您所在位置： &
&nbsp&&nbsp&nbsp&&nbsp
SPSS均值检验(均数分析单样本T检验独立样本T检验).doc 11页
本文档一共被下载：
次 ,您可全文免费在线阅读后下载本文档。
下载提示
1.本站不保证该用户上传的文档完整性，不预览、不比对内容而直接下载产生的反悔问题本站不予受理。
2.该文档所得收入(下载+内容+预览三)归上传者、原创者。
3.登录后可充值，立即自动返金币，充值渠道很便利
需要金币：150 &&
SPSS均值检验(均数分析单样本T检验独立样本T检验)
你可能关注的文档：
··········
··········
在统计学中，我们往往从样本的特性推知随机变量总体的特性。但由于总体中个体之间存在差异，样本的统计量和总体的参数之间往往会有误差。因此，均值不相等的样本未必来自不同分布的总体，而均值相等的样本未必来自有相同分布的总体。也就是说，如何从样本均值的差异推知总体的差异，这就是均值比较的内容。SPSS提供了均值比较过程，在主菜单栏单击“Analyze”菜单下的“CompareMeans”项，该项下有5个过程，如图4-1。平均数比较Means过程用于统计分组变量的的基本统计量。这些基本统计量包括：均值（Mean）、标准差(StandardDeviation)、观察量数目(NumberofCases)、方差(Variance)。Means过程还可以列出方差表和线性检验结果。[例子]调查了棉铃虫百株卵量在暴雨前后的数量变化，统计暴雨前和暴雨后的统计量，其数据如下：暴雨前120暴雨后该数据保存在“DATA4-1.SAV”文件中。1）准备分析数据在数据编辑窗口输入分析的数据，如图4-2所示。或者打开需要分析的数据文件“DATA4-1.SAV”。图4-2数据窗口2）启动分析过程在SPSS主菜单中依次选择“Analyze→CompareMeans→Means”。出现对话框如图4-3。图4-3Means设置窗口3）设置分析变量从左边的变量列表中选中“百株卵量”变量后，点击变量选择右拉按钮，该变量就进入到因子变量列表“DependentList:”框里，用户可以从左边变量列表里选择一个或多个变量进行统计。从左边的变量列表中选中“调查时候”变量，点击“IndependentList”框左边的右拉按钮，该变量就进入分组变量“IndependentList”框里，用户可以从左边变量列表里选择一个或多个分组变量。多个分组变量既可放在一层，又可放在不同层。利用图中的“Previous”和“Next”按钮可以在不同层之间切换。4）选择输出统计量单击“Options”按钮，将打开如下图所示的对话框。在“Options”对话框中，“Statistics”框中列出了SPSS可求的统计量。其中各项的意义分别为：Mean均值。NumberofCases观测量数目StandardDeviation标准差Median中位数。GroupedMedian分组的中位数Std.ErrorofMean均值的标准误Sum观测值之和Minimum最小值Maximum最大值 Range极差First第一个观测值Last最后一个观测值Variance方差Kurtosis峰度Std.ErrorofKurtosis峰度的标准误Skewness偏度Std.ErrorofSkewness偏度的标准误
其中，“Mean”、“NumberofCases”和“StandardDeviation”项为系统的默认选项。在“Cell”框中列出了已选中的统计量。从“Statistics”框中选择要生成的统计量。“StatisticsforFirstLayer”框中列出了第一层分组的另外两个统计量。“Anovatableandeta”选中将给出方差分析表和eta统计量。方差分析表的前提条件是按照分组变量分组后各组的均值都相等。eta统计量为分组变量与生成统计量的变量关系紧密程度的度量。“TestforIinearity”选中给出分析变量和分组变量的线性关系参数，其前提条件为：分组变量和分析变量线性相关。本例子选定统计量为“Mean”、“NumberofCases”、“StandardDeviation”3个统计变量。选中复选项“Anovatableandeta”。5）提交执行提交各选项，在本例中我们不做其他选择，保持缺省值。