tukey检验在spss中怎么勾选
今天来学质核检验，当你想比较数据具不具有显著性，但是这时候数据不满足正态分布或者方差奇性，那就可以用到质核检验。首先了解一下质核是什么，这边有两组数据，现在我将两组数据按照从小到大排列，这个位次就是质，同组数据的位次相加就是质核。我们来看看具体怎么操作。 在非参数检验组别就是分组变量，这边还有个定义，组变量中怎么命名的， 这边直接填写就好。勾选曼惠特尼玉，然后确定可以看到质。这个表格就是我们开头讲解的部分，下面看到第二个表格，这个得分二点五数值小说明排名时穿插在一起的少， 也就说明了差异显著，但是具体的还是要看 p 值小于零点零五直接说明具有显著性。好啦，还有问题评论区见。
粉丝6540获赞12.2万
相关视频
02:09查看AI文稿AI文稿一个视频学会 t 检验，核心分为三种，单样本、独立样本以及配对样本。我们先讲解单样本 t 检验，它是比较一组数据的均值和一个已知的标准值，这两者是否有差异。这里以一个班级考试成绩来演示 十五位学生的成绩，在这个表中已知年级均分是八十，我们可以比较这个班级实力和年级平均实力，看看哪个更强。先给数据复制到 spss， 首先我们要检验数据是不是符合正态分布，因为客观的生活告诉我们，成绩这种就是中间多，两边少。在分析的描述统计中找到探索，选入应变量列表中， 在图中勾选含检验的正态图，然后确定，直接找到正态性检验结果，这里显著性大于零点零五说明合格，如果小于零点零五，那就不能用，下面我们来进行检验。在分析中找到单样本 t 检验，选入要比较的年级均分八十，然后确定 这里 p 值大于零点零五，所以说他们之间没有明显差异，说明这个班级实力和年级实力差不多。下面我们学习独立样本 t 检验，它是用来比较两组互相独立的数据的均值差异。 这里我们就来看男女生的成绩是否有显著差异。同样要做一个正态性检验，在做单样本时说过了，这里就不仔细说。在分析中找到独立样本 t 检验，将变量和分组放入，点击定义组，组一在数据式图中是一，所以这里就填入一，如果在数据式图中是三，那组一就是三。点击继续和确定 重点来看这个表。先看第一行，看到这个显著性是零点四一三，那我们就不用管下一行，直接看到后面一个显著性小于零点零一，说明存在显著差异。如果第一个显著性小于零点零五，那就看第二行。 最后学习配对样本 t 检验是比较同一组样本在两个不同条件下的均值差异，比如说要比较培训前和培训后的均值差异，比如说要比较培训前和培训后成绩。选入点击确定后找到表格， 看到相关性的显著性小于零点零一，说明高度相关。再来看到第二个表格的 p 值，它小于零点零一，说明有显著差异，也就是说辅导非常有效。好了，三种 t 检验讲完了，还有问题，评论区见。
117PaperBrew
03:19查看AI文稿AI文稿这是一节所有人都可以学会的 spss 分 析课程，今天我们要讲解的是中介检验。在讲中介检验之前，我们先来看一下，这里有两个结果的表格，这个可以看到它是回归分析的表格，它里面展示了三个模型， 分别是服务体验，然后品牌忠诚度，服务体验，下面是路径分析的一个结果，可以看到 是内容吸引力到品牌忠诚度，再到服务体验这样的一个路径的分析结果，包括总效应、直接效应、间接效应、中间类型，这里也是我做出来的，这里显示是完全中介 这两个表格，它就是中介检验分析的一个结果。那么在了解中介检验之前，我们先来看一下 中介检验的类型都有哪些，这里这个图它展示了就是一个中介检验的本质。我们再次回顾的时候都知道是一个自变量对一个 e 变量 y， 也就是 y 等于 c x 加一一，但是如果说你引入了一个中介变量，它就会 自变量的作用，就会通过中介变量，然后来作用于应变量 y， 然后这样的就叫这样的一个模型，就叫做中介检验。 