spss数据正态分布检验_高等教育-统计学.pdf

《spss数据正态分布检验_高等教育-统计学.pdf》由会员分享，可在线阅读，更多相关《spss数据正态分布检验_高等教育-统计学.pdf（18页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、.!.spss 数据正态分布检验 一、Z 检验 二、相关系数检验 三、独立样本 T 检验 四、相依样本 T 检验 五、独立性检验.!.一、Z 检验 第一步：录入数据。1命名“变量视图”；2“数据视图”中输入数据；第二步：进行分析。第三步：设置变量；第四步：得到结果：名变量视图数据视图中输入数据第二步进行分析第三步设置变量第四步得到结果二相关系数检验在一项研究中一个学生想检查生活意义和心理健康是否相关同意参与这项研究的个学生测量了生活意义和心理健康生活意义的得分围是 问题也可以用研究问题的方式表示例如例题生活意义和心理健康相关吗相关系数数据的例子说明变量包含在数据中但不用输入在中输入数据及分析步

2、骤生成变量打开点击变量视图标签在中将生成两个变量一个是生活意义另一个是心 数据视图前两列将两个变量的数据分别输入如图步骤分析数据从菜单栏中选择分析相关双变量打开双变量对话框变量和出现在对话框的左边选择变量和点击向右箭头按钮把变量移到变量框中点击确定步骤解释结果二元相关性的输出.!.二、相关系数检验 在一项研究中，一个学生想检查 生活意义和心理健康 是否相关。同意参与这项研究的30 个学生测量了生活意义和心理健康。生活意义的得分围是 10-70 分（更高的得分表示更强的生活意义），心理健康的得分围是 5-35 分（更高的得分表示更健康的心理状态）。在研究中基本的兴趣问题也可以用研究问题的方式表示

3、，例如 例题：生活意义和心理健康相关吗？相关系数数据的例子 Participant Meaning in Life Well-being Participant Meaning in Life Well-being 1 35 19 2 65 27 3 14 19 4 35 35 5 65 34 6 33 34 7 54 35 8 20 28 9 25 12 10 58 21 11 30 18 12 37 25 13 51 19 14 50 25 15 30 29 16 70 31 17 25 12 18 55 20 19 61 31 20 53 25 21 60 32 22 35 12 23

4、35 28 24 50 20 25 39 24 26 68 34 27 56 28 28 19 12 29 56 35 30 60 35 说明：变量 participant包含在数据中，但不用输入 SPSS。在 spss 中输入数据及分析 步骤 1：生成变量 1打开 spss。2点击“变量视图”标签。在 spss 中将生成两个变量，一个是生活意义，另一个是心理健康。变量分别被命名为meaning 和 wellbeing。3在“变量视图”窗口前两行分别输入变量名称meaning 和 wellbeing。步骤 2：输入数据 1点击“数据视图”，变量 meaning 和 wellbeing 出现在数

5、据视图前两列。2将两个变量的数据分别输入。如图。步骤 3：分析数据 1从菜单栏中选择“分析 相关 双变量”名变量视图数据视图中输入数据第二步进行分析第三步设置变量第四步得到结果二相关系数检验在一项研究中一个学生想检查生活意义和心理健康是否相关同意参与这项研究的个学生测量了生活意义和心理健康生活意义的得分围是 问题也可以用研究问题的方式表示例如例题生活意义和心理健康相关吗相关系数数据的例子说明变量包含在数据中但不用输入在中输入数据及分析步骤生成变量打开点击变量视图标签在中将生成两个变量一个是生活意义另一个是心 数据视图前两列将两个变量的数据分别输入如图步骤分析数据从菜单栏中选择分析相关双变量打开

6、双变量对话框变量和出现在对话框的左边选择变量和点击向右箭头按钮把变量移到变量框中点击确定步骤解释结果二元相关性的输出.!.打开“双变量”对话框，变量 meaning 和 wellbeing 出现在对话框的左边。2选择变量 meaning 和 wellbeing，点击向右箭头按钮（），把变量移到“变量”框中。3点击“确定”。步骤 4：解释结果 二元相关性的输出结果显示如下：相关性 wellbeing meaning wellbeing Pearson 相关性 1.549*显著性（双侧）.002 N 30 30 meaning Pearson 相关性.549*1 显著性（双侧）.002 N 30