在图4-3中点击“OK”按钮，SPSS输出结果将显示在输出浏览器中。6)结果与分析表4-1结果报告（Report）表4-2方差分析表ANOVATable结果分析:表4-1结果报告，分别给出暴雨前和暴雨后卵量的统计量：暴雨前有13个样本，平均数122.38，标准差15.95，方差254.42;暴雨后有13个样本，平均数104.46，标准差15.11，方差228.269；总体26个样本，平均数113.42，标准差17.75，方差315.214。表4-2方差分析表，共有六列，第一列说明方差的来源，BetweenGroups是组间的，WithinGroups组内的，Total总的。第二列为平方和，其大小说明了各方差来源作用的大小。第三列为自由度。第四列为均方，即平方和除以自由度。第五列F值是F统计量的值，其计算公式为模型均方除以误差均方，用来检验模型的显著性。第
正在加载中，请稍后...最新公告：目前，本站已经取得了出版物经营许可证 、音像制品许可证，协助杂志社进行初步审稿、征稿工作。咨询:400-675-1600
您现在的位置：&&>>&&>>&&>>&正文
统计分析分类以及SPSS分析方法
定制原创材料,由写作老师24小时内创作完成,仅供客户你一人参考学习,无后顾之忧。发表论文
根据客户的需要,将论文发表在指定类别的期刊,只收50%定金,确定发表通过后再付余款。加入会员
申请成为本站会员,可以享受经理回访等更17项优惠服务,更可以固定你喜欢的写作老师。
一、分析内容的分类
人类对客观事物的认识是多种多样的，这些认识可以是生产的规模，可以是企业生产机器的稳定性，可以是一个地区的教学质量，可以是的规律，也可以是一个时期的经济形势或环境等等。撇开这些形形色色的形式内容，人们对客观事物的认识从目的来看可分为表面认识和本质认识两种。本文将这种从形式内容中抽象出来的对客观事物的认识称之为统计分析内容。表面认识就是对客观事物表面特征的认识；本质认识是从客观事物表面特征出发，最终得到超越客观事物表面特征的本质特征的认识。同样，与统计分析内容相对应的统计分析（方法）就可分为表面分析和本质分析两种。在统计分析方法的使用上，形式内容的认识与统计分析方法的关联不大，反而是在统计分析内容认识（对客观事物表面认识和本质认识）上，分析方法的使用差别较大，因此本文主要从统计分析方法的角度对统计分析内容加以细分。在SPSS中，横向叫个案，所有个案组成样本；纵向叫变量，一个变量代表客观事物的某方面特征。表面认识在SPSS中主要对应于样本认识，目的是认识样本所代表的具体事物的特征（当然样本的特征离不开变量，但目的不在变量）。本质认识则以样本数据为基础，出同类事物的普遍特征，这些特征就是变量自身的特征（它从样本出发，但又超越样本），因此本质认识可以认为就是对变量的认识。统计分析内容的划分与人们对客观事物的认识规律也密不可分。人类对客观事物的认识都是由浅入深、由外及里的。这种由浅入深、由外及里的认识过程正好体现了表面认识和本质认识两个过程。统计分析的两种内容既是人们对客观事物认识的两个方面，也是人们对客观事物认识的两个过程，但它们可以是相互独立的。因为人类出于认识目的的需要可以只认识客观事物的表面，也可以只认识客观事物的规律。
（一）表面认识
表面认识是一种以认识具体客观事物表面特征为目的的认识。对具体客观事物表面特征的认识，从定量和定性两个角度出发，还可以分为事物描述认识和事物评价认识两种。
1.事物描述认识。事物描述认识是指只对具体客观事物作纯粹的描述，而不加任何主观的认识，如集中趋势描述。从认识内容的复杂性来看，事物描述认识又可分为简单描述认识和综合描述认识。简单描述认识是对具体客观事物的一种现象（变量）特征的认识，如认识一群企业的规模。综合描述认识则是结合具体客观事物的很多现象（变量）对具体客观事物的特征加以认识，如认识事物在两个定类变量中交互分布等。综合描述不是简单描述的组合，而是简单描述的提升。
2.事物评价认识。事物评价认识是指对具体客观事物的某种特征给出人为意见或判断的认识。评价分析通常给出定性结果，如判断两种产品某种性能的差异是否存在。按评价内容来分，评价分析主要包括事物成绩评价分析和事物间差异评价分析两种。事物成绩评价按评价所依赖的现象多寡还可分为简单评价和综合评价。简单评价是对事物的一方面特征给出评价意见，如根据销售数据对企业的销售成绩作出评价。综合评价是对事物的多方面特征给出综合的评价意见，如根据利润率、流动资金周转率、净资产收益率等特征对企业的经济效益作出评价。
