spss各维度平均值如何计算
哈喽，大家好，今天我们来学习一下计算变量，那什么是计算变量呢？假如说我们现在有这样一份数据，然后 a 一到 b 四都是一些量表型的数据， 他的曲直都是一到五的这样，然后一就代表的非常不满意到非常满意这样的， 然后我们想啊对每一个维度计算一下他的新变量，比如说 a 这个维度包含 a 一到 a 五这五个变量，那我们想提炼出来一个新的变量来概括 a 这个维度需要怎么做？ 一般是我们要对这五个变量来求一个均值作为这个维度的新变量，那我们就需要点击转换计算变量， 然后我们在这里，嗯，假如说我们起一个名字就叫 a 吧，然后它是由 a 一到 a 五这五个变量求均值的，那我们就写一下均值的表达，是在这个函数组这里找到统计， 然后在这里选择 me， 也就是均值，然后点击箭头，它这个公式就会自动的到这里了。然后这个里面呢就是我们输入需要计算均值的变量，呃， 这里我们就把 a 一到 a 五放进来，然后每一个变量之间用英文的逗号来隔开，嗯，双击每一个变量，它就会自动进到这个里面， 那这个 a 的变量它求均值，就是 a 一到 a 五，然后点击确定， 可以看到这里面就生成了一个新的变量叫 a， 它就是可以用来衡量 a 一到 a 五这五个变量的，然后我们再来计算一下 b 吧。假如说是同样的，点击转换计算变量，然后目标变量这里可以输入 b， 然后数数字表达是这里，你就把嗯，这里面的变量删掉，然后再把 b 一还有 b 二、 b 三、 b 四这四个变量放进来，然后点击确定，这样就会生成一个新的变量 b， 那他们两个就可以用来代表这些 a 维度和 b 维度。然后我们再 可以继续对这两个新的变量做一些描述统计啊，或者是相关性分析、回归分析都是可以的。好，这个就是，嗯，如何计算维度的变量？
粉丝1.5万获赞7.1万
相关视频
14:30查看AI文稿AI文稿大家好，欢迎来到 spas 课堂，我是宇博士，接下来我跟大家分享的是 spas 里面的量关于量表问题的合并。 呃，也可以叫做呢让表的维度得分计算，这呢是前段时间的一个同学呃问题，然后这里呢来做一个视频来集中处理一下。 好，我们来看一下关于量表维度得分计算。呃，关于量表维度得分计算呢，我们主要是考虑到他这两点，第一点呢就是看量表有没有反向问题，如果有反向问题呢，我们需要把 呃反向问题呢计算，得分的时候呢，需要进行反向积分，然后他呢是通过可以通过转换的重新编码相同变量， 呃，重新把所有反向题目呢一块回到反向得分处理，就可以这样集中处理。第二个呢就是维度或整体得分计算。 呃，这里呢有两种方法，第一种方法呢就是计算得分，就是求和。第二种呢就是计算平均值。呃，通常情况下这是两点都可以。呃，要是有明确量表说明的话呢， 就根据大家的说明就行，有的呢是求总班的，有的呢是求呃得班均职的， 这个都可以。然后呢，我们通过一个焦虑量表达来具体看一下，这是 焦虑自评量表，他呢是有有十五个中奖评分，五个反向评分。我们来看一下呃焦虑。我们来看这个机制，就是我觉得比平时更容易紧张或着急， 这是焦虑焦虑的表现，是吧？然后五呢，你看，我觉得一切都很好，也不会发生不尽，这明显是不焦虑。所以说呢，这五呢就是我们争做 反向体，因为我们白质主要是素质越高，它的腰力程度越高， 像五呢这种呢数值，数值越高呢就交易程度越低，所以说呢，我们就需要把五呢给反向积分处理一下， 就是反向积分题，这五九十三是第十九，反向计算呢，在这里呢就是一百没有过，很少有时间呢，评分是四三二一分，一次是四三二一分， 然后像一这种正讲正讲平分题呢，没有过，很少有一二三四，然后得分越高呢，这个 呃焦虑程度呢就越高。然后再来看他的得分，这些得分呢就与二十个全部相加， 得到一个粗分，然后呢用粗分乘以一点二五，再取整数部分呢就得到标准分， 然后这个标准根呢再跟着呃，跟按照那个长模比较，他看这个临界分值五十迈，然后五十到五十九拿轻度，调六十到六十九拿中度，然后六十九半以上的是重度。 这样呢我们就这两点基本就都设计了，呃，设计到了 一个总分计算，还有一个百降问题处理好，我们根据那个数据呢来具体做一下，这是他这个数据。呃量表问题呢，我们看到是这二十个量表， 然后首先呢把反降问题给标一下，反降问题五九三九 十三十七十九，这样呢把它标注出来呢，再进行反向积分处理啊，这里呢 一呢就是没有时间，四呢就是，呃，绝大部分毛全部时间，这样是对应的是一二三子弹，然后呢我们再给他转化成呢，呃，四三二一转化，中间编码 相同变大， 这五个五九值端直接十九，然后进行就值和金值的一个替换，一呢替换成 c， 然后二 三呢个乘，二四呢个乘 进去， 确定好，这里呢依旧 t 完成四，二就完成三，三 t 完成 二，二就完成一了，然后这里呢就不是这个时间了，我们就可以认为是这个得分了，就不要用这个时间来一就是上到这一分 就转化成一分，二呢就变成二分 这样的。哎，你看这张九呢也是同样的，这里就不做修改了，做完这个之后呢，我们就可以对他进行一个 总分计算，先二十个题目相加，这呢涉及到一个 呃 s p s s 里面的函数计算，我们可以通过计算变量，这里面有个数字表达式。我们来看一下这个， 这里面呢主要是用到了这三个函数，第一个呢就是赞，就多个变量组合，第二个呢就是多个变量就平均值。第三个呢就是 呃账户表达是取整数值，就是去掉小数点部分，整数部分这个 t、 r、 u、 n、 c 这个函数， 然后这个呢咱就跟四舍五入去整是有区别的，你像这个呢 r、 n、 d 呢是去整 四舍五入，这个呢就截掉后面这角度边后的数值，因为我们呢需要先求和，就是对所有变慢的求和，先撒，这就做音量，然后呢再乘上一点二五， 这是一点二五，然后取整个部分就是这个数值了，就写为它。我们复制一下，直接用过来 这个变量呢，因为我们这次取得变量这个 to 呢是从第一个到最后一个， 然后呢我们就这儿还是写个 web 外呢，就是标准分了。呃，我们再来看一下，这呢是这里面这些曲折，然后 sum 是这些球壳乘以一点二五，这呢就是这一部分，然后确定。 好，这样呢，就增加了一列外，增加了一列外呢，我们看到他的描述统计看一下， 最小值呢是二十五，最大值呢是八十五，然后平均值呢是四十九， 然后我们再来根据这个他的临界值呢，来给他分一下，看他是焦虑程度是怎么样的。 登记转换，重新编码为不同编码， 焦虑沉重。 好，我们来再来剪一下。呃，五十分，五十分之内的呢是无了。呃， 也就是从最低到四十九至零，然后五十到五十九，轻度交易 六十到六九， 然后六九以上 啊，不知道 最顶端 再比这个负离还值 零呢？是五一呢，是轻度酒， 中度酒 断桥。 好，这样呢，我们再来描述一下。 好，我们看到了这无奈呢是二百一十一人，然后轻度中度呢？战斗呢都有了，他呢就是增加了。 好，这是关于这个焦虑量表得分得分计算他那个焦虑程度的一个划分情况，还有情况，这是 如果对某个在一些亮条里面呢，有部分题目呢，他是需要划分维度的，比如说一到一个维度，这样的拿出来单独做计算， 比如说一到五吧，一到四吧，一到五，这是维度一，我们就来算一下维度一， 比如说维度一，维度一呢，我们如果先求和的话，可以直接主炸， 然后 一到五，就是说呢，从这个一到二， 这，然后从这一到二，这是维度一求和， 这又增加了一个求和。呃，如果求均值呢，我们直接换一下函数就可以，这叫变量，这呢改成 me 平均值， 然后一到五。 好，我们再来看一下，再来描述一下这两个。 好，我们看到维度一求和呢，就对这五个题目呢进行一架求和均值呢这时，然后 呃求均值呢，均值呢是二点一四五九，这样呢就把维度呃求和或求均值的情况下都计算了，这就是关于呃量表问题的维度的合并或者 计算问题。呃，关于其他问题呢？大家如果有问题呢可以联系我们，这是你的联系方式。呃，这里呢，我们可以呃定制相关的视频，如果有需要可以联系。好，谢谢。
