SPSS使用方法次数资料分析

1、SPSS统计分析教程第五章 次数资料分析一 适合性检验二 独立性检验三 协方差分析一 适合性检验X2检验：是次数资料显著性检验的方法，它通过提出某种假设，用理论次数（T）与观察次数（A）进行比较，从而确定两者符合程度。 判断实际观察的属性类别分配是否符合已知属性类别分配理论或学说的假设检验称为适合性检验。卡方计算公式非参数统计分析 参数统计方法是在已知总体分布的条件下，对相应分布的总体参数进行估计和检验。 非参数检验重点在于总体的分布情况，即研究目标总体的分布是否与已知理论分布相同，或者各样本所在总体的分布位置/形状是否相同，其推断过程和结论均与原总体参数无关。一 适合性检验操作方法 1 建立

2、数据文件：定义两个变量 （1）性状类别变量（取值为性状分类数1、2、3。）（2）各类别频数/次数变量一 适合性检验2 定义频数/次数变量：Date-Weight casesWeight cases by-在Frequency Variable框输入频数变量名-OK。 在默认情况下，每一行就是一条记录；有多少项记录就有多少行； Weight cases过程将该变量数据指定为频数格式，即相同取值的观测只录入一次，另加一个频数变量用于记录该数值出现的次数。一 适合性检验3 Analyze-Nonparametric Tests-Chi-Square-（1）Test Variable List栏：指定

3、需要进行检验的变量，可以同时指定多个，系统会分别进行。（2）Expected Values单选框组： 指定已知总体的各分类构成比，系统默认各类别的理论比率相等； 如果不一致，在values项按照各性状类别比例（如1：2：1）输入，并且数值的排列次序和数据文件中记录的排列次序(从小到大）相同，用Add加入到后选框（3）Option子对话框：输出统计量。 点击OK，显示结果界面。 结果输出 表一 描述统计量表: 显示各性状类别的Observed N（观察频次数）、Expected N（期望次数）和Residual（残差） 表二 Test Statistics表：为最终的检验结果，给出卡方值、自由度

4、、近似的P值（Asymptotic)和确切的P值（Exact Sig.)二 独立性检验根据次数资料判断两类因子彼此相关或相互独立的假设检验就是独立性检验。独立性检验实际上是基于次数资料对因子间相关性的研究。Crosstabs过程：对计数资料和有序分类资料可以产生二维至N维列联表，并计算相应的百分数指标、期望频数、行/列汇总指标、各种残差指标等；统计推断则包括成组、配伍、分层的卡方检验、针对不同使用范围的一大批用于度量行、列变量关联度的指标及其检验等。卡方计算公式二 独立性检验操作方法1 建立数据文件：定义三个变量（1）行变量，取值为1、2、3、。（2）列变量，取值为1、2、3、。（3）频数/次

5、数变量2 定义频数变量： Date-Weight cases-频数/次数变量二 独立性检验3 Analyze-Descriptive Statistics-Crosstabs:主对话框中：（1）Row框：用于选择列联表的行变量；（2）Columns框：用于选择列联表的列变量；（3） Layer框组：用于设置分层分析变量，包括layer框和layer按钮组。 在layer框选入多个变量时，默认是分别进行分析，如果希望进行嵌套的等级分析，则利用Next按钮分别选入不同变量进入不同的层，会得到不同的变量的、不同组合的分层分析结果。二 独立性检验4 Statistic子对话框：（1）Chi-squar

6、e：进行卡方检验，对于自由度为1的资料会自动给出校正卡方检验和确切概率法的结果。 该检验用于判断行、列变量是否独立，如果数据不满足卡方检验要求（不能有单元格的期望数小于1，不能有20%以上单元格的期望数小于5），则系统在分析结果的最后给出警告，提示用户采用确切概率法来分析。二 独立性检验5 Cell 子对话框：用于定义列联表单元格中需要显示的指标。（1）Counts复选框：是否输出实际观察数（Observed）和理论数（Expected）（2）Percentages复选框：是否输出行、列和总的百分数；（3）Residuals复选框：选择残差的显示方式，可以是实际数与理论数的差值（Unstand

