spss数据处理资料
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
他采用两种教学方式（学生自学、教师讲授）考查不同焦虑水平的大学生 解决某个数学问题的成绩。首先，通过“数学焦虑水平自评量表”筛选出 被试120名，其中高焦虑的被试60名（称为“高焦虑水平”组），低焦虑 的被试60名（称为“低焦虑水平”组）。再把高、低焦虑水平组被试各分 成两组，每组30人，分别采用不同的教学方式学习某个数学问题（120名 被试均没有学习过该数学问题）。经过同样的教学时间后，对全体被试进 行同样的数学测验，并采用同样的评分标准评定没门被试的数学成绩。试 分别对各组被试的数学成绩做探索分析。
但仍不失价值 低于0.7：量表重新设计
三、描述统计
平均数、全距、标准差
• 总平均数、维度平均数 • 分组求平均 • 全距：极大值与极小值的差 • 标准差：表征数据集的离散程度。值越大说明离散程度越大，数据
越分散
平均数
成绩 有效的 N （列表状态）
描述统计量
N
极小值 极大值
24 42.00 92.00
二、主成分因子分析与信度检验
1、主成分因子分析 Factor Analysis
• 功能：测查结构效度。找出不能对维度有效贡献的题项，或者站错位置的
题项。分析完毕后，有可能删减、挪动题目，也可能要重新设计问卷
• 选择待分析变量 data9-01 • 设定输出的描述统计量：
• KMO 0.5是做因子分析的最低值，最好0.7以上 • 巴特利特球形检验 P>0.05 不适合做因子分析
• 观测值来自两个独立的样本 • 适用条件 • 两个样本均正态分布。因此，检验前要对两个样本进行方差齐性检验 • 例：为验证“例-规”法与“规-例”法教学效果是否有不同，某物理老师
选择两个近似相等的班级进行教学实验。实验时，对教学时间、地点等无 关变量做了严格的控制，分别采用两种方法教学。然后，两个班的学生都 进行了同样的测验。测验成绩按“5”分制进行评定。成绩见data4-02.请 选用适当的统计分析方法，检验这两种数学方法的教学效果是否存在实质 性差别。
2、独立样本T检验
• 方差齐性检验不显著（p>0.05），即两组方差齐 • 故两种方法差异显著p<0.05
3、配对样本T检验
• 两个样本数据有关联：如前后侧、一组被试接受两种不同的实验处
理
• 数据的要求同单样本T检验 • 例：某幼儿园分别在儿童入园时和入园一年后对他们进行了“比奈
智力测验”，测验结果见data4-03.问，儿童入园一年后的智商有明 显变化吗？
3、探索性描述统计Data3-03
描述
最大值最小值
4、均值比较 Compare Means
• 组平均 • 不同层级的组平均
• 自变量Factor与因变量dependent、自变量间的层级关系
四、差异检验
四、差异检验
• 自变量、因变量的数量或关系不同 • T检验 • 方差分析
显著性差异（significant difference）
• 因子旋转方法：方差极大正交旋转 • 最小因子载荷设定：0.35
在两个公共因子上载荷接近 （小数点后第一位数字相同）
公共因子下只有一个题目 公共因子上最大载荷小于0.35
1、主成分因子分析 Factor Analysis
• 结果的筛选
• 在两个公共因子上载荷接近（小数点后第一位数字相同） • 公共因子下只有一个题目 • 公共因子上最大载荷小于0.35
24
均值 8Байду номын сангаас.5833
标准差 12.21872
2、频数分析 Frequencies
• 正态分布检验：Skewness • 大于0正偏态，小于0，负偏态。等于0对称分布 • 样本量>200，结果可靠
3、探索性描述统计
• 从描述值上判断因素的差异
• 某大学教师认为，学生学习数学时的焦虑情绪是影响数学成绩的因素之一。