（二）本质认识本质认识是一种以认识普遍客观事物本质为目的的认识。本质认识仍以特定样本事物的数据为依据，但认识的结果已经远远超出样本事物的范围。撇开具体事物后，人类对事物本质的认识，则主要体现为对普遍事物的现象（变量）自身规律的认识和对普遍事物的现象（变量）间关系规律的认识。这两种认识还可以给他们一个更简单的名字，就是单现象本质认识和多现象关系认识，这也可以看作是本质认识按现象复杂性的划分。
1.单现象本质认识。单现象本质认识是对单变量自身规律的认识。单现象本质认识按现象与时间的关系，又分为现象自身分布规律认识（静态）和现象自身变化规律认识（动态）两种。
（1）现象自身分布规律认识，是指认识现象自身的分布特征，属静态认识，如认识成绩是否成正态分布，摇号时每个号码的出现是否呈均匀分布等。
（2）现象自身变化规律认识，是认识现象在时间上的变化规律，属动态认识，如长期趋势认识、季节变动规律认识等。
2.多现象关系认识。多现象关系认识是对变量间关系的存在与否、关系的程度大小及方向等内容的认识。多现象关系认识，按变量间关系是否平等又分为对等关系认识和影响关系认识两种。
（1）对等关系认识，是对两群对等变量间关系的认识。对等关系认识中，变量相互影响，没有自变量与因变量之分，如相关认识。两群变量之间的对等关系可以是，一对一的关系（如简单相关认识、偏相关认识），也可以是一对多的关系（如复相关认识），还可以是多对多的关系（如变量聚类认识）。两群变量的关系可以是线性的、曲线的，或者没有关系。
（2）影响关系认识，是对一群变量如何影响另一群变量的认识。影响关系认识中，两群变量间的关系是不平等的，存在自变量和因变量之分，如回归关系认识。影响关系认识中的因变量通常是一个，但自变量却可以是一个或多个。因此影响认识又可以分为一对一影响和多对一影响。
二、SPSS分析方法按统计分析内容的归纳
与统计分析内容相对应的SPSS分析方法首先分为表面分析和本质分析两种。
（一）表面分析表面分析是以认识客观事物表面特征为目的的一种分析方法，与表面认识相对应。表面分析，从认识的性质出法，具体又分为事物描述分析和事物评价分析两种。
1.事物描述分析，是对客观事物的表面特征进行认识的一种分析。按认识时涉及的变量数多少，可分为单现象描述分析和多现象描述分析两种。
（1）单现象描述分析（简单描述分析），是对客观事物单方面特征进行描述的分析。对客观事物的描述方法（分析方法），以其手段的不同归纳起来可以有指标描述法、表格描述法、图形描述法、推断描述法等。指标描述法，是以统计指标方式来认识事物，认识的具体内容包括集中趋势、离中趋势、分布特征等。相关的SPSS方法主要是描述统计中的描述，除此之外还有描述统计中的频率、探索两方法。这些分析的特点是输出统计指标。表格描述法，是以分组表的方式来描述事物的特征，其内容仅包括简单分布表（交互分布表属多现象描述分析）。相关SPSS方法是描述统计中的频率，其特点是输出频率表。图形描述法，是以统计图方式来认识事物的特征，其内容包括箱索图、茎叶图、饼图、条形图、直方图、散点图等。相关的SPSS方法是描述统计中的探索、频率方法和图形菜单中的各种图形功能。探索功能可输出箱索图和茎叶图。频率功能可输出饼图、条形图和直方图。图形功能则可输出除茎叶图外的各种图。推断描述法，是以数据库中的样本数据为依据，推断总体特征。尽管此处的总体事物超出SPSS中的样本范围，但人们也只不过将其看作是更大的样本罢了。从认识目的来看，推断描述中对总体均值、比率或方差的认识仍属表面认识。统计抽样推断的具体内容包括统计估计和假设检验两种。统计估计的主要内容就是完成总体均值、成数的区间估计，相关的SPSS分析方法是描述统计中的探索功能。假设检验的主要内容是均值、成数假设检验，相关的SPSS分析方法是均值比较中的单样本T检验。