635数据分析李博士
00:14查看AI文稿AI文稿如何实现多维度变量生成一个平均值？第一步，上传数据选择分析方法生成变量。第二步，选择变量方法平均值拖转样本得到平均值数据，多维度变量生成一个平均值，就是这么简单，你学会了吗？如有其他疑问，请在评论区告诉我。
89SPSSAU
00:18
07:34查看AI文稿AI文稿下面呢，我们来讲解第三章比较平均值分析，这一章的内容呢，总共分为五节， 分别是呢，平均值分析，单样本体检验、独立样本体检验、成对样本体检验以及单因素和诺检验。 其中呢，这个第五节的内容呢，在很多的教材当中呢，把它放入到了这个方差分析那一章，但是我们啊，呃，不难发现，有一个特点，就是其实在 spss 当中啊，大家看一下， 它是放在这里边来的，对吧？所以说呢，从 sps 的这个框架来说啊，它应该是放到了比较平均值这么一个分析当中啊，在这个框架当中来进行讲解啊，所以说呢，呃，这一块呢，我是需要给大家提醒一下 啊，大家这个要知道啊，这一块的内容呢，我们放在这来讲，相应的在房产分析部分呢，我们就不讲了啊，因为呢，我们要跟我们这本书呢，是讲解 spss 的是吧，不是讲解统计分析的，当然呢， 这个肯定会兼顾统计分析嘛，因为前面我也讲过 spss， 它本质上就是统计分析方法在系统中的实现，是吧，通过软件的一种集成，便利了大家的操作啊。所以这一块呢，跟大家需要说明一下， 如果样本数据只有一组，那么通常会遇到均值比较过程和单样本体检验均值比较过程呢，其实就是这个平均值分析啊，这是一个事啊，如果说是样本数据有两组，而且 两组样本是相互独立的，那么呢会通常会用到独立样本体检验，如果样本数据有两组，而且两本两组的样本啊，不是随机独立的，那这个时候应该怎么着啊 啊？应该是可能就用到成对样本的体检验，如果样本数据是两组以上，比如三组、四组，是吧？这时候就最好是用到这个 adobe 检验。 我们的这一章的教学重点呢，首先我们一定要知道这五种分析方法，他自己的特色是什么，能解决哪些问题，更重要的是要知道他的使用条件是什么，他，对啊，对这一个相应的这种数据有没有一个要求对不对？ 再一个呢，我们要掌握他的一个窗口的功能，特别是呢，要知道呃，怎么去根据我们的研究目标来在 菜单当中进行相应的设置，是吧？去勾选哪些框啊？然后呢，再一个就是说一定要会对这个比较平均值分析的结果进行一个解读啊，这个在结果输出界面，大家都知道这每一个结果到底是什么样一个含义 啊？到底这个显著还是不显著啊？不显著是拒绝人假设还是接受人假设啊？等啊，这些东西呢，都是很重要的啊，只有把这个结果会解读，并且解读准确，而且表述清楚了，这样的话写出来的研究结论才是高质量的。 首先呢，我们来介绍第一节平均值分析，平均值分析的特色啊，他在于将因变量、按因子变量分组输出均值以及其他统计量，还可以呢，或者单因素防查分析和相关性测量 啊，我们看一下数据三点一 平移值啊，然后呢，我们的这个 我们是要要进行哪一块呢？是今针对这一个工资这一块，是不是啊？我们的这个数据啊，是中国二零一九年部分行业城镇私营单位就业单位平均工资数据呢，来自于我们的国家的统计年件啊， 然后呢有三个变量，包括省市行业以及平均工资，这个地方我们把这个平均工资来来 可以看一下，然后呢看一下行业作为资源量， 这其实就研究一下这个不同行业的这个平均工资是不是存在着显著的不同，是吧？呃，选项里边啊，我们把这几个作为单元格统计的这个指标，第一层的统计量，这些可以都选上， 其他的呢，我们采用系统帮你设置。这儿我再给大家说一遍，就是说 啊，我们的选项其实里边你看内容很多，还有就是我们的央视里边这个，呃，叫什么呢？叫叫这这这几个选项啊，具体什么样的含义，我这不再追述了，教材上都有， 但是大家一定要掌握住，而不是说仅仅是跟着我学会的操作，哐哐一点，一看结果完事啊，就我为什么这么点，为什么要要要要选这个东西，这是更重要的啊，这也是很多新手容易犯的错误，也是很多教材上他没有没有考虑的读的这一个需求啊。我这边呢都想到了， 就是说这个把把的，这这个相关的选项的具体的含义啊，都给大家剖析的很很到位，很全面。单击确定这个参与分析的样本数是九十个，没有确实值 啊，这个描述性统计分析报告包括平均值个按数和标准差分行业的，这个是最重要的，这是这个核心的一个结论， 这说明什么呢？看看哪个地方呢？这个大家有没有会不会看看这个地方啊？主要是看组建， 组建呢，就是不同行不同分组啊，我们这叫分组，相当于把行业分了这几个组，是不是 啊？这个组间呢，就是不同的组之间，也就不同的行业分立之间，他的这个显著性水平不显著，因为他大于零点零五，他越大越不显著， 所以说呢，就是说是他没有什么显著的差，没有什么差别，也就说不同行业他的平均工资水平啊，都差不多，呃，或虽然小有差异，但是没有那么大，所以说呢，或者说这个大的这个差异也不构成统计学上的显著性，是吧？ 啊，就是说这个行业的工资啊，不同行业间啊，没有那么大的差异。这是我们的研究结， 下面的是我们的相关性测量结果，它里边的包括这叫负相关系数，而这个呢是叫科学系数，表示的是他的这个解释能力。关于这个公式啊，这个相关的公式啊，我的教材都列了， 这个呢，是依他系数，依他系数呢，是衡量分类变量与连续变量的相关性程度啊，还有依他系数的平方啊 这一块呢，这都是说明我们行业分类啊，与平均工资之间的相关性比较弱啊，也体现在这些数都不高，都不大，也就说不同行业的平均工资差别不够显著。 好了，以上呢，就是我们三点一节的这个全部的一个讲解，我就讲解了这个地方，谢谢大家。
17数据科学作家