这里可以看到它直观的列出来一个中介检验的模型图， 就是自变量 x， 从变量到中间变量 m， 然后再到变量 y 这样一个路径，然后还有条路径是自变量 x 直接到变量 y， 当然中介中介检验它不止这样的一个简单中介，还有下面的一个平行中介，这个是列式中介。 今天我们就以这个调查问卷为例，然后来做一下周期检验，这里我们是 这个为自变量，然后这个为中介变量，这个为因变量。 我们借助这个切的 s p s 分 析工具，点击这里上传数据，然后这里可以查看你上传好的数据，可以看一下数据结构是否完整， 点击确认，下面会有对话框，在对话框里直接输入对数据做一个中介体验，自变量是内容吸引力，因变量是服务体验，中间变量是频为忠诚度， 然后它就可以直接生成结果的三线表，这里可以看到它是一个完全中介， 然后点击复制 粘贴进来，就是这样的一个结果表格。 当然这里还有很多的统计学分析方法，大家都可以去多多尝试一下。
03:20查看AI文稿AI文稿大家好，这是一节所有人都可以学会的 spss 分 析课程，今天我们要讲解的是配对样本 t 检验。 在讲配对样本 t 检验之前，我们先来了解一下它的一个基本概念。首先这里我们不用讲它的一个复杂数学原理，我们只用了解什么适配的样样本 t 检验，以及什么时候用，包括它的一个结果该怎么解读。 下面我们带着大家从这三方面来了解一下。首先配对样本体检验呢，它是同一组人，同一批样本，然后前侧后侧两种条件下做对比，然后看两次的数据有没有显著差异。 这里注意它是属于相同的样本，不是两组独立的人群，是同一批人进行两次测量。 当然这里举了一个例子，比如说同一个人两个不同的维度，请勿做对比。然后比如说同一个员工，同一个消费者，这些他都是处于配对样本 t 检验的一个场景。 这里他提到了一个，比如说两组不同的人，比如说男生一组，女生一组。做对比的话，这个时候就要用到独立样本 t 检验。 配对样本体检验的一个前提条件就是两组数据一一对应，然后它的差值是近似正态的，并且它要是连续型数值才可以。 接下来我们看一下它的结果怎么对读。首先最主要的还是看 p 值，如果 p 小 零点零五，说明它是有显著差异的。然后就是看 t 值， t 的 正负是代表前后谁更高，就是它的得分的一个高低。 下面我们以这个数据为例，带着大家来做一下配对样本的检验。这里我们可以看到他列了一个一些量表题目，然后这里划分了颜色的，就代表他是一个维度，前面的是前侧的数据， 然后后面是后侧的数据。 这里我们借助这个 chat sps 分 析工具来做一下这个配对样本题检验。首先在这里上传数据，然后 下面会有对话框，直接在对话框里告诉他对数据做一个配对样本题为一个维度，他会首先帮你把前侧后侧的一个维度计算好， 相当于是处理处理数据了，然后接下来他就会做配对样本 t 检验，然后这个也是标准的漏纹塞线表，可以直接粘到 word 里，点击复制， 然后粘进来之后就是这个样子，也是一个很标准的一个表格，这里它列出了一个显著性，包括 p 值，也是非常规范的， 下面它还会带有一些文字解释，当然这个软件还有很多的一个分析方法，大家都可以去尝试一下。
04:03查看AI文稿AI文稿所有人都可以学会的 s p s 四、分析课程，今天我们要讲解的是调节作用，调节作用呢，它一般是用在中介调节模型里面，比如说这里可以看到这个模型图， x 是 自变量， m 是 中介变量， y 是 因变量， 然后这个调节变量就是 z， 它可以调节 x 到 m 这条路径上，这里有一个箭头，当然这只是调节作用的其中的一个模型，它还有很多的一些模型， 下面我们可以来看一下一些常见的调节作用模型图，比如说这个它就被称为 mod 五，它是调节 x 到 y 这条路径上的，然后 mode 七，它是调节 x 到 m 一 这条路径上的。