（2）多现象描述分析（综合描述分析），是对客观事物的多方面（变量）特征进行综合的描述（并非多个简单描述的叠加）。综合描述分析方法按其认识目的不同又可分为交互分布描述、分类描述、降维描述和分类识别等几种。交互分布描述，其目的是认识事物在多变量下的联合分布。其描述内容包括交互表和与交互表对应的分布图，相关的SPSS分析方法是描述统计中的交互表和图形菜单的条形图等。分类描述，其目的是认识哪些个案间的关系较为接近。相关的SPSS分析方法是聚类分析中的个案聚类分析，聚类分析方法又包括两步聚类、K-均值聚类和系统聚类等三种。降维描述，其目的是认识多变量下的主要影响因素（主成分）有哪些。相关的SPSS分析方法是降维分析中因子分析和对应分析。分类识别，其目的是认识某事物在已有实物分类上的类别归属。相关的SPSS分析方法是判别分析。
2.事物评价分析。
（1）成绩评价分析。简单评价，是对事物在某个方面（变量）的成绩所做的评价。评价客观事物的成绩可有多种标准，按其评价标准的不同，简单评价可有对照评价、横向评价和纵向评价等三种。对照评价，是根据给定评价标准来评价客观事物成绩的分析方法。相关的SPSS分析方法是均值比较中的单样本T检验。横向评价，是以同类事物作为评价标准来评价客观事物成绩的分析方法。相关的SPSS分析方法是均值比较中的独立样本T检验。纵向评价，是以评价事物的历史成绩作为评价标准来评价现时成绩的分析方法。相关的SPSS分析方法是均值比较中的独立样本T检验或配对样本T检验。上述的几种评价都较简单，可以直接靠经验而无需借助SPSS软件。综合评价，是对事物在多个方面（变量）作出的成绩所进行的评价。这是一种复杂的评价方法，它不是每个变量简单评价的叠加，因此通常要求多种SPSS分析方法同时运用。如要得出综合排名，则要经过标准化处理和综合分计算两个步骤。标准化处理，是将非标准化数据，折算成均值为0，标准差为1的标准化数据，目的是消除变量间的不可比性。在此过程中，还要统一变量的正逆性。相应的SPSS方法是均值比较中的描述。在描述功能中，勾选“将标准化得分另存为变量”复选框则可。综合分计算，是根据事物的多个特征（变量）值来计算其综合得分。这种综合得分可以是简单综合分或加权综合分。相应的SPSS方法是转换菜单中的计算变量。
（2）差异评价分析，是对事物与事物之间的差异是否显著所做的评价。差异评价的内容包括均值差异、结构差异和方差差异等几种。均值差异评价。均值差异评价在分析方法上有两事物差异和多事物差异之分。两种事物间差异评价，是比较两种事物在同一时间和同一现象（变量）上均值差异是否显著的一种评价，如比较两个地区人民生活水平差异是否显著。相关的SPSS分析方法包括比较均值中的独立样本T检验、方差分析等。多种事物间差异评价，是比较多种事物在同一现象（变量）上均值差异是否显著的一种评价，如比较不同程度人群间收入差异是否显著。相关的SPSS分析方法是比较均值中的单因素方差分析。结构差异评价，是评价两总体的结构差异是否显著的一种分析。相关的SPSS分析方法是非参数检验中卡方检验。方差差异评价，是评价两个总体中同一变量方差差异是否显著的一种评价。相关的SPSS分析方法是F检验，这是独立样本T检验中的附带功能。
（二）本质分析
1.单现象本质分析。
（1）分布特征分析（静态）。分布特征通常可通过分布图和分布表来认识，但分布图和分布表认识的只是具体事物的现象特征，并非普遍事物的现象特征。SPSS是通过显著性检验来判断普遍事物的现象特征，相关的SPSS分析方法包括非参数检验中的卡方检验、二项式检验、单样本K-S检验等。但在使用SPSS操作前还应通过分布图和分布表初步判断现象的特征，然后再用SPSS非参数检验方法来判断现象的本质特征。非参数检验的主要作用是检验事物的分布是否显著成某种特征，这些特征包括正态分布、均匀分布、泊松分布和二项式分布等。具体分析方法包括以下几方面。单总体比率假设检验，检验总体中某一特征的总体单位的比例是否为某个特定值，如检验总体中男性比重是否显著为50%。相关的SPSS分析方法为非参数检验中的二项式。单总体结构分布检验，检验总体在某一现象（变量）上的分布是否成某种已知分布形态（如均匀分布、泊松分布、二项式分布等）。检验方法包括非参数检验中的卡方检验、单样本K-S检验。正态分布检验，检验总体在某一现象上的分布特征是否为正态分布。相关的SPSS分析方法是非参数检验中的单样本K-S检验。
