spss的运用---统计处理及其教育应用

《spss的运用---统计处理及其教育应用》由会员分享，可在线阅读，更多相关《spss的运用---统计处理及其教育应用（45页珍藏版）》请在金锄头文库上搜索。

1、SPSS的应用 统计处理及其教育应用,一、统计处理在教育技术研究中的作用,科学研究的计量化过程，经历过三个主要发展阶段，即从精确数学到随机数学，到现代的模糊数学。 经典的精确数学，如数学分析、微分方程，它是用于研究必然现象或确定性的关系，主要用于自然科学领域。 随机数学，如随机过程理论、数理统计，它是用来研究偶然现象，从纷乱的、大量的偶然现象中去探索必然的规律，在社会科学领域中得到广泛的应用。 模糊数学，如模糊集合论，它是用来研究非精确现象，现在广泛地应用于社会科学和思维科学领域。 教育技术学研究的对象是学习过程和学习资源，包含大量的偶然现象和非精确现象。因此，要深入研究教育技术现象及其规律，

2、必须运用统计描述、统计分析方法和模糊数学分析方法。,二、SPSS统计软件概述,SPSS是专业的通用统计软件包，它是一个组合式软件包，兼有数据管理、统计分析、统计绘图和统计报表功能，界面友好，使用简单，广泛用于教育、心理、医学、市场、人口、保险等研究领域，也用于产品质量控制、人事档案管理和日常统计报表等。 SPSS统计软件采用电子表格的方式输入与管理数据，能方便地从其他数据库中读入数据（如Dbase，Excel，Lotus等）。它的统计过程包括描述性统计、平均值比较、相关分析、回归分析、聚类分析、数据简化、生存分析、多重响应等几大类，每类中又下含同类多种统计过程,二、SPSS统计软件概述,SPS

3、S的功能特点： （一）SPSS的数据编辑功能 （二）表格的生成和编辑 （三）图形的生成和编辑 （四）与其他软件的联接 （五）SPSS的统计功能,二、SPSS统计软件概述,SPSS的统计功能 1样本数据的描述和预处理 2假设检验（包括参数检验、非参数检验及其他检验） 3方差分析（包括一般的方差分析和多元方差分析） 4列联表 5相关分析 6回归分析 7对数线性分析 8聚类分析 9判别分析 10因子分析 11对应分析 12时间序列分析 13生灭分析 14可靠性分析,二、SPSS统计软件概述,利用SPSS进行统计处理的基本过程： （一）数据的录入 （二）数据的预分析 （三）统计分析 （四）统计结果可视

4、化 （五）保存和导出分析结果,SPSS的应用 利用SPSS进行统计描述,一、统计描述方法,统计描述方法，是研究简缩数据并描述这些数据的统计方法。将搜集来的大量数据资料，加以整理、归纳和分组，简缩成易于处理和便于理解的形式，并计算所得数据的各种统计量，如平均数、标准差、以及描述有关事物或现象的分布情况、波动范围和相关程度等，以揭示其特点和规律。,一、统计描述方法,次数分布：又称次数分配。是指总体或样本按随机变量（数据）大小次序在出现频率上的排列。一般采用次数分布表、次数分布直方图或次数分布曲线来表示。 1次数分布表 为了显示该组样本在不同分数段中的次数分布情况，我们对该数组进行次数分布统计，编制

5、出该数组的次数分布表。 （1）求全距：最大数最小数=9851=47 （2）定组数，一般1020组为宜。 （3）定组距，组距=（全距+1）/组数=（47+1）/10=4.7(取5) （4）定组限，95-100，90-95，85-90等 （5）求组中值：组中值=（上限+下限）/2，如95-100一组， 其组中值=（100+95）/2=97.5 （6）归类 把原始数据，分别归到相关组中，得出次数分布表。,一、统计描述方法,2次数分布曲线 根据这个次数分布表，可绘出对应的次数分布直方图、次数分布曲线和积累次数曲线，分别如图13-8、图13-9和图13-10所示。为了分析次数分布曲线的特征，我们可以把它

