sp16.0操作总结

ASCII固定列：下一步→fixed，no→下一步→下一步→保存 非固定列：下一步→delimited，yes→下一步→选分隔符→保存

数据拆分：compare groups各分组的观测量数据所得的结果放在一起比较。 数据合并：增加观测量：data→merge→add cases 集中量数

【操作】quartiles，mean，median，mode，std.deviation，skewne，kurtosis；histogram，with normal 【报告】平均值，标准差，智商小于100的占总数的7% 差异量数

【操作】range 【报告】平均值，标准差，最小值~最大值 探索分析

【操作】outliers（极端值）

0.6745XMdnZmodifiedMdnAD极端值：0.6745为截距；X为原始分数；Mdn为“原始数据的中位数”；各分数与Mdn差的绝对值数列；MdnAD为”绝对值数的中位数”。 Z绝对值≧3.5时为极端值。

【报告】各组人数，平均值，标准差。两组成绩存在一定的差异。 单样本t检验

【对象】一个样本的均值与总体均值或某个已知的观测量之间差异的显著性

【操作】one-sample t test，将要分析的变量选入变量框，text value中设定总体均值 【报告】t检验结果显示，这个班的数学成绩与平均成绩之间差异不显著，t，df，p。 独立样本t检验

【对象】两个不相干样本在相同变量上的观测量均值之间的差异显著性，要求正态分布、方差齐、样本间独立

【观察】levene的sig不显著，报告上面一行的t检验结果，显著则报告下一行。

【报告】教学效果的独立样本t检验结果显示，方差分析齐性不显著，即两组的方差齐。方法1与方法2的消息效果之间存在显著差异（t，df，p），即方法1明显优于方法2.配对样本t检验

【对象】两个相关样本观测量的均值差异或同一个样本的两次观测量均值之间的差异

【报告】xxxx配对样本t检验结果显示，入学后一年的智商要显著高于入学时的智商，t，df，p。说明入学后智商有显著的提高。 单因素方差分析

【对象】一个自变量的不同水平是否给一个或几个相互独立的因变量造成显著差异

【操作】one-way anova；Post Hoc事后比较→LSD、Tamhane2；options→descriptive，homogeneity，means plot 【报告】方差分析结果表明，识记生词的平均成绩之间存在显著性差异，（F，p），事后分析的多重比较结果显示：1年级和3年级的平均成绩差异显著，p。1年级和5年级xxx，3年级和5年级xxx。 多因素方差分析 【对象】两个或两个以上自变量的不同水平是否给一个或几个相互独立的因变量造成显著差异

二因素完全随机

【操作】univariate；plots→选各自变量进入horizontal/选一个自变量进入horizontal，另一个进入separate lines；post hoc→选入多重比较变量（3个或以上水平）→LSD、Tamhane2；options→全部移入display，homogeneity 【报告】方差分析结果表明：入学成绩的主效应差异显著（F，p），这表明高一学生的数学成绩在高中入学考试等级之间差异显著。教学方法的主效应差异显著（F，p），这表明高一学生的数学成绩在三种教学方法之间差异显著。入学成绩*方法的交互作用差异显著（F，p），这表明高中入学成绩等级和教学方法对其数学成绩有显著的交互作用。多重比较结果显示：方法1和方法

