SPSS中相关术语解释

1、标准差通常是相对于样本数据的平均值而定的，通常用MSD来表示，表示样本某个数据观察值相距平均值有多远。M :平均数(Mean )。SD :标准差(Standard Deviation )。MSE :均方误差(Mean Squared Error, MSE)，均方误差是各数据偏离真实值的距离平方和 的平均数，也即误差平方和的平均数，计算公式形式上接近方差，它的开方叫均方根误差。R2:复平方相关系数(Squared Multiple Correlations)。标准差是离均差平方和平均后的方根。CV :变异系数S2：方差N :样本个数数理统计基本字母及其含意NMSDR2S2CVMSE样本个数平均数

2、标准差复平方相关系数方差变异系数均方误差Spss软件中相关字母及其含意FPrtdfsigsig双侧组方差值显著性值相关性对回归参数的显著性检验值自由度差异性显著的检验值可能在大于，有可能小于判断相关性，先看p值，看有没有相关性；再看r值，看相关性是强还是弱。sig是差异性显著的检验值，该值一般与0.05或0.01比较，若小于0.05或者0.01则表示差异显著。所谓双侧的意思是有可能在大于，有可能小于的，而单 侧的意思是只有一边或者大于，或者小于的。1. 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；SIG=significance，意为 显著性”后面的值就是统计出的

3、P值，如果P值0.01P0.05,则为差异显著，如果 P0.01,则差异极显著。2. F值是方差检验量，是整个模型的整体检验，看你拟合的方程有没有意义。自由度指当以样本的统计量来估计总体的参数时，样本中独立或能自由变化的自变量的个数，称为该统计量的自由度。F值是方差检验量，是整个模型的整体检验，看你拟合的方程有没有意义。3. 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；SIG=significanee，意为 显著性”，后面的值就是统计出的 P值，如果P值0.01P0.05, 则为差异显著，如果 PFa(k-1,n-k), 则拒绝原假设，即认为列入模型 的各个解释变

4、量联合起来对被解释变量有显著影响，反之，则无显著影响。6. P显著性值，也就是 sig值或称p值。C I ：置信区间置信区间(Confidence interval):置信区间是指由样本统计量所构造的总体参数的估计区间。 在统计学中， 一个概率样本的置信区间 (Confidence interval )是对这个样本的某个总体参数 的区间估计。置信区间展现的是这个参数的真实值有一定概率落在测量结果的周围的程度。 置信区间给出的是被测量参数的测量值的可信程度， 即前面所要求的 “一定概率 ”。这个概率 被称为置信水平。举例来说，如果在一次大选中某人的支持率为55%，而置信水平 0.95 以上的置信

5、区间是( 50%,60%) ，那么他的真实支持率有百分之九十五的机率落在百分之五十 和百分之六十之间，因此他的真实支持率不足一半的可能性小于百分之5。 如例子中一样，置信水平一般用百分比表示，因此置信水平 0.95 上的置信空间也可以表达为： 95%置信区 间。置信区间的两端被称为置信极限。 对一个给定情形的估计来说，置信水 平越高，所对应的置信区间就会越大。1、在置信水平相同的情况下，样本量越多，置信区间越窄。2、置信区间变窄的速度不像样本量增加的速度那么快，也就是说并不 是样本量增加一倍，置信区间也变窄一半 (实践证明，样本量要增加 4 倍，置信区间才能变窄一半），所以当样本量达到一个量时

6、（通常是1,200,如上例三个国家各抽了1,200个消费者），就不再增加样本了。置信区间=点估计土（关键值x点估计的标准差）通过置信区间的计算公式来验证置信区间与样本量的关系。例如：对于总体均值的置信区间估计：公式为：样本均值关键值x样本均值的标准误差；即从上述公式中可以看出：在其他因素不变的情况下，样本量越多（大），置信区间越窄（小）。2.置信水平对置信区间的影响：在样本量相同的情况下，置信水平越高，置信区间越宽。卡方分布（chi-square distribution）:若n个相互独立的随机变量农、农、E n,均服从标准正态分布（也称独立同分布于标准正态分布），则这n个服从标准正态分布的随