当然还有更复杂一些的这个调节变量，它调节了两条路径，分别是 x 到 y， 还有就是 x 到中间变量 m， 或者就是 m 到音变量 y， 下面还有 model 十五，分别调节 m 到 y， 还有就是 x 到 y 这两条路径， 还有这个 model 五十八，它调节了 x 到 m， 然后 m 到 y 这两条路径，这些是比较常用的一些调节作用模型图。还有这个它一共 设定了三条这些路径，因为中介模型里面他总共就三条路径，如果说他三条路径都都有调节作用的话，这个模型也是稍稍会比较复杂的。 然后我们可以看到这是中间调节的一个分析的结果，这个就是调节作用检验的表格，它其实是它其实本质上也是回归分析，只不过它分了三个模型图， 然后最关键的是看这个最后一个模型的 p 值， 如果 p 是 显著的，那说明它的调节作用是成立的，这里可以看到它 p 是 不显著的，说明这个交互作用 不显著，也就是调节作用不成立。接下来我们以这个对象文件为例，带着大家来做一下调节作用检验，这里可以看到它分了五个维度，然后我们以这个为自变量，品牌忠诚度呢为应变量， 带着大家来做一下调节作用检验。我们使用 shift s p s 分 析工具，首先在这里上传数据，然后下面它会有一个对话框， 在对话框里输入对数据做一个调节作用检验。当然你直接说这句话的话，他他并不明白你的呃自变量、中间变量、调节变量这些等等是哪些，你需要把这些详细的信息告诉他，然后并且你要告诉他你的模型是用的 mod 五， 也就是也就是这个比较常用的模型， 然后它就可以直接生成结果的三线表，前面是先进行中介检验，然后后面调节作用检验， 这些表格都是可以直接粘到 word 里边，粘进去之后就是这样子的，也就是非常标准的论文三线表。 但这个分析工具里面还有很多的统计学方法，都可以去多多尝试一下。
03:19查看AI文稿AI文稿大家好，这是一节所有人都可以学会的 s p s 四分析课程，今天我们要讲解的是体检院。在讲解体检院之前，我们先来大概了解一下体检院的一些基本概念。 t 检验，它是用来比较两组平均值是否有显著差异的统计方法，它主要是比较两组样本，比如说男性和女性，然后实验组、对照组，这是有两两个分类变量，然后在连续性变量上的差异， 然后它跟卡方和方差分析它是不同的，卡方只是针对两个分类变量之间。方差分析呢，是比较三组基以上的分类变量在连续性变量上的差异。 然后 t 检验，它主要有两个指标，一个是 t 桶的量，还有一个是 p 值，当然这个 t 值越大， p 值就越小，说明你的显著性就越强，就可以认为两组存在显著差异。 然后题检验主要有三种类型，独立样本题检验、配对样本及检验。还有一个是单样本题检验，比较常用的就是上面两种，一个独立样本，一个配对样本。然后接下来我们带着大家以这个问卷为例，做一下题检验。 在这个问卷里面我们也可以看到它有一些基本信息的题目，还有一个量表题，它是分了两个维度的， 然后如果要做 t 检验的话，它肯定只有用性别这个变量来做，因为只有性别这两个，这个变量是分类变量，其他的变量它是多分类变量，它是三组 g 以上的，只有这个性别，它是二分类变量。 然后我们以这个数据为例，然后在 sps 里面操作一下，点开分析比较平均值， 独立样本体检验，然后我这里是把性别还有这两个维度拖过来的，然后直接点击确定它就可以得到这样一个表格，这个就是独立样本体检验的分析结果。 这里主要看 t 值和 p 值，这里可以看到它的 p 值是小于零点零一的，是显著的，说明性别在这两个维度上是有显著差异的。接下来我们给大家介绍一个工具，就是这个 cheap s p s 四， 在这个对话框里首先上传数据，然后接着告诉他对不同性别，在工作满意度以及公司期望满意度这两个维度上做体检，然后他就直接把这个分析的三线表都做出来了，这个是独立样本体检的结果， 然后这个表格它是可以直接复制到 word 里的，点击这里的复制，然后粘到 word 里，它就是这样子的一个表格。当然这下面还有一些文字的解读， 这里 p 小 于零点零一， p 小 于零点零一是有显著差异的，这个分析工具还有一些方法，大家都可以去多多尝试一下。