11:38查看AI文稿AI文稿哈喽，大家好，欢迎继续回来，我是吴松老师，刚才呢，我们已经说了什么？第二个叫描述，我们再来看一下探索，我们探索什么呢？我们再探索一个身高，对不对？我们打破 大哥问到底，我们逮着身高不放，我们点分析秒统计呢？我们再探索一个 spro 探索，点开探索的时候发现他还是一个套路，是不是？那只不过是多了几个锅而已，那么探索什么呢？我们探索身高 啊，探身高，那么在下面怎么办呢？这样子吧，送个增加一个难度，我们探索不同性别的身高到底是什么情况？我们将 性别放入硬字列表，那么后面就会按照男和女的身高分别来进行探索。探索什么呢啊？二级功能窗口永远只干两件事情，一是选变量，我们变量已经选好了，第二个就是设置 参数，摄餐数就是添油加醋， ok， 我们点开统计，点开统计啊，我们先来看一下，在这统计里面，他是 写的是平均值的百分之九十五的咨询区间，我们上课的时候大家还记得吗？我们学过一张总体均数的百分之九十五肯定区间，估计 当时我们花了一定的时间推倒了他的什么百分之九十五可云之间。 gucci 的一个什么公司啊，推的比较烦人，但是 spss 他已经默认了他的 百分之九十五，退到就已经默认的选项就勾选在这地方，如果你此时要想算那百分之九十九的可以去见的话，你只要改就行了，通常默认的有百分之九十五，所以点继续确定，下面就可以进行作图，进行作图，我们点 plot 作图，那么第一个就是相识图 boxplot 默认， 我们把它吗放进去啊，叫做相视图，然后右边还可以描述描述我们数据的，可以做 stem and neaf graph， 就是敬业图和黑色素管理之方图。我们还可以对我们数据是 组织符合正态分布进行同区检验啊，叫含检验的正态图。 ok， 把他们勾选好了之后呢点继续又回到我们爱情功能窗口选项呢，是不需要进行做的，他告诉我们我们如何 感谢我们的数据啊，这是默认的，不用关心他好，自助抽样就不是出来。我们前面也简单的聊了聊了一下，这个呢，嗯，不说啊，不说，不要进行一个了解， 那么等大家读研究生的时候再进行学习吧。 ok， 叫自助抽象法。好，我们设置好了之后， ig 功能窗口选参数，设备量， ok， 点确定， 结果刷刷刷就已经出来了。好，出来好了之后呢，第一个呢叫做更按处理摘药，这个呢，我们简单看一下，他告诉我们什么呢？他告诉我们的数据到底有没有确实值，我们发现确实有没有啊，有，对，男生有三百零三个是有效的，二百八十七是 有效的女生，那么男生有七个缺失，女生呢？有两个缺失的。 ok， 那么缺失的数据是不参加后续分析的。好，我们再来看下面， 下面又分别对了男生和女生来进行一个同学的描述，那么这个描述我相信大家都能看懂。告诉我们男生的身高的均值是多少呢？是一米七 零点零九二，他的标准误差是零点三幺五，是不是他的百分之九十五可以区间？大家注意了，这就是什么？这就是总体三数的百分之九十五的可以区间，是不是他是一六九点四六零到一七零点七二五，而且呢， 真正的总体均速落在这个范围的可能性达到满百分之九十五，下面就是百分之五的修正均值。什么叫百分之五？修正均值是指 我们会把一些特大的、特小的来百分之五的数给他去除掉之后，剩下来的百分之九十五的数据来描述他的均值，我们发现他是一七零点幺五零 和零九二，相差是不大的， ok， 然后这就是他的中位数方差，标准偏差，就是标准差，最小值，最大值极差 四分位数间距偏度，分度啊，老生常谈，和前面都是一样的，下面是女生也是一样的，是不是？ ok， 这就带大家看了一个， 你们自己举一反三， ok， 男女生都是一样的。下面就进行了正态音检验，就是 sps 啊，他会用两种方法去告诉我们到底符合不符正态分布。一种叫做，哎呀，这个呢是 翻译成中文的，中文呢，读起来很别扭，不好啊。我们前面这种呢叫做 d 检验啊，叫做 d 检验。后面这种呢叫做 w 检验啊， w 检验， d 检验。一般样板量比较大的时候呢，用 d 检验，样板量比较小的时候呢，用 w 检验，所以叫做大 d 小 w 啊，大 d 小 w， 那何为大，何为小呢？又存在一个困惑，那么何为大呢？ 那么在萨斯统计软件认为样本量大于二千的时候才叫大， spss 认为样本量大于五千才叫大。但是我们生物医药领域里面， 我们医学同级学人为出版社这个十周华教授主编的认为，大于五十在生物一样就算大了啊，就算大了，那我们就以就选择一个参考标准吧，就以五十为结吧，我们这个样本来肯定大于五十的，那就那就算大，算大的话，我们看大就是大 递检验发现，男生男生的身高正在检验的批值是零点零零零，小于零点零五的小心意义。有差异和什么有差异啊？失职 男生身高值的分布与正态分布有差异，那么就是说他和正态分布比是有差别的，因此他不符合正态分布。那么女生呢？零点零零零，零点零零九也是小于零点零五的，因此呢，他也是不 符合正在分布的。那为什么不符合正在分布呢？我再往下看一下。哎，有的人说了，老师，这男生不是挺好的吗？男生数据不是挺好的吗？也挺对称的，为什么不符合正在分布呢？是不是然后发现，哎，女生好像也挺好的，为什么不符合正在分布呢？ ok， 所以呢，在统计风险的时候，我们很多教材里面都说了，比如说提前要求独立，正在放茶期，虽然 有正态音要求，但是正态音要求不是非常的高，不是非常的高，近似正态也可以啊，近似正态也可以。如果这一题你真正要想知道他为什么不符正态分布，我们就就看偏度系数和风度系数，我们来进行验证，用偏度系数去处于他的标准物，看绝对值是不是大于一点九六。大于那就说明 偏啊，就是说明偏，如果是正的大于一点九六叫正偏态，负的叫负偏态， ok， 如果用风度系数去出一个他的标准物，那么如果大于一点九六，如果是正的话，那叫做奸笑风太尖了，如果是负的了，叫贫苦风， ok， 下面呢就叫做敬业图， stami 的立服 graph， 那么这个敬业图其实就是一个脂肪图，大家看，如果把它逆时针旋转九十度，用数字就用一个纸条，把他们的数字就用一个纸条，给他 拉起来的话，你看是不是就相当于一个脂肪土，是一样的道理，是不是？哎，数字枝条啊，不能拉那么高，是不是就像一个脂肪土的一个道理啊？但是这个怎么看呢？这是告诉我们， 比如说我们以这个为例，这个是四点零，后面是一五七七七，一五七七是指什么呢？有四个人，这地方有四个人，四个人的身高分别是一米五七、一米五七、一米五七、一米五七，四个一米五七，就那样。老师，为什么是四个一米五七呢？这明明是十五点七七七七七啊，那 如果你说四个，那也应该是四个十五点七啊。可是这地方告诉你们什么，这有个主观的看度，主 干的宽度是十，也就说数字要成一个十倍， ok， 而且他说了，每一个叶子代表一个个案，也就说这一个七就代表一个数字七。什么叫做 树敬业图了？大家看一下，十五、十五、十六，这个都叫做树干，在每一个树干上面就长了这么多树叶啊，这有多少个树叶呢？数一数，数一数，前面就是二十四个啊，就是这么一个道理，下面也是一样的，女生也是同样的道理来进行这样干， ok， 这就是正太的 qq 图，用图来进行一个反应，那么数据到底符合不符之乃分布，这怎么看呢？其实大家想想，这就是老北京糖葫芦串，那么中间这一根线呢，就是一个竹签，上面呢就挂着糖葫芦， 如果所有的糖葫芦都在这根线上串着，那就说明什么？说明他符合正在分布。我们看这个图发现总体还是不错的，可是在这个偏小的部分，偏小的部分有些值啊，他已经没有在这个线上了。这是什么数据？这是男生数据，也就说明什么？也就说明在男生里面有几个人啊，身高太矮了点。是这样概念， 下面是女生，我们发现女生总体不错的，可是发现在女生里面有几个人啊？