教育統(tǒng)計(jì)與SPSS運(yùn)用

SPSS10.0采用窗口標(biāo)簽把數(shù)據(jù)窗設(shè)置成兩種形式：一種是數(shù)據(jù)窗口，用于輸入與編輯數(shù)據(jù)，一種是變量窗口，用于編輯與修改變量。在左下角以Dataview和Variableview的字樣出現(xiàn)。

因而在進(jìn)行描述統(tǒng)計(jì)分析之前，必須先了解數(shù)據(jù)文件的建立。一、數(shù)據(jù)文件的建立要建立一個(gè)數(shù)據(jù)文件，一般先在變量窗口定義變量及其屬性，然后在數(shù)據(jù)窗口錄入數(shù)據(jù)，最后對(duì)數(shù)據(jù)文件保存命名（擴(kuò)展名為*.sav）。也可以將數(shù)據(jù)保存為其他格式的數(shù)據(jù)文件，如數(shù)據(jù)庫文件、Excel文件等。例如：“丈夫教育水平”數(shù)據(jù)文件的建立。其步驟為在變量窗口中建立變量，然后在數(shù)據(jù)窗口中輸入數(shù)據(jù)，最后保存即可。數(shù)據(jù)文件建立以后，接下來就可以對(duì)這批數(shù)據(jù)進(jìn)行處理和分析了。如：[1].對(duì)“丈夫教育水平”進(jìn)行高低順序排列

[2].繪制其直方圖，并用描述統(tǒng)計(jì)量對(duì)其分布進(jìn)行描述。其操作如下：問題[1]：data/SortCases對(duì)觀測(cè)值進(jìn)行排序問題[2]：Analyze/descriptivestatistics/frequencis

描述統(tǒng)計(jì)分析中的頻數(shù)分析對(duì)于問題[2]，如果不繪制直方圖，其描述統(tǒng)計(jì)量也可以在Analyze/descriptivestatistics/descriptives中進(jìn)行。二、描述統(tǒng)計(jì)分析實(shí)例講解（一）統(tǒng)計(jì)分析圖及統(tǒng)計(jì)量計(jì)算研究問題[1]：大五人格調(diào)查中浙江省大學(xué)生樣本的年級(jí)分布圖研究問題[2]：大五人格調(diào)查中浙江省大學(xué)生樣本的學(xué)校百分比結(jié)構(gòu)圖研究問題[3]：計(jì)算出大學(xué)生在大五人格問卷中的總分，繪制其分布圖，并用相應(yīng)的統(tǒng)計(jì)量加以描述問題[1][2]的操作：Analyze/descriptivestatistics/frequencis

描述統(tǒng)計(jì)分析中的頻數(shù)分析問題[3]設(shè)計(jì)到兩個(gè)操作1.求量表總和：Transform/compute中求和函數(shù)完成。2.Analyze/descriptivestatistics/frequencis

描述統(tǒng)計(jì)分析中的頻數(shù)分析（二）相關(guān)分析（Analyze/Correlate/Bivariate）對(duì)于相關(guān)分析，我們先計(jì)算出相關(guān)系數(shù)，還必須說明這個(gè)相關(guān)系數(shù)有無實(shí)際意義。相關(guān)系數(shù)統(tǒng)計(jì)意義的檢驗(yàn)：由于抽樣誤差的存在，樣本中兩個(gè)變量間相關(guān)系數(shù)不為0，不能說明總體中這兩個(gè)變量間的相關(guān)系數(shù)不為0，因此相關(guān)系數(shù)計(jì)算出來能否說明變量之間的關(guān)系密切程度還需要進(jìn)行顯著性檢驗(yàn)（TestofSignificance）。

如果在相關(guān)系數(shù)的右上角標(biāo)有*或其sig值小于0.05，則表明這個(gè)相關(guān)系數(shù)有實(shí)際意義。研究問題[1]：利用“身高與體重相關(guān).sav”計(jì)算其相關(guān)系數(shù)。（Pearson）研究問題[2]：利用“學(xué)習(xí)與紀(jì)律相關(guān).sav”計(jì)算其相關(guān)系數(shù)。(Spearman)練習(xí)：（bigfive1.sav）[1]計(jì)算大學(xué)生在各分量表上的總分[2]計(jì)算個(gè)各分量表的描述統(tǒng)計(jì)量[2]計(jì)算大學(xué)生在大五人格利他性和道德感兩個(gè)分量表上的相關(guān)。（注：各分量表包含的題目見“大五”人格問卷.doc）第二個(gè)專題：推斷統(tǒng)計(jì)分析及其應(yīng)用推斷統(tǒng)計(jì)是以描述統(tǒng)計(jì)為基礎(chǔ)，以解決由局部到全體的推論問題，即通過對(duì)一組統(tǒng)計(jì)量的計(jì)算分析，推論該組數(shù)據(jù)所代表的總體特征。推斷統(tǒng)計(jì)一般包括總體參數(shù)的估計(jì)和假設(shè)檢驗(yàn)這兩方面的內(nèi)容。假設(shè)檢驗(yàn)是一種統(tǒng)計(jì)的推理過程。其方法是首先對(duì)于所研究的問題建立假設(shè)，但檢驗(yàn)時(shí)并不直接驗(yàn)證它，而是提出與此假設(shè)對(duì)立的假設(shè)，然后通過論證給出相應(yīng)的顯著性水平。

第一章平均數(shù)的假設(shè)檢驗(yàn)（CompareMeans）心理與教育研究中，許多情況下都不可能對(duì)總體中的所有成員進(jìn)行研究，這樣就需要抽取樣本，即從總體中隨機(jī)抽取一定數(shù)量的樣本，進(jìn)行研究來推論總體的特征。均值比較就是看兩個(gè)樣本中某變量均值不同，其差異是否具有統(tǒng)計(jì)意義，即能否通過樣本平均數(shù)之間的差異去推論總體之間確實(shí)存在差異.

