spss考试100分必备Word文档格式.docx

1、2和3的组合：以教育程度、性别为自变量，月收入为因变量做出下表：（步骤进行到题干出现第二个对话框以后点定义，2和3的组合1和3的组合类似，不过在类别轴下的定义聚类里多输入了性别这个自变量）有两个自变量篇幅有限，还有设置图形属性，设置数据标签没讲，有问题的可以问我。9、设置新变量转换重新编码为不同变量输入自己设置的变量新值旧值赋值继续更改确定10、相关系数（期中前的知识重点）a、定类变量表现为类别，不能区分顺序b、定序数据是表现为类别可以进行排序。c定距数据是表现为数值，可以进行加、减运算以精确计算数据。 选择相关系数公式：按组合和对称关系的组合测量方法变量层次要求取值范围是否对称测量 有无PR

2、E意义（消减误差比例）Lambda定类-定类定类-定序0 1对称和不对称有Tau-y不对称Gamma定序-定序-1 1对称Dy相关比率定类-定距定序-定距E2有皮尔森系数定距-定距 r2有1、选择皮尔森系数：第一种方法、分析相关双变量（点击左下角pearson）确定 第二种方法、：分析描述统计交叉表（统计量）相关性相关性身高体重Pearson 相关性1.714*显著性（双侧）.000N161*. 在 .01 水平（双侧）上显著相关。这种题老师会问有没有PRE意义（或消减误差比例）：回答它的平方有消减误差比例，如这道题：消减误差比例的数或消减误差是多少 答：0.714的平方，（见上面的总结）2相

3、关比例系数（Eta）方向度量值按间隔标定受访者性别 因变量.354上月收入 因变量.118老师可能会问选择那个数据是正确的。我们知道：只能以性别为自变量（固有属性一般做自变量），即以月收入为因变量。所以这道题的数据正确的是0.118.老师会问哪个数据具有PRE有消减误差比例的意义或消减误差多少。回答，0.118的平方，（见上面的总结）。Lamdba系数：渐进标准误差a近似值 Tb近似值 Sig.按标量标定对称的.026.0092.768.006教育程度 因变量.c.053.019Goodman 和 Kruskal tau.005.001.000d.010.003Lambda系数比较难懂的是选择

4、哪个正确的数据。（如用到lambda这个公式，先考虑到对称关系，这道题两变量分别是性别与教育程度，我们知道它首先是不对称的，那么0.26这个数据是不正确的；再考虑哪个变量是因变量，我们知道性别肯定是自变量（固有属性），那么我们选择的正确数据数据是0.00。老师可能会问，哪个数据具有PRE（消减误差比例）意义，回答：0.00（就本题而言），进而他可能会问，消减误差比例多少：答：0.00（见总结）相关系数这一节：要正确掌握相关系数公式适用的条件，要清楚哪个数据是我们最终求得结果（正确的数据），该数据是否具有PRE意义（及消减误差比例），能消减误差比例是多少。（见总结表）11、选择个案数据选择个案如

5、果条件满足如果（后面自己进行条件的设置）（在这道题中，设置的条件为性别2,最后我们进行相关命令时，只有性别为1的执行了命令，这样性别为2的排除在外）1分教育程度比较不同性别被访者月收入的差异，并简要说出结论。（数据：CGSS2003.sav） （分析比较均值均值）报告上月收入受访者性别教育程度均值标准差男小学及以下701.844222967.484初中747.198481889.910高中及以上1057.6215651328.385总计911.8128351837.361女272.38651401.041408.26994643.728826.6714141080.749572.7530598

6、75.365441.2810731897.336564.2918421376.716947.9929791222.395735.8358941431.724（对） （错）这种题目，大家可能会弄成第二个答案，这种题目一般后面有一个表，大家做好了对照一下。如果错了。重新做一次，改变自变量列表的输入顺序。（注意：输入一个自变量进入自变量列表后，一定要点下一张再输入第二个自变量）2.检验总体中平均身高是否等于170cm，并说明结论。（单个样本t检验.sav）（分析比较均值单样本T检验）单个样本检验检验值 = 170 tdfSig.（双侧）均值差值差分的 95% 置信区间下限上限-1.23419.232

