《spss大数据正态分布检验》由会员分享，可在线阅读，更多相关《spss大数据正态分布检验（32页珍藏版）》请在金锄头文库上搜索。
1、wordspss 数据正态分布检验一、Z检验二、相关系数检验三、独立样本T检验四、相依样本T检验五、独立性检验 / 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：进展分析。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X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X围是5-35分更高的得分表示更健康的心理状态。在研究中根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Par
2、ticipant Meaning in Life Well-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 12 23 35 28 24 50 20 25 39 24 26 68 34
3、27 56 28 28 19 12 29 56 35 30 60 35说明：变量participant包含在数据中，但不用输入SPSS。在spss中输入数据与分析步骤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
4、，变量meaning和wellbeing出现在对话框的左边。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：同样的结果在相关性表格中出现了两次。生活意义和心理健康间的相关性相关性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wel
5、lbeing之间是否相关。注意在表格中meaning和wellbeing出现了两次，一次在行，一次在列这明确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
6、、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。30名患有抑郁症的病人随机分配承受两个疗法。其中15人承受行为治疗，另外15人承受精神分析治疗，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X围为1070)。在研究中根本的兴趣问题也可以用研究问题的方式表示，例如：“在承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
7、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。承受精神分析治疗的参与者标记为“1，承受认知行为治疗的标记为“2。独立样本t检验例子的数据ParticipantTherapyDepressionParticipantTherapyDepression1157162472161172423167182594163192375l512023561552124271452223881622324991412426110l362524311155262471215727249131702823714l6
8、2292411515830248说明：变量participant包含在数据中，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
9、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。对therapy，注意到前15个参与者为1精神分析治疗，后15个参与者为2认知行为治疗。这是独立样本t检验的通用步骤，用于区分开参与者在哪个样本中。步骤3：分析数据1从菜单栏中选择【分析比拟均值独立样本 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
10、头按钮把变量移到【分组变量】框中。在【分组变量】框中，两个在括号内的问号出现在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
11、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 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“组统计表提供了两个治疗组精神分析与认知行为的均值。如果原假设被拒绝，我们就可以根据该表确定哪一组的抑郁分数均值较低。组统计量therapyN均值标准差均值的标准误depressionpsychoanalytic15cognitive-behavioral15独立样本检验方差方程的 Levene 检验均值方程的 t 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.311.58228.002假设方差不相等.002因为0.02的p值小于0.05，所以两组均值相等的原假设被拒绝。根据“组统计量表中确定哪一组的抑郁分数均值较低认知行为组较低。
