spss数据正态分布检验

1、、Z检验二、相关系数检验三、独立样本T检验四、相依样本T检验五、X 2独立性检验spss数据正态分布检验、Z检验第一步：录入数据sr*#i»l 慢施惘-SPSS 5im tn II t VtkWtn丈it!H D MF3凹 filB JlliiD fif-iA!)>!El <卅目西A"同爺溺ti 園魁MXIff182无22X1 命名“变量视图”；2.“数据视图”中输入数据;第二步：进行分析。第三步：设置变量；第四步：得到结果:、相关系数检验在一项研究中，一个学生想检查 生活意义和心理健康 是否相关。同意参与 这项研究的30个学生测量了生活意义和心理健康。生活意义

2、的得分范围是10-70 分（更高的得分表示更强的生活意义），心理健康的得分范围是5-35分（更高的 得分表示更健康的心理状态）。在研究中基本的兴趣问题也可以用研究问题的方式表示，例如例题：生活意义和心理健康相关吗？相关系数数据的例子Participa nt Meaning in LifeParticipa nt Meaning in LifeWell-bei ngWell-bei ng1351917251226527185520314191961314353520532556534216032633342235127543523352882028245020925122539241058212

3、66834113018275628123725281912135119295635145025306035153029167031说明：变量participant包含在数据中，但不用输入 SPSS在spss中输入数据及分析步骤1 ：生成变量1 .打开 spss。2 点击“变量视图”标签。在spss中将生成两个变量，一个是生活意义，另一个是心理健康。变量分别被命名为meaning和wellbeing 。3.在“变量视图”窗口前两行分别输入变量名称meaning和wellbeing 。步骤2:输入数据1 .点击“数据视图”，变量meaning和wellbeing出现在数据视图前两列。2 将两个变量

4、的数据分别输入。如图步骤3:分析数据1.从菜单栏中选择“分析 相关双变量ruff*lI m srrs打开“双变量”对话框,变量 meaningwellbei ng出现在对话框的左边。2.选择变量 meaning和 wellbeing，点击向右箭头按钮（？），把变量移到“变量”框中。3.点击“确定”。步骤4：解释结果m-ramg湘1氐nq1SDCkr9£D1asmZ7O33140341510»cn号15 DOMSG7汕S3¥00QJDID33 0192£曲I12m1D99 0021 (»11uraiac»伦益3135113 (D10賞D

5、O站JDWJsag16阳m31 £D1725 001I2JB10出0jam也65uro30号21印8丑第g73巧叩jHOT2Ago m20 CD2S24 00二元相关性的输出结果显示如下:wellbeiPears on 相关1*.549ng性显着性（双侧）.002%N3030meaningPears on 相关*.5491性显着性（双侧）.002N3030* 在.01水平（双侧）上显着相关。相关性显着,SPSS生成了一个输出表，标记为“相关性”,其中包括我们研究问题的答案， 即变量meaning和wellbeing之间是否相关。注意在表格中meaning和wellbeing出现了两次

6、，一次在行，一次在列（这 表明SPSS生成的表格中出现了冗余）。相关系数值和原假设检验的p值位于变量 meaning和 wellbeing 相交处。表格中显示 meaning 和 wellbeing 的相关性是 0.549，相应的p值是0.002小于0.05 ,原假设被拒绝，在meaning和wellbeing 的总体中存在正相关（相关系数右边的两个星号暗示了在0.01水平上相关性是统计显着的，因为p值为0.002小于0.01 ）。剩下的两个单元格显示了 1的相关 性，一个完美的正相关。即变量 meaning和wellbeing自身与自身的相关性。三、独立样本T检验例题：临床心理学家想调查认知

7、行为治疗和精神分析治疗对抑郁症的相对有效性。30名患有抑郁症的病人随机分配接受两个疗法。其中15人接受行为治疗，另外15人接受精神分析治疗，经过两个月的治疗后，记录下每个病人抑郁症得 分。在本研究中，自变量是治疗方法（认知行为治疗与精神分析治疗），因变量是抑郁症，较高的分数表示更高的抑郁水平（抑郁水平的分数变化范围为1070）。在研究中基本的兴趣问题也可以用研究问题的方式表示，例如：“在接受认知行为治疗与精神分析治疗的病人中，抑郁症水平的均值是否存在差异呢？”T检验用来检验两组数据的均值。所以，零假设假设两组数据的均值相等：原假设指出两组的抑郁症分数均值在总体上是相等的：H o： 卩精神分析=