他身高是吧，太高了点点。 ok， 去趋势的，去趋势的，就是我们发现这是这条线，是不是带一定趋势的，如果把他一个趋势给他去掉，是不是变成水平线？变成水平 线怎么看呢？变成水平线就看这些点是不是在这条线的上下对称分布，我们发现总体还行，在这这地方是不是左下角是不是有些直偏小了？哎，到底是一样的啊，女生也是一样的， ok， 最最重要的就是这个 boxplot 叫做相视图， 这个相视图是怎么看的呢？相视图每一个箱子的中间这条线，黑线是代表的中位数，中间这个黑线是代表什么？代表的是中位数啊，黑线是代表的中位数，然后上面这一个呢，是代表的是百分之七十五，下面这个是代表 是百分之二十五，哎，这不就是中位数和四分之一间距吗？然后呢有两条胡须，两条胡须，上面这个胡 须是指这组数据中的什么最大值？最大值 max 啊，最大值 m x 最大值。那么下面这个有东西讲，老师，下面这个胡须是不是最小值啊？下面胡须不是最小值，最小值是谁？是幺幺四啊？是幺幺四，那就告诉我们是什么，如果外面要有值的话， 如果外面要有值的话，那就那这个这个线的位置怎么画？没有值的话，那这个值就是最大值，如果要有值的话，那这个位置是什么呢？这个位置的就这个宽度是我们四分位数间距的多少呢？一点五倍啊，一点五倍，这个箱体 从这里到这里不就是一个 q 吗？四分位数间距吗？那从这里到这里就是乱，就是一点五 q， 哎，也就说在一 一点五倍 q 的时候呢，他画出了他的另外一个胡须，啊，是这样道理，通过这个呢我们可以看出来，男生的身高是比女生要高的，是不是看他的中位数是不是明显比女生要高， ok， 那么到底高不高，我们要经过同学检验是不是啊？但是通过这个图我们可以得到这样的一个主观印象，同时我们可以发现在男生中有三个人身高偏矮了，在女生中有一个人身高偏高了，五百零四号， ok， 如果要身高让他更极端更高，怎么办呢？会不会出现别的情况？我们点开这个身高，这不是，呃，一米七二吗？我们给他改成 两百五十，我们再次调用探索一下点确定，然后我们找到最后一张图，找到最后一张图，哎，我们来看一下他的结果，有没有发现第一号这个人已经不在五行中跳出红尘脉了，他用的 是一个五角星，五角星各位了， sbss， 如果用的是一个圈，表示这是一个可移纸，如果用的一个五角星，那就表示这是一个异常值，那么 以后我们再进行统计分析，如果要发现这么一场值怎么办呢？回到我们的数据来看一下这个人， 一个人啊，他是爱武林，然后去找到这场调查表，或者找到当时的原始测量记录，来看一下到底是不是爱武林，是不是我们录入错了等相关演员，是不是。如果发现录入错了更改，如果发现确实就是爱武林， 那得看你是干什么事情了。如果是调查类的，他确实是这样，那就是这样的，如果是实验人 类的，那有可能他就是实验误差，实验误差要把它进行删除掉的。 ok， 这一小讲时间又有点长了，那么稍后呢？我们再来学另外一个描述方法，稍后再来。
86松哥统计
04:53查看AI文稿AI文稿所以换句话说，一般来讲，方单因素方差分析的显著性水平大于零点零五的时候，其实我们可以不用进行事后检验的，因为单因素方差分析的显著性水平大于零点零五，这个事后检验其实也是 更进一步的说明，每两两组之间，每两个组之间进行一次比较都没有显著差异，所以这个单一组方差分析的这个显著性才会大于零点零五。 所以这个显著性啊，他只有小于零点零五的时候，我们才有必要更进一步的考察到底是哪两个组之间存在显著差异。 如果这个显著性水平大于零点零五，它就意味着每两个组之间全部无差异，而显著性水平小于零点零五，这个只是意味着其中一定会有某两个组之间存 存在显著差异，那么到底是哪两个组或者是某几个组之间存在显著差异呢？这个时候我们才需要两两比较。 所以这会陈老师给一个总结，就是 nova 显著性水平 p 如果大于零点零五，其实不需要进行事后多重比较，而这个 p 小于零点零五的时候，我们才需要事后多重比较。关于这一点我们也可以进行一次验证啊， 我们看我们这的这个俄罗瓦显著性水平 p 等于零点五七七大于零点零五，其实意味着每两两组之间都不存在显著差异。我们来看看我们这个多重比较的结果啊， 我们只看这个 lsd， 因为这个 lsd 是基于方叉旗性的凉凉比较的结果，我们这的这个方叉是旗的，我们这的这个方叉是旗的，所以呢，我们必须要选择 lsd 的检验结果，而不能选择这个塔姆黑 维尼的这个结果，因为只有当方叉步棋的时候我们才能选择这个结果，所以我们这其实可以把它迪迪丽特掉，把它删除掉。这个方叉步棋的时候，凉凉比较的结果我们可以删掉的，因为我们的方叉是旗的，那么这个方叉旗的情况下呢，我们就可以选择 lsd 这种多重比较的方法， 我们来看看啊啊，这个算了，还是不删了，删了这个，删了这个表格就不完整了，我来看看能不能倒回去啊，倒不回去了 啊，好，算了，我再来算一遍吧，这些个倒不回去了。比较均值单一所 no 版，因为我发现把后边的那个删了之后，前面的前缀也变了。对，好，这个呢，就这个就是可以的啊，实际上这个可以不用 看，可以删掉啊，我们实际上就是为了检验，你看这个单因素方差分析的这个批值大于零点零五，实际上就意味着每两两组之间都不存在显著差异。我们来看这个星耀，星耀，这个星耀的一刻的这个 一克星耀的这个组别和星耀两克的组别对比的话，显著性水平等于零点三四二，大于零点零五一克的。和安慰祭祖相比的话，零点三九四大于零点零五 两克的，和安慰祭祖相比的话，零点九二也是大于零点零五的。所以这个 lsd 的，呃，结果显示每两个组别的显著性水平仍然大于零点零五，任意两个组别的显著性水平都是大于零点零五的，其实 其实他和这个俄罗瓦的检验结果是配得上的，因为这个俄罗瓦的显著性大于零点零五，就意味着每两个组之间都没有显出差异， 但是如果这个显著性如果小于零点零五的话，那就意味着有可能是这两个组之间有差异，也有可能是那两个组之间有差异。一般来讲，所以只有这个显著性水平小于零点零五的时候，我们才有必要更进一步的进行 lsd 的这个检验。 好，这个呢，就是多重比较，但是呢啊，这个 lsd 检验存在一个问题，就是 lsd 检验没有对显著性水平进行一个效证。嗯，关于这个，嗯， 关于我们为什么要对多重比较的显著性水平进行校正，怎么样校正这样一种嗯，这样一个校正的方式的话，陈老师在后期的公微信公众号里面会详细的给大家讲解。今天我们的这个上课的重点呢，就是 lsd 这种基于方差其性的情况下的一个 凉凉比较，这这样一个多重比较。呃，这个其实呢，这个同学其实可以更加注意的是，如果方叉不齐的时候呢，我们也有凉凉比较的方法，就是这个塔姆黑泥。 好，关于今天这个讲解的这个统计学方法呢？呃，如果大家有疑问的话，可以在新花开医学统计微信公众号里留言给我，我会针对大家的提问集中进行解答。嗯，我们的微信公众号是 xhk 三四五。 好，今天的课程就到这里，我们将持续更新更多更实用的医学统计教程，欢迎大家关注我们的微信公众号， xhk 三四五品质源于专业，服务源于真心。感谢大家的收看，下次再见！