如浙江省大學(xué)生在大五人格各分量表得分上有無性別差異？要解決這個(gè)問題，其步驟為：建立假設(shè)——檢驗(yàn)假設(shè)——作出結(jié)論。一、關(guān)于假設(shè)：無性別差異

:有性別差異

虛無假設(shè)是統(tǒng)計(jì)推論的出發(fā)點(diǎn)，人們?cè)谶M(jìn)行研究時(shí)，總是從虛無假設(shè)出發(fā)，通過計(jì)算某一檢驗(yàn)統(tǒng)計(jì)量來推翻虛無假設(shè)，從而得到希望證實(shí)的研究假設(shè)二、統(tǒng)計(jì)決策的原理

統(tǒng)計(jì)決策的原理是“小概率事件原理”。

在一次隨機(jī)抽樣中小概率事件不會(huì)也不可能發(fā)生，小概率事件的小概率記為，稱為顯著性水平（Levelofsignificant），所謂顯著性水平就是研究者拒絕真的虛無假設(shè)之最大概率值，通常取0.10，0.05，0.01三個(gè)值比較多。

在spss中，如果sig<0.05或帶有*（在文章中寫作p<0.05），就可以拒絕原假設(shè)，從而接受研究假設(shè)。三、檢驗(yàn)統(tǒng)計(jì)量值（t檢驗(yàn)與t值）平均數(shù)差異的檢驗(yàn)均可以采用t檢驗(yàn)，t值的計(jì)算為：t=(平均數(shù)之差)/SEt值計(jì)算出來后，應(yīng)該與臨界值比較，如果t值大于臨界值，此時(shí)sig<0.05(p<0.05)，則拒絕原假設(shè)，接受研究假設(shè)，即認(rèn)為平均數(shù)之間存在顯著性差異。四、平均數(shù)假設(shè)檢驗(yàn)的內(nèi)容（Analyze/CompareMeans/）（一）單總體平均數(shù)差異顯著性檢驗(yàn)（onesamplettest）（二）兩獨(dú)立總體平均數(shù)差異顯著性檢驗(yàn)（independent-samplesttest）（三）兩相關(guān)總體平均數(shù)差異顯著性檢驗(yàn)（paired-samplesttest）（四）單因素方差分析（One-WayANOVA）（一）單總體平均數(shù)差異顯著性檢驗(yàn)（onesamplettest）

這種檢驗(yàn)是把一個(gè)樣本平均數(shù)與總體平均數(shù)比較，檢驗(yàn)其是否有顯著性差異。（1）研究問題[1]：假定大五人格適應(yīng)性分量表常模分為15，則浙江省大學(xué)生適應(yīng)性與常模比較有無顯著性差異？（原假設(shè)為：無顯著差異）（2）操作過程：Analyze/comparemeans/OnesampleTtest把適應(yīng)性從變量框中從入testvariable框中，在testvalue中輸入15，15即為常模分?jǐn)?shù)或稱總體平均數(shù)。（3）結(jié)果說明：表格一是樣本的描述統(tǒng)計(jì)量（樣本容量、樣本平均數(shù)、樣本標(biāo)準(zhǔn)差、標(biāo)準(zhǔn)誤）；表格二是檢驗(yàn)的結(jié)果（檢驗(yàn)統(tǒng)計(jì)量t值、顯著性水平sig）。結(jié)論為：t=-16(p<0.01)，拒絕原假設(shè)，即認(rèn)為浙江大學(xué)生在適應(yīng)性上與常模有顯著性差異。注：t=（樣本平均數(shù)-總體平均數(shù)）/標(biāo)準(zhǔn)誤=（13.01-15）/0.12=-16（二）兩獨(dú)立總體平均數(shù)差異顯著性檢驗(yàn)（independent-samplesttest）