8、卩认知行为对立假设指出两组的抑郁症分数均值在总体上是不等的：H i: 卩精神分析工 卩认知行为数据在下表列出了 30个参与者的数据。接受精神分析治疗的参与者标记为“1”， 接受认知行为治疗的标记为“ 2”。独立样本t检验例子的数据Participa ntTherapyDepressi onParticipa ntTherapyDepressi on1157162472161172423167182594163192375l512023561552124271452223881622324991412426110l362524311155262471215727249131702823714l6

9、2292411515830248说明：变量participant 包含在数据中，但不用输入 SPSS步骤1:生成变量1 .打开SPSS2. 点击【变量视图】标签。在SPSS将生成两个变最，一个是不同治疗方法的组别 （自变量），另一个 是抑郁症分数（因变量）。这些变量将各自被命名为therapy（治疗方法）和depression（抑有E症）。3. 在【变量视图】窗口前两行分别输入变量名称therapy和depression（详见图表）4. 为变量therapy建立变量值标签，1= “精神分析治疗”，2= “认知行为 治疗”。步骤2：输入数据1 .点击【数据视图】标签。变量 therapy和dep

10、ression出现在【数据视 图】窗口的前两列。2.参照图表6-1，为每个参与者输入两个变量的数据。对第一个参与者， 为变量therapy和depression分别输人数值1和57。依次输入全部30个参与 者的数据。步骤3:分析数据1 从菜单栏中选择【分析 比较均值独立样本T检验】（见图）打开【独立样本T检验】对话框，变量therapy 和 depression 出现在对话框的左边2 选择因变量depression，点击向右箭头按钮（？）把变量移到【检验变 量】框。3 选择自变量therapy，点击向右箭头按钮（？）把变量移到【分组变量】 框中。在【分组变量】框中，两个在括号内的问号出现在th

11、erapy的右边（见图） 这些问号表示原先的数字分配到两个治疗样本中（也就是I、2）。这些数字需要通过点击【定义组】来输入4 点击【定义组】5. 【定义组】对话框被打开，在【组1】（表示精神分析治疗样本的数 字）的右边输入“1”并且在“组2”（表示认知行为治疗样本的数字）的右 边输入“2”。6 点击【继续】。7 点击【确定】。结果显示在【查看】窗口中步骤4:解释结果组统计量表输出的第一个表格显示每个治疗组的描述统计量，包括样本量、平均值、标准差和标准误差。注意到认知行为治疗样本的抑郁分数均值（均值=45.00）比精神分析治疗样本（均值=56.00）的低。我们稍后将会考虑这两组之间的差异对 具有

12、统计显着性而言是否足够大。独立样本检验表第二个表格“独立样本检验表”显示在“均值相等的t检验”之后的“假设方差相等”栏中的结果。方差方程的Levene检验“方差方程的 Levene 检验”检验两个治疗组的总体方差是否相等，这是独立样本t检验的一个假设。SPSS使用个由Levene开发的方法来检验总体相等 的假设。Levene 检验的原假设和对立假设是：H 0： （T 2精神分析=c 2认知行为（两组的总体方差相等）H 1： （T 2精神分析工CT 2认知行为（两组的总体方差不相等）T检验therapyN均值标准差均值的标准误deprepsychoana1556.09.412.4319ssi o

13、nlytic0008833cog nitive1545T79712'_-behavior0004512al组统计量“组统计表”提供了两个治疗组（精神分析与认知行为）的均值。如果原假设被拒绝,独立样本检验方差方程的Leve ne检验均值方程的t检验FSig.tdfSig.（双侧）均值差值标准 误差 值差分的95%置信区间下限上限depre 假设方.311.582/3.5128.00211.003.1304.5817.4ssi on差相等74000507471253假设方/3.5126.8.002*.003.1304.5717.4差不相450000505072493等因为0.02的p值小于