• 题目删减完毕后，按原方法再做一次因子分析 • 调整后的维度命名：多数、联合、其它
1、主成分因子分析 Factor Analysis
• 样本量多少才可靠？ • 题目与调查人数低于1:5 • 最好1:10,1:20 • 500以上，大样本？
，样本量不少于100
2、信度分析 Reliability Analyze
• 功能：测查结果的一致性和稳定性。好的工具可多次测量而结果稳
定
• 信度系数：最低值0.7 • 问卷的内部一致性系数 • 维度的内部一致性系数 • 当总信度系数满足要求，但某一维度系数较低时，结果只能做参考 • 例：data9-01
大于0.9：信度甚佳 大于0.8：可接受 0.7以上：应进行较大修订
spss 数据统计分析
常用教育数据统计方法的学习
主要内容
• 分析前的准备工作 • 主成分因子分析与信度检验 • 描述统计 • T检验 • 方差分析 • 相关分析 • 非参数检验
一、分析前的准备工作
1、定义变量与数据录入
• 数据的结果都指向数值 • 名字使用英文，再补充中文标签 • 性别、班级、专业——使用值标签转化 • 正式题项，用字母按维度编号：a1 a2 a3
b1 b2 b3
2、数据整理
• 根据已有变量建立新的变量（转换——计算）
• 根据单科成绩计算总成绩 • 计算维度内的总分、平均分
• 观测量的排序 • 保存部分变量（另存为） • 数据文件的合并
• 增加观测量（CASE）——添加个案（行）——按相同变量增加 • 增加变量（VAR）——添加列——按同名变量增加
• 样本的均值与总体均值或某个已知值之间的差异 • 适用条件
• 变量的观测值是连续的数值 • 若样本量小（小于30），则要求样本正态分布
1、单样本T检验
• 某市统一考试的数学平均成绩为75分，某校一个班（32人）的成绩
见数据data4-01，问该班与全市平均成绩差异显著吗？
1、单样本T检验
2、独立样本T检验
• P>0.05 表示差异性不显著 无显著差异 • 0.01<P<0.05 表示差异性显著 显著差异 • P<0.01表示差异性极显著 非常显著差异
T检验
四：T检验——差异检验
• 用于两组观测值的均值之间差异是否显著的统计分析方法 • 独立样本T检验 • 配对样本T检验 • 单样本T检验
1、单样本T检验
3、配对样本T检验
• 结果： • 智商有显著差异
但仍不失价值 低于0.7：量表重新设计
三、描述统计
平均数、全距、标准差
• 总平均数、维度平均数 • 分组求平均 • 全距：极大值与极小值的差 • 标准差：表征数据集的离散程度。值越大说明离散程度越大，数据
越分散
平均数
成绩 有效的 N （列表状态）
描述统计量
N
极小值 极大值
24 42.00 92.00
二、主成分因子分析与信度检验
1、主成分因子分析 Factor Analysis
• 功能：测查结构效度。找出不能对维度有效贡献的题项，或者站错位置的
题项。分析完毕后，有可能删减、挪动题目，也可能要重新设计问卷
• 选择待分析变量 data9-01 • 设定输出的描述统计量：
• KMO 0.5是做因子分析的最低值，最好0.7以上 • 巴特利特球形检验 P>0.05 不适合做因子分析
• 观测值来自两个独立的样本 • 适用条件 • 两个样本均正态分布。因此，检验前要对两个样本进行方差齐性检验 • 例：为验证“例-规”法与“规-例”法教学效果是否有不同，某物理老师
选择两个近似相等的班级进行教学实验。实验时，对教学时间、地点等无 关变量做了严格的控制，分别采用两种方法教学。然后，两个班的学生都 进行了同样的测验。测验成绩按“5”分制进行评定。成绩见data4-02.请 选用适当的统计分析方法，检验这两种数学方法的教学效果是否存在实质 性差别。
2、独立样本T检验
• 方差齐性检验不显著（p>0.05），即两组方差齐 • 故两种方法差异显著p<0.05
3、配对样本T检验
