SPSS学习感想
在这学期以前我并没有学过统计学,甚至没有接触过它,因此对它的认识可谓是从零开始的,但经过这一段的学习,也算是受益良多,下面我就简单说下感想吧。
第一节课老师简单讲述了下这门课的概况,给了我们英文版和中文版教材便让我们开始分组讲授各个部分,当时只觉得毫无头绪,对于没接触过的事物人总有莫名的恐惧,这门课看似还很难,就比较担忧。但看了分到的关于方差分析部分的英文版书后,觉得老师推荐的这本书真的很好,虽然看英文比较痛苦,但胜在通俗对于我这种从未接触过的人来说也是读的懂得,这大概也是许多外国教材的优点,会有很实际的举例帮助理解,语言读起来也是简单易懂,不像许多中国教材那么晦涩。后期在看英文文献的时候看到不懂得SPSS模型便会再翻出这本书来看,许多的中文版的教材也看了但总是较难迅速找到想看的知识点,且理解起来也很困难。
说完对于教材的整体心得,就来说说讲课方面的心得吧,起初大家对于老师让学生讲授的方式不是很认同,觉得自己能力有限,问题太难,不一定能看得明白更勿论讲了。但经过后来自己看教材做PPT,发现其实做起来并没有看起来那么难,虽然花了不少时间但最后也算是基本了解大意及步骤,并且自己花了时间做出来的东西会特别记忆深刻,因此做完后对于方差分析这一块也算是有了整体的认识和了解,之后在看论文中这部分的模型来也轻松许多。所以这种讲课方式其实也确实能帮助同学们更积极的学习这门课程。
接着说说学习过后对SPSS的整体认识吧,我专门去百度了下它的全称,定义为SPSS是“社会科学统计软件包”(Statistical Package for the Social Science)的简称,是一种集成化的计算机数据处理应用软件。之前看论文的时候会经常看到各种表格图形,各种结果输出,当时并不明白,以前也没见过,因此总会跳过实验整个设计直接看结果。在学了这门课后总算对其有了初步的认识。它其实大致分为两个大部分,一是简要介绍描述性和推断性统计,包括描述性统计、推断性统计原理与推断性统计机制;二是统计分析方法,包括卡方检验、
独立样本t检验、配对样本t检验、方差分析等检验差异的统计方法,和多元回归分析、因子分析和结构方程模型等检验联系的统计方法。利用这些方法可以得出计算数据和统计图形,看出数据的离散程度、集中趋势和分散程度,单变量的比重,还有对数据进行标准化处理。利用这个软件对问卷数据进行分析是极好的。统计分析也主要有两大类,一类是验证差异的,另一类是验证相关性的。验证差异的主要有t检验和方差分析,验证相关性的主要有回归分析、因子分析和结构方程模型。通过课程的学习我基本知道了他们的区别和应用场景,如t检验适合两个变量之间的差异比较,而方差分析则在变量较多时使用,从而达到便捷的效果。
在学习方差分析时,我刚开始常常把因变量和自变量弄混淆,在分析的时候应分别送入哪个对应框中,如果反了的话会导致结果的不准确。接着,对LSD、Bonferroni、Tukey、Scheffe等方法的使用不清楚,现在基本掌握了多重比较方法选择:一般如果存在明确的对照组,要进行的是验证性研究,即计划好的某两个或几个组间(和对照组)的比较,宜用Bonferroni(LSD)法;若需要进行多个均数间的两两比较,且各组个案数相等,适宜用Tukey法;其他情况宜用Scheffe法。因为经常混淆,所以这些都被我记录在PPT中,好让自己以后方便查看。还有,当时对方差齐性检验、多重比较检验的理解也存在困难,但经过小组讨论对他们也基本有了了解。当方差分析F检验否定了原假设,即认为至少有两个总体的均值存在显著性差异时,须进一步确定是哪两个或哪几个均值显著地不同,则需要进行多重比较来检验。LSD即是一种多因变量的三个或三个以上水平下均值之间进行的两两比较检验,最灵敏,但会较易犯假阳性的错误。在听别的小组讲述相关分析时,对于在绘制散点图时的横坐标和纵坐标的区分刚开始不太明白,但经过同学的讲授明白了横坐标是解释变量,纵坐标是被解释变量。在学习回归分析的过程中,对解释变量向前筛选、向后筛选、逐步帅选策略不能熟练掌握,特别是对向前向后筛选时到处的结果不会进行分析。在学习因子分析的时,刚开始对提取出来的因子的实际含义不清晰,但这些问题都都一一在讲授和之后的讨论中得到了解析,从而对于他们都算是有了大致的了解。
虽然整个学习过程经历了很多困难,但小组成员在一起,大家一起克服困难,集思广益,最后的结果还算是成功的,每个人对于自己的部分都很认真在准备希望能给大家讲的清楚明晰,这个学习的过程对我们都意义非凡。现在这门课
要结束了,但对于SPSS的学习却没有,现有的知识感觉只是对他有个初步的了解,离熟练运用还有些距离,论文中的模型分析的结果还不能很快的看出,因此还需要不断地看书看文献运用。但这门课显然给我们打下了很好的基础,在这结束的时刻,我希望谢谢这些陪我一起走过这个历程的人,我的老师,小组的成员以及其他组的成员们,感谢你们同我一起成长。
第二篇:SPSS学习总结
SPSS学习总结
第一部分 数据处理
1.1数据输入
直接输入:spss
间接输入: excel 记事本 edit
1.2数据检查
简单检查:排序观察
极端值处理:两个标准差之外的剔除
缺失值处理:transform(T)替换缺失值(V)处理
1.3数据整理(不同年龄组在题项总分上的情况)
文件类的筛选
数据分组 splite file
数据选择处理 select case
新变量的生成 compute variable(函数的使用), add variable ,recode 行列转置 transpose
文件间的合并
Merge files
第二部分 描述性统计