7、30*.在.01 水平（双侧）上显著相关。SPSS 生成了一个输出表，标记为“相关性”，其中包括我们研究问题的答案，即变量meaning 和 wellbeing 之间是否相关。注意在表格中 meaning 和 wellbeing 出现了两次，一次在行，一次在列（这表明 SPSS生成的表格中出现了冗余）。相关系数值和原假设检验的 p 值位于变量 meaning 和 wellbeing相交处。表格中显示 meaning 和 wellbeing 的相关性是 0.549，相应的 p 值是 0.002 小于 0.05，原假设被拒绝，在 meaning 和 wellbeing 的总体中存在正相关（相关系数

8、右边的两个星号暗示了在 0.01 水平上相关性是统计显著的，因为 p 值为 0.002 小于 0.01）。剩下的两个单元格显示了 1 的相关性，一个完美的正相关。即变量 meaning 和 wellbeing自身与自身的相关性。同样的结果在相关性表格中出现了两次。生活意义和心理健康间的相关性 相关性显著，因为 p 值小于 0.05 名变量视图数据视图中输入数据第二步进行分析第三步设置变量第四步得到结果二相关系数检验在一项研究中一个学生想检查生活意义和心理健康是否相关同意参与这项研究的个学生测量了生活意义和心理健康生活意义的得分围是 问题也可以用研究问题的方式表示例如例题生活意义和心理健康相关吗

9、相关系数数据的例子说明变量包含在数据中但不用输入在中输入数据及分析步骤生成变量打开点击变量视图标签在中将生成两个变量一个是生活意义另一个是心 数据视图前两列将两个变量的数据分别输入如图步骤分析数据从菜单栏中选择分析相关双变量打开双变量对话框变量和出现在对话框的左边选择变量和点击向右箭头按钮把变量移到变量框中点击确定步骤解释结果二元相关性的输出.!.三、独立样本 T 检验 例题：临床心理学家想调查认知行为治疗和精神分析治疗对抑郁症的相对有效性。30 名患有抑郁症的病人随机分配接受两个疗法。其中 15 人接受 行为治疗，另外 15 人接受 精神分析 治疗，经过两个月的治疗后，记录下每个病人抑郁症得

10、分。在本研究中，自变量是治疗方法（认知行为治疗与精神分析治疗），因变量是抑郁症，较高的分数表示更高的抑郁水平（抑郁水平的分数变化围为 1070)。在研究中基本的兴趣问题也可以用研究问题的方式表示，例如：“在接受认知行为治疗与精神分析治疗的病人中，抑郁症水平的均值是否存在差异呢？”T 检验用来检验两组数据的均值。所以，零假设假设两组数据的均值相等：原假设指出两组的抑郁症分数均值在总体上是相等的：H0：精神分析=认知行为 对立假设指出两组的抑郁症分数均值在总体上是不等的：H1：精神分析 认知行为 数据 在下表列出了 30 个参与者的数据。接受精神分析治疗的参与者标记为“1”，接受认知行为治疗的标记

11、为“2”。独立样本 t 检验例子的数据 Participant Therapy Depression Participant Therapy Depression 1 1 57 16 2 47 2 1 61 17 2 42 3 1 67 18 2 59 4 1 63 19 2 37 5 l 51 20 2 35 6 1 55 21 2 42 7 1 45 22 2 38 8 1 62 23 2 49 9 1 41 24 2 61 10 l 36 25 2 43 11 1 55 26 2 47 12 1 57 27 2 49 13 1 70 28 2 37 14 l 62 29 2 41 15

12、1 58 30 2 48 说明：变量 participant包含在数据中，但不用输入 SPSS。名变量视图数据视图中输入数据第二步进行分析第三步设置变量第四步得到结果二相关系数检验在一项研究中一个学生想检查生活意义和心理健康是否相关同意参与这项研究的个学生测量了生活意义和心理健康生活意义的得分围是 问题也可以用研究问题的方式表示例如例题生活意义和心理健康相关吗相关系数数据的例子说明变量包含在数据中但不用输入在中输入数据及分析步骤生成变量打开点击变量视图标签在中将生成两个变量一个是生活意义另一个是心 数据视图前两列将两个变量的数据分别输入如图步骤分析数据从菜单栏中选择分析相关双变量打开双变量对话

13、框变量和出现在对话框的左边选择变量和点击向右箭头按钮把变量移到变量框中点击确定步骤解释结果二元相关性的输出.!.步骤 1：生成变量 1打开 SPSS。2点击【变量视图】标签。在 SPSS 中将生成两个变最，一个是不同治疗方法的组别(自变量)，另一个是抑郁症分数(因变量)。这些变量将各自被命名为 therapy(治疗方法)和 depression(抑郁症)。3在【变量视图】窗口前两行分别输入变量名称 therapy 和 depression(详见图表)4为变量 therapy 建立变量值标签，1=“精神分析治疗”，2=“认知行为治疗”。步骤 2：输入数据 1点击【数据视图】标签。变量 thera