（2）变化规律分析（动态）。长期趋势分析，是一种分析事物在时间上的变化是否成某种规律以及还原其函数关系式的分析。在变化规律形态的判断上，需要用到散点图，相关的SPSS分析方法是图形菜单下的散点图功能。函数关系式回归的分析则属时间序列自回归，相应的SPSS方法是回归分析，在回归菜单下的“线性”及“曲线估计”等功能中完成。季节变动分析，是一种寻找季节变动规律的分析。主要内容包括季节变动规律是否存在的判断和季节指数的计算。在季节变动规律是否存在的判断中，相关的SPSS方法是图像菜单下的线图。在季节指数的计算中，相关的SPSS操作方法需分两步完成：第一步，添加时间序列，在数据菜单的定义日期功能中完成；第二步，完成季节指数计算，在分析菜单中预测子菜单下的季节性分解功能中完成。
2.多现象关系分析。
（1）对等关系分析。现象对等关系分析的主要任务是判断变量间关系是否存在，其次是判断其相关方向及相关程度的大小等。由于相关变量的类型不同，相应的分析方法也不同。若将相关变量的类型分为定类、定序和定距三种，则在两两组合搭配下，变量间关系的类型可有6种之多。若将6种关系中分析方法相同的关系加以组合，则可得出以下三种组合关系：定类与定类、定序、定距的关系；定序与定序、定距的关系；定距与定距的关系。第一种，定类与定类、定序、定距的关系，可采用卡方检验方法来分析。相关的SPSS分析方法是描述统计的交互表。第二种，定序与定序、定距的关系，可采用散点图、卡方检验和相关分析几两种方法来分析。卡方检验只能判断关系是否显著存在，相关的SPSS分析方法是描述统计的交互表。散点图可以判断相关形态及方向；相关分析则可进一步分析相关程度的高低及相关方向。相关的SPSS分析方法包括图形菜单下的散点图和分析菜单中的相关分析（简单相关分析）。第三种，定距与定距的关系，可采用散点图和相关分析来进行分析。分析现象间相关形态及相关方向，可采用SPSS中的散点图功能。对现象间相关关系大小的分析，依相关变量数量多少及地位的不同，可有简单相关分析（距离分析）、偏相关分析、复相关分析几种。简单相关分析（包括距离分析），可用来分析两个定序变量间、两个数值变量间、定序数值变量间的相关关系。相关的SPSS分析方法是相关菜单下的“双变量”及“距离”菜单功能。根据变量间关系的大小（距离的远近），还可以进一步对变量群作分组认识，相关的SPSS分析方法是聚类分析中的变量聚类分析。偏相关分析，是在排除外部变量对分析变量影响后，分析两个变量间线性关系大小及方向的分析方法。相关的SPSS分析方法是相关菜单下的“偏相关”菜单功能。复相关分析，是分析一个变量同时与多个变量间的线性关系是否存在，以及相关方向及大小的分析方法。相关的SPSS分析方法是多元线性回归分析。多元线性回归分析中，输出的方差分析数据可以判断线性关系是否存在，输出的相关系数就是复相关系数。
（2）影响关系分析。影响关系分析中依自变量和因变量类型不同，可有多种不同的分析方法。因变量的类型主要有定距、定序和二分变量等三种，自变量的类型则包括定距、定序和定距三种类型的全部。单自变量情况下两两排列可有九种情况，加上多自变量（当前尚无多因变量的回归分析），情况将更加复杂。有些组合无法进行分析，其余可以进行分析的组合中，结合它们的共性，最终综合成以下八种情况：三种变量对定距变量的定性分析、定距定序变量对定距变量的定量分析、三种变量对定序变量的定性分析、定距定序变量对二分变量的定量分析、多自变量对定距变量的定性分析、多定距定序变量对定距变量的定量分析、多自变量对定序变量的定性分析、多定距定序变量对二分变量的定量分析。三种变量对定距变量的定性分析，可分析自变量对定距变量的影响是否存在。相关的SPSS分析方法包括独立样本T检验、单因素方差分析。独立样本T检验的影响因素的取值只能是两个，单因素方差分析的影响因素取值可以是两个或多个。定距定序变量对定距变量的定量分析，可还原因变量和自变量间的函数关系式。相关的SPSS分析方法是回归分析。回归分析依变量间关系形态不同又分为线性回归分析和曲线回归分析两种。相关的操作包括回归菜单下的“线性”及“曲线估计”等功能。三种变量对定序变量的定性分析，分析方法同上述A情况。定距定序变量对二分变量的定量分析，可还原因变量和自变量间的函数关系式。相关的SPSS分析方法是回归菜单下的二分逻辑回归。多对一影响分析。多自变量对定距变量的定性分析，可分析自变量对定距变量的影响是否存在。相关的SPSS分析方法是多因素方差分析，在一般模型下的单变量功能中完成。多定距定序变量对定距变量的定量分析，可还原因变量和自变量间的线性函数关系式。相关的SPSS分析方法是多元线性回归分析，在回归菜单下的线性功能中完成。多自变量对定序变量的定性分析，方法同A情况。多定距定序变量对二分变量的定量分析，分析方法同一对一影响分析的D情况。