124杏花开医学统计
05:03查看AI文稿AI文稿欢迎来到小金微课堂 ibmspss 软件数据管理与编辑系列课程。接下来啊，我们要打开的是第五章的五杠一，因为已经开始第五章的知识啦。 至于应该如何实现我们的点立表分析已经在上节课完成，包括探索性分析也都已经知道怎么才可以把数据列表当中的多项维度通通进行生成。现在我们需要在分析列表当中比较一下平均值。 之所以要比较平均值，因为我们可以通过避难试图看得出来。此次的列表有性别、年龄、年龄段、受教育年限和储蓄金额。其中性别里面包含男女，一是男，二是女。 然后呢，年龄没有，但是年龄段有设置，小于三十五岁的、三十五至四十四岁的、四十五至六十四岁的和六十五以上的。这些呀，也都分别对应着受教育年限和储蓄金额。 我们需要对比的是不同的男女性，他们对应不同的年龄段储蓄金额分别是多少比例？如何点击分析？点击比较平均值，点击平均值 根据储蓄金额判定性别，这就是音列表和那个自变量列表。 接着点击选项。在选项当中有很多种统计方式，可以是中位数、分组中位数，还有最小值、最大值等等。单元格统计形式可以选择按照平均局来统计，可以直接按照个案数统计，也可以按照所有个案数之间的标准差进行统计。 这里的统计分析已经全部被 spss 进行内置过了。右边是选项，咱们这三个不选，按照左边这些就行。 接着是第一层的统计，统计形式就按照默认的 annova at 的统计算法以及线性相关的 调查和检验，这样他就可以在我们输出的日制表当中显示最终的生成图了。点击继续，最后点击确定，看看我们的日制是如何显示的。第一部分当然是平均值，个案整理摘要已经全部都录入进去了， 接着是平均值和个案数和平均分叉，由于偏差的这个值为什么会这么大呢？ 那是因为他按照我们的总额值从最小至最大进行一个整体平均分类。 在 no 法表当中出现了一个很奇怪的现象，我们为什么会计算平方核？因为 no 法的计算方法就是通过平方核来计算他的平均值的。平方核和平均值会有一个更大的比例类， 然后通过处于某个数字再变成科学技术法，接着就可以得出他的平均值了。 相关性测量可以通过 at 算法计算出性别的比例是零点零二九，平方根则是零点零零一。 这里咱们不看，主要看一下他最后会得出什么样的结果呢？貌似这里并没有什么变化，为什么？因为我们没有对变量进行一个新建或者是重组，仅仅只是把得出来的结果通过个按表的方式进行整理罢了。 可是这整理出来也看不懂啊。至于我们应该怎么样子才可以进行重新内划生成，可以通过把它分成为 excel 格式，这样呢，外表和 相关性测量以及原来的表格当中的所有内容，就通通照搬到 excel 进去了。而且在 excel 当中还会把部分的科学技术法，比如一家等这样极贵的数字转化为原本的数值 平均值对比都是按照整体对比的，那能不能根据某个个案进行对比呢？那么这是我们下节课的讲， 下节课预告，我们将学习单样本的 t 检验， 欢迎关注小金微课堂公众号获取课件和数据，咱们下节课再见！ see you next time。
28小鲸数学思维
03:57查看AI文稿AI文稿这样一个窗口，也就是这个平均值右边的第一个平均值窗口，我们才能够分组的描述一个计量资料。 好，我们点进来，比如说，我想知道啊，男性的血糖的一个平均状况，又想知道女性的血糖，知道这个血糖大概是一个什么样的状况。所以呢，我们实际上是按照性别分组 来研究各个组别的血糖状况，那么这个性别他就是作为自变量，选到自变量列表里面，血糖就是因变量，也就是说我们的研究目的， 我想研究男的和女的，分别研究男性和女性他们的血糖状况，那么性别就是自变量，血糖就是这个因变量。那么点击右边的这个选项啊，我想知道，我想分别知道 男性和女性的血糖的均值标准差，我还想知道他们的这个，比如说我还想知道这个中位数啊，我还想知道最小值，最大值。嗯，比如说我还想知道方差， 然后看看还有什么啊？对，基本上就这么几个。好，如果你还想知道哪些，直接从左边选到右边去就完了，这个简单啊，好，呃，本研究呢，陈老师就研究这么几个这个统计料就可以了啊， 平均值个案数，然后呢，中位数标准差，最大值，最小值方差。对，就是一般来讲的话呢，对于连续数值型的变量，我只研究这么几个统计量就可以了，直接点继续，然后点确定。好，我们可以看看这个输出的结果是这 这样的，这个是个案摘要，实际上就是告诉我们，我们为了研究不同性别的血糖的状况，我就搜集了一百五十五名被视对象，并且每一个被视对象的数据都是完整的，没有任何缺失。好，在这样一个数据环境的情况下，我们看看 女性对于女性而言平均血糖的状况是五点九六，对于男性是六点五九。然后我们从标准差来看的话，其实男的和女的也是非常接近的 啊，这个中位数的话，男的就比女的要高一点，高零点三左右。然后呢这个就是最大值，这个是最小值，这个是最大值，这个是方差。也就是说在陈老师刚才演示的平均值的这个界面，可以分别的按照组别分别的给出 这个血糖的啊，平均值啊，标准差和中位数等等。好， 好，这个呢就是，嗯，就是这种分组别的一个描述性统计分析。好，现在陈老师要跟大家提一下啊， 就是这个男的和女的他的这个平均值，如果我想知道我们我们就是从这个数值的大小上面来，从这个单单从数值的大小来看的话，发现男性的六点九五比女性的五点九六要大， 但是至于这个大的程度具不具有统计学意义呢？这个陈老师在后期的独立样本体检宴会会教大家如何判断男性和女性之间的这个血糖平均值差异是否具有统计学意义。好，今天的这个课程主要讲到的就是连续变量和分类 变量的描述性统计分析，以及对连续变量进行分组描述的一种操作方法啊。关于今天的课程，如果大家有疑问的话，可以在杏花开医学统计微信公众号里留言给我，我将针对大家的提问集中进行解答， 我们的微信公众号是 xhk 三四五，今天的课程就讲到这里，我们将持续更新更多更实用的医学统计教程， 欢迎大家关注我们的微信公众号， xhk 三四五。品质源于专业，服务源于真心，感谢大家的收看，下期再见！
356杏花开医学统计