這種檢驗(yàn)是通過對(duì)兩個(gè)獨(dú)立樣本的平均數(shù)的比較，看其來自的兩個(gè)獨(dú)立總體平均數(shù)是否有顯著性差異。（1）研究問題[2]：大學(xué)生在大五人格的五個(gè)方面有無性別差異？（注：目的是通過浙江省大學(xué)生樣本平均數(shù)檢驗(yàn)大學(xué)生總體平均數(shù)有無性別差異，用性別這個(gè)變量把大學(xué)生分成獨(dú)立的兩部分。）（2）操作過程：Analyze/comparemeans/Independent-samplesTtest，把表示五個(gè)分量表的變量送入testvariable中，把sex變量送入groupingvariable中，點(diǎn)擊definegroups按鈕定義組別。（3）結(jié)果說明：表格一是兩樣本的描述統(tǒng)計(jì)量值（與前同）；表格二是t檢驗(yàn)的結(jié)果。這個(gè)結(jié)果需要分兩步看，先看F檢驗(yàn)（方差齊性檢驗(yàn)）后面的sig，方差是否齊性決定了我們t檢驗(yàn)的結(jié)果是看第一欄還是看第二欄。如果F值后面的sig<0.05，則表明方差不齊性，t檢驗(yàn)的結(jié)果應(yīng)該看第二欄的（如適應(yīng)性：t=0.495,p>0.05；利他性：t=2.892，p<0.05），否則應(yīng)該看第一欄的結(jié)果（如社交性、開放性、道德感）。經(jīng)過檢驗(yàn)發(fā)現(xiàn)大學(xué)生在利他性上存在性別差異，而在其他方面均不存在性別差異。如果1表示男大學(xué)生生，2表示女大學(xué)生的話，則男大學(xué)生傾向于高利他性，即信任的、謙虛的、合作的、坦白的、不喜沖突的；女大學(xué)生傾向于低利他性即懷疑的、攻擊性的、堅(jiān)韌的、自私自利的。（三）兩相關(guān)總體平均數(shù)差異顯著性檢驗(yàn)（paired-samplesttest）

這種檢驗(yàn)是通過對(duì)兩個(gè)配對(duì)或相關(guān)樣本的平均數(shù)的比較，看其來自的兩個(gè)配對(duì)或相關(guān)總體平均數(shù)是否有顯著性差異。（1）研究問題[3]：大學(xué)生在利他性與道德感分量表上得分有無顯著性差異。（同一批人在兩不同分量表上的得分是一一對(duì)應(yīng)的。）（2）操作過程：Analyze/comparemeans/Paired-samplesTtest，同時(shí)選中利他性與道德感變量送入pariedvariable中。（3）結(jié)果說明：表格一是描述統(tǒng)計(jì)量的值；既然是相關(guān)樣本則表格二就是相關(guān)系數(shù)的計(jì)算（r=0.642，p<0.01），表明兩變量是相關(guān)的；表格三就是相關(guān)樣本的t檢驗(yàn)結(jié)果（t=2.059,p<0.05）。請(qǐng)你們解釋?。ㄋ模﹩我蛩胤讲罘治觯∣ne-WayANOVA）

T檢驗(yàn)解決的是兩個(gè)批平均數(shù)的比較問題，在教育和心理研究中會(huì)遇到比較三組、四組或多組平均數(shù)問題，這時(shí)如果用T檢驗(yàn)，則需進(jìn)行多次的比較如四個(gè)平均數(shù)的比較，如果用T檢驗(yàn)則需要進(jìn)行6次，比較煩瑣且容易犯錯(cuò)誤，而如果采用方差分析就可以一次性比較出多個(gè)平均數(shù)之間有無顯著差異。方差分析又稱變異數(shù)分析（AnalysisofVariance），其主要功能在于分析實(shí)驗(yàn)數(shù)據(jù)中不同來源的變異對(duì)總變異的貢獻(xiàn)大小，從而確定實(shí)驗(yàn)中的自變量是否對(duì)因變量有重要影響。方差分析是檢驗(yàn)多個(gè)樣本均值間差異是否具有統(tǒng)計(jì)意義的一種方法。因此方差分析的目的就是多個(gè)平均數(shù)的比較（顯著性檢驗(yàn)）。（1）研究問題[4]：大學(xué)生在大五人格五個(gè)方面有無年級(jí)差異？（有四個(gè)年級(jí)，則是四個(gè)平均數(shù)的比較問題）

在具體操作之前，先了解一些方差分析的術(shù)語。1.因素（factor）與因素實(shí)驗(yàn)設(shè)計(jì)（factorexperimentaldesign）

因素指研究者在實(shí)驗(yàn)中感興趣的一個(gè)變量（自變量），研究者通過操縱、改變它，來估計(jì)它對(duì)因變量（dependentvariable）的影響。變量的每個(gè)特定的值叫因素的水平（level），如因素性別有兩個(gè)水平（男、女）；本例中年級(jí)即是一個(gè)因素（自變量），該因素有四個(gè)水平（1，2，3，4分別表示大一、二、三、四）。因素設(shè)計(jì)通常指多于一個(gè)因素的實(shí)驗(yàn)設(shè)計(jì)，如一個(gè)含有三個(gè)因素、每個(gè)因素有兩個(gè)水平的實(shí)驗(yàn)設(shè)計(jì)，稱2×2×2三因素設(shè)計(jì)。2.處理（treatment）與處理水平的結(jié)合(treatmentcombinations)

處理與處理水平的結(jié)合都是指實(shí)驗(yàn)中一個(gè)特定的、獨(dú)特的實(shí)驗(yàn)條件。如一個(gè)實(shí)驗(yàn)設(shè)計(jì)中有A和B兩個(gè)因素，每個(gè)因素有兩個(gè)水平，則實(shí)驗(yàn)中有4種處理水平的結(jié)合A1B1、A1B2、A2B1、A2B2。

在單因素實(shí)驗(yàn)設(shè)計(jì)中，自變量的每個(gè)水平就相當(dāng)于一個(gè)實(shí)驗(yàn)處理。例如本例有四個(gè)實(shí)驗(yàn)處理。