6、与正态分布曲线相比较来进行研究。,二、 -S平面特征数据分析模型,为了综合地、直观地考察样本组的整体统计特征，我们给出一个平均数标准差的平面分析模型。模型中的横坐标表示平均分的大小，而纵坐标则表示标准差的大小，坐标原点以常态作参考标准（75，S10）。用 、S两个参数，可以确定样本组落在平面的某一个象限，而不同的象限，将代表样本组具有不同的统计特征。,SPSS的应用 利用SPSS进行统计检验,一、统计检验的基本原理,统计检验是先对总体的分布规律作出某种假说，然后根据样本提供的数据，通过统计 运算，根据运算结果，对假说作出肯定或否定的决策。如果现要检验实验组和对照组的平均数（1和2）有没有差异，

7、其步骤为： 1建立虚无假设，即先认为两者没有差异，用H0：1=2 表示； 2通过统计运算，确定假设H0成立的概率P 3 根据P 的大小，判断假设H0是否成立。,二、大样本平均数差异的显著性检验Z检验,Z检验法适用于大样本（样本容量大于30）的两平均数之间差异显著性检验的方法。它是通过计算两个平均数之间差的Z分数来与规定的理论Z值相比较，看是否大于规定的理论Z值，从而判定两平均数的差异是否显著的一种差异显著性检验方法。其一般步骤： 第一步，建立虚无假设H0：1=2 ，即先假定两个平均数之间没有显著差异。 第二步，计算统计量Z值，对于不同类型的问题选用不同的统计量计算方法。 第三步，比较计算所得Z

8、值与理论Z值，推断发生的概率，依据Z值与差异显著性关系表作出判断。 第四步，根据是以上分析，结合具体情况，作出结论。,三、小样本平均数差异的显著性检验t检验,t检验是用于小样本（样本容量小于30）时，两个平均值差异程度的检验方法。它是用t分布理论来推断差异发生的概率，从而判定两个平均数的差异是否显著。其一般步骤如下： 第一步，建立虚无假设H0：1=2 ，即先假定两个总体平均数之间没有显著差异。 第二步，计算统计量t值，对于不同类型的问题选用不同的统计量计算方法。 第三步，根据自由度df= n-1，查t值表，找出规定的t理论值（见附录）并进行比较。理论值差异的显著水平为0.01级或0.05级。不

9、同自由度的显著水平理论值记为t (df)0.01和t (df)0.05 第四步，比较计算得到的t值和理论t值，推断发生的概率，依据表13-15给出的t值与差异显著性关系表作出判断。 第五步，根据是以上分析，结合具体情况，作出结论。,四 、 检验,上述Z检验和t检验，通常用于计量资料的分析。但在教育技术研究中，还常遇见按品质分类的资料，如对问题的答案分对、错两种，对能力分优、良、中、差、劣几种，对情绪反应分强、中、弱三种。对这一类计数资料的差异程度检验，就要利用用检验。 检验属于拟合优度型检验，适用于具有明显分类特征的某种数据，用来检验属于某一类别的对象或反映的个案数与根据零假设所得期望数目之间

10、是否有显著差异。,SPSS的应用 量表分析,一、因素分析的基本原理 二、应用SPSS进行因素分析的步骤 三、对SPSS因素分析结果的解释,一、因素分析的基本原理,因素分析就是将错综复杂的实测变量归结为少数几个因子 的多元统计分析方法。其目的是揭示变量之间的内在关联 性，简化数据维数，便于发现规律或本质。 因素（因子）分析（Factor Analysis)的基本原理是根据 相关性大小把变量分组，使得同组变量之间的相关性较 高，不同组变量之间相关性较低。每组变量代表一个基本 结构，这个结构用公共因子来进行解释。 因素分析的目的之一，即要使因素结构的简单化，希望以最 少的共同因素，能对总变异量作最大

