spss数据正态分布检验.docx

1、spss数据正态分布检验spss 数据正态分布检验一、Z检验第一步：录入数据。1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：二、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。生活意义的得分围是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Participant Meaning in Life Well

2、-being Participant Meaning in Life Well-being 1 35 19 2 65 27 3 14 19 4 35 35 5 65 34 6 33 34 7 54 35 8 20 28 9 25 12 10 58 21 11 30 18 12 37 25 13 51 19 14 50 25 15 30 29 16 70 31 17 25 12 18 55 20 19 61 31 20 53 25 21 60 32 22 35 1223 35 2824 50 20 25 39 24 26 68 34 27 56 28 28 19 12 29 56 35 30 6

3、0 35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”打开“双变量”对话框，变量meaning和wellbeing出现在对话框

4、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：解释结果二元相关性的输出结果显示如下：相关性wellbeingmeaningwellbeingPearson 相关性1.549*显著性（双侧）.002N3030meaningPearson 相关性.549*1显著性（双侧）.002N3030*. 在 .01 水平（双侧）上显著相关。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，一次在行，

5、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著的，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行为治疗和精神分析治疗对抑郁症的相对有效性

6、。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： H0：精神分析=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

7、不等的： H1：精神分析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ParticipantTherapyDepressionParticipantTherapyDepression1157162472161172423167182594163192375l512023561552124271452223881622324991412426110l362524311155262471215727249131702823714l62292411515830248说明：变量participant包含在数据中

8、，但不用输入SPSS。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(抑郁症)。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depression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

9、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，两个在括号的问号出现在therapy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l、2）。这些数字需要通过点击【定义组】来输入。4点

10、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“”。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统计显著性而言是否足够大。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

11、 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： H0：精神分析=认知行为（两组的总体方差相等） H1：精神分析认知行为（两组的总体方差不相等）T检验组统计量therapyN均值标准差均值的标准误depressionpsychoanalytic1556.00009.418832.43193cognitive-behavioral1545.00007.634511.97122独立样本检验方差方程的 Levene 检验均值方程的 t

12、 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depression假设方差相等.311.5823.51428.00211.000003.130504.5874717.41253假设方差不相等3.51426.850.00211.000003.130504.5750717.42493四、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

13、的沟通质量）。准确定义相依样本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，分别用于经济等级和国家安全。两个

14、变量分别命名为economy和security。3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：输入数据1点击【数据视图】标签。变量economy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

15、（）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著性。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

16、检验表格“成对样本检验”为我们的研究问题提供了答案，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 1economy5.7600251.16476.23295security4.6000251.77951.35590成对样本相关系数N相关系数Sig.对 1economy & security25.253.222成对样本检验成对差分tdfSig.(双侧)均值标准差均值的标准误差分的 95% 置信区间下限上限对 1economy - security1.160001.86369.37274.390711.929293

17、.11224.005五、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p0.05或0.01，接受原假设，互相独立；相反，如果p0.05或0.01，拒绝原假设，说明两事件有联系。（小拒绝大接受）（A）22表卡方检验例子一位研究员想调查性格类型（个性向的人、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

18、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22卡方表。分析：零假设为22列联表中列一“性格类型”与列二“休闲方式”之间独立。如果p0.05，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p

19、ersonality和activity建立变量值标签，对于personality，l=“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，我们在spss中输入数据。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，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(向逛游乐园、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

20、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，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l，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l，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

21、骤3：分析数据在执行检验之前，我们首先需要对frequency进行加权。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

22、中执行独立性检验。执行独立性检验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personality，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。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处理摘要案例有效的缺失合计N百分比N百分比N

23、百分比personality * activity100100.0%0.0%100100.0%personality* activity 交叉制表activity合计amusement parkretreatpersonalityintrovert计数122840期望的计数22.018.040.0personality 中的 %30.0%70.0%100.0%extrovert计数431760期望的计数33.027.060.0personality 中的 %71.7%28.3%100.0%合计计数5545100期望的计数55.045.0100.0personality 中的 %55.0%45.

24、0%100.0%卡方检验值df渐进 Sig. (双侧)精确 Sig.(双侧)精确 Sig.(单侧)Pearson 卡方16.835a1.000连续校正b15.1941.000似然比17.2301.000Fisher 的精确检验.000.000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 18.00。b. 仅对 2x2 表计算（B）(rc) 列联表的卡方检验当列联表不是22交叉表的时候，要判断总体的变量是否彼此独立，这时候自由度：df=（r-1）（c-1）。列联表形式(rc)列（c）合计123C行（r）123-rO11O

25、21O31Or1O12O22O32Or2O13O23O33Or3O1cO2cO3cOrcO1O2O3Or合计n1n2n3ncn方法同22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p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100100.0%0.0%100100.0%语言背景*

26、 错误类别交叉制表错误类别合计theaan无语言背景汉语计数12146840期望的计数13.615.25.65.640.0语言背景中的 %30.0%35.0%15.0%20.0%100.0%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)Pearson 卡方2.234a3.525似然比2.1943.533线性和线性组合1.8451.174