三、三点总结
（一）两种分析方法的关系不管是表面分析还是本质分析，都是对客观事物特征的认识。前者着眼具体事物，后者着眼普遍事物。正因为表面认识着眼的是具体事物，所以对具体事物的评价分析（虽带定性特征）仍属表面分析。由于普遍事物是个抽象概念，在分析过程中人们要依赖具体事物的数据，但分析结果却超越具体事物。超越具体事物后，人们得到的就是变量自身的规律。表面分析，认识的是具体事物的特征，但认识过程又离不开变量。本质分析，认识的是普遍事物某种现象（变量）自身规律的特征，但认识过程却离不开具体事物（样本）。在本质分析中将具体事物看作是样本，得出的却是同类事物的规律。而表面分析中，要认识的就是具定事物的特征，但这些特征一般不能看作是同类事物的特征。如某个地区的人口分布呈老年化是事物特征，但并不等于所有地区的人口分布都呈老年化（普遍规律）。
（二）分析内容与SPSS分析方法的关系统计分析内容和SPSS分析方法的关系，表现为目的与手段的关系。相同的分析内容可以使用不同的分析方法，不同的分析内容，可以使用相同的分析手段。用同一种分析方法完成的分析，其分析内容属表面分析还是本质分析取决于你的认识目的。如独立样本T检验分析方法，可以用来分析一个班（校）中男女成绩差异是否显著，也可以用来分析性别变量对成绩变量的影响是否显著。前者属表面分析，后者属本质分析。因为前者着眼的是一个班（校）的学生的成绩特征，后者着眼的是性别和成绩两种现象的关系。正因为本质认识着眼的是普遍现象的特征，因此要求样本量应足够大，显著性水平应足够高。对于表面认识，因为它认识的是样本特征，因此样本量大小与认识目的无关，显著性水平要求也可低些。
（三）统计分析内容分类及SPSS分析方法归纳的意义统计分析内容的分类在于给SPSS分析方法进行归纳。SPSS分析方法归纳的意义主要体现在以下两方面。一是提供统计分析时SPSS分析方法的选择；二是提供知识系统性归类，方便学习者记忆。（本文来自于《经济师》杂志。《》杂志简介详见.）
作者：侯海桂 单位：肇庆科技职业技术学院统计分析分类以及SPSS分析方法责任编辑：xchen1&&&&阅读：人次
本文永久链接：
上一篇论文： 下一篇论文：
按栏目筛选
统计分析论文热门范文
[<font color="#FF]
[<font color="#FF]
[<font color="#FF]
[<font color="#FF]
[<font color="#FF]
[<font color="#FF]
[<font color="#FF]
[<font color="#FF]
[<font color="#FF]
[<font color="#FF]
[<font color="#FF]
[<font color="#FF]
[<font color="#FF]
[<font color="#FF]
[<font color="#FF]
[<font color="#FF]
[<font color="#FF]
[<font color="#FF]
[<font color="#FF]
[<font color="#FF]
统计分析论文相关文章
没有相关论文谁能教我用ss，如何进行两样本独立t检验[泪]
全部答案（共2个回答）
拖动的方法选中A列数据（包括“A”那个单元格），“变量2的区域”选中B列数据（包括B那个单元格），击选“标志”，显著性水平默认为“0.05”，点击“确定”。结果中，如果P小于0.05，说明方差不齐性，，用“数据分析”中的“t检验：双样本异方差假设”，如果p大于0.05，说明方差齐性，用“数据分析”里的“t检验：双样本等方差假设”，对话框的操作与上面的F检验大体相同。如果你的excel是2003，在“工具”菜单下可找到“数据分析”命令如果没有找到“数据分析”命令，需要加载宏，将“分析数据库”加载上就可以了。具体操作可以在网上查一下，很容易的。祝你成功！office2007太大了，我这边网速太慢，传的话比较麻烦，建议你从网上直接下载，很容易下载到的。我刚才随便搜了一下，搜到个网址http://hi.ba...