11:36查看AI文稿AI文稿今天我们来聊聊投稿的时候你一定会遇上的，也会用得上的统计学最基本的小知识和操作， 可能很多研究生已经会用了，但是对于部分新生来说可能还不知道，如果不注意的话，投稿的时候有可能就会被拒搞，所以这些东西是非常重要的。 首先来看看这个表格，有这些变量，然后分成了两组，每组有五十个人，那么这是批职， 可以看到有些数据是这种形式表示，有的变量是 加减号的表示，他们有什么区别呢？看这里。那么两组数据进行比较之后，如果符合正 性分布，我们就用两样本体检验来进行，检验他们之间是否有统计学差异。 表示的形式就是用均值加减标准差，也就是这样的形式，说明这些都是符合正态性分布的。如果不符合正态性分布，就得用非参数检验， 用中位数括号，第一四分位数到第三四分位数来表示， 也就是像这样的说明这个变量年龄他是不符合正态分布的。 这是我从刘老师医学统计的公众号里面截图下来的，因为我觉得这几个都是需要注意的。首先 有没有必要做正态性检验呢？有的人说数据在我电脑里，其他人都不知道啊，但是有些高手一眼就能看出 你有没有做对，有没有做了正态性检验，所以我建议还是追求严谨客观的一个态度，最好还是检验一下。 第二个就是有的人可能会认为样本量足够大的时候，就可以默认数据是符合正态分布了，但是刘老师的观点是这种说法是不对的， 那么具体的原因大家自己可以看一下。第三个就是进行两组或多组间的比较时， 需要分组检验正态性，而不是合并进行。像刚才这样，这里有两组，我们不能把 有年龄的数据，把这组跟这组的放在一起去检验正态分布，这样是不对的，而是先检验年龄在这一组的数据是否符合正态分布，然后再检验年龄在另一组的数据是否符合正态分布。 只有两组都符合正态分布时，我们才能认为他符合正态分布，而只要其中有一组不符合正态性，那么就判定该变量不符合正态分布。 不符合正态分布就得用非常速检验，就得用这种形式来表示，只要有其中一组不符合都得这么办。 那么接下 下来就稍微演示一下。这是我一篇文章里面的举例。第一个表格，比如看中间这里年龄 不符合正态分布吧，运州符合正态分布。那么怎么求出这些数值呢？ 我已经提前把数据导入了 spss 里面。首先我们进行正态性检验，按 analyze， 按第二个，然后按第三个 is floor， 把年龄和运洲，哦，我重新弄一遍， 把年龄和运周，也就是你需要检验的指标拉到第一个框里， 把主别放到第二个框里，要按 plot 勾选这个图形，然后最重点的一定要勾选这一个，因为这个就是检验正态形分布的，按 contineu 按 ok 往下拉，我们我们来看这个结果，这个结果就是正态性检验的一个结果。 一般认为当数据量小于二等于五十的时候，我们看这一边，如果当数据大于五十时，倾向于这一边为准。 如果当数据量很大，比如大于五千的时候，他软件只会显示这一边的结果。那么 我们现在来看这一边。年龄和孕周两个变量分成了 p 一组和 ctrl 组。首先来看年龄，在 p 一组的 p 值是零点三八二，大于零点零五的， 我们在正太性检验里面批值大于零点零五，就认为他是符合正太性分布的。 年龄在 ctrl 组里面他是零点零四七，他是小于零点零五的，他是不符合正态分布。刚说过了，只要有一组不符合正态分布，那么就认为年龄他是不符合正态分布的，我们就得用非参数检验 往下看。运州，他在两个组里面的批值都是大于零点零五的，说明运州在两个组里面 他都是符合正态性分布的。所以我们就可以用体检链来对比孕周这两组间的差异。 这是我文章里面的结果，你看刚才说了，年龄在其中一组不符合正态分布，所以我们就要用飞山术检验来对比，然后他要用中位数 和四分位数来表示。孕周他是符合正态分布的，所以我用了均值加减标准差来表示。 那么怎么求呢？ 我我们先来看一下符合正态分布的运周，直接用体检验， 按 compamines， 按独立样本体检验。把熨州拉到这个框里，我们重新来做一遍。 这里把主别拉进来之后，要进行主别的定义，输入一跟二，因为我这里是一跟二，如果你这里是别的，比如零和一，那你这里就要输入零和一按， ok， 首先来看左边的方叉骑行检验，这里批值是小于零点零五的，所以就认为他的方叉是不齐的，不齐的就得看下面这一行，你看有两行，一行二行， 但他不齐，他小于零点零五是不齐，我们就得看第二行，第二行体检验的批子是零点零零零，也就是小于零点零零一的，你看这里， 那么这里就是运州在两组的均值命和标准差，比如他在 p 一组的均值是三十七点六六， 标准差是一点八五，因为我只保留小数点后两位。三十七点六六加一点八五，加减一点八五， 你看三十七点六六，加减一点八五，就是这么求出来的。体检验就直接可以看到 t 值和均值标准差， 那么年龄不符合正态分布，要用非参数检验来对比，怎么求呢？ 非常速检验按这里， 不要，因为我是两组的对比，按这个 把年龄拉进来，把主别放到这里进行定义，然后默认勾选的这个很 ok。 看最后这里他的皮质是零点九一五，你看他的皮质是零点九一五， 但是我们怎么求他的中位数和四分位数呢？这个可能会有人有更好的办法，但是我的办法是这样的，比较麻烦。 你看在这个表格里面，年龄是把两组的年龄放在一起的，那么我们要对两组分别求出他的中位数和四分位数，所以我们要先把其中一组的数据删掉， 选中之后按键盘上的顶立， 这样就只剩下第一组的年龄的数据了。我们来到这里选择这一个， 我们把年龄输入这个框，要按这里，默认情况下是没有勾选的，那么我们勾选一下，这个是四分位数的意思，这个是中位数的意思，我们 ok， 这里就能求出来 第一组数据里面的中位数和四分位数的，你看有五十个值， 中位数是三十点五零，第一四分位数是二十六点七五，第三四分位数是三十四点零零， 和我文章里是一致的，三十点五零是中位数， 第一次分分是二十六点七五，二十六点七五，就是这样求出 过来的。然后我们撤回，撤回之后刚刚删掉数据就回来了，我们再把第一组的年龄的数据删掉， 这样就保留第二组的年龄的数据。我们再重复一遍刚才的操作， 这些都已经不用再重新选了。 ok， 他的中位数是三十点零零， 三十点零零，二十八到三十四，二十八到三十四，好的小伙伴们学会了吗？
1457飞猪Doctor
00:45
09:23查看AI文稿AI文稿哈喽，小伙伴们，毕业即将至，很多同学拿到数据时重复性的数据，那么要进行一些分叉的分析和显著性的一些分析啊，才能够完成整个的论文。那么这期视频呢，就给大家说一说如何用 spss 进行快速的数据上的分析和处理。 开这个软件呢，首先看下面有一个数据试图和一个变量试图，数据试图呢就像我这样，然后输入两列数据就可以，然后变量数图呢是对 你的呃数据试图的一个定义，或者说是一个属性，那么他的这个零零一，第一列的话是数你的字别量，第二列的话是数你的音变量，看一下第一列在这边，第二列在呃另一边，然后呃这个 类型这一部分你可以改一下他输的数据的一些格式，你可以把它输成呃一些文本啊，或者是数据什么的，你可以自行的改正，然后可以改一下这个小数点的位数， 嗯，这是咱们经常用的呃两个地方，然后甚至可以改一下就是这个表格的宽度。那 那么呃这个第一列式自变量我们应该怎么说？比如说我这个实验是分为五个时期，五个阶段，那么每个阶段做了三个重复性的实验，那么我就把它都标为一， 然后第二个阶段就都变为二啊，比如说你第一个阶段可能是加呃十毫升的用量，或者是说呃是一个呃植物的不同的采收时期， 都可以啊，去自行的定义，只要你呃能够把你的定义和你的实验的这个呃自便量对应上就可以。然后我为了方便呢，就用一二三四五表示， 呃，这第二列呢，就是你在呃每次实验后做出的数据，你可以直接从你平时的实验记录本或者是一个赛欧当中直接粘贴过来，然后 后就开始咱们的呃数据的处理的部分啊，直接可以点击上面的分析，然后这里面有一个比较平均值 以及这个单因素方式分析。