2.1非连续变量的描述统计
直条图 Bar
馅饼图 Pie
2.2连续性变量的统计
频率菜单 Frequencies:Statistics ,Charts
描述菜单 Descriptive:Option ,标准分数
探索菜单 Explore:Statistics,Plots,Q-Q,Tests of Normality(P<0.05),Test of Homogenenity(P>0.05)
直方图 Histogram
峰度系数Kurtosis α=0 正太峰,α>0 高狭峰,α<0 低阔峰。 偏度系数Skewness Sk=0 对称,Sk>0 正偏态 ,Sk<0 负偏态。
2.3数据正态性检验
P-P 概率
Q-Q 概率单位
第三部分 数据分析
3.1信度分析
引入:(问卷)α系数 重测信度 分半信度
分类:外在信度 内在信度
标准:> 0.9表示信度良好 >0.7最小可以接受值 当然应结合具体实际 操作:Scale→Reliability :Model, Statistics (scale if item deleted)
3.2方差分析
引入:T检验的不足(一类错误增加)减少比较
逻辑:组间差异 组内差异 组间差异/组内差异判断各组差异的显著性 公式:
变异来源 组间(处理) 组内(误差)
全体
离均差平方和(SS) 自由度(df)
SSb SSw SSb
K-1 N-k N-1
均方(MS) MSb=SSb/(K-1) MSw=SSw/(N-k)
F值 MSb/MSw
基本假定:正态性(normality), 随机抽样(randomized),独立性(independnt),方差同质性(homogeneity)<P>0.05>。 事前比较:验证性数据分析 事后比较:探索性数据分析 操作:<P<0.05>
One-way ANOVA 单因子变异数分析法
Scheffe 各组人数不相等 控制总体a值控等于0.05 较为保守 Turkey 成对组比较 制总体a值等于0.05 监测个别差异较为敏感
GLM 一般因子分析法 (在样本量很大的情况下,更具有实际意义)
关联强度 W*W=SSb-(k-1)*MSw/SSt+MSw
解释变异量 <6%(微弱)6%~16%(中度)>16%(强度) Post Hoc Option 结果中(Eta Squared关联强度) 3.3项目分析
引入要实现区分度,或者整个项目的(分级)意义
临界比例的算法:CR值高分组(27%)/低分组(27%) T检验
操作:反向计分:Transform→Recode into Same Variables→Old and New values
重新计分,有现实表观意思
求量表的总分:Compute Variables →Sum 量表的总分排序:升序 降序
高低分组上下的27%:记录下数值
依临界分数将观察值在量表得分分成高低两组:T→Recode into Diff V→O and N V 以独立样本的T检验两组的题项差异:Compare Means→Independent-Samples T Test→Grouping Variables→观察t值
删除t值没有达到显著的题项: 第四部分 因素分析+实例 4.1简介
效度validity:内容效度(Content V)效标关联效度(Criterion-related V)结构效度(Construct V)
彼此相关变量降维彼此独立因素(作用)
探索性因素分析:探索量表的潜在结构,究竟有几个因素 验证性因素分析:验证量表的结构效度,符合理论的多少
4.2操作说明 准备:选取样本(样本:量表题项=5:1,并且样本不少于100)KMO<0.5不适合,KMO=0.6适合分析,KMO值越大越适合;Bartlett's的球形检定。 计算变量间相关矩阵
选择萃取方法:主成分分析法
决定转轴方法:正交转轴法Varimax(高相关采用) 斜交转轴法Obmilin(低相关0.1~0.3采用)
初次决定因素命名
删除题项再作因素分析:①没有显著性或低相关②共同性小于0.6③因子分数较小(<0.4或三个标准差之外)
检验因素分析的结构:信度
结束
4.3原理
理论模式:Zj=aj1F1+aj2F2+……+ajmFm+Uj(Zj第J个变量的标准化分数 Fi为共同因素m为所有变量共同因素的数目 Uj为唯一因素 aj1为因素负荷量)
简化结构:一个变量与较少因素相关,但一个主相关;一个因素与一些变量存在密切相关(+/-);每个变量存在高相关。转轴 :直交转轴(因素间无相关,要求苛刻)与斜交转轴(因素间相关,应用广泛)
挑选:特征值大于1,陡坡检验
4.4实例
第五部分 回归分析
5.1回归分析相关概念
5.2回归模型的选择
5.3回归模型的诊断
5.4回归模型的应用-路径分析
第六部分 相关分析+实例
6.1相关系数与数据类型
6.2相关与回归
6.3相关散点图
6.4相关与因果
6.5相关实例演示
第七部分 专题解析
1.1正态性检验
7.1.2缺失值处理
7.2.1标注差与标准误
7.2.2卡方检验
7.3.1 t检验_方差分析_回归分析的综合比较
7.3.2 spss制图
7.4随机变量与固定变量
7.5.1重复测量
7.5.2自由度
7.6.1均数比较
7.6.2随机数生成
7.7.1七种常用交互式绘图
7.7.2四种重要抽样分布图
7.8.1集中量与频数分布的形态关系
7.8.2统计决断的两类错误及其控制
7.9.1因素负荷矩阵旋转
7.9.2原始分转化为标准分
7.10在SPSS中使用Syntax Editor语法编辑器
第八部分 综合案例演示
8现实案例教学