3.主效應(yīng)（maineffects）與交互作用(interaction)

實(shí)驗(yàn)中由一個(gè)因素的不同水平引起的變異叫因素的主效應(yīng)。實(shí)驗(yàn)中有幾個(gè)因素則需檢驗(yàn)幾個(gè)主效應(yīng)。

在多因素實(shí)驗(yàn)中，研究者需要估計(jì)各因素的不同水平之間的復(fù)雜變化關(guān)系。當(dāng)一個(gè)因素的水平在另因素的不同水平上變化趨勢(shì)不一致時(shí)，則稱兩個(gè)因素之間存在交互作用。當(dāng)一個(gè)因素的水平在另一個(gè)因素的不同水平上變化趨勢(shì)一致時(shí)，表明兩個(gè)因素是相互獨(dú)立的，即不存在交互作用。如以性別與年級(jí)兩個(gè)因素，對(duì)大五人格各層面進(jìn)行差異性檢驗(yàn)。4.處理效應(yīng)（treatmenteffect）和誤差變異（errorvariance）

處理效應(yīng)指實(shí)驗(yàn)中的總變異中由自變量引起的變異，主效應(yīng)、簡單效應(yīng)、交互作用都是處理效應(yīng)。誤差變異指總變異中不能由自變量或明顯的無關(guān)變量解釋的那部分變異。

5.方差分析的原理方差分析要解決的是自變量對(duì)因變量有無顯著影響。在本例中自變量為年級(jí)，因變量為被試在分量表上的得分，以年級(jí)為自變量，把分?jǐn)?shù)分成四組（四個(gè)實(shí)驗(yàn)處理），如果經(jīng)過檢驗(yàn)，四個(gè)平均數(shù)之間有顯著差異，則結(jié)論為自變量對(duì)因變量有顯著影響，即年級(jí)這個(gè)自變量存在主效應(yīng)。如何進(jìn)行檢驗(yàn)?zāi)?？這需要對(duì)我們的數(shù)據(jù)（隨機(jī)變量）進(jìn)行分析。我們可以將實(shí)驗(yàn)數(shù)據(jù)的總變異分解為不同來源的變異，并依據(jù)不同來源的變異在總變異中所占比重對(duì)造成數(shù)據(jù)變異的原因作出解釋。總體上來說，可以將實(shí)驗(yàn)數(shù)據(jù)的變異分為兩塊（或者說數(shù)據(jù)之所以存在變異性，來自于兩方面的原因），一為自變量的影響（表現(xiàn)為組間變異），一為誤差因素的影響（表現(xiàn)為組內(nèi)變異）這里變異均采用方差來表示。如果組間變異遠(yuǎn)遠(yuǎn)大于組內(nèi)變異（采用方差之比，F(xiàn)檢驗(yàn)），則表明因變量（實(shí)驗(yàn)數(shù)據(jù)）的變化性主要來源于自變量，即存在主效應(yīng)，各平均數(shù)之間存在顯著性差異；反之，則表明不存在主效應(yīng)。結(jié)合本例進(jìn)行講解方差分析的原假設(shè)為：年級(jí)不存在主效應(yīng)（各年級(jí)平均數(shù)無顯著性差異）。（2）操作過程：Analyze/CompareMeans/One-WayANOVA，把表示五個(gè)分量表的變量送入因變量列框(dependentlist),把表示因素或自變量的grade送入factor因素列框中;點(diǎn)擊posthoc按鈕,在多重比較中選擇scheffe或tukey法;點(diǎn)擊opitions按鈕在statistics中選擇第三項(xiàng)(方差齊性檢驗(yàn)),選擇meansplot.(3)結(jié)果說明:表格一是方差齊性檢驗(yàn)的結(jié)果,sig>0.05表明適合進(jìn)行方差分析,否則理論上不能進(jìn)行方差分析.表格二就是方差分析的結(jié)果,它把對(duì)平均數(shù)的比較轉(zhuǎn)化為方差之比,F值就是組間方差除以組內(nèi)方差的結(jié)果,如果其后的sig<0.05則表明拒絕原假設(shè),即認(rèn)為各年級(jí)平均數(shù)存在顯著性差異.因此我們的結(jié)論為:大學(xué)生在適應(yīng)性（F=4.012,P<0.001）、開放性（F=5.633,p<0.001）、利他性（F=6.602,p<0.001）上存在年級(jí)差異，而在社交性和道德感上不存在年級(jí)差異。既然存在年級(jí)差異，那我們還想知道年級(jí)差異的實(shí)質(zhì)，即進(jìn)一步進(jìn)行具體的分析。這就需要看表格三的結(jié)果了。表格三是平均數(shù)多重比較的結(jié)果，反映的是到底在哪些年級(jí)之間存在年級(jí)差異。只要看存在差異的分量表的比較即可。具體結(jié)論為在適應(yīng)性上（2>1,p<0.05）、在開放性上（2>1,p<0.01;3>1,p<0.05）、在利他性上（2>1,p<0.01;3>1,p<0.05）。具體的解釋可以參照“大五”人格量表的常模自己進(jìn)行闡述。結(jié)果解釋除上述外還可以附上各年級(jí)在分量表上的平均數(shù)描繪圖。第二章一元線性回歸分析（Analyze/Regression/Linear）一、回歸分析的意義變量之間的關(guān)系從數(shù)量角度看，有確定性關(guān)系（函數(shù)關(guān)系）和不確定性關(guān)系。確定性關(guān)系如自由落體運(yùn)動(dòng)：（S表示距離，t表示時(shí)間）；非確定性關(guān)系則不然，例如年齡與身高或身高與體重的關(guān)系不能找到一個(gè)函數(shù)關(guān)系來表達(dá)。表示變量之間的不確定性關(guān)系以及關(guān)系的密切程度，統(tǒng)計(jì)學(xué)上可以用相關(guān)關(guān)系來表達(dá)。相關(guān)系數(shù)能夠?qū)ο嚓P(guān)的密切程度作一總的定量描寫，但對(duì)于不確定性關(guān)系的變量，如何通過自變量的值去估計(jì)和預(yù)測(cè)因變量的發(fā)展變化，相關(guān)系數(shù)卻無能為力。如果把其中的一個(gè)或一些因素作為自變量，而另一些隨自變量的變化而變化的變量作為因變量，研究他們之間的非確定性因果關(guān)系，看自變量對(duì)因變量是否有顯著的預(yù)測(cè)作用，這種分析就稱為回歸分析?；貧w分析的目的就是確定變量之間數(shù)量關(guān)系的可能形式，并用一個(gè)數(shù)學(xué)模型來表示這種關(guān)系形式。二、一元線性回歸的模型及模型的建立一元線性回歸研究的是具有線性相關(guān)關(guān)系的因變量和一個(gè)自變量之間的回歸問題。其模型為：其中稱一元線性回歸方程，稱為變量y對(duì)變量x的一元線性回歸方程。這個(gè)模型是針對(duì)總體而言的，但實(shí)際上我們經(jīng)常調(diào)查的僅僅是從總體中抽取的樣本，因而樣本的回歸方程為要建立回歸方程實(shí)際上就是求a和b的值，其中a為常數(shù)，b為自變量的回歸系數(shù)。如研究問題[1]：以大五人格總分為因變量，適應(yīng)性分量表為自變量，建立一元線性回歸方程，考察適應(yīng)性分量表對(duì)總量表的貢獻(xiàn)。就這個(gè)問題而言就是要建立一個(gè)這樣的方程：sum=a+b適應(yīng)性。從理論上講，給出一組數(shù)據(jù)都能求出一個(gè)回歸方程，但是所求出的方程有無實(shí)際使用價(jià)值，必須經(jīng)過統(tǒng)計(jì)檢驗(yàn)，這就是回歸方程的有效性檢驗(yàn)。經(jīng)檢驗(yàn)不具備有效性的回歸方程是不能使用的。在回歸分析中應(yīng)用方差分析法對(duì)所建立方程進(jìn)行有效性檢驗(yàn)。

