《统计分析学习总结2》由会员分享，可在线阅读，更多相关《统计分析学习总结2（5页珍藏版）》请在金锄头文库上搜索。
1、统计分析学习总结 应用统计分析课程学习总结 在学期开始时,老师就语重心长的告诉我们。一定要好好听应用统计分析的课,那个sss软件非常有用，以后写论文肯定要用到。尽管心里也是一再暗示自己要好好学,但是因为其他原因，学习的效果并没有预期中的那么理想,课程结束后依旧是模模糊糊，好多知识还真的是一知半解。通过回顾课程内容,阅读老师发来的spss电子书,我简略总结一下自己这学期所学到的基本内容。 spss社会科学统计软件是世界著名的统计分析软件之一,sss作为数据统计分析的重要工具,其操作是属于技术方面的,关键在于数据的收集描述和分析以及后期数据处理时的假设检验方法的选择。通俗一点说，使用spss可以从
2、一堆看似杂乱无章的数字中找到联系，发现数据之间的影响关系。这就是pss的神奇之处,这也就是我们作为研究生在实证研究时使用spss的目的和用途。 描述性统计是进行其他统计分析的基础和前提。利用这些基本统计方法,可以对要分析数据的总体特征有比较准确的把握，同时也为更深入的分析提供了依据。在商业分析中,通常需要进行组与组之间平均水平的比较。检验方法，就是主要用来进行两个样本间的比较。t检验的基本原理是:首先假设零假设h0成立，即样本间不存在显著差异，然后利用现有样本根据t分布求得t值，并据此得到相应的概率值p,若p，则拒绝原假设，认为两样本间存在显著差异。sss中“analyz”菜单中的“opare
3、a”可用于均值检验，其子菜单中的“oe-sampletet”用于单一样本检验;“ideen-sampletts”用于两独立样本t检验；“baire-samplestt”用于两配对样本t检验。方差分析用于两个及两个以上样本均值差异的显著性检验。方差分析的基本思想是：通过分析研究中不同变量的变异对总变异的贡献大小,确定控制变量对研究变量影响力的大小。通过方差分析,分析不同水平的控制变量是否对结果产生了显著影响。如果控制变量的不同水平能够对结果产生显著影响,那么它和随机变量共同作用，必将使结果有显著变化。单因素方差分析所解决的是一个因素下的多个不同水平之间的相关问题;多因素方差分析的控制变量在两个或
4、两个以上,其主要用于分析多个控制变量的作用、多个控制变量的交互作用以及其他随机变量是否对结果产生了显著影响;协方差分析将那些很难控制的因素作为协变量,在排除协变量影响的条件下，分析控制变量对观察变量的影响,从而更准确地对控制因素进行评价。单因素方差分析主要用“alss”的“comrmn”菜单下的“onewyanova”子菜单实现；多因素方差分析和协方差分析都是在“analyis”下“geneiermoel”菜单下的“variate”子菜单实现的。相关分析即是用适当的统计指标来衡量事物之间，以及变量之间线性相关程度的强弱。相关分析的方法很多，包括简单相关分析、偏相关分析和距离相关分析。简单相关分
5、析包括定距变量的相关分析和定序变量的相关分析。前者通过计算定距变量间的相关系数来判断两个或两个以上定距变量之间的相关程度。后者则采用非参数检验的方法利用等级相关系数来衡量定序变量之间的相关程度;偏相关分析是指在排除了第三者影响的前提下,衡量两个变量之间的相关程度，当然第三者与这两个变量之间要有一定的联系;距离相关分析是对观测变量之间差异度或相似程度进行的测量。回归分析是研究变量与变量之间联系的最为广泛的模型。在实际中,根据变量的个数、类型，以及变量之间的相关关系，回归分析通常分为一元线性回归分析、多元线性回归分析、非线性回归分析、曲线估计、时间序列的曲线估计、含虚拟自变量的回归分析和逻辑回归分
6、析等。一元线性回归只涉及一个自变量的回归问题;多元线性回归用于解决两个或两个以上自变量对一个因变量的数量变化关系问题；非线性回归主要解决在非线性相关条件下,自变量对因变量的数量变化关系;时间序列的曲线回归用于研究因变量与时间之间的变化关系；当遇到非数量型变量时，通过引入虚拟变量来构造含虚拟变量的回归模型;ogistic回归分析是对定性变量进行的回归分析。spss中“analyze”/“rgession”菜单可用于回归统计分析。其中，一元线性回归、多元线性回归和含虚拟变量的回归分析可由“linar”子菜单完成;非线性回归分析、曲线估计和时间序列的曲线估计可由“crvestimaion”子菜单完成
7、;逻辑回归分析可由“inarylogistic”子菜单完成。 结构方程模型又称协方差结构模型，它主要是在心理、行为、教育、和社会科学等学科的实际应用中发展起来的一个研究方向。结构方程模型是验证性因子分析和因果模型的结合体,所包含的因子模型又称为测量模型，其中的方程成为测量方程，描述了潜变量与观察变量之间的关系,所包含的因果模型又称为潜变量模型，也称为结构模型，描述了潜变量之间的关系。结构方程模型具有诸多好处,可以同时处理多个因变量，容许自变量和因变量含测量误差,同时估计因子结构和因子关系,容许更大弹性的测量模型，估计整个模型的拟合程度。 以上是对每一部分内容的简要概述，其中更深层的内容仍需要更
8、深刻的理解。课程虽然结束了，但是对spss的学习不能停止,因为自己还不能独自熟练的操作这个软件,还不能依靠这个软件为自己的论文或科研做出一些成果。ss是极其实用的，学习不能止步。很是希望能够把spss的应用熟练操作,并且能把它变为自己的一种技能,使自己在今后的工作与学习中,可以轻松运用。内容总结（1)统计分析学习总结 应用统计分析课程学习总结 在学期开始时，老师就语重心长的告诉我们（2）相关分析的方法很多，包括简单相关分析、偏相关分析和距离相关分析(3）当遇到非数量型变量时,通过引入虚拟变量来构造含虚拟变量的回归模型（4)ogsti回归分析是对定性变量进行的回归分析(5）p中“alye”/“greon”菜单可用于回归统计分析