14、py 和 depression 出现在【数据视图】窗口的前两列。2 参照图表 6-1，为每个参与者输入两个变量的数据。对第一个参与者，为变量 therapy和 depression 分别输人数值 1 和 57。依次输入全部 30 个参与者的数据。步骤 3：分析数据 1从菜单栏中选择【分析 比较均值 独立样本 T 检验】（见图）。打开【独立样本 T 检验】对话框，变量 therapy 和 depression 出现在对话框的左边。2选择因变量 depression，点击向右箭头按钮（）把变量移到【检验变量】框。3选择自变量 therapy，点击向右箭头按钮（）把变量移到【分组变量】框中。对 th

15、erapy，注意到前 15 个参与者为 1（精神分析治疗），后 15 个参与者为 2（认知行为治疗）。这是独立样本 t 检验的通用步骤，用于区分开参与者在哪个样本中。名变量视图数据视图中输入数据第二步进行分析第三步设置变量第四步得到结果二相关系数检验在一项研究中一个学生想检查生活意义和心理健康是否相关同意参与这项研究的个学生测量了生活意义和心理健康生活意义的得分围是 问题也可以用研究问题的方式表示例如例题生活意义和心理健康相关吗相关系数数据的例子说明变量包含在数据中但不用输入在中输入数据及分析步骤生成变量打开点击变量视图标签在中将生成两个变量一个是生活意义另一个是心 数据视图前两列将两个变量的

16、数据分别输入如图步骤分析数据从菜单栏中选择分析相关双变量打开双变量对话框变量和出现在对话框的左边选择变量和点击向右箭头按钮把变量移到变量框中点击确定步骤解释结果二元相关性的输出.!.在【分组变量】框中，两个在括号的问号出现在 therapy 的右边（见图）。这些问号表示原先的数字分配到两个治疗样本中（也就是 l、2）。这些数字需要通过点击【定义组】来输入。4点击【定义组】。5【定义组】对话框被打开，在【组 1】（表示精神分析治疗样本的数字）的右边输入“1”，并且在“组 2”（表示认知行为治疗样本的数字）的右边输入“”。6点击【继续】。7点击【确定】。结果显示在【查看】窗口中。步骤 4：解释结果

17、 组统计量表 输出的第一个表格显示每个治疗组的描述统计量，包括样本量、平均值、标准差和标准误差。注意到认知行为治疗样本的抑郁分数均值（均值=45.00）比精神分析治疗样本（均值=56.00）的低。我们稍后将会考虑这两组之间的差异对具有统计显著性而言是否足够大。独立样本检验表 第二个表格“独立样本检验表”显示在“均值相等的 t检验”之后的“假设方差相等”栏中的结果。方差方程的 Levene 检验“方差方程的 Levene 检验”检验两个治疗组的总体方差是否相等，这是独立样本 t检验的一个假设。SPSS使用个由 Levene 开发的方法来检验总体相等的假设。Levene检验的原假设和对立假设是：H

18、0：精神分析=认知行为（两组的总体方差相等）H1：精神分析 认知行为（两组的总体方差不相等）名变量视图数据视图中输入数据第二步进行分析第三步设置变量第四步得到结果二相关系数检验在一项研究中一个学生想检查生活意义和心理健康是否相关同意参与这项研究的个学生测量了生活意义和心理健康生活意义的得分围是 问题也可以用研究问题的方式表示例如例题生活意义和心理健康相关吗相关系数数据的例子说明变量包含在数据中但不用输入在中输入数据及分析步骤生成变量打开点击变量视图标签在中将生成两个变量一个是生活意义另一个是心 数据视图前两列将两个变量的数据分别输入如图步骤分析数据从菜单栏中选择分析相关双变量打开双变量对话框变

19、量和出现在对话框的左边选择变量和点击向右箭头按钮把变量移到变量框中点击确定步骤解释结果二元相关性的输出.!.T检验 组统计量 therapy N 均值 标准差 均值的标准误 depression psychoanalytic 15 56.0000 9.41883 2.43193 cognitive-behavioral 15 45.0000 7.63451 1.97122 独立样本检验 方差方程的 Levene 检验 均值方程的 t 检验 F Sig.t df Sig.(双侧)均值差值 标准误差值 差分的 95%置信区间 下限 上限 depression 假设方差相等.311.582 3.51