7、ardized）、标化后的差值（standardized，将差值转化为标准正态分布）或被标准误除的单元残差（Adj. standardized)结果输出表1 case Processing Summary: 缺失值情况报告表，即valid（有效值）和missing（缺失值）的个数和百分比。表2 r*c Crosstabulation:列联表表3 Chi-square Tests：卡方检验表 从左到右为：检验统计量值（value）、自由度（df）、双侧近似概率（Asymp.sig.2-sided)、双侧精确概率（Exact Sig.2-sided)、单侧精确概率； Pearson Chi-squ

8、are、Continuity Correction（连续矫正的卡方值）表1 case Processing Summary: 缺失值情况报告表，即valid（有效值）和missing（缺失值）的个数和百分比。表2 r*c Crosstabulation:列联表表3 Chi-square Tests：卡方检验表 从左到右为：检验统计量值（value）、自由度（df）、双侧近似概率（Asymp.sig.2-sided)、双侧精确概率（Exact Sig.2-sided)、单侧精确概率； Pearson Chi-square、Continuity Correction（连续矫正的卡方值）三 单向分类

9、资料协方差分析 协方差分析（Analyze of covariance）是将直线回归和方差分析结合应用的一种统计方法，用来消除混杂因素对分析指标的影响。 基本思路：是在作处理均数比较之前，用线性回归方法找出各组Y与协变量X之间的数量关系，然后用方差分析比较校正均数间的差异。三 单向分类资料协方差分析协方差分析条件：（1）X与Y的线性关系在各组均成立，而且不同组间的总体回归系数应相等。（2）各比较组间协变量X的取值范围不宜相差过大，否则校正均数的差值在回归直线的延长线上，不一定满足平行性和线性关系的条件，协方差分析的结论可能不正确。三 单向分类资料协方差分析操作方法1 建立数据文件：定义三个变量

10、，分别代表Y、X和组别（group)2 预分析1：利用scatter作Y和X之间的散点图，初步判断各组间的线性趋势。Graph-Scatter-Simple,确定Y轴和X轴-Set Markers by（用不同的标记区分各组Y 和X的变化趋势。） 根据图中显示信息，初步判断资料是否符合协方差分析的要求：（1）各组的X分布是否基本相同，有没有偏差；（2）各组X与Y是否有直线变化趋势。（3）各组中Y和X构成的直线的斜率是否相近。三 单向分类资料协方差分析3 预分析2：检验各组总体斜率是否相等。 通过考查各组(group)与 x之间的交互作用是否显著，来判断各组总体斜率是否相等，判断是否满足分析条件

11、（X与Y的线性关系在各组均成立，而且不同组间的总体回归系数应相等。） 要求在Model框中选择自定义方差分析模型，强行纳入交互效应group*x,如果交互作用不显著，可以认为各组斜率相同。预分析过程：Analyze-General Linear Model- Univariate ,（1）定义Dependent（因变量） Fixed Factor（固定因素）、 Covariate（协变量）（2）Model-Custom（model和sum of squares) 采用型方差分析模型，按分析目的,顺序纳入group 和X;强行纳入交互效应分析（group*x）0AB末重初重1初重2饲料无互作0A

12、B末重初重1初重2饲料有互作（1）定义Dependent（因变量） Fixed Factor（固定因素）、 Covariate（协变量）（2）Model-Custom（model和sum of squares) 采用型方差分析模型，按分析目的,顺序纳入group 和X;强行纳入交互效应分析（group*x）预分析2：检验各组总体斜率是否相等，即是否满足分析条件：X与Y的线性关系在各组均成立，而且不同组间的总体回归系数应相等。三 单向分类资料协方差分析4 正式分析：比较校正均数有无差异（1）在前面各步得出资料符合协方差分析条件的结论后，进行正式分析来比较各组校正均数有无差异；（2）由于已得出两组

13、斜率相等的结论，在正式分析时，可以将交互项从模型中去除，然后采用模型给出各组Y对X的校正均数，并进行显著性检验。正式分析方法Analyze-General Linear Model- Univariate ,（1）定义Dependent（因变量） Fixed Factor（固定因素）、 Covariate（协变量）（2）Model-Custom（model和sum of squares)，将交互项从模型中去除，采用模型（3）Option选项： Display means for X； 选择Compare mean effect(比较各组校正Y均数）结果输出表1-Tests of Between-Subjects Effects: 正式统计分析结果（方差分析结果）表2-Estimates：显示各组的校正均数及相应的置信区间；提示校正Y均数是按X=？的情况下计算。表3-Pairwise Comparisons ：各组Y的校正均数两两比较（多重比较）表4-Univariat