14、0.05，所以两组均值相等 的原假设被拒绝。根据“组统计量表”中确定哪相等方差的Levene检验的p值。如果p< 0.05，我们假设方 差不相等（读t的结果中的底部数值）。如果p>0.05，我们 假设方差相等（读 t的结果中的顶部数值）。因为 0.582的p四、相依样本 T 检验在对某种程度上相关的两个样本的均值进行比较时，我们可以使用相依样本 t 检验（也称为配对样本 t 检验，重复测量 t 检验，匹配样本 t 检验等）。在相依样本 t 检验中两个样本可能包含同一个人在两个不同时刻进行侧 量或者两个有联系的人分别测量的结果（例如，双胞胎的IQ,妻子与丈夫的沟通质量）。准确定义相依

15、样本 t 检验的关健在于记住两样本间要在某方面存在自 然联系下面给出一个相依样本 t 检验的例子。一个国家选举机构的工作人员负责通过民意调查来决定经济和国家安全哪 个议题对于选民更重要。有 25 个选民被调查以确定两个议题的重要性等级，每 个议题用 1-7 的等级表示（ 1=一点也不重要， 7=极其重要）。自变量是投票议题 （经济、国家安全），（因）变量是重要性等级。在研究中，基本的兴趣问题也可以用研究问题的方式表示，例如，“ 对选民来说经济重要性等级和国家安全是否存在不同 ？”数据步骤 1：生成变量1打开 spss 。2点击【变量视图】标签。在 spss 中将生成的两个变量，分别用于经济等级

16、和国家安全。两个变量分nHKUfty15.107 0D26.0DIDO3S.an2 DO46.023. CO5呂.on引D 口7 JOO7 DO?7.00SOD&4.0D5. DO97.QD3DD5.0D4 00114.0060Dt26.0D4. DOt37.0fl5.(10u4.007 00156004 DO1G7.005 DO忡/.JQ5.DDia6.007 CO阳6.034.0020K.OO2Q021.0D4 DOZ!3.00i on235.002. DO2A?57.0D7 00I3.在【变量视图】窗口前两行分别输入变量名称 economy和security 。（见 图）。步骤2

17、：输入数据丈中厂腹珀闫职抽迫克虫我輒羽毗1 .点击【数据视图】标签。变量econ omy和security出现在【数据视图】窗口的两列。2. 为每个参与者输入两个变量的数据。对第一个参与者，为变量economy和security 分别输入等级5和7。依次输入全部25个参与者的数 据。步骤3:分析数据1 .从菜单栏中选择【分析 > 比较均值配对样本T检验】。打开【配对样本 T检验】对话框，变量economy和security 出现在对话框的左边。2. 选择因变量economy和security，点击向右箭头按钮（？）把变量移到 【成对变量】框中。3. 点击【确定】。在spss中运行相依样本

18、t检验程序，结果显示在“查看”视窗中。步骤4:解释结果成对样本统计量输出的第一个表格“成对样本统计量”显示了 economy和security 的描述 统计量、包括样本量、平均值、标准差和标准误差。请注意，经济的平均重要性 等级（均值 =5.76）比国家安全（均值 =4.60）的高。我们稍后将会考虑这两个平 均等级之间的差异（ 5.76 对 4.60）是否大到足以具有统计显着性。成对样本相关系数表格“成对样本相关系数” 除了提到这个相关性等于 25 个参与者对于经济 和国家安全的等级之间的皮尔逊相关系数外， 对于解释配对样本 t 检验不是重要 的。成对样本检验表格“成对样本检验”为我们的研究问

19、题提供了答案，就是经济和国家安 全的重要性等级间是否存在差异。原假设的检验是以 t 的形式显示的，这里T检验成对样本统计量均值N标准差均值的标准误对 1economy5.7600251.16476.23295security4.6000-47795.35590J表格“成对样本统计量”提供了两个变量（economy成对样本相关系数和security ）的均值。如果原假设被拒绝，我们将相关系SigN数.成对样本相关系数N相 关 系 数Sig对economy25.25.221&32security成对样本检验成对差分标均值差分的Sig.均准的标95%置信（双值差准误区间tdf侧）下 限上限对