20、4 28.002 11.00000 3.13050 4.58747 17.41253 假设方差不相等 3.514 26.850.002 11.00000 3.13050 4.57507 17.42493“组统计表”提供了两个治疗组（精神分析与认知行为）的均值。如果原假设被拒绝，我们就可以根据该表确定哪一组的抑郁分数均值较低。相等方差的 Levene 检验的 p 值。如果 p 0.05，我们假设方差不相等（读 t 的结果中的底部数值）。如果 p 0.05，我们假设方差相等（读t 的结果中的顶部数值）。因为 0.582 的 p 值大于 0.05，所以我们假设方差相等，解释 t 检验结果上面一行（假

21、设方差相等）。因为 0.02 的 p 值小于 0.05，所以两组均值相等的原假设被拒绝。根据“组统计量表”中确定哪一组的抑郁分数均值较低（认知行为组较低）。名变量视图数据视图中输入数据第二步进行分析第三步设置变量第四步得到结果二相关系数检验在一项研究中一个学生想检查生活意义和心理健康是否相关同意参与这项研究的个学生测量了生活意义和心理健康生活意义的得分围是 问题也可以用研究问题的方式表示例如例题生活意义和心理健康相关吗相关系数数据的例子说明变量包含在数据中但不用输入在中输入数据及分析步骤生成变量打开点击变量视图标签在中将生成两个变量一个是生活意义另一个是心 数据视图前两列将两个变量的数据分别输

22、入如图步骤分析数据从菜单栏中选择分析相关双变量打开双变量对话框变量和出现在对话框的左边选择变量和点击向右箭头按钮把变量移到变量框中点击确定步骤解释结果二元相关性的输出.!.四、相依样本 T 检验 在对某种程度上相关的两个样本的均值进行比较时，我们可以使用相依样本 t 检验（也称为配对样本 t 检验，重复测量 t 检验，匹配样本 t 检验等）。在相依样本 t 检验中 两个样本可能包含同一个人在两个不同时刻进行侧量或者两个有联系的人分别测量的结果（例如，双胞胎的 IQ，妻子与丈夫的沟通质量）。准确定义相依样本 t 检验的关健在于记住两样本间要在某方面存在自然联系下面给出一个相依样本 t 检验的例子

23、。一个国家选举机构的工作人员负责通过民意调查来决定经济和国家安全哪个议题对于选民更重要。有 25 个选民被调查以确定两个议题的重要性等级，每个议题用 1-7 的等级表示（1=一点也不重要，7=极其重要）。自变量 是投票议题（经济、国家安全），（因）变量 是重要性等级。在研究中，基本的兴趣问题也可以用研究问题的方式表示，例如，“对选民来说经济重要性等级和国家安全是否存在不同？”数据 步骤 1：生成变量 1打开 spss。2点击【变量视图】标签。在 spss 中将生成的两个变量，分别用于经济等级和国家安全。两个变量分别命名为economy 和 security。3在【变量视图】窗口前两行分别输入变

24、量名称economy 和 security。（见图）。步骤 2：输入数据 1 点击【数据视图】标签。变量 economy 和 security出现在【数据视图】窗口的两列。2为每个参与者输入两个变量的数据。对第一个参与者，为变量 economy 和 security 分别输入等级 5 和 7。依次输入全部 25 个参与者的数据。步骤 3：分析数据 1从菜单栏中选择【分析 比较均值 配对样本 T 检验】。名变量视图数据视图中输入数据第二步进行分析第三步设置变量第四步得到结果二相关系数检验在一项研究中一个学生想检查生活意义和心理健康是否相关同意参与这项研究的个学生测量了生活意义和心理健康生活意义的

25、得分围是 问题也可以用研究问题的方式表示例如例题生活意义和心理健康相关吗相关系数数据的例子说明变量包含在数据中但不用输入在中输入数据及分析步骤生成变量打开点击变量视图标签在中将生成两个变量一个是生活意义另一个是心 数据视图前两列将两个变量的数据分别输入如图步骤分析数据从菜单栏中选择分析相关双变量打开双变量对话框变量和出现在对话框的左边选择变量和点击向右箭头按钮把变量移到变量框中点击确定步骤解释结果二元相关性的输出.!.打开【配对样本 T 检验】对话框，变量 economy 和 security 出现在对话框的左边。2选择因变量 economy 和 security，点击向右箭头按钮（）把变量移

