显著分析:
将数据导入SPSS,更改变量名称,并检查数据类型是否为数字
重新代入原始数据,主要是将自变量代入1.2.3.4.5….等
菜单栏单击analyze—generallinearmodel—univariate,将变量移动到dependent variable,将参数移动到Fixed factors
单击“model”,选择Full factorial,然后单击“continue”
单击plots以在水平轴和垂直轴上添加交互组件的两个参数;
单击“options”,然后在display窗口中选择“homogeneity tests”“方差一致性检验”,默认显著性级别为0.05,然后单击“continue”
在Univariate对话框中,单击确定可以显示输出表;
也可以根据生成的图判断相互作用;
注意:对于非交互分析,“模型”类型必须选择“主效应”而不是“交互”。 主效应影响没有相互作用时的分析。
相关分析:
SSS操作步骤
单击analyze—correlate—bivariate以打开bivariate correlations对话框
将变量移至变量对话框,选中相关系数Pearson,选择双边检验;
单击options,选中“均值和标准差”、“外积分方差阵和协方差阵”,然后单击continue
操作完成后,将显示相关系数
相关性和显著性数学知识:
SSS即使进行相关分析,显著性也是0,实际上小于0.001,是非常小的数字。 点击后即可了解具体数字,表明显著性较好。
显著性所表示的两个变量之间的显著性差异,数值越大表明显著性越大,相反表明两者之间有较强的相互作用。
在数据登陆SPSS前进行数据故障排查,删除异常点,获得的数据会让你吃惊;
方差分析的本质是验证多个总体均值是否存在显著差异,通过观察各个观测数据的误差源分析得到,在实际应用中方差可以验证各种因素对因变量是否有显著影响。
方差平方和反映数据的总变动或总误差
SST=SSA SSE;
SSA是组间的平方和,反映随机误差和系统误差的大小。
SSE是组内平方和,反映随机误差的大小;
F=SSA/SSE,比较SSA在SST中所占比例的大小
在SSPS计算中,显著性概率为Sig .如果是SIG.(0.01或者0.05 ),则在显著性水平上拒绝H0,可以认为a的影响显着。
注意事项:所有数据都是观测服从正态分布的简单随机样本; 独立实验;
各组观察数据等方差;
皮尔森Pearson相关系数:给出了一个单纯的线性关系。