SPSS對數據進行相關性和顯著性分析
來自專欄華仔家的龍門陣4 人贊了文章
顯著性分析:
1. 將數據導入SPSS,重新命名變數名,檢查數據類型是否為數字
2. 對原始數據進行重新賦值,主要是將自變數賦值為1.2.3.4.5….等
3. 菜單欄點擊analyze—general linear model—Univariate,將因變數移入dependent variable,自變數移入Fixed factors
4. 點擊model,選擇Full factorial,點擊continue
5. 點擊plots,將交互作用的兩個自變數添加到橫軸和縱軸;
6. 點擊options,在display窗口選擇 homogeneity tests(方差齊性檢驗),默認顯著性水平為0.05,點擊continue
7. 在Univariate對話框,點擊OK,即可查看輸出表;
還可以根據生成的圖來判斷交互作用;
注意:在非交互作用分析時,要在「模型」的類型中選擇「主效應」,而不是「交互」。主效應是分析無交互作用時影響分析的。
相關性分析:
SPSS操作步驟
1. 點擊analyze—correlate—bivariate,打開bivariate correlations 對話框
2. 將變數移動到variables 對話框,勾選相關係數Pearson,選擇雙邊檢驗;
3. 點擊options,勾選「均值與標準差」,「叉積離差陣與協方差陣」,點擊continue
4. 完成操作,即可看到相關性係數;
關於相關性和顯著性的一點數學知識:
1. spss做相關分析顯著性都為0,其實是小於0.001,就是非常小的數字,點擊查看可以看出具體的數字,說明顯著性較好。
2. 顯著性表示的兩個變數之間的顯著性差異,數值越大,表示顯著性越大,反之,表示兩者之間存在較強的交互作用。
3. 數據列入SPSS之前要進行數據的排查,刪除異常點,得到的數據會令你驚喜;
4. 方差分析的實質是檢驗多個總體均值是否具有顯著性差異,通過觀察各個觀測數據的誤差來源分析得到的,實際應用中方差可以來檢驗各種因素對因變數是否有顯著影響。
SST=SSA+SSE;
SSA為組間平方和,反映隨機誤差和系統誤差的大小。
SSE為組內平方和,反映隨機誤差的大小;
F=SSA/SSE ,比較SSA在SST中的佔比大小;
對SSPS計算來說,即為顯著性概率Sig.,若Sig.<α(0.01或者0.05),則顯著性水平α下拒絕H0,認為A影響顯著。
5. 注意點:所有數據都是觀測都是服從正態分布的簡單隨機樣本;
獨立實驗;
各組觀察數據等方差;
6. 皮爾森Pearson相關係數:僅僅表示的是一種線性關係。
推薦閱讀:
※數據挖掘系列篇(28):多分類預測問題
※用大數據分析和精準飼養提升豬生產水平的研究和實踐
※「大數據殺熟」?商家對數據的使用可能遠超出你的想像
TAG:數據分析 |