这个不用spss，只用excel就可以啊。以excel2007为例，先把数据分为两列输入，选择“数据”、“数据分析”，先进行方差齐性检验，选“F检验：双样本方差"，弹出对话框中，“变量1的区域”用相关信息拖动的方法选中A列数据（包括“A”那个单元格），“变量2的区域”选中B列数据（包括B那个单元格），击选“标志”，显著性水平默认为“0.05”，点击“确定”。结果中，如果P小于0.05，说明方差不齐性，，用“数据分析”中的“t检验：双样本异方差假设”，如果p大于0.05，说明方差齐性，用“数据分析”里的“t检验：双样本等方差假设”，对话框的操作与上面的F检验大体相同。如果你的excel是2003，在“工具”菜单下可找到“数据分析”命令如果没有找到“数据分析”命令，需要加载宏，将“分析数据库”加载上就可以了。具体操作可以在网上查一下，很容易的。祝你成功！office2007太大了，我这边网速太慢，传的话比较麻烦，建议你从网上直接下载，很容易下载到的。我刚才随便搜了一下，搜到个网址/zrt765996/blog/item/ad90dff6039e08.html你先试试这个，应该没问题。安装了以后一般需要加载宏。excel2007加载宏的办法是：点击excel2007最左上角那个大的圆按钮，弹出菜单，选择下方的“Excel选项”，弹出对话框，选择左侧一列的“加载项”，在下方“管理”下拉列表中选择“excel加载项”，点击后面的“转到…”，弹出加载宏对话框，在里面选择“分析工具库”，确定就可以加载了。关于t检验，分为相关样本t检验和独立样本t检验两种，你说的独立样本t检验适用于分析两组不相关的数据，比如说分析男生与女生身高的差异就用这种方法。相关样本t检验适用于两组存在相关的数据的比较，比如分析40名同学语文和数学成绩的差异。对于独立样本t检验，首先要看方差是否齐性，也就是看两组数据方差有没有差异。方差齐性与不齐性方法不一样，上面的F检验就是为了看一下两组不相关的数据方差是否齐性。方差齐性表明两组数据方差没有差异，用相应的一种方法；方差不齐性，表明两组数据方差存在显著差异，要用另一种方法，相应的方法我都给你在第一次回答的时候列出来了，这里就不再重复了，这样分析出来就行了。祝你成功！三组数据比较的话用单因素方差分析。这个用excel也可以实现。也是在“数据”、“数据分析”下面，操作方式与t检验相同，你可以用一下。另外，我看楼下的朋友给你说了用spss的做法，也可以用一下。我是觉得用spss的话你可能更不熟悉，所以推荐你用excel。
太无语了ins居然还要翻墙 我靠
主要与均值有关的检验
你先下载GIF，然后发到QQ上。
大家还关注
确定举报此问题
举报原因(必选)：
广告或垃圾信息
激进时政或意识形态话题
不雅词句或人身攻击
侵犯他人隐私
其它违法和不良信息
报告，这不是个问题
报告原因(必选)：
这不是个问题
这个问题分类似乎错了
这个不是我熟悉的地区