），需要再从第二或第三步重新做起，然后再回到第一步的检验，等等，直至达到比较令人满意的结果（见注3）。
1.如同其它统计检验量一样，Skewness和Kurtosis的的标准误差也与样本量直接有关。具体说来，Skewness的标准误差约等于6除以n后的开方，而Kurtosis的标准误差约等于24除以n后的开方，其中n均为样本量。由此可见，样本量越大，标准误差越小，因此同样大小的Skewness和Kurtosis在大样本中越可能与正态分布有显著差别。这也许就是SW在问题中提到的“很多学科都在讲大样本不用太考虑正态分布问题”的由来。我的看法是，如果小样本的Skewness和Kurtosis是显著的话，一定要转换；在大样本的条件下，如果Skewness和Kurtosis是轻度偏差，也许不需要转换，但如果严重偏差，也是要转换。
2.大家知道，根号里的x不能为负数，对数或倒数里的x不能为非正数（即等于或小于0）。如果你的x中有是负数或非正数，需要将其做线性转换成非负数（即等于或大于0）或正数（大于0），如 COMPUTE nx
= SQRT (x - min) 或 COMPUTE nx = LN (x - min + 1)，其中的min是x的最小值（为一个非正数）。
不是任何分布形态的变量都可以转换的。例外之一是“双峰”或“多峰”分布（distribution with dual or multiple
modality），没有任何公式可以将之转换成单峰的正态分布。
已投稿到：

我要回帖

更多关于 spss误差线 的文章

 

随机推荐