26、到【成对变量】框中。3点击【确定】。在 spss 中运行相依样本 t 检验程序，结果显示在“查看”视窗中。步骤 4：解释结果 成对样本统计量 输出的第一个表格“成对样本统计量”显示了 economy 和 security 的描述统计量、包括样本量、平均值、标准差和标准误差。请注意，经济的平均重要性等级（均值=5.76）比国家安全（均值=4.60）的高。我们稍后将会考虑这两个平均等级之间的差异（5.76 对 4.60）是否大到足以具有统计显著性。成对样本相关系数 表格“成对样本相关系数”除了提到这个相关性等于 25 个参与者对于经济和国家安全的等级之间的皮尔逊相关系数外，对于解释配对样本 t 检

27、验不是重要的。成对样本检验 表格“成对样本检验”为我们的研究问题提供了答案，就是经济和国家安全的重要性等级间是否存在差异。原假设的检验是以 t 的形式显示的，这里名变量视图数据视图中输入数据第二步进行分析第三步设置变量第四步得到结果二相关系数检验在一项研究中一个学生想检查生活意义和心理健康是否相关同意参与这项研究的个学生测量了生活意义和心理健康生活意义的得分围是 问题也可以用研究问题的方式表示例如例题生活意义和心理健康相关吗相关系数数据的例子说明变量包含在数据中但不用输入在中输入数据及分析步骤生成变量打开点击变量视图标签在中将生成两个变量一个是生活意义另一个是心 数据视图前两列将两个变量的数据

28、分别输入如图步骤分析数据从菜单栏中选择分析相关双变量打开双变量对话框变量和出现在对话框的左边选择变量和点击向右箭头按钮把变量移到变量框中点击确定步骤解释结果二元相关性的输出.!.T检验 成对样本统计量 均值 N 标准差 均值的标准误 对 1 economy 5.7600 25 1.16476.23295 security 4.6000 25 1.77951.35590 成对样本相关系数 N 相关系数 Sig.对 1 economy&security 25.253.222 成对样本检验 成对差分 t df Sig.(双侧)均值 标准差 均值的标准误 差分的 95%置信区间 下限 上限 对 1 e

29、conomy-security 1.16000 1.86369.37274.39071 1.92929 3.112 24.005 表格“成对样本统计量”提供了两个变量（economy 和security）的均值。如果原假设被拒绝，我们将查阅这个表格以决定哪个变量有更高的均值。均值 1.16 等于 economy 和 security均值间的差（5.76-4.60=1.16）.因为 p 值为 0.005，小于 0.05，原假设被拒绝。名变量视图数据视图中输入数据第二步进行分析第三步设置变量第四步得到结果二相关系数检验在一项研究中一个学生想检查生活意义和心理健康是否相关同意参与这项研究的个学生测量

30、了生活意义和心理健康生活意义的得分围是 问题也可以用研究问题的方式表示例如例题生活意义和心理健康相关吗相关系数数据的例子说明变量包含在数据中但不用输入在中输入数据及分析步骤生成变量打开点击变量视图标签在中将生成两个变量一个是生活意义另一个是心 数据视图前两列将两个变量的数据分别输入如图步骤分析数据从菜单栏中选择分析相关双变量打开双变量对话框变量和出现在对话框的左边选择变量和点击向右箭头按钮把变量移到变量框中点击确定步骤解释结果二元相关性的输出.!.五、独立性检验(一)双因素卡方检验 双因素卡方检验法常用来检验两个因素是否互相独立。如果不是互相独立，就是互相联系。做出零假设(H0)，两个因素互相

31、独立，没有联系；备择假设(H1)两个因素不互相独立。如果 p0.05 或 0.01，接受 原假设，互相独立；相反，如果 p 0.05 或 0.01，拒绝 原假设，说明两事件有联系。（小拒绝大接受）（A）2 2 表卡方检验 例子 一位研究员想调查性格类型（个性向的人、个性外向的人）和休闲运动的选择（逛游乐园、休息一天）是否有关系。他对 100 名答应参与这项研究的人做了性格测试，并且基于测试的分值把他们分为性格向的人和性格外向的人，然后要求每个参与者在逛游乐园和休息一天两者之中选择更喜欢的休闲方式。图表 5-1 描述了每个参与者的性格类型和选择的休闲方式：因为性格类型和休闲方式都有两个水平，得到