20、 economy1.1.3727.391.93.124.0051 -600636407129212/securit099y均值1.16 等于 economy和security均值间的差因为p值为0.005，小于0.05，原假设被拒绝。五、X 2独立性检验（一）双因素卡方检验双因素卡方检验法常用来检验两个因素是否互相独立。 如果不是互相独立， 就是互 相联系。做出零假设 （H0） ，两个因素互相独立，没有联系；备择假设 （H1） 两个因素不互相独立。如果p> 0.05或0.01 ,接受原假设，互相独立；相反，如果 p< 0.05或0.01 ,拒 绝 原假设，说明两事件有联系。 （小拒

21、绝大接受 ）（A） 2X2表卡方检验例子一位研究员想调查性格类型 （个性内向的人、 个性外向的人） 和休闲运动的选择 （逛 游乐园、休息一天）是否有关系。他对 100名答应参与这项研究的人做了性格测试，并 且基于测试的分值把他们分为性格内向的人和性格外向的人， 然后要求每个参与者在逛 游乐园和休息一天两者之中选择更喜欢的休闲方式。 图表 5-1 描述了每个参与者的性格 类型和选择的休闲方式：因为性格类型和休闲方式都有两个水平，得到四个单元，当前的例子为2X 2 卡方表。分析：零假设为 2X 2 列联表中列一“性格类型”与列二“休闲方式”之间独立。如果p<0.05，则拒绝零假设；如果p&g

22、t;0.05，则接受零假设。步骤 1：生成变量1 打开 spss 。2点击【变量视图】标签在SPSS中将生成三个变量，一个是不同的性格类型，一个是休闲方式，一个是频数。这三个变量分别命名为 personality ，activity 和 frequency 。3在【变量视图】窗口前三行分别输入变量名称personality ， activity 和frequency 。4为分类变量 personality 和 activity 建立变量值标签，对于 personality ， l= “内向”， 2=“外向”。对于 activity ， 1=“逛游乐园”， 2=“休息”。步骤 2：输入数据接下来

23、，我们在spss中输入数据。2独立性检验有两种不同的数据输入方法： 加权方法和个体观测值方法。 当数据在每个单元的频数统计出来时，应采用加权方法 。 由于在我们的例子中，单元中的 频数已经被统计出来 (如图表 1)，我们将采用加权方法 来输入数据。在我们的例子中，内向性格和外向性格的人可以进择逛游乐园和休息中的一个， 于是产生了四种不同情况 (内向逛游乐园、内向休息、外向逛游乐园、外向休 息) 。由于我们采用加权方法来输人数据，我们需要在【数据视窗】窗口为这四种情况 的每一种创建单独的一行。用加权方法建立的数据文件结构如图表所示。输入数据1点击【数据视图】 标签。变量 personality

24、， activity 和 frequency 出现在【数 据视图】窗口的前三列。按照图表，第一种情况对应于内向 (1) 且选择逛游乐园 (1) 的人，总共有 12 个人，这些值应该被输入【数据视图】窗口的第一行2在【数据视图】窗口的第一行对 personality ，activity 和 frequency 分别输 入I ,1和12,在【数据视图】窗口的24行输入剩下的三种情况(在第2行输入I , 2 和 28，在第 3 行输入 2， 1 和 43，在第 4 行输入 2， 2 和 17) 。图表中给出了完整的数 据文件。步骤 3：分析数据在执行x2检验之前，我们首先需要对frequency进行

25、加权。加权表明给定变量 的值表示观测总 次数 ,而不仅仅是一个分数值。例如,对 frequency 进行加权时, frequency 取值为 12 代表 12 个人,而不是分数为 12。对 frequency 进行加权1 在菜单栏中选择“数据 加权个案”。2打开【加权个案】对话框。选择“加权个案”并选择变量frequency ,点击向右箭头按钮 (?) ,把 frequency 移到“频率变量”框中。3点击“确定”。这表示在每个类别中频数的取值 (12 , 28, 43 和 17) 对应于每个 单元的所有参与者,而不仅仅是一个分数。通过对frequency进行加权，现在我们可以在 SPSS中执