呃，注意这个呃音变量的这个列表，一定要输入这个音变量，不要和那个自变量搞反了，然后咱们音变量时第二列，自变量时第一列，然后再选择这个时候比较，然后就像我这样选选择一个 s lsd， 途径 sb， 还有一个沃尔顿坦，嗯，然后咱们的显著性水平设为零点零五，因为零点零一就是极显著了吗？然后选择继续嗯，选项，这边再点击一下，然后把描述和方查其性检验勾选上，然后点击确定，就可以 进入这个数据分析的结果的界面了。嗯，这个单项的话，我一般都是把这个嗯实验的名称就打在这里面，作为一个文件夹的名称吗？然后这一列的描描述，呃， 描述这里的话是有计算这一些数据的平均值，方差这些，呃，你用 excel 做是一样的。呃，所以的话就如果大家 粘贴这个呃描述的话，可以直接右键，然后把它保存为不同的格式，如果说你只想粘贴某一个格的数据，你可以说点击他，然后让他变黑，然后勾选这一区域的数据。 那么这边讲完了之后是比较重点的是这个多重比较啊，多重比较就是在分析你的显著性，这边就是刚才用的啊，咱们勾选的 lsd 吗？然后大家都知道这个星号是表示你这个是 实验是否具有显著性？呃，有一个信号的话，就表示你这个实验是有显著性的。呃，这边实验你看有一个显著性的一个说明，前面这个没有的话， 其实他是零，是显著性，是零点零零，然后后面没有没有算吗？就是其实他已经是极显著的了，咱们已经定义零点零五是显著的。呃，他前面只打了一颗星。如果是说你最后做的数据的表格里面，其实他是可以打两颗星的吗？因为是极限柱。 嗯，然后这边比较难看懂的是，呃，这第一列已经和第一组输血，已经和第二组、第三组、第四组、第五组比较完了，他都是有 信号的话都是显著的，但是这个第二组数据又跟一三四五进行了比较。那么为什么要进行比较呢？呃，这一块的话，一跟二、三四五比较，只能说一跟二、三四五是有显著性的，但你不能说明。呃，二跟三也是有显著性的，是吧？你 跟二比完了是有显著性的，二跟一比完也是有显著性的。一般这个东西都是对称的吗？但是你不能说明啊，二跟三是有 显著性差异的，所以说，呃，就是这一轮比完了之后还要再比一轮。嗯，这边数据的话基本上都是有显著性差异的，说明你的实验数据是比较好的。但是也有这个第四组和第五组数据进行比， 他是显著性这一栏，这一边是。呃大于零点零五的嘛，所以他就没有标星说明第四组数据和第五组数据他们之间是没有显著性差异的。嗯，这个实验的数据只只有你有显著性的。嗯，差异，你才 才能说你这个四面量有影响到一面量吗？不然的话你没有差异其实是没有太大的意义的，也不能说没有意义，也只 比如说你这个自备量没有影响到他，然后，嗯，最后拉，拉到这个。呃，乌罗洞坎这边，这 这边的话就是，呃，你要怎么去标你的建筑性？第一种方法就是标星吗？啊，那个是比较简单，但是也有这种 标字母的。嗯，大家对标字母的这个可能一直不太熟悉。呃，先跟大家说这个文献该怎么看，比如说，呃，这个柱子上面标的是 ab， 这个柱子标的是 a， 这两个柱子有同一个字母 a， 那说明他们俩之间又不显著，但是呃，这个第一个和第三个柱子之间他们之间是没有相同的字母的，那我们开玩笑的时候就知道，呃， 这第一个和第三个是有显著性的差异的。然后除了有这种柱状图的，还有这种，呃，写表格的，写表格的话直接是把它标在呃数据平均值加分叉，然后加减分叉吗？后，然后这个数值的后面。嗯， 判的话也是像我刚才说的，就是看两组数据之间有没有相同的字母就可以了， 现在标的话一般都是用这个字母去标识了，很少会用新号去标识，所以说，呃，大家要把这块就是搞清楚，那咱们自己怎么去标这些呢？嗯， 这就用到了咱们刚才勾选这个涡轮增坎。嗯，这个表格呢，看一个右下 角的数据啊，他是从下到上按照平均值的从大到小去排列的，所以这个七十六点一三，大家看到的是平均值最大的一个数，然后其次是，呃，六十五、二十六， 那么从你的右到左就开始标 abcd 啊，那么大家注意一个规则，就是同意 横行的，有重复就标同一个字母，同一数列，有重复的就标同一字母啊， 我这边的实验数据是非常的简单啊，第四组数据和第五组数据他们在同一个数列，那他们俩就都标的就可以了。还有种情况是同一横行的，可能也会有 在一起的啊，像这种情况一定要先标数列， abcde， 标完了之后再去标你的。很好啊，比如说这个第七组和第八组数据，他们是 没有显著性差异的，因为他们在同一个横行吗？那你可以标西，也可以标地，但是一般情况下都是标西的，因为标那个平均值大的吗？然后这样的话就可以做出那个字母标记法的分析的表格了， 然后这个数据一定不要扔掉，如果是你投稿的话可能会，嗯，杂志社会要你的原始性的数据和一些分析，如果说交 有论文的话啊，这个文件你保存或者是不保存都是啊，无所谓的。嗯，那么今天的视频呢，就到这里了，嗯，喜欢我的小伙伴呢，请一箭三联，爱你们哦。
1.0万雪小板学姐
00:32查看AI文稿AI文稿做方差分析一定要搞懂这几个指标， f 值和批值。方差分析最终分析时，首先分析批值，如果此值小于零点零五，说明呈现出差异性，具体差异在对比平均值即可。如果批值大于零点零五，则说明没有差异性产生， f 值属于中间过程值。想要计算批值，一定要先计算 f 值。 婴儿 so 也将 f 直结果输出，用 so 做方叉分析，各类图表一应俱全，方叉分析结果可是画图形深入分析，向硬量指标表格方叉分析中间过程值，还有智能分析分析建议帮助你理解方叉分析，你学会了吗？如有其他疑问，请在评论区告诉我。
1143SPSSAU
01:04查看AI文稿AI文稿本节内容来介绍 spss 中的描述统计分析，通过 spss 对连续型变量进行描述统计，可以得到最小值、最大值、平均值、方差、标准差等信息。 具体操作如下，先用 spss 打开一个数据集，依次点击分析描述统计描述，随后弹出描述选项卡， 将描述选项卡中左侧的家庭收入变量选入到右侧的变量框中，然后点击最右侧的选项按钮，弹出选项选项卡，勾选平均值、标准差、方差范围、最小值、最大值、标准误差的平均值、风度偏度等，点击继续。 再次返回到描述选项卡，点击确定，这样 spss 就会输出本次描述统计分析的结果。 具体观察输出结果可知，在描述统计表格中，分别列出了家庭收入的个案数、范围、最小和最大值、平均值、标准差、方差、风度偏度等指标。
313追梦吧，少年