32、四个单元，当前的例子为 2 2 卡方表。分析：零假设为 2 2 列联表中列一“性格类型”与列二“休闲方式”之间独立。如果 p0.05，则接受零假设。步骤 1：生成变量 1打开 spss。2点击【变量视图】标签。在 SPSS 中将生成三个变量，一个是不同的性格类型，一个是休闲方式，一个是频数。这三个变量分别命名为 personality，activity 和 frequency。3在【变量视图】窗口前三行分别输入变量名称 personality，activity 和 frequency。4为分类变量 personality 和 activity 建立变量值标签，对于 personality，l=

33、“向”，2=“外向”。对于 activity，1=“逛游乐园”，2=“休息”。步骤 2：输入数据 接下来，我们在 spss 中输入数据。独立性检验有两种不同的数据输入方法：加权方法和个体观测值方法。当数据在每个单元的频数统计出来时，应采用加权方法。由于在我们的例子中，单元中的 频数已经被统计出来(如图表 1)，我们将采用加权方法来输入数据。在我们的例子中，向性格和外向性格的人可以进择逛游乐园和休息中的一个，于是产生了四种名变量视图数据视图中输入数据第二步进行分析第三步设置变量第四步得到结果二相关系数检验在一项研究中一个学生想检查生活意义和心理健康是否相关同意参与这项研究的个学生测量了生活意义和

34、心理健康生活意义的得分围是 问题也可以用研究问题的方式表示例如例题生活意义和心理健康相关吗相关系数数据的例子说明变量包含在数据中但不用输入在中输入数据及分析步骤生成变量打开点击变量视图标签在中将生成两个变量一个是生活意义另一个是心 数据视图前两列将两个变量的数据分别输入如图步骤分析数据从菜单栏中选择分析相关双变量打开双变量对话框变量和出现在对话框的左边选择变量和点击向右箭头按钮把变量移到变量框中点击确定步骤解释结果二元相关性的输出.!.不同情况(向逛游乐园、向休息、外向逛游乐园、外向休息)。由于我们采用加权方法来输人数据，我们需要在【数据视窗】窗口为这四种情况的每一种创建单独的一行。用加权方法

35、建立的数据文件结构如图表所示。输入数据 1点击【数据视图】标签。变量 personality，activity 和 frequency 出现在【数据视图】窗口的前三列。按照图表，第一种情况对应于向(1)且选择逛游乐园(1)的人，总共有 12 个人，这些值应该被输入【数据视图】窗口的第一行。2 在【数据视图】窗口的第一行对 personality，activity 和 frequency 分别输入 l，1 和 12，在【数据视图】窗口的 2 4 行输入剩下的三种情况(在第 2 行输入 l，2 和 28，在第 3 行输入 2，1 和 43，在第 4 行输入 2，2 和 17)。图表中给出了完整的数

36、据文件。步骤 3：分析数据 在执行 检验之前，我们首先需要对 frequency 进行加权。加权表明给定变量的值表示观测总次数，而不仅仅是一个分数值。例如，对 frequency 进行加权时，frequency 取值为 12 代表 12 个人，而不是分数为 12。对 frequency 进行加权 1在菜单栏中选择“数据 加权个案”。2 打开【加权个案】对话框。选择“加权个案”并选择变量 frequency，点击向右箭头按钮()，把 frequency 移到“频率变量”框中。3点击“确定”。这表示在每个类别中频数的取值(12，28，43 和 17)对应于每个单元的所有参与者，而不仅仅是一个分数。

37、通过对 frequency 进行加权，现在我们可以在 SPSS 中执行 独立性检验。执行 独立性检验 1在菜单栏中选择“分析 描述统计 交叉表”。打开【交叉表】对话框，变量 personality，activity 和 frequency 出现在对话框的左侧。2选择 personality，点击向右箭头按钮），把变量移到“行”框。3选择 activity，点击向右箭头按钮（），把变量移到“列”框中。4点击。打开“交叉表：统计量”对话框，选择“卡方”。5点击“继续”。名变量视图数据视图中输入数据第二步进行分析第三步设置变量第四步得到结果二相关系数检验在一项研究中一个学生想检查生活意义和心理健康是

38、否相关同意参与这项研究的个学生测量了生活意义和心理健康生活意义的得分围是 问题也可以用研究问题的方式表示例如例题生活意义和心理健康相关吗相关系数数据的例子说明变量包含在数据中但不用输入在中输入数据及分析步骤生成变量打开点击变量视图标签在中将生成两个变量一个是生活意义另一个是心 数据视图前两列将两个变量的数据分别输入如图步骤分析数据从菜单栏中选择分析相关双变量打开双变量对话框变量和出现在对话框的左边选择变量和点击向右箭头按钮把变量移到变量框中点击确定步骤解释结果二元相关性的输出.!.6点击“单元格”。打开“交叉表：单元显示”对话框，在“计数”下选择“观察值”“期望值”；在“百分比”下选择“行”。