7、机变量的平方和构成一新的随机变量，其分布规律称为卡方分布（chi-square distribution ）。若n个相互独立的随机变量E? E、E，均服从标准正态分布（也称独立同分布于标准n正态分布），则这n个服从标准正态分布的随机变量的平方和Q=v 构成一新的随机变量，其卡方分布 Q。卡方分布规律称为 1-2分布（chi-square distribution ）,其中参数n称为自由度，正如正态分布中均值或方差不同就是另一个正态分布一样，自由度不同就是另一个32分布。记为Q ” E2（n）或记为Q ”瓷32模型的适配度评价应用AMOS的最大似然法对研究假设模型进行了拟合，得到模型的拟合指数，

8、见表3.7。& 3.7模卑拟介指数Tab. J.7 Fit index results of model指标值解释说明拟介优度栄方捡验才190.462绝对拟 合指数自由度df135模型拟合的L川由度比z2/df1,4112.说明撓型拟合的很好近似阁力报(RMSEA)0.0350.9，说明楝型拟合的很好柑对拟城范拟合指数(NH)0.9200-9 r lit明模型拟含的很好合抬数相对拟合拆数CFI)0.9510.9,明机製拟台的很址衣3.7结果显示：GFls AGFLNFL CFI.IFI均大于030, RMSEA小0.05,井且非常接近0.说明模型拟合效果非常好a内此，确址该模型为嚴终的班组安全

9、人享心咎模式和班组安全绩救的关系模魁，如图3启所示拟合优度拟合优度(Goodness of Fit)是指回归直线对观测值的拟合程度。度量拟合优度的统计量是可决系数(亦称确定系数)RA2。 RA2的取值范围是0, 1。 RA2的值越接近1,说明回归直线对观测值的拟合程度越好；反之，RA2的值越接近0，说明回归直线对观测值的拟合程度越差。常用的指标一般是卡方，自由度df，2 df :拟合优度的卡方检验RMSEA : （ Root Mean Square Error of Approximation, 近似误差均方根）NNFI : （non-normed fit index）CFI : （compa

10、rative fit index,比较拟合指数） GFI : （ goodness-of-fit index,拟合优度指数）AGFI :(adjusted goodness-of-fit index，调整拟合优度指数 )SRMR:(standardized root mean square residual,标准化残差均方根)绝对拟合指标RMR :均方根残差（root of the mean square residual,RMR）验证性因素分析中评价模型与数据拟合程度时常用的拟合指标(1) X(chi-square)检验。这一指标容易受样本容量的影响，样本量大时，X容易达到显著水平，几乎拒绝

11、所有拟合较好的模型。 一般用 炒df作为替代性检验指数。 X/dfv 3表示模型整体拟 合度较好，0dfv 5表示模型整体可以接受，承df 10表示整体模型非常差。(2) RMSEA。若RMSEA取值小于等于 0.05,表示数据与定义模型拟合较好；RMSEA取值小于等于0.08时，表示模型与数据的拟合程度可以接受。(3) 其他拟合指数。常用的有拟合良好性指标(goodness of fit index，简称GFI )、调整拟合良好性指标 (adjusted goodness of fit index，简称 AGFI)、常规拟合指标(normal of fit index，简称NFI卜非常规拟合

12、指标(non-normal of fit index，简称 NNFI卜比较拟合指标(comparative fit index，简称 CFI )、标准化残差均方根 (standardized root mean square residual，简称 SRMR卜省俭性指标(parsimony normed fit index，简称 PNFI )。在结构方程模型分析中，我们经常需要得到一个标准化的RMR，即StandardizedRMR ,即模型的绝对拟合指标 SRMR。但Amos只会自动生成一个 RMR，不会直接输出 SRMR , 怎么操作呢？其实很简单的：首先建立好模型，设置好各个变量和参数，