03:28查看AI文稿AI文稿大家好，这是一节所有人都可以学会的 s p s 分 析课程，今天我们要讲的是卡方检验， 这里大家可以看到有这样一个在线表，这个就是卡方检验的分析结果，它对应了两个分类变量，一个是年龄，然后是购买频率。 当然大家可以看到这个表格，它是这样交叉的一个形式，卡方检验呢，它就又被称为交叉检验， 它是这样交叉着来看的，比如说，嗯，十八到二十四岁，首次购买的人数是七，然后占比是百分十三，这个这个括号前面的数字是平数，然后后面是一个百分比。 这个卡方检验主要是看 p 值，如果说 p 值是小于零点零五的，就说明它是有显著差异的，这里可以看到它的 p 值是零点八， 说明它们不同年龄和不同购买频率之间没有显著性差异。今天我们就教大家如何做出这样的一个卡方检验的三线表。 我们以这个交叉问卷为例，带着大家来做一下交叉检验。 这里可以先看一下这个调查文件的一个基本结构，它分了一个基本信息的题目，然后后面这些是两表题，它是一到五分的 卡方解 n 的 话，它是只针对分类变量来做，也就是这些题目之间两两互相来做的。比如说不同的年龄，然后不同的城市级别之间是否有差异，或者不同年龄，不同产品的购买频率之间是否有差异。 后面两个题它就不可以用卡方检验，这里我们使用这个 chat s p s 分 析工具，带着大家来做一下交叉检验。首先点击这里上传数据， 这可以看到我是已经把数据上传好了的，然后它会帮你把 变量的类型自动识别出来，也是非常智能的。比如说年龄层次，他会自动识别为分类变量，然后点击确定，下面会有一个对话框，在对话框里告诉他对数据做一卡方检验， 但是他识别到你有年龄、城市、购买频率三个分流变量，你这里并没有指定他们三个哪两个之间来做，他就会给你推荐一些组合，一二三，然后我直接告诉他一二三都做， 然后他就直接会生成这样的一个卡方检验的三线表，点击这里直接复制， 然后站到 word 里，之后就是这样的一个样式，也是一个非常标准的论文三线表。 当然这个分析工具里面还有很多的统计学方法，都可以去多多尝试一下。
06:41查看AI文稿AI文稿hello， 大家好，今天我们用 s p s s 学习一下如何去做问卷信度效度检验的探索性因子分析。 然后首先它的结果中需要呈现四个要点，第一个是 pm 值，它的值要大于零点七才能去说明它能够去分类，能够去分块。然后 接下来有一个第二个 cos 图， cos 图就是系统用它的算法去给你推荐这个问卷的维度能够划分成几个维度，接下来是特征值和方差解释率，这个是去看它有没有存在嗯， 过多的解释，然后每一个维度能不能去解释整个问卷和每一道题怎么能不能去解释每一个维度，然后再去看它的因子负荷量能不能充分的去说明它的维度。 好，接下来我们举一个例子，这里有很多的工具，然后首先我们把这个每一个工具看成一个 t 的 话，那么它放进软件当中，软件会去做一个探索性一致分析， 那可能是这样的结果，按照电子设备和一些常用的工具，包括电子设备的配件和一些用电器的分类来给你进行分类，然后也可能会去作为呃用电的设备和不用电的设备这样去给你分类。 然后接下来我们去看一下它的一些结果。首先就是 cam 值和 shift 图，然后放大解数率和旋转基镇， 然后我们看一个简单的报告，这是一个比较简单的 下度分析报告，然后下度分析报告，它就去说明这个 cam 值，然后做一个八特利球形检验，然后它的显著性小于零点零五，那么就可以去搓，它是可以去分块的，可以去分类的，然后接下来进行方差解析率， 分叉解析率，你进行一个说明，旋转后累积的分叉解析率要去大于百分之六十或者百分之五十，这样的话它就是可以去解释你的维度。