7、-2.05000-5.52741.4274Sig叫做相伴概率。结论：两种情况：如果sig大于0.05，总体均值和检验值之间不存在显著差异（相等），接受结论 反之，小于0.05，总体均值和检验值之间存在显著差异（不相等）不接受结论 零假设H0表述：总体均值和检验值之间不存在显著差异（相等）3检验两样本两所大学数学平均值是否相等。（独立样本 t检验.sav）（分析比较均值独立样本T检验）独立样本检验方差方程的 Levene 检验均值方程的 t 检验FSig.标准误差值数学成绩假设方差相等.571.461-.82216.423-7.888899.59375-28.2267412.44896假设方差不

8、相等14.363.424-28.4167412.63897 定义组比较重要，自变量的取值输入到里面去（如：这个数据学校取值为1、2则分别在使用指定值里输入1、2）零假设：H0：两总体的均值之间不存在显著差异。分析：先看sig.（在这是0.461）,1.如果是大于0.05说明方差相等成立，再看sig.（双侧）对应假设方差相等的数据与0.05的大小关系，如果大于0.05，结论：两总体均值之间没有显著差异（相等），如果小于0.05，结论：两总体均值之间存在显著差异（不相等）。2如果sig.小于0.05，则看sig（双侧）与假设方差不相等对应的数据（该例题是0.424），看与0.05的大小关系，结论与

9、上面相同。在这，先看到数据0.461，再看0.423 ，得出结论。4比较同学补课前后平均成绩是否有显著差异。（分析均值配对样本T检验）（配对样本t检验.sav）成对样本检验成对差分均值的标准误对 1数学前 - 数学后-12.3333321.559775.08169-23.05475-1.61191-2.42717.027对 2化学1 - 化学2-7.5555613.814843.25619-14.42551-.68560-2.320.033分析结论：看sig.（双侧），如果大于0.05，结论：两总体均值之间不存在显著差异（相等），如果小于0.05，两总体均值之间存在显著差异（不相等）两配对样本

10、T检验：H0（零假设）：两总体均值之间不存在显著差异5对水稻品种和产量作单因素方差分析，并简要说出结论。cotton_1.sav） （分析均值单因素ANOVA）（cotton_1.sav）ANOVA产量平方和均方显著性组间125.718341.90613.583组内49.3643.085总数175.082结论分析：看显著性：如果小于0.05，至少有一个品种的平均产量（这是这道题的变量，具体问题具体作答）与其他品种存在显著差异（不相等）；如果大于0.05，所有品种的平均产量无显著差异（相等）。这道题的零假设：回答：A1=A2=A3=A4，总体的均值之间不存在显著差异。（看具体题目，如果有3个样本

11、，A1=A2=A3）6以自变量品种和产量作单因素方差分析，做出如下结果并简要说出结论。（分析均值单因素ANOVA选项方差同质性检验）（cotton_1.sav）方差齐性检验Levene 统计量df1df2.561.648老师可能会问方差齐性检验表格的数据：如果显著性大于0.05，（这个例题的显著性数据为0.648）说明方差相齐，反之，方差不齐，表ANOVA的分析和题5相同 方差同质性检验的零假设H0：总体的方差相等7以自变量水稻品种和因变量产量作单因素方差分析，做出如下结果并简要说出结论。多重比较LSD（I） 品种（J） 品种均值差 （I-J）标准误95% 置信区间1.002.00-.3600

12、01.11090.750-2.71501.99503.00.72000.526-1.63503.07504.005.84000*3.48508.1950.36000-1.99502.71501.08000.345-1.27503.43506.20000*3.84508.5550-.72000-3.07501.6350-1.08000-3.43501.27505.12000*2.76507.4750-5.84000*-8.1950-3.4850-6.20000*-8.5550-3.8450-5.12000*-7.4750-2.7650*. 均值差的显著性水平为 0.05。这道题是第5、6题的“进