13、运行分析，检查模 型是否可以识别和正常运行出结果，如果不正常则需要检查处理。其次，对可以正常运行的模型进行操作：在Plugins中点击最后一个选项“StandardizedRMR之后软件会自动弹出一个计算窗口，此时，点击“Calculateestimates运行分析，计算窗口中会自动计算出SRMR的结果。/df :拟合优度的卡方检验(厂goodness-of-fit test):厂是最常报告的拟合优度指标,与自由度一起使用可以说明模型正确性的概率，2 df是直接检验样本协方差矩阵和估计方差矩阵之间的相似程度的统计量，其理论期望值为1。.df愈接近1，表示模型拟合愈好。在实际研究中，2 df x

14、 2/dl接近2，认为模型拟合较好，样本较大时，5左右也可接受。GFI :拟合优度指数(goodness-of-fit index,GFI )和调整拟合优度指数 (adjusted goodness-of-fit index,AGFI ):这两个指数值在 0 1之间，愈接近0表示拟合愈差，愈接近1表示拟合愈好。目前，多数学者认为，GFI0.90, AGFA0.8，提示模型拟合较好(也有学者认为GFI的标准为至少0.80，或A 0.85 CFI :比较拟合指数 (comparative fit index,CFI ):该指数在对假设模型和独立模型比较时取 得，其值在0 1之间，愈接近0表示拟合愈

15、差，愈接近1表示拟合愈好。一般认为，CFIA0.9,认为模型拟合较好。TLI : Tucker-Lewis指数（Tucker-Lewis index,TLI ）:该指数是比较拟合指数的一种，取值在0 1之间，愈接近0表示拟合愈差，愈接近1表示拟合愈好。如果TLI 0.9，则认为模型拟合较好。RMSEA :近似误差均方根 （root-mean-square error of approximation,RMSEA ）: RMSEA 是评 价模型不拟合的指数，如果接近0表示拟合良好，相反，离0愈远表示拟合愈差。 一般认为， 如果RMSEA=0，表示模型完全拟合；RMSEA V 0.05，表示模型接

16、近拟合；0.05 0.05 （未达显 著水平）对样本总体多变量正态性和样本大小特别 敏感，样本越大，模型遭拒概率越大。适用 于多组模型比较，如嵌套模型，等同模型。GFI值 0.90以上AGFI 值 0.90以上RMR值v 0.05未标准化SRMR 值v 0.05介于0到1之间RMSEA 值v 0.05 （适配良好）v 0.08 （适配合理）0.08 v RMSEA v 0.10,普通适 配惩罚复杂模型。比较稳定，不易受样本规模 影响，但小样本中有高估现象。ECVI 值理论模型ECVI值小于独立模 型，且小于饱和模型 ECVI值可用于不冋模型的比较，ECVI值越小越好。NCP值NCP值越小表示模

17、型较优，90%置信区间包含0可用于不冋模型的比较。增值适配度指标NFI值 0.90以上评价不冋模型时精确稳定，比较嵌套模型特 别有用TLI值 0.90以上用最大似然估计评价较好，最小一乘较差， 可以比较嵌套模型CFI值 0.90以上用最大似然估计评价较好，最小一乘较差， 可以比较嵌套模型。小样本中仍然稳定。RFI值 0.90以上IFI值 0.90以上简约适配度指标PGFI 值 0.50以上惩罚复杂模型PNFI 值 0.50以上自由度不同的模型比较时， 差值在0.06-0.09 间，视模型间有真实差异存在。惩罚复杂模 型CN值 200表示在统计检验的基础上，接受虚无模型的 最大样本数。NC值（护自由度 比值，规范卡方）1 v NC v 3，表示模型有简约 适配度，NC 5,表示模型需 要修正对样本总体多变量正态性和样本大小特别 敏感，不适合小样本数据实用。 多组模型比 较特别有用。AIC理论模型AIC值小于独立模 型，且小于饱和模型 AIC值越接近0表示模型契合度高且模型愈简约。 可用于多模型选择