三、回歸方程的有效性檢驗(yàn)回歸方程有效性檢驗(yàn)的原假設(shè)是：所求回歸方程無效。假設(shè)的實(shí)際上是由自變量決定的回歸方差并不顯著大于剩余方差。但是如果經(jīng)過F檢驗(yàn)發(fā)現(xiàn)回歸方差遠(yuǎn)遠(yuǎn)大于剩余方差（由誤差解釋的方差）則必須拒絕原假設(shè)，即所建立的回歸方程有效。SPSS結(jié)果體現(xiàn)在方差分析表中。

四、回歸方程有效性高低的指標(biāo)一元線性回歸分析所建立的回歸方程經(jīng)方差分析后被判定為具有有效性，僅僅能說明這個(gè)回歸方程有別于無使用價(jià)值的方程，并未指出這個(gè)方程有效性高到什么程度。因此還必須找到衡量回歸方程有效性高低的指標(biāo)。在回歸分析中衡量回歸方程有效性高低的指標(biāo)稱決定系數(shù)或測(cè)定系數(shù)在一元線性回歸中決定系數(shù)是因變量與自變量積差相關(guān)系數(shù)的平方。回歸分析是相關(guān)分析的繼續(xù)與發(fā)展，回歸分析對(duì)所建立回歸方程進(jìn)行的有效性檢驗(yàn)，其本質(zhì)還是對(duì)變量相關(guān)顯著性的檢驗(yàn)。決定系數(shù)表明了自變量對(duì)因變量的解釋量，或者說因變量中有百分之多少是由自變量決定的，當(dāng)然其值越大越好。結(jié)合實(shí)例進(jìn)行講解（1）研究問題見（2）操作過程：我們要建立的是線性回歸方程，那么在分析之前有必要看看因變量與自變量之間是否具有線性關(guān)系，作出一散點(diǎn)圖便知，其操作為：Graphs/scatter/選擇simple點(diǎn)擊Difine按鈕,把sum送入y軸，適應(yīng)性送入x軸即可。通過散點(diǎn)圖可以看出兩變量之間具有很好的線性關(guān)系，因而可以進(jìn)一步進(jìn)行回歸分析。