13、化版”。它能清楚地比较哪几个样本存在的显著差异。（在这道题：他可以看出1、2、3无显著差异，4与1、2、3存在显著差异）（第一步） （第二步）（第一步后，点选项）（第三步，第二步后点两两比较）（这是在第二步方差同质性检验得出方差相齐时的情况才能进行这一步：选公式的时候，看题目，题目有选择公式提示（我标记的题目表格紫色部分，LSD）（如果对spss比较熟悉的话，可以省略第二步）（品种1与2、3的平均产量没有显著差异，与品种4存在显著差异）（看红色部分，如果大于0.05，两者无显著差异（相等），小于0.05，存在显著差异（不相等）均值相等性的键壮性检验统计量aWelch13.6468.842Bro

14、wn-Forsythe14.982a. 渐近 F 分布。如果第二步方差同质性检验显著性小于0.05，即方差不齐时，（见题5），第三步如下，最终得出结果如右表（第三步：接第二步）8做出如下的教育程度、性别和年龄为自变量，月收入为因变量的多因素方差分析结果，并简要说出结论。（分析一般线性模型单变量）（CGSS2003（练习）.sav）主体间效应的检验因变量:月收入源III 型平方和校正模型8.803E84320473197.31010.886截距42633466.70322.669gender5630490.1112.994.084edu34665549.451103466554.9451.843

15、.048gender * edu34023031.6033402303.1601.809.054gender * edu * age51113261.591222323330.0721.235.205误差9.892E952601880696.1911.437E105304校正的总计1.077E105303a. R 方 = .082（调整 R 方 = .074）（第一步）（这里要注意的是：定类 （第二步：根据题目要求设置模型：点和定序变量自变量输入到固定因 模型设定，如果是表格红色子，定距自变量输入到协变量， 部分类型的模型设定，用ctrl键选中，如：年龄） 再输进去第三步：得出上面的表格看青色

16、部分，即sig下面的数据：如果大于0.05，结论：如果值大于0.05,自变量（如果有多个自变量，则说X与Y自变量各个水平的交互作用）对于因变量没有显著影响，反之，小于0.05，有显著影响9以体重为因变量，以班级、性别、身高作为自变量，做出如下回归分析表，并简要说出结论。（分析回归线性）（身高体重统计.xls）模型汇总模型RR 方调整 R 方标准 估计的误差.738a.545.5376.428a. 预测变量: （常量）, 班级, 性别, 身高。系数a非标准化系数标准系数B标准 误差试用版（常量）-35.24719.073-1.848.066.607.102.4955.966性别-5.8441.6

17、77-.289-3.484班级.0561.013.055.956a. 因变量: 体重R方：“确定系数、决定系数”，如果老师问含义回答：方程的解释力，方程拟合度（越大越好，最少要超过0,1）当自变量为定距变量时：在这标记的是表格红色数据0.607，解释：当班级和性别不变的情况下，身高每增加1cm，体重增加0.607kg（通用解释：当自变量X1、X2、X3、X4.不变的情况下，自变量X（定距变量）每增加1个单位，因变量平均变化多少）当自变量为定类变量时：在这标记的是紫色数据-5.844，解释：当班级和身高不变的情况下，女生比男生少-5.844kg。（定类变量解释时：取值大的比取值小的少（多）.，在

18、这，男取值1，女取值2）10请对教育程度、受访者性别为自变量，月收入为因变量的回归分析，如下表（CGSS2003.sav）（分析回归线性）922.93373.19212.610102.90454.1081.902.057高中467.12750.347.1639.278-299.77536.879-.105-8.129 上月收入回归分析如果自变量含有定序变量，首先得对它进行虚拟变量设置。虚拟变量设置方法：如果该自变量有n个取值，用重新编码不同变量设置n-1次。如这个自变量（教育程度：属于定序变量，且有3个取值，分别是1小学，2初中，3高中）设置时，用重新编码不同变量命令将教育程度取值1变为0，2变为1,3变为0，标签为初中；再次运用这个命令，将教育程度1变为0,2变为0，3变为1.标签为高中，选中的那个变量值重新取值为1，其余全部重新取值为0。（以小学为对照，不用重新再设置标签为小学的的变量）（对照一般是选择以原自变量水平最低的值，如本题中教育程度最低的是小学） （变量为初中的设置） （变量为高中的设置）虚拟变量设置以后，进行下一步：解释：当受访者性别不变时，初中生比小学生的人均月收入多102.904元；当受访者性别不变时，高中生比小学生的人均月收入多467.127元。