2、方法2和方法

3、方法2和方法3之间均值差异显著，p。 随机区组

【对象】有无关变量或随机变量的条件下

【操作】univariate；model→custom→main选入各自变量/interactiont同时选入全部自变量 【报告】方差分析结果表明：入学成绩的主效应差异显著（F(df)，p）教学方法的主效应差异显著；入学成绩与教学方法的交互作用差异显著，考试时间的区组效应差异显著，表明考试时间对数学考试成绩有重要的影响。 两因素混合实验设计 【操作】univariate；postHoc→选入要研究的变量，LSD，Tamhanes2→options→全选，compare，descriptive，homogeneity。交互作用显著做简单效应。Data→select cases→if分组；one way anova→factor：要分析的变量→posthoc：LSD，Tamhanes2→options：descriptive，homogeneity 【观察】均值[方法1-方法2]=正数，方法1优于方法2.【报告】两因素完全随机实验设计的方差分析表明：入学成绩的主效应显著，F（df）=，p；入学成绩高的学生期末成绩（M,SD）显著高于入学成绩低（M,SD）。教学方法的主效应显著，F(df)，p；方法3学生的期末成绩（M,SD）显著高于方法2（M,SD），方法2显著高于方法1.入学成绩与方法的交互作用效应显著，F,p。简单效应的分析结果显示，三种不同教学方法仅对入学成绩好的学生产生显著的影响，方法3显著优于方法

2、方法1，方法1和方法2之间未存在统计显著差异。 协方差分析

【对象】分析自变量对因变量的影响时，消除协变量对因变量的影响 【操作】协变量进入covariates 【报告】方差分析结果表明：协变量年龄的主效应差异显著（F（df），p），表明年龄因素确实对推理成绩有显著影响；训练方法的主效应差异显著，说明两种训练方法对推理成绩有显著性影响。方法1（M,SD）显著优于方法2（M,SD） 重复测量方差分析

【对象】对每个被试的某个观测量重复进行3次或以上的测量 【操作】repeated measures；输入重测变量名→重测次数→add；define→组内因素进入within→组间因素进入between；options→组内因素进入display→descriptive

【观察】球形检验差异不显著p>0.05，报告spherical；显著报告greenhouse 【报告】重复测量方差分析结果表明：三次重复测量的主效应差异显著（F，p），三种刺激条件的主效应差异显著；重复测量与刺激条件的交互作用显著。 重复测量结果之间的多重比较

【操作】split file按组别拆分数据；repeated measure→输入重测因子及次数；define→因子进入within；model→custom→因子进入within；options→因子进入display→compare→bonferroni

【报告】多重比较结果显示：在刺激1上，测量2和测量3之间差异显著（p），其他各项重复测量之间差异都不显著；在刺激2上；在刺激3上。 单因素重复测量 【操作】Select cases；repeated→无需选入组间变量。 简单相关

Person：正态分布、两列变量值为连续的等比/等距数据

Spearman：不是等距或等比数据，而是具有等级顺序的测量数据时，或者数据等距/等比，但不是正态分布

Kendall：两个有秩变量间密切程度的测度

【操作】正态分布→person。等级相关→kendall+spearman 【报告】通过xx相关分析，结果显示xxx相关显著，r，p 偏相关

【对象】3个及以上变量时对其中每两个都要做相关

【操作】分析变量→variables；控制变量→control；options→means+zero 【报告】偏相关分析结果表明，数学成绩与化学成绩有显著的正相关r，p 一元线性回归分析

【对象】一个自变量与一个因变量之间的关系

【操作】散点图→simple；regreion→linear；选入因变量自变量 【观察】B（constant）为常数，自变量为系数

【报告】线性回归分析结果显示，xx和xx存在显著的线性关系，F(df)，p；自变量可以解释因变量%的变异性（R2=），建立的回归方程为，其中x代表，y代表。 多元线性回归

【操作】linear→method→stepwise

【报告】多重线性回归分析结果显示，xx存在显著的多重线性关系，F(df)，p；自变量解释了整个因变量变异程度的%（校正的R2=）。建立回归方程为，其中y代表，x1代表，x2代表。 信度分析

【报告】采用α信度系数的内部一致性信度分析结果显示

操作总结

操作总结

操作流程总结

年终操作总结

猎头操作总结

Illustrator操作总结

标准化操作总结

水压试验操作总结

白酒操作总结

广联达软件操作总结

《sp16.0操作总结.doc》

将本文的Word文档下载到电脑，方便收藏和打印

推荐度：

点击下载文档