Analyze/regression/linear,把sum作為因變量送入Dependent框中，適應(yīng)性作為自變量送入independent框中，點(diǎn)擊save，在predictedvalues中選中unstandardized和standardized要求建立含有未標(biāo)準(zhǔn)化和標(biāo)準(zhǔn)化的回歸系數(shù)的回歸方程。其他只要按默認(rèn)的即可。（3）結(jié)果說明：表格一表明我們是采用enter法進(jìn)行的回歸分析。接下來按照寫進(jìn)論文中的先后順序一一報(bào)告：我們所建立的回歸模型為：未標(biāo)準(zhǔn)化模型為，sum=14.211+3.253適應(yīng)性（p<0.001）；標(biāo)準(zhǔn)化回歸模型為sum=0.785適應(yīng)性（p<0.001），數(shù)據(jù)是標(biāo)準(zhǔn)化的分?jǐn)?shù)。經(jīng)過檢驗(yàn)這個(gè)回歸方程是有效的（表格三方程有效性檢驗(yàn)的方差分析表：F=1200.968,P<0.001）其有效性指數(shù)為0.616。第三章列聯(lián)表的獨(dú)立性檢驗(yàn)（Analyze/descriptivestatistics/crosstabs）一、列聯(lián)表的獨(dú)立性檢驗(yàn)指的是：對(duì)一批觀測(cè)數(shù)據(jù)進(jìn)行雙向多項(xiàng)分類后，檢驗(yàn)這兩類特征之間是獨(dú)立無關(guān)的還是具有相依相從、連帶相關(guān)。它是對(duì)離散變量的檢驗(yàn)（計(jì)數(shù)數(shù)據(jù)）。如研究問題：在社交性方面，得分為10（其對(duì)應(yīng)的常模分為35）是低社交性（內(nèi)向），得分為22（其對(duì)應(yīng)的常模分為65）是高社交性（外向），問大學(xué)生社交性方面與性別有無關(guān)系。二、問題分析：這個(gè)問題要解決的是，高社交性、低社交型、中間型的人數(shù)與性別有無關(guān)系。因而是對(duì)各類型人數(shù)多少與性別有無關(guān)系的檢驗(yàn)。三、檢驗(yàn)的原假設(shè)為：社交性高低與性別無關(guān)。四、檢驗(yàn)統(tǒng)計(jì)量值的計(jì)算

=其中是實(shí)際觀測(cè)數(shù)據(jù)，是理論次數(shù)。因而檢驗(yàn)是衡量實(shí)際測(cè)量數(shù)據(jù)與理論數(shù)據(jù)差異程度的指標(biāo)。結(jié)合實(shí)例進(jìn)行講解（1）研究問題見（2）操作過程:首先必須對(duì)社交性變量進(jìn)行重編碼即低于10分的為低社交型用1表示，高于22分的為高社交型用3表示，其他為中間型用2表示。具體操作為：Transform/Recode/IntodifferentVariable,重編碼為新變量shej。接下來再進(jìn)行獨(dú)立性檢驗(yàn)：Analyze/descriptivestatistics/crosstabs,把sex送入row框中，shej送入column中；點(diǎn)擊statistics選擇chi-square（卡方值）；點(diǎn)擊cells選擇observed（觀測(cè)值）和expected（理論值）。（3）結(jié)果說明：表格一表明有效的數(shù)據(jù)個(gè)數(shù)即樣本容量；表格二是性別不同各社交性類型人數(shù)的觀測(cè)次數(shù)和理論次數(shù)；表格三就是用公式計(jì)算出來的卡方值=6.978，sig=0.323即p>0.05，因而接受原假設(shè)，認(rèn)為社交性各類型人數(shù)的多少與性別無關(guān)。練習(xí)：可以自己檢驗(yàn)大五人格其他分量表上，大學(xué)生的人格類型與性別有無關(guān)系，與年級(jí)有無關(guān)系。（人格類型的劃分可以依據(jù)大五人格因素得分轉(zhuǎn)換表）第三個(gè)專題多元統(tǒng)計(jì)分析及其應(yīng)用主要研究超過兩個(gè)因素的教育與心理的研究和實(shí)驗(yàn)。在教育與心理研究和實(shí)驗(yàn)中，可能會(huì)受到多個(gè)因素的影響，找出主要因素，相近或相關(guān)的因素的合并或歸類，則是多元統(tǒng)計(jì)學(xué)的主要任務(wù)。多元統(tǒng)計(jì)學(xué)的主要內(nèi)容有：多元方差分析、多元回歸分析、因素分析。第一章多元方差分析（Analyze/GeneralLinearModel/Univariate）之前我們已經(jīng)了解了單因素的方差分析其研究問題為：大五人格個(gè)各層面有無年級(jí)差異？在這里只有年級(jí)一個(gè)自變量（因素），因素有四個(gè)水平。因而是單因素方差分析。如果研究的因素不止一個(gè)，則是多因素方差分析的問題了。假如現(xiàn)在研究問題為：同時(shí)研究性別、年級(jí)這兩個(gè)自變量（因素）對(duì)大五人格各層面的影響。