05:23查看AI文稿AI文稿大家好，今天我们介绍的内容是变量得分的总体情况。之前我们说了需要把 用的变量根据问卷的原始题目计算出来，计算出来那这个东西到底怎么用？一般会有很多个步骤， 这个也不能说是很多个步骤，就是很多种用法，具体看大家的需要，其中的一个用法就是报告一下变量得分的总体情况，这个用法相对来说比较基础，就是看一下我们这一批调查对象在我们 选择的这些变量上的一个总体情况。那他的具体操作就是分析描述统计 描述， 之前我们也说过了数值型数据和非数值型数据的区别，非数值型数据它的描述统计就是频率统计，也就是我们上一节介绍的内容，那数值型数据它进行 嗯，描述性统计的话，就是我们今天要计算的这个也就是作为介绍变量得分总体情况这样一个作用，那点进去点击确定， 这样的话就得到了它的最小值、最大值、平均值和标准偏差，这个它的均值是四。我们之前说过一个叫粗分和因子分的区别，我们在 这一篇用的这个数据里面用的是因子分儿，也就是把亮缸控制在 一到五，对应我们题目中一到五个选项，具体因子分和速分的区别和算法，大家可以回到我们计算变量那一节去看，那今天我们就看计算出来的结果。 那描述性他其实就是这样一个很简单的内容描述，他主要从数据的两个方面，一个就是集中趋势，一个叫离散趋势， 坦白来说就是一个一组数据，他的一个总体的代表性的水平，我们用的就是平均值，那他的上下波动范围就是标准差，相当于是 差这么一个含义。通常我们就用最小值、最大值、均值和标准差会把它呈现在文章里，但是用的时候，嗯，标准差不分析，最大值，最小值也不分析，可有可无。但是最基本的需要把 平均值和标准差放上，再不系，再不系也要把平均值放上，这个是最基本的了，不能再少了。 为什么不分析标准差？标准差他失误差这个东西没有什么可分析的，我们总不能去分析这个东西， 我们的误差大小没有什么意义，就反映一下这些变量的总体水平就好了。那比如说四，他对应我们四级积分这个很符合的含义， 可以说大家在身心准备上处于一个很符合这样一个程度，符合这样一个程度，那这就是他的一个基本的含义介绍，这就是描述性的结果。 嗯，在计算的时候他还有一些别的指标可以计算，比如说我们默认他会选择平均值，标准差最大值、最小值也可以选择方差范围，标准物， 标准物大家如果知道的话，应该就是就会理解它是平均值，如果这是我们收集到的，一次收集会有一个平均值，那么如果我们采集 n 次数据，或者说采集一百次数据，就 会有一百个平均值，一百个平均值的标准差就是标准物，这个东西一般不用，但是如果想算的话可以这么算，就是在这个选项里面把它点进来，偏度、风度这些 都可以算，它都可以汇报出来，就是这样。 偏度、风度。简单说一下吧，偏度和风度一般我们不会进行正态性检验，偏度和风度可以作为一个正态风度的描述性指标，一般要求偏度和风度的绝对值不超过三。 比如说我们这个数据就可以认为这四个变量它的分布是成正， 它分布，因为它的绝对值都没有超过三就可以了。那这个标准物标准错误就不用管了，这些指标如果在某些特殊的时候需要，它就是这么算出来的。 这个就是关于平均值和标准差的部分。那我们今天就到这里啦，再见。
07:21查看AI文稿AI文稿大家好，欢迎来到 spas 课堂，我是李博士，接下来我跟大家分享的是 spss 探索性分析。 好，首先我们来了解一下他的一些相关的一个基本概念，探索分析是在对数据基本特征、统计量有初步了解的基础上，对数据进行更为深入详细的描述性观察分析。 他呢，是在一般描述性统计指标的基础上，增加了有关数据其他文特征的文字和图形的一个描述， 显得更加细致于全面，有助于用户思考，对数据进进行进一步分析。然后在 spas 里面呢，它是通过分析 一描述统计探索这个对话框呢来实现的。好，首先我们来看一下 s p s s 里面的相关的一个模块。 呃，他的一个主对话框呢，主要是分为还是分为左右两侧部分，左侧呢是我们的变量信息，右侧呢是音变量列表，音变量列表呢，是通常放置我们的， 放置我们的连续变量，比如说这里的成绩。然后因此列表呢，就是如果有需要呢，我们需要对数据进行分组进行。 呃，探索分析呢，就需要把性别这样的一个分类变量选进来。呃，统计里面呢，我们通常用到的是百分位数， 因为有些时候如果数据不满足，正在分布呢，我们就需要用他的一个百分位数来表描述他的一个基本情况。所以呢，这百分位数是我们通常需要选择的。在图里面呢， 我们通常需要展示它的一个含检验的正态图，它里呢，这里呢，有两个正态检验，一个呢是针对小样本资料的一个 s w 检验，另外一个呢是针对大样本资料的一个 k s 检验。 呃，关于这大样本资料和小样本资料呢，不同的文献呢，他的样本量是不一样的。呃，这里呢是给出了一篇，呃呃，一篇，呃，在参考书籍里面呢，他 这样介绍的，就样板量呢，呃，小于等于五千的呢，我们都称之为小样板量，进行正态性检验的时候呢，用 sw 检验，如果样板量大于五千呢，我们就把它认为呢是大样板资料， 我们需要用的 ks 检验。呃，这样呢，我们就对数据进行一个增胎检验，如果满足增胎检验呢，我们 在进行分析或者查异性分析的时候呢，我们呢就可以用参数检验，而如果不满足正在进检验呢，我们就需要用到一些非参数检验。 好，我们来对通过一个案例呢来进行呃，探索性分析的一个说明，我们就是对学生成绩呢进行 行的一个探索性分析。好，我们来打开这个数据。 呃，我们先对成绩，对性别呢，我们先不进行分组分析，描述统计探索，把成绩选进因变量列表里面统计呢百分位数继续图呢，我们含检验的正态图选上 继续，然后选项呢就是默认就可以。然后呢确定 好，这里呢我们就可以看到呢他的一个基本描述统计信息，平均值，呃，平均值的百分之九十五之间之间，还有中位数，最小值，最大值范围 四分位去，这样呢一个他的一个基本信息呢就描述出来了，然后这里呢是给出的是百分位数，中位数呢是八七八十一，然后四分之一位数七至二点五， 然后四分之三位数呢是八十六点二五。呃，这里呢给出来了两种方法，就是计算百分位数的方法，我们选择其中一种就可以了，一般呢我们是选择甲醛平均这样一个方法呢，来看他的一个中位数情况， 还有中台检验，中台检验呢，因为这里呢，我们是小样板资料小于五千，所以呢是用的的后面这一种。呃，夏皮洛威尔克检验，他显著性呢是大于零点零五，所以说呢， 他的数据呢是满足征贷性的，我们就可以。呃，如果进行分期呢，可以用参数检验的一个相关方法。 然后下面 qq 图呢，呃，成绩的正态 qq 图呢，我们可以看到这些离赞点位于这条线的附近呢，我们就可以认为这个数据呢是满足正态性的。还有这个 呃这个乘机去趋势正在的 qq 图呢，我们看它是否在这条线的两侧， 我们呢也可以大力看到他的均匀的分布在两侧，也可以说明啊，他是满足正在分布的。嗯，关于这个 qq 图呢，因为他的主观性比较强一些， 所以说呢，我们在判断他是否满足正态性的时候呢，还是通过这个正态性检验，这里呢是比较客观的一个结果。负值，这里呢就是他的一个 看他的显著性，若大于零点零五呢，就说明是满足正态性的，如果不满足呢，我们呃在做后期的分析的时候呢，就需要用不满足正态分布的相关方法了 和关于呃探索性分析，在写论文的时候呢，应用呢主要就是这两个方面。呃，第一个方面呢，他就是进行一个正态性检验， 还是用到的是两种方法，一种呢是针对小样版的，另外一种呢是针对大样版。呃，第二个呢，就是数据的描述方法，如果满足正态性呢，一般是采用均值加点标准差的形式来描述， 如果不满足正态性呢？我们数据呢，是通过中位数、四分之一位数和四分之三位数的形式来表示。 好，关于探索性分析呢，就介绍到这里，大家如果有疑问或者出去分析相关的合作质疑呢，可以联系我们，这是我们的联系方式。好，本次分享呢，就介绍到这里，谢谢。
99数据分析李博士