• 两个样本数据有关联：如前后侧、一组被试接受两种不同的实验处
理
• 数据的要求同单样本T检验 • 例：某幼儿园分别在儿童入园时和入园一年后对他们进行了“比奈
智力测验”，测验结果见data4-03.问，儿童入园一年后的智商有明 显变化吗？
3、探索性描述统计Data3-03
描述
最大值最小值
4、均值比较 Compare Means
• 组平均 • 不同层级的组平均
• 自变量Factor与因变量dependent、自变量间的层级关系
四、差异检验
四、差异检验
• 自变量、因变量的数量或关系不同 • T检验 • 方差分析
显著性差异（significant difference）
• 因子旋转方法：方差极大正交旋转 • 最小因子载荷设定：0.35
在两个公共因子上载荷接近 （小数点后第一位数字相同）
公共因子下只有一个题目 公共因子上最大载荷小于0.35
1、主成分因子分析 Factor Analysis
• 结果的筛选
• 在两个公共因子上载荷接近（小数点后第一位数字相同） • 公共因子下只有一个题目 • 公共因子上最大载荷小于0.35
24
均值 8Байду номын сангаас.5833
标准差 12.21872
2、频数分析 Frequencies
• 正态分布检验：Skewness • 大于0正偏态，小于0，负偏态。等于0对称分布 • 样本量>200，结果可靠
3、探索性描述统计
• 从描述值上判断因素的差异
• 某大学教师认为，学生学习数学时的焦虑情绪是影响数学成绩的因素之一。
• 题目删减完毕后，按原方法再做一次因子分析 • 调整后的维度命名：多数、联合、其它
1、主成分因子分析 Factor Analysis
• 样本量多少才可靠？ • 题目与调查人数低于1:5 • 最好1:10,1:20 • 500以上，大样本？
，样本量不少于100
2、信度分析 Reliability Analyze
• 功能：测查结果的一致性和稳定性。好的工具可多次测量而结果稳
定
• 信度系数：最低值0.7 • 问卷的内部一致性系数 • 维度的内部一致性系数 • 当总信度系数满足要求，但某一维度系数较低时，结果只能做参考 • 例：data9-01
大于0.9：信度甚佳 大于0.8：可接受 0.7以上：应进行较大修订
spss 数据统计分析
常用教育数据统计方法的学习
主要内容
• 分析前的准备工作 • 主成分因子分析与信度检验 • 描述统计 • T检验 • 方差分析 • 相关分析 • 非参数检验
一、分析前的准备工作
1、定义变量与数据录入
• 数据的结果都指向数值 • 名字使用英文，再补充中文标签 • 性别、班级、专业——使用值标签转化 • 正式题项，用字母按维度编号：a1 a2 a3
b1 b2 b3
2、数据整理
• 根据已有变量建立新的变量（转换——计算）
• 根据单科成绩计算总成绩 • 计算维度内的总分、平均分
• 观测量的排序 • 保存部分变量（另存为） • 数据文件的合并
• 增加观测量（CASE）——添加个案（行）——按相同变量增加 • 增加变量（VAR）——添加列——按同名变量增加
• 样本的均值与总体均值或某个已知值之间的差异 • 适用条件
• 变量的观测值是连续的数值 • 若样本量小（小于30），则要求样本正态分布
1、单样本T检验
• 某市统一考试的数学平均成绩为75分，某校一个班（32人）的成绩
见数据data4-01，问该班与全市平均成绩差异显著吗？
1、单样本T检验
2、独立样本T检验
• P>0.05 表示差异性不显著 无显著差异 • 0.01<P<0.05 表示差异性显著 显著差异 • P<0.01表示差异性极显著 非常显著差异
T检验
四：T检验——差异检验
• 用于两组观测值的均值之间差异是否显著的统计分析方法 • 独立样本T检验 • 配对样本T检验 • 单样本T检验
1、单样本T检验
3、配对样本T检验
• 结果： • 智商有显著差异