問題分析：在這個(gè)研究中，有兩個(gè)自變量，一為年級(jí)（有四個(gè)水平），另一為性別（有兩個(gè)水平），則稱為4x2的兩因素實(shí)驗(yàn)設(shè)計(jì)的方差分析。多因素的方差分析除研究因素的主效應(yīng)外（有多少個(gè)因素則需進(jìn)行多少個(gè)主效應(yīng)檢驗(yàn)），更關(guān)注的是因素之間有無交互效應(yīng)。結(jié)合實(shí)例進(jìn)行講解（1）研究問題：大五人格各層面在性別和年級(jí)方面有無交互效應(yīng)。檢驗(yàn)的原假設(shè)為：無性別主效應(yīng)無年級(jí)主效應(yīng)性別與年級(jí)無交互效應(yīng)（2）操作過程（以適應(yīng)性為例，數(shù)據(jù)見bigfivecopy.sav）：Analyze/GeneralLinearModel/Univariate，把是因變量適應(yīng)性送入dependent框中，把自變量sex和grade送入fixedfactors中；點(diǎn)擊Model在模型選擇中有兩項(xiàng)：fullfactorial全模型表示要分析出各個(gè)因素是否具有主效應(yīng)，另外還要分析因素之間的交互效應(yīng)，Custom自定義模型，可以選擇自己想要分析的效應(yīng)。由于性別差異及年級(jí)差異的檢驗(yàn)我們?cè)谏现v中已經(jīng)分析過，故選擇Custom，僅僅分析兩個(gè)因素之間的交互效應(yīng)。點(diǎn)擊plots，畫出兩因素之間的交互效應(yīng)圖。（3）結(jié)果說明：表格一為樣本容量的說明；表格二為交互效應(yīng)F檢驗(yàn)的結(jié)果，sex*grade后的值為F=3.948，sig=.000即p<0.001，結(jié)論為拒絕原假設(shè)，認(rèn)為存在交互效應(yīng)。這也可以通過下面的圖來反映。在因素實(shí)驗(yàn)中，一個(gè)因素的水平在另一個(gè)因素的某個(gè)水平上的變異叫簡單效應(yīng)（simpleeffects）。當(dāng)方差分析中發(fā)現(xiàn)一個(gè)兩次交互作用時(shí)，需要進(jìn)一步做簡單效應(yīng)檢驗(yàn)，以說明兩個(gè)因素之間交互作用的實(shí)質(zhì)。通過上圖可以看出，各年級(jí)適應(yīng)性水平在性別為1的大學(xué)生中存在顯著性差異。經(jīng)過分析（Data/selectcases中選擇樣本ifsex=1,對(duì)適應(yīng)性進(jìn)行年級(jí)的單因素方差分析）發(fā)現(xiàn)，4年級(jí)和2年級(jí)性別為1的大學(xué)生在適應(yīng)性上得分顯著高于1年級(jí)的大學(xué)生。為什么與3年級(jí)無顯著性差異呢？這是因?yàn)榕c樣本容量有關(guān)。練習(xí)：檢驗(yàn)在其他分量表上是否存在性別與年級(jí)的交互作用？第二章多元線性回歸（Analyze/Regression/Linear）根據(jù)多個(gè)自變量的最優(yōu)組合建立回歸方程來預(yù)測(cè)因變量的回歸分析稱為多元線性回歸分析。多元線性回歸分析的模型為：偏回歸系數(shù)表示在控制其他自變量的情況下，某一個(gè)自變量變化引起因變量變化的比率。多元回歸方程建立后，也需對(duì)方程有效性檢驗(yàn)，采用的也是F檢驗(yàn)。也要給出方程有效性高低的指標(biāo)即多元決定系數(shù)與一元線性回歸相比，多元線性回歸還需明白一個(gè)重要概念共線性問題：在回歸方程中，雖然各自變量對(duì)因變量都有意義，但某些自變量彼此相關(guān)，即存在共線性的問題。因此，需要對(duì)回歸方程中的變量進(jìn)行共線性（collinarity）診斷，所謂共線性指的是由于自變量間的相關(guān)太高，造成回歸分析之情境困擾。兩變量間的相關(guān)系數(shù)越接近1，表明變量間的共線性越強(qiáng)。在回歸分析中，最好先呈現(xiàn)預(yù)測(cè)變量間相關(guān)矩陣，以探討變量間的相關(guān)情形，如果某些變量間的相關(guān)系數(shù)太高，可考慮只挑選其中一個(gè)較重要的變量投入多元回歸分析。自變量間是否存在共線性問題，可以由以下指標(biāo)判斷：1．容忍度（Tolerance）。容忍度的值界于0至1之間，如果一個(gè)自變量的容忍度太小，表示此變量與其他自變量間有共線性問題。2.方差膨脹因子（varianceinflationfactor;VIF）。為容忍度的倒數(shù)，它的值越大，自變量間存在共線性的可能性越大。線性回歸的數(shù)據(jù)要求：自變量與因變量應(yīng)該是數(shù)值型變量（連續(xù)型變量）。象宗教、研究方向、性別等分類變量，需要被重新編碼為啞變量（虛擬變量）或者其他類別的對(duì)比變量。實(shí)例講解（1）研究問題：探討大五人格適應(yīng)性與社交性對(duì)sum的貢獻(xiàn)。（五個(gè)層面對(duì)其貢獻(xiàn)肯定為1）回歸分析一般用同一批被試在其他相關(guān)量表上的表現(xiàn)為因變量，而不在同一量表內(nèi)部進(jìn)行，這里僅僅作為舉例需要。如人格對(duì)業(yè)績的預(yù)測(cè)等等。（2）操作過程：Analyze/Regression/Linear，其操作與前面一元回歸相同，只是在Independents中多了一個(gè)自變量，在statistics中選擇共線性診斷collinearitydiagnostics。(3)結(jié)果說明：表四coefficients中各回歸系數(shù)均顯著：未標(biāo)準(zhǔn)化，常數(shù)項(xiàng)為5.749、適應(yīng)性的回歸系數(shù)為1.755,社交性的回歸系數(shù)為2.389，因此回歸方程為sum=5.749+1.755適應(yīng)性+2.389社交性；標(biāo)準(zhǔn)化回歸方程為sum=0.424適應(yīng)性+0.597社交性?；貧w方程是有效的（表三F=1989.876,p<0.001）。兩自變量對(duì)因變量的聯(lián)合解釋量為0.842（見表二）。第三章因素分析（Analyze/datareduction/factor）在問卷質(zhì)量分析中講解。第四個(gè)專題：問卷的質(zhì)量分析問卷的質(zhì)量分析包括項(xiàng)目分析、效度分析和信度分析。（對(duì)工作倦怠感問卷進(jìn)行質(zhì)量分析。數(shù)據(jù)文件為“工作倦怠感.sav”）該問卷由22個(gè)項(xiàng)目組成，其中9-16題為反向計(jì)分題（從反面提問，分?jǐn)?shù)強(qiáng)弱方向與其他題目相反），對(duì)其質(zhì)量分析包括以下幾個(gè)方面（1）這22個(gè)題目是否都有效（有區(qū)分度）？；（2）如果有效，則這22個(gè)題目測(cè)量了工作倦怠感的哪些方面（問卷的結(jié)構(gòu)如何？）或者說可以用幾個(gè)因素來解釋該問卷？；（3）總問卷及分問卷（每一個(gè)因素所包含的題目組成一個(gè)分問卷）的信度如何？