然后这里我们可以看到 分叉解析率的表格，它给我们分为了三类，就说明我们的数据呈现，最后给出了三个维度， 然后就是最后是一个旋转后的矩阵，然后旋转后的矩阵就是每一个维度 的奇，这里有三个维度 abc， 每一个维度的奇，它要去对应每一个成分，它不能说 a 一 这道题，然后既有这个一成分，也有第三个成分，那么这个呃成分的旋转后的均匀成分，它就属于是一个跨维度的成分，这样就不行的， 我们最后就要进行一个三题，如果他这里有一个零点五四二，那么我们最后就要将这个 a 这道题删掉，或者说如果我们预想的这个 b 维度的一个题， 它的这个因子跑到了第一个成分下去，那这样也是不行的，这样我们也最后也要将 b 一 和 a 一 都删掉，它才能够成为一个标准的旋转矩阵。那最后我们讲解一下这个类似图， 它这个设置图它给我们划分成了三类，就相当于是在一二，因为这一个值它大于一的生成值，那么我们就看第一个点，第二个点和第三个点，然后它在第三个点后低于了一， 然后转弯了，那么就可以说明这个软件是推荐我们去把这个访问卷分为三个维度的。然后接下来我们看一下这个数据的演示，我们把数据在 space 当中打开过后， 这里有我们的三个维度， a 有 五道题， b 有 五道题， c 有 四道题， 然后我们去做分析，然后点降维，然后点因子，然后这里我们把所有的题项， a 到 c 的 所有题项拉到变量当中，点击描述， 然后点击选择这个 camera 值，把它以球形点入，然后继续，然后进去，进去当中我们显示当中选一个顺时针，然后点击继续，然后点击旋转，使用最大方法叉，点击继续，然后点击选项， 点击这个健身显示小系数，健身显示小系数，就是说在我们的报告当中， 那这些是有值的，我们要把它定值显示，那么我们的矩阵看起来才相对于美观一些，然后我们这里把它改成为改为零点四，点击继续过后，然后我们点击确定， 去查看它的一个回归结果，这里是 cam 值， 然后是提取量，就是每一道题它提取了多少去解释这个维度，然后每每一道题提取了多少去解释这一整串问卷，然后接下来是刚刚提到的总分差，解释率就是旋转再和平方和和这个数字差等值。 那么这里也可以看到这个系统是介于我们分成三个维度，然后碎石图就是刚刚讲过的大于一的特征值，有一二三个点，然后从一正的转弯，那么系统也会介于我们分成三个维度， 然后接下来就是旋转后，这里的成份矩阵有两个，然后我们去看这个旋转后的成份矩阵，它也是能够很标准的旋转出三个维度， 然后三个维度的一些占比，然后最后就呈现出一个标准的矩阵，它每一个维度对应的题都能旋转到一个层面。下面好了，谢谢大家的观看，今天我们就讲到这里。
01:03查看AI文稿AI文稿二零二六 s p s s 三二版全面升级，新增功能更简单标准版新增独立样本置换 t 检验。 置换 t 检验是通用置换检验下的一个具体分支功能，类比普通 t 检验，它的核心检验目标是检验两组或配对数据的均值是否存在统计学差异。 他不需要依赖总体分布的理论假设，专门用来解决数据不正、态、方差不齐、样本量偏小、分布不明、存在极端值时的均值比较问题，适用范围更广，结果也更稳健。 操作与传统检验操作并无差异，步骤简洁，功能齐全。用户只需额外下载官方扩展包即可实现。该功能目前仅支持 windows 系统，输出结果信息精准、图像直观。
27SPSS中国
00:45查看AI文稿AI文稿快速理解什么是卡方检验？举个例子，小明发明了一种新药，想知道这个新药是不是比安慰剂更能治好某种疾病。于是小明找了二十名患者，随机分成了两组，新药组十人，安慰剂组十人。一段时间后记录下每组有多少人痊愈， 有多少人没痊愈。把数据填入一个两行成两列的表格，如果新药和安慰剂效果一样，两组患者治愈的比例应该差不多。如果新药治愈的患者很多，多到难以用碰巧来解释，那就说明新药可能真的有用 卡方检验。做的事情就是判断两组患者的痊愈人数差别，到底是真因为药效，还是纯属偶然？下期介绍怎么用 sbs 做卡方检验。
166小羊同学
