《spss数据处理小结：t检验、相关、二分类、散点图、箱图》由会员分享，可在线阅读，更多相关《spss数据处理小结：t检验、相关、二分类、散点图、箱图（19页珍藏版）》请在金锄头文库上搜索。
1、一.均值比较 ? (一).单样本t检验（one sample t test） 主要用于样本均数和已知总体均数的比较，还可以计算相应的描述性统 计计量及样本数据和总体均数只差的95%的可信区间。（当然你也可以做 75%，99%的可信区间，你也可以自己设置，95%和99%的可信区间比较常 用） 95%的可信区间：如该图1左侧的红色范围，是代表了数据的2.5%到97.5%的 内容。 ?图1-1 我们现在有个数据库，记录了糖尿病人的病历，以年龄为例，在一个有582 个样本（全部为糖尿病病人）的数据库里面，我们想知道糖尿病病人的主要 发病年龄，然后可以估算哪个年龄段是高发的。 ? 操作过程： 1.打开数
2、据库的“.sav”文件 2.分析比较均值单样本t检验，如图2 ? 图1-2 ? 3.弹出的主对话框： ? 图1-3 ? 4.如果你想设置99的可信区间就去“选项里面设置”，系统默认95%的可信区 间。 5.接着就是开始做数据了： ? 图1-4 ? 6.得到结果： 图1-5 首先我们在图5中可以看到样本数目是N=582个，均数标准差是 62.699.669。 （PS：高中统计学知识忘记了的我就不再这里意义赘述了，自行补脑吧） 下面的那个t我不是很了解是什么意思，一般的文章里面也没有用到。重要 的是Sig.（双侧）值，就是在常在文献中看到的p value，它要小于0.05才是 有意义的。而后面的“
3、差分的95%置信区间”的上下限，只要均值差值在可信 区间里面，并且置信区间没有包含0，就说明样本均数和总体均数的差异是 有统计学意义的。 ? （二）.独立样本t检验（independent-samples T test）【这个很常用】 ?独立样本t检验就是两样本均数比较的t检验，或称两样本t检验（two- sample t test）用来检验；用来检验两个样本的总体均数之间是否有统计学 差异。 ? 我们首先来看一个表格： ? 图6 这个表格一般是流行病学调研类文章必备的表格了，上面分为了“control”组 和“PCOS”组（不用去管它是什么意思）和后面的P value，然后最下面有 写明，数
4、据除非有特殊说明，都是用均值标准差的形式来表示的。 需要特殊说明的是，一般情况下，两组数据有统计学上的差异，就是后面的 那个P值要小于0.05当然我们会看到“0.05的结果一致。 接下来我们看一个结果 ? 图1-11 说明年龄的p值为0.717，性别的p值为0.047，NLR和白细胞总数的p值是小 于0.001的。 （我们在遇到做出来的结果表述为0.000时，其实我们得到的结果是小于 0.001） ? 假如你的分组有三个或者更多个，那么你就要做单方向方差分析（one-way ANOVA） 因为过程大概和t检验类似，我就只简叙述一下： 1.分析均数比较单向方差分析 2.把需要比较均值的变量放到上
5、面因变量表列中，在下面“因子”中添加分组 （PS：可能很多同学在分组上会遇到困难，简单介绍一下吧，你在需要分组 的那一列数据的旁边插入一列数据，在插入的新的数据中把所需要分组的数 据分别标上1，2，3组） 3.然后在选项中选择“描述性”然后点击继续，然后点击主面板的确定导出数 据。 4.数据的p值读取方法和独立样本t检验差不多的 图1-12 ?图1-13 ?二.相关性 ? （一）.双变量相关分析（Bivariate） ? 当分析两个变量之间是否存在相关关系时，使用双变量相关分析。 ? 接着我们刚刚的说，我们刚刚分析了，老年组的和非老年组的分别的胰岛素 抵抗的程度是不是显著差异的，但是我们这样就
6、能说明胰岛素抵抗和年龄这 一因素是没有相关性的吗？是否存在胰岛素抵抗的程度随着年龄的增长而增 长呢？我们来试着做一下吧。 ? 操作过程： 1.打开数据库的“.sav”文件 2.分析相关双变量 ? 图2-1 ? 3.进入之后选择要分析的两组数据：IR和年龄，pearson：矩阵相关系数， 参数方法（属于系统默认方法），剩下的两个均为非参数方法，自行补脑使 用。然后下面的双侧（尾）检验也是系统默认的。 ? 图2-2 ?4.然后就得到结果。 图2-3 ? 这个结果就是r=0.022，p等于0.603. 要在r大于0.5的情况下，表示两组的关系密切；而p值要小于0.05相关才成 立。 ? 接下来我们看
7、一下这一组数据：NLR和HbA1c的相关性 图2-4 ? 首先r=0.509，说明他们的相关是很密切的，而p0.001,说明相关是成立 的。然后在“.509”右上角现在是有两个*号，说明是显著相关的，假如说是一 个*号，说明只是p值小于0.05，相关成立，但是没有0.000显著。 ? 三. 回归分析（regression） ? （一）.曲线估计（curve estimation） ? 我们在刚刚的相关性中，做出了NLR和糖化血红蛋白是明显相关的，相关系 数是0.509，p是小于0.001的，但是假如说在一个图上，它又是怎样表现出 来的呢？所以我们现在就来学习一下，如何用曲线方程描述糖化血红蛋白