顯然對(duì)問題（1）要進(jìn)行的是項(xiàng)目區(qū)分度分析；對(duì)問題（2）要進(jìn)行的是問卷的結(jié)構(gòu)效度分析（因素分析）；對(duì)問題（3）要進(jìn)行的是問卷的信度分析。由于9-16題為反向計(jì)分題，故在具體分析之前必須對(duì)其進(jìn)行重編碼。transform/recode/intosamevariable）把a(bǔ)9-a16送入右邊的框，點(diǎn)擊oldandnewvalue按鈕，在oldvalue的value中分別輸入4、3、2、1,對(duì)應(yīng)的在newvalue的value中輸入1、2、3、4，每一一操作一次，均要點(diǎn)擊一下add鍵。一、項(xiàng)目分析（區(qū)分度分析）進(jìn)行項(xiàng)目分析的目的是刪除沒有區(qū)分力，效度不高的項(xiàng)目。項(xiàng)目分析可分為質(zhì)的分析和量的分析，所謂質(zhì)的分析是指分析測(cè)題的內(nèi)容和形式。量的分析是采用統(tǒng)計(jì)方法來分析試題的質(zhì)量，在設(shè)計(jì)態(tài)度量表時(shí)，剔除那些不合要求的項(xiàng)目，這樣才能提高整個(gè)量表的信度和效度，因此，可以用項(xiàng)目分析的結(jié)果來作為篩選和修改測(cè)題的依據(jù)。（一）項(xiàng)目分與總分相關(guān)法也可以用來測(cè)量量表的內(nèi)容效度。具體做法是計(jì)算每個(gè)項(xiàng)目分?jǐn)?shù)和總分的相關(guān)，如果相關(guān)系數(shù)不顯著，表明該項(xiàng)目鑒別力低，應(yīng)剔除；如果相關(guān)系數(shù)的顯著程度高，則該項(xiàng)目的鑒別力大，應(yīng)保留，也可認(rèn)為量表的效度越高。其操作與相關(guān)分析中的操作相同。當(dāng)然求相關(guān)之前需求出量表總分。經(jīng)過分析發(fā)現(xiàn)22道題目與總分相關(guān)均顯著，故均有較高的區(qū)分度，可以保留。（二）高低組平均數(shù)差異檢驗(yàn)法項(xiàng)目分析即在求出每一個(gè)題項(xiàng)的“臨界比率”（criticalratio;簡稱CR值），其求法是將所有受試者在預(yù)試量表的得分總和依高低排列，得分在前25%或27%者為高分組，得分在后25%或27%者為低分組求出高低二組被試在每題得分平均數(shù)差異的顯著性檢驗(yàn)，如果題項(xiàng)的CR值達(dá)到顯著性水平（<0.05或<0.01），即表示這個(gè)項(xiàng)目能鑒別不同受試者的反應(yīng)程度。因此，可以看每個(gè)項(xiàng)目有無達(dá)到顯著性水平而作為該題是否刪除的條件。操作過程：

1．對(duì)被試總分按高到低排序（Data/sortcases），把高分組即從最高分開始總?cè)藬?shù)25%處（100*25%）被試對(duì)應(yīng)的分?jǐn)?shù)56分記下。

2．再對(duì)被試總分按低到高排序，把低分組即從最低分開始總?cè)藬?shù)25%處（100*25%）被試對(duì)應(yīng)的分?jǐn)?shù)