26、行x2独立性检验。执行x2独立性检验1 在菜单栏中选择“分析 描述统计 交叉表”。打开【交叉表】对话框,变量 personaIity , activity 和 frequency 出现在对话框的左侧2选择personality ，点击向右箭头按钮？），把变量移到“行”框3选择activity ，点击向右箭头按钮（？），把变量移到“列”框中。4点击1劎。打开“交叉表：统计量”对话框，选择“卡方”。5.点击“继续”。6点击“单元格”。打开“交叉表：单元显示”对话框，在“计数”下选择“观察 值”“期望值”；在“百分比”下选择“行”。7. 点击“继续”。8. 点击“确定”。步骤4 :解释结果交叉表案例

27、处理摘要案例有效的缺失合计N百分比N百分比N百分比pers on ality *activity100100.0%0.0%100100.0%activity合计amuseme ntparkretreatpers on aliin trove计数122840tyrt期望的计数22.018.040.0pers on ality中30.0%70.0%100.0%的%extrove计数431760rt期望的计数33.027.060.0pers on ality中71.7%28.3%100.0%的%合计计数5545100期望的计数55.045.0100.0pers on ality中55.0%45.0%

28、100.0%的%交叉制表pers on ality* activity卡方检验值df渐进Sig.（双侧）精确Sig.（双 侧）精确Sig.（单 侧）Pears on 卡方16.835a1/000连续校正b15.1941.000似然比17.2301.000Fisher的精确.000.000检验线性和线性组合16.6671.000有效案例中的N100a. 0单元格（.0%）的期望计数少于5。最小期望计数为18.00b. 仅对2x2表计算P值小于0.05，所以拒绝原假设（小拒绝），两个事件不独立，即(B) (r x c)列联表的卡方检验当列联表不是2X2交叉表的时候，要判断总体的变量是否彼此独立，这

29、时候自由度：df= ( r-1 ) ( c-1 ) o列联表形式(r x c)x列(c)合计123C12OiQ2O3OcO3行QiQ2Q3QcQ(r)OiQ2Q3OcQOiO2QOcOr合计nin2n3ncn方法同2X 2卡方表，只是增加列、行的数量。 如：应用语言学实验方法一书83页的例子。分析：零假设为：列一“第一语言背景”与列二“冠词错误频数”之间独立。如果p0.05 ，则拒绝零假设，反之，则接受零假设。 （小拒绝，大接受 ）经过计算，结果如下：p=0.525接受原假设，即：在 spss 中的计算方法。步骤 1：建立变量【变量视图】中同样输入“错误类型” 、“语言背景”和“频数”三行。然

30、后，分别对“错误类型”和“语言背景”标签赋值。步骤 2：输入数据在【数据视图】中输入数据。注意按照列联表的对应情况，分别为“错误类型”和“语言背景”中输入14、12的值。并将它们在列联表中的频数值，输入第三列“频数”中。步骤 3：分析数据因为“频数”一列中的数值是频率数，所以先为它加权。执行x2独立性检验1在菜单栏中选择“分析 描述统计 交叉表”。2选择“语言背景”，点击向右箭头按钮 ?），把变量移到“行”框。3选择“错误类型”，点击向右箭头按钮（？），把变量移到“列”框中4.点击“确定”。步骤4 :解释结果交叉表数据集3案例处理摘要案例有效的缺失合计N百分比N百分比N百分比语言背景*错误类别

31、100100.0%0.0%100100.0%语言背景*错误类别交叉制表错误类别合计theaan无语言背汉语计数12146840景期望的计数13.615.25.65.640.0语言背景中30.0%35.0%15.0%20.0%100.0%的%日语计数22248660期望的计数20.422.88.48.460.0语言背景中的%36.7%40.0%13.3%10.0%100.0%合计计数34381414100期望的计数34.038.014.014.0100.0语言背景中的%34.0%38.0%14.0%14.0%100.0%卡方检验值df渐进Sig.（双侧）Pears on 卡方2.234a3.525P值0.05，所以接受似然比2.1943.533原假设（大接受）。即线性和线性组1.8451.174合有效案例中的100Na. 0单元格（.0%）的期望计数少于5。最小期望计数为5.60。（二）单因素x2检验法单因素x2检验法是将收集到的数据按频数分组，然后检验频数的分布是否与某个概率分布模式拟合。例如，在某英语测验中，已测得各分数段的频数，要检验分数的频 数