39、7点击“继续”。8点击“确定”。步骤 4：解释结果 交叉表 案例处理摘要 案例 有效的 缺失 合计 N 百分比 N 百分比 N 百分比 personality*activity 100 100.0%0.0%100 100.0%personality*activity 交叉制表 activity 合计 amusement park retreat personality introvert 计数 12 28 40 期望的计数 22.0 18.0 40.0 personality 中的%30.0%70.0%100.0%extrovert 计数 43 17 60 期望的计数 33.0 27.0 60

40、.0 personality 中的%71.7%28.3%100.0%合计 计数 55 45 100 期望的计数 55.0 45.0 100.0 personality 中的%55.0%45.0%100.0%卡方检验 值 df 渐进 Sig.(双侧)精确 Sig.(双侧)精确 Sig.(单侧)Pearson 卡方 16.835 a 1.000 连续校正 b 15.194 1.000 似然比 17.230 1.000 Fisher 的精确检验.000.000 线性和线性组合 16.667 1.000 有效案例中的 N 100 a.0 单元格(.0%)的期望计数少于 5。最小期望计数为 18.00。

41、b.仅对 2x2 表计算 P 值小于 0.05，所以拒绝原假设（小拒绝），两个事件不独立，即性格类型与休闲方式的选择有关。名变量视图数据视图中输入数据第二步进行分析第三步设置变量第四步得到结果二相关系数检验在一项研究中一个学生想检查生活意义和心理健康是否相关同意参与这项研究的个学生测量了生活意义和心理健康生活意义的得分围是 问题也可以用研究问题的方式表示例如例题生活意义和心理健康相关吗相关系数数据的例子说明变量包含在数据中但不用输入在中输入数据及分析步骤生成变量打开点击变量视图标签在中将生成两个变量一个是生活意义另一个是心 数据视图前两列将两个变量的数据分别输入如图步骤分析数据从菜单栏中选择分

42、析相关双变量打开双变量对话框变量和出现在对话框的左边选择变量和点击向右箭头按钮把变量移到变量框中点击确定步骤解释结果二元相关性的输出.!.（B）(r c)列联表的卡方检验 当列联表不是 2 2 交叉表的时候，要判断总体的变量是否彼此独立，这时候自由度：df=（r-1）（c-1）。列联表形式(r c)列（c）合计 1 2 3 C 行（r）1 2 3-r O11 O21 O31 Or1 O12 O22 O32 Or2 O13 O23 O33 Or3 O1c O2c O3c Orc O1 O2 O3 Or 合计 n1 n2 n3 nc n 方法同 2 2 卡方表，只是增加列、行的数量。如：应用语言学

43、实验方法一书 83 页的例子。分析：零假设为：列一“第一语言背景”与列二“冠词错误频数”之间独立。如果 p0.05，则拒绝零假设，反之，则接受零假设。（小拒绝，大接受）经过计算，结果如下：p=0.525 接受原假设，即：在 spss 中的计算方法。步骤 1：建立变量【变量视图】中同样输入“错误类型”、“语言背景”和“频数”三行。然后，分别对“错误类型”和“语言背景”标签赋值。步骤 2：输入数据 在【数据视图】中输入数据。注意按照列联表的对应情况，分别为“错误类型”和“语言背景”中输入 14、12 的值。并将它们在列联表中的频数值，输入第三列“频数”中。x y 名变量视图数据视图中输入数据第二步

44、进行分析第三步设置变量第四步得到结果二相关系数检验在一项研究中一个学生想检查生活意义和心理健康是否相关同意参与这项研究的个学生测量了生活意义和心理健康生活意义的得分围是 问题也可以用研究问题的方式表示例如例题生活意义和心理健康相关吗相关系数数据的例子说明变量包含在数据中但不用输入在中输入数据及分析步骤生成变量打开点击变量视图标签在中将生成两个变量一个是生活意义另一个是心 数据视图前两列将两个变量的数据分别输入如图步骤分析数据从菜单栏中选择分析相关双变量打开双变量对话框变量和出现在对话框的左边选择变量和点击向右箭头按钮把变量移到变量框中点击确定步骤解释结果二元相关性的输出.!.步骤 3：分析数据

