SPSS复习重点突击帮您搞定SPSS

复习

题型 选择+填空– 2分×10题

上机操作– 20分×4题

– 或10分2题，20分3题

第一讲 引言 数字特性– 区分性、等级性、等距性、可加性

测量的量表种类– 类别、顺序、等距、等比

离散和连续变量 总体、个体与样本– 大小样本的区分

抽样的方法– 随机、分层、整群、便利

SPSS的基本窗口与文件名类型

第二讲 数据文件的建立与编辑 数据文件的录入– Variable View – 变量定义 变量名(注意事项)、类型等

– 其他数据系统数据转入方式 Excel、txt、SAS、dBase等

– 句法录入数据 固定/自由句法以及区别

变量名 以字母、汉字或@符号开头，其他字符可为任 何字母、数字或_、@、#、$等，不能使用空白 符或“?”和“!”等，不能以“。”结尾； 总长不超过8个字符(4个汉字，低版本SPSS); 变量名不能重复(不区分大小写); ALL、AND、WITH、OR、NOT、TO、BY、GT、 GE、LT、LE、EQ、NE这13个单词不能作变量名； ANOVA、CORR等也不能作变量名

数据的编辑与变换1. 2. 3. 4. 增加或删除一个个案 数据的排序 Data Sort Cases 数据的行列转换 Data Transpose 选择个案子集 Data Select Cases 7. 6. 5. 数据分类汇总(平均数) Data Aggregate 从其他文件中增加样本 Data Merge files Add cases 数据的分割 Data Split files

8.

数据次序的确定 Transform Rank(新生 成变量标志排在第几位)

变量的操作1. 2. 3. 4. 增加或删除一个变量 对变量进行加权 Data Weight Cases

6.

对变量值进行分组 Transform Categorize Variables

根据已有变量产生新变量 Transform Compute

7.

对变量值进行重新赋值 Categorize Variables只能规 定组数，不能规定分类标 准Transform Recode

对已有变量进行计数 Transform Count

5.

从其他文件中增加变量 Data Merge files Add variables

第三讲 描述性统计分析(填空选择) Analyze Descriptive statistics– Descriptives:平均数、标准误、标准差、方差、全距、偏度、峰 度、标准Z分数(每一个怎么做) – Frequencies:平均数、标准误、标准差、方差中位数、众数、全 距、四分位、十分位、百分位数、频数分布表、峰度、偏度 – Explore:部分描述性统计、中心值估计、5个最大最小值、 百分 位数(5%-95%,10%-90%,25%-75%,50%)、极端值、箱图、茎 叶图、直方图、方差齐性检验、正态分布检验(了解做法意义结 果怎么解释) – 掌握它们的做法、意义、结果怎么看、解释等 正偏、负偏、坡急/缓、从箱图看极端值、从QQ图看正态与否等

第四讲 常用统计分析图(选填)

条形图：主要表现大小(情况下试用)– 简单、复式(注意cluster和横坐标的定义)、分段(怎 么做)SIMPLE CLUSTER STACKED – 不同个案在某个变量(参数)上的分组情况、若干变

量或参数分布情况、个案的取值情况

线图：主要表现趋势变化(单线、多线) 圆图：比例 误差条形图：离散程度

第五讲 差异性t检验操作 T分布与Z分布的关系 单样本差异性t检验(齐性检验)– 目的：该样本是否来自于某一总体

– 已知总体平均数和样本的每一个观测值– Compare Means One Sample T-test,注意填入Test Value – 当虚无假设成立的概率小于0.05时，则拒绝虚无假设， 认为该样本与这个总体存在显著性差异，反之则认为 该样本与这个总体没有显著性差异。

两个独立样本的差异性t检验– 两个独立的对等组接受不同的实验处理(间),即在不同的条件下接受 观测，得到两组独立的数据(存在一个分组的自变量);来自两个不同 总体的样本在相同条件下接受观测，得到两组独立的数据(存在一个分 组的准自变量);已知两个样本的每一个观测值 – 一列分组变量，一列观测值 – Compare Means Independent Sample T-test,注意填入Grouping Variable – 组代号填上

两个配对样本的差异性t检验(被试内)– 根据某种预测成绩对被试进行配对分组得到两个样本，分别进行不同控 制条件下的观测，得到的两组数据就具有一定关联性；或者一组被试参 加了不同条件下的观测，得到的两组数据也具有关联性，这种测量被称 为重复测量。 – 两列在不同条件下观测到的值 – Compare Means Paired Sample T-test

第六讲 方差分析操作 因素性实验的核心检验方法，其主要方法是通过分析不 同变量对于总变异的贡献大小，来确定该变量对研究结 果影响力的大小。

单因素完全随机实验设计方差分析(Means One way ANOVA)齐性检验– 来自三个以上不同总体的独立被试组在相同条件下接受同样的观 测，得到三组以上的独立数据组； – 一般要求因变量必须是连续测量的数据或近似于连续变化的数据； – 数据总体为正态分布、各数据样本方差齐性。

– 注意：数据格式中，自变量一列，因变量一列。

其它选项： 1.Post Hoc:多重比较，常用LSD、Bonferroni(可 以自定义α值)、S-N-K、Tukey (不可以自定义α值， 只能为0.05)方法，三个以及以上个水平才能做多重比

较。2.Options:常用Descriptive描述各个水平的变量参数

(平均数等),Homogeneity of variance test进行齐性检验。还可以做平均数折线图。

多因素完全随机实验设计方差分析– 当研究的自变量或准自

变量不只一个，每个自变量 的水平在两个以上时，就会结合出四个以上的实验 处理。将选取来的被试分成四个独立组，每个组被 试只接受一种条件下的实验观察，则构成多因素完 全随机实验设计。 – 数据总体为正态分布、各数据样本方差齐性

– General Linear Model Univariate– 数据格式中，每个自变量各占一列，因变量一列

如果进行简单效应检验，可执行类似于下的句法 命令： MANOVA SCORE by A(1,2) B(1,2) /design(此句要求先输出完整的方差分析表) /design=A within B(1) A within B(2) B within A(1) B within A(2). (ANOVA命令中不能做简单效应检验)

单因素重复测量实验设计方差分析– 当研究的自变量只有一个，该变量的水平在两个以上时， 就会出现超出两个的实验处理。将选取来的被试作为一个 被试组完成所有实验处理，则构成单因素重复测量实验设 计，即组内实验设计。 – 当使用的是相同的被试而非同质的被试时，无需进行同质 性检验。

– General Linear Model Repeated Measures(协方差)– 变量有几个水平，就有几列数据 – 球形检验：当每个因素超过两个水平时候才进行，默认计 算，Mauchly’s test表