11、的解释，因而抽取得因 素愈少愈好，但抽取因素的累积解释的变异量愈大愈好。 在因素分析的共同因素抽取中，应最先抽取特征值最大的共 同因素，其次是次大者，最后抽取共同因素的特征值最小， 通常会接近0。,因子分析数学模型,Z1= a11F1 + a12F2 + + a1mFm + 1 Z2= a21F1 + a22F2 + + a2mFm + 2 Zp= ap1F1+ ap2F2 + + apmFm + p 其中Z1 Zp 代表有i p个实测变量； F1 Fm代表有j m个公共因子； 负荷量：a11 apm代表变量Zi与因子Fj上的相关系数rij，它反映了Zi依赖于因子Fj的程度，也反映了Zi在因子

12、Fj上的相对重要性。,因子分析案例,F1 体现逻辑思维和运算能力，F2 体现空间思维和推理能力,因子分析几个基本概念,因子负荷量-是指因素结构中原始实测变量与因素分析时抽取出共同因素的相关程度。在因素分析中，用两个重要指标“共同度”和“特殊因子”描述。 共同度-就是每个变量在每个共同因素之负荷量的平方总和（一横列中所有因素负荷量的平方和）。从共同性的大小可以判断这个原始实测变量与共同因素间之关系程度。如共同度h1=(0.896)平方+(0.341)平方=0.919。 特殊因子-各变量的唯一因素大小就是1减掉该变量共同度的值。如 i=1- 0.919 = 0.081,特征值-是每个变量在某一共同

13、因素之因素负荷量的平 方总和（一直行所有因素负荷量的平方和）。 如F1的特征值 G=（0.896）平方+（0.802）平方 +（0.516）平方+（0.841）平方 +（0.833）平方=3.113 特征值的总和等于实测变量的总数 方差贡献率-指公共因子对实测变量的贡献， 又称变异量 方差贡献率=特征值G/实测变量数p， 如F1的贡献率为3.113/5=62.26%,二、应用SPSS进行量表分析的步骤,（01）建立数据文件,（02）选择分析变量 选SPSS Analyze菜单中的（Data Reduction） （Factor）,出现【 Factor Analysis】对话框； 在【 Fact

14、or Analysis】对话框中左边的原始变量中，选择将进行因素分析的变量选入（Variables）栏。,（03）设置描述性统计量 在【 Factor Analysis】框中选【 Descriptives】 按钮，出现【 Descriptives 】对话框； 选择 Initial solution （未转轴的统计量）选项 选择KMO 选项 点击（Contiue）按钮确定。,（04）设置对因素的抽取选项 在【 Factor Analysis】框中点击【Extraction】按钮, 出现【 Factor Analysis:Extraction】对话框， 在Method 栏中选择（Principal

15、 components）选项； 在Analyze 栏中选择Correlation matrix选项； 在Display 栏中选择Unrotated factor solution选项； 在Extract 栏中选择Eigenvalues over 并填上 1 ； 点击（Contiue）按钮确定，回到【 Factor Analysis】 对话框中。,（05）设置因素转轴 在【 Factor Analysis】对话框中，点击【Rotation】 按钮，出现 【 Factor Analysis:Rotation 】（因素分析： 旋转）对话框。 在Method 栏中选择 Varimax（最大遍变异法）,

16、 在Display栏中选择 Rotated solution（转轴后的解） 点击（Contiue）按钮确定，回到【 Factor Analysis】 对话框中。,（06）设置因素分数 在【 Factor Analysis】对话框中，点击【Scores】 按钮，出现 【 Factor Analysis: Scores 】（因素分析： 分数）对话框。 一般取默认值。 点击（Contiue）按钮确定，回到【 Factor Analysis】 对话框。,（07）设置因素分析的选项 在【 Factor Analysis】对话框中，单击【Options】 按钮，出现 【 Factor Analysis:Options 】（因素分析：