45、 因为“频数”一列中的数值是频率数，所以先为它加权。执行 独立性检验 1在菜单栏中选择“分析 描述统计 交叉表”。2选择“语言背景”，点击向右箭头按钮），把变量移到“行”框。3选择“错误类型”，点击向右箭头按钮（），把变量移到“列”框中。4点击“确定”。步骤 4：解释结果 交叉表 数据集 3 案例处理摘要 案例 有效的 缺失 合计 N 百分比 N 百分比 N 百分比 语言背景*错误类别 100 100.0%0.0%100 100.0%语言背景*错误类别交叉制表 错误类别 合计 the a an 无 语言背景 汉语 计数 12 14 6 8 40 期望的计数 13.6 15.2 5.6 5.6

46、40.0 语言背景中的%30.0%35.0%15.0%20.0%100.0%日语 计数 22 24 8 6 60 期望的计数 20.4 22.8 8.4 8.4 60.0 语言背景中的%36.7%40.0%13.3%10.0%100.0%合计 计数 34 38 14 14 100 期望的计数 34.0 38.0 14.0 14.0 100.0 语言背景中的%34.0%38.0%14.0%14.0%100.0%卡方检验 值 df 渐进 Sig.(双侧)Pearson 卡方 2.234a 3.525 似然比 2.194 3.533 线性和线性组合 1.845 1.174 有效案例中的 N 100

47、a.0 单元格(.0%)的期望计数少于 5。最小期望计数为 5.60。（二）单因素 检验法 P 值 0.05，所以接受原假设（大接受）。即学生所犯错误与第一语言背景无关。名变量视图数据视图中输入数据第二步进行分析第三步设置变量第四步得到结果二相关系数检验在一项研究中一个学生想检查生活意义和心理健康是否相关同意参与这项研究的个学生测量了生活意义和心理健康生活意义的得分围是 问题也可以用研究问题的方式表示例如例题生活意义和心理健康相关吗相关系数数据的例子说明变量包含在数据中但不用输入在中输入数据及分析步骤生成变量打开点击变量视图标签在中将生成两个变量一个是生活意义另一个是心 数据视图前两列将两个变

48、量的数据分别输入如图步骤分析数据从菜单栏中选择分析相关双变量打开双变量对话框变量和出现在对话框的左边选择变量和点击向右箭头按钮把变量移到变量框中点击确定步骤解释结果二元相关性的输出.!.单因素检验法是将收集到的数据按频数分组，然后检验频数的分布是否与某个概率分布模式拟合。例如，在某英语测验中，已测得各分数段的频数，要检验分数的频数分布是否与正态分布、均匀分布或其他分布拟合。我们以应用语言学实验方法一书中的例子（79 页），说明如何用 spss 进行单因素 分析。注意：单因素卡方检验的零假设不是“独立性”假设，我们可以将它变换成类似独立性问题的假设。在本例中，三组学生的选择问题 如果是“独立”的

49、，就是它们之间互不影响，选择方面均匀分布，各占 1/3。即：“专业倾向 没有差别”。统计结果中，如果 p0.05，接受原假设（=无差别）。Spss 中的实现：步骤 1：建立变量 1打开 spss。2点击【变量视图】标签。3在【变量视图】窗口前三行分别输入变量名称“类别”，“人数”。4为分类变量“类别”建立变量值标签，对于“类别”，l=“文学”，2=“语言学”，3=“外语”。结果如下：步骤 2：输入数据 1点击【数据视图】标签。变量“类别”和“人数”出现在【数据视图】窗口中。2在【数据视图】窗口的第一行“类别”中分别输入 l，2 和 3，在“人数”输入 48，42 和30。步骤 3：分析数据 在

50、执行 检验之前，我们首先需要对“人数”进行加权。加权表明给定变量的值表示观测总 次数，而不仅仅是一个分数值。取值为 48 代表 48 个人，而不是分数为 48。对“人数”进行加权 1在菜单栏中选择“数据 加权个案”。2打开【加权个案】对话框。选择“加权个案”并选择变量“人数”，点击向右箭头按钮()，把“人数”移到“频率变量”框中。3点击“确定”。执行 检验 1在菜单栏中选择“分析 非参数检验 旧对话框 卡方”。名变量视图数据视图中输入数据第二步进行分析第三步设置变量第四步得到结果二相关系数检验在一项研究中一个学生想检查生活意义和心理健康是否相关同意参与这项研究的个学生测量了生活意义和心理健康生