8、和 NLR的关系。 （ps：SPSS中有11种曲线可以选择，我会简单概述一下在不用直线作图 时，怎样选择曲线） ? 例子：为了研究糖化血红蛋白上升时，NLR的上升趋势，试做直线拟合。 ? 1.打开数据库“.sav”文件 2.分析回归曲线估计 ? 图3-1 ? 3.选择因变量，变量和模型（默认为线性，也最为常用）。 ? 图3-2 ? 4.然后点击“确认”导出数据。 ?对于该结果呢，首先最前 面有一个“R方（R square）”， 它表示一种得分，越多的点掉 在曲线的两侧，得分就高。然 后我们还要关注的就是参数估 计值了，有一个常数为1.203 和b1为0.151，而我们的方程 线性的，即:y=0
9、.151*x +1.203 ? 于是我们就得到了它们两者的 相关曲线。 ?图3-3 ? 于是有人就会问了，难道我们只能做直线吗?要是遇上要做其他曲线怎么办 呢？首先我来给大家介绍一下剩下的曲线吧。 图3-4 ?在模型输出的结果中：我们可以看到“倒数，二次，三次”的R方最高，尤其 是三次的，当然有的情况下，某些相关能做出R方接近1的，那么那样的曲 线就是非常复合该公式的曲线。 图3-5 我们确定好假如就选三次方程为最后的结果，那么，我们就可以得到该方程 为：y=1.727x3 -0.147x2+0.004x-4.009 然后我们也来看一下刚刚做出来的曲线吧。如图3-6箭头所指的就是三次方 的曲线
10、了。 ?图3-6 ?（二）二分类logistic回归（binary logistic） 首先不得不说的是，binary logistic的中文译名还有很多：二元逻辑回归，二 分变量回归分析，二进制逻辑回归等等记住英文就行了。至于中文的话， 我们学校出版的IBM SPSS19 统计学软件应用教程 第二版陈平雁 主编的 那本书上写的是二分类logistic回归，至于其他的命名，我就不追根溯源了。 ? logistic回归分析材料的应用，对于因变量俄日分类变量或者等级变量的材 料，可以用logistic回归分析一个或者多个因素对该变量的影响（就是大家长 听到的危险因素分析）。 ? 我们之前讨论了糖化
11、血红蛋白和NLR的相关性以及相关曲线是怎么做出来 的，那糖化血红蛋白对NLR是危险因素还是保护因素呢？我们就做一下二分 类logsitic回归试一下吧。 ? 操作步骤： 1.打开数据库 2.对你需要讨论的变量进行分组，如图 所示，分成了两组，糖化血红蛋白大 于6.40的分成了一组，小于等于6.40的 分成了另外一组。 ps：有的书中会 提到变量标记，如把 阴性的结果设为0，把阳性结果设成1 应用到我们这里来，就可以把糖化血 红蛋白超高的设置成1，没有过分界线 的写成0，这只是一个分组习惯而已。 ?图3-7 ? 3.分析回归二分类logistic回归 ?图3-8 4.选择你需要的变量和因变量，因
12、变量为你刚刚的分组依据 ? 图3-9 ? 我们有时候在文章里面还能看到95%的可行区间，我们只需要点击“选 项”键，然后再勾选“exp（B）的Cl”选项就可以了。 ? 图3-10 ? 5.点击确定，输出结果，最下面的一个表格是最后的结果，中间计算过程看 看就好了，以后学了统计学就能理解其中的含义，现在就不展开叙述了。 ? 图3-11 ? 我们可以看到常见的Sig.值NLR的p值小于0.001，说明只有NLR和糖化血红蛋白的模型具有统计学的意义。而Exp（B）为9.271，表示着是危险因素， （只要exp（B）值大于1就表示为危险因素，小于1表示保护因素，后面表 示Exp（B）值的95%的可信区
13、间；还需要注意的是，在有的软件中，或者 文章中，Exp（B）值是用OR值来表示的） ? 接下来我们看一个文章上的表格吧。 ? 每一组都会有 P值,OR值，和 95%的可信区 间。 ? 图3-12 ? 而假如说你的分类是三组，就要做多分类，过程同二分类相同，不加赘述。 ?四.统计图形 （一）.散点图 以我们刚刚做出曲线的HbA1c和NLR的方程为例，我们要做一个它们两者数 值变量之间的相关关系或者说是某个变量的个值分布。虽然曲线估计也能 做，但是我们有时候需要在图形上加很多的描述性的东西，所以我们常用到 散点图。 ? 操作步骤： 1.图形旧对话框散点/点状 ? 图4-1 ? 2.选择简单分布 ?
14、 图4-2 ? 3.分别选入X轴和Y轴的数据。 ? 图4-3 ?ps：我们要注意的第一点是“标题”，我们要根据自己的需要在标题，子标 题，脚注等地方添加文字。 ? 图4-4 ? 4.点击确认，数据结果。 ? 图4-5 ? 5.添加曲线（有需要才添加曲线，没有需要就不用了）：双击该图，激活曲 线编辑器。点击图4-6中的部分，填写方程式：0.151*x +1.203。 ? 图4-6 ?图4-7 6.导出结果。 ? 图4-8 ?（二）箱图 用来描述定量变量的5个百分位点，分别是整个数据2.5%，25%，50%， 75%和97.5%的点，由P25到P75来组成“箱”（box）箱内包含中间50%的数 据，由P2.5到P25和P75P97.5构成两条“丝”代表两段45%的数据。整个图用 来描述数据在人群的分布情况。 ? 1.打开数据库 2.图形旧对话框箱图 ? 图4-9 3.把变量和类别轴加进去。类别轴就是之前的分组。 ? 图4-10 ? 4.点击确定，输出结果，结果见