02:13查看AI文稿AI文稿hello， 大家好，今天是一节不用打开 spss 就 能完成论文数据分析的方法，比如说今天我们要学习的是差异分析，那差异分析系统包括 t 检验和方差分析，对吧？那么 今天我们用的这个工具就叫做 chat spss， 只需要你把输入数据导入进去， 然后告诉他做什么样的分析。那么上一期视频我们告诉大家，呃如何做描述和评述统计分析，那其实就是只是我们只是发了一句话，他就把对应的描述和评述整理以三千秒的格式输出出来，我们直接放到论文里面就 ok， 或者是放到 word 里面自己再添加一些文字解析就可以。那么今天同样的，因为我们这边这份数据， 呃，不仅仅做描述就够了嘛，我们一般还是要做单因素，多因素，那么差异分析其实就单因素的一部分，然后我们告诉他怎么做，我想要进行一个差异性分析， 我的应变量是生活质量总分，你看他就会自动给你梳理做哪些，那么按照性别分组能做差异检验，他直接给你做好了，也就是 t 检验。而如果是，嗯 传统的 spss 软件的话，那其实你要做的内容还蛮多的。首先你需要把这个 呃性别给改成数字的编码，然后并且在这里打上标签，你才能分析。比如这里你直接分析它是分析不出来的， 比较平均，就独立 mt 检验生活质量总分，性别一二确定，你看它计算不出来，这是因为你必须要把这个数据类型给改成数数值，并且在这里打打标签男女。那么我们这里只是输入了一句话， 它可以直接复制出表格，然后放到你论文里面，非常的方便，你看打印数，这样就做完了，非常的快。 然后方向盘器同样的也是可以这样做。
00:45查看AI文稿AI文稿有了 ai 过后，还学 p 的 s p， s， s 这些 s p， s s 数据分析，我都可以用 ai 来完成，十分的方便。就是这个切的 s p， s， s s 我 们在这里上传数据过后，然后我对他说帮我进行一下配对样本 t 检验，他就直接帮我生成了配对样本 t 检验的结果分析显著值啊 t。 然后标准差这这个表格可以直接复制粘贴到 word 里面，是论文标准的三线格， 后面还有相关的文字分析，也可以直接复制粘贴到论文里面，使用，十分的方便。旁边还有一些其他的分析，都可以直接使用，如果不会的话，旁边还有教程，十分方便。
03:03查看AI文稿AI文稿这是一节所有人都能学会的 spss 分 析教程，今天给大家讲的是独立样本提取，那什么是独立样本提取呢？它其实是二分类变量值的连续指标的一个差异。 这句话听起来有点抽象，我举个例子大家就理解了，比如说在这个问卷分析里面，我们的应变量是忠诚度，对吧？那如果我们要比较不同性别，他们关于这个品牌忠诚度的差别， 就该使用独立问题节，就是男女关于忠诚度的一个差异。那么怎么分析，怎么分析呢？这里给大家演示一下。但是由于我们的数据里面没有 所谓的性别，那其实举个例子就按照这个呃年龄也来来做，但是我们只用 a 和 b 来讨论， 这里给大家演示一下。打开，打开 spss 分 析比较平均值独立问题前， 那么其实年龄拖进去，这里要指定一和二。我们这里虽然有五个变量，但是这里指定一和二，就说明我们只选择前面前面的部分，然后把众生都拖进来， 选项可以选择一下啊，这些可以不用管，直接做分析，你看这里不对说明什么？说明其实我们只能用二分列边，那我这里直接生成一个复制拖进去， 这里只是举个例子，然后复制到我们的数据里面 分析描述啊，分析比较平均值独立 m t 检验这个换成性别。 其实我刚才就是故意给大家演示一下错误的示范，那现在已经分成二分类了，那我们拖进去可以看到它的结果，比如说一是男，二是女，那其实这里就出来了 结果。并且我们要看 p 值读量问题， t、 g、 m 的 p 值，它的显著性， 双尾 p 都大于零点六，说明它没有显著差异，这就是我们今天的内容。
02:19查看AI文稿AI文稿哈喽，大家好，今天教大家一个不用打开 s p s s， 只通过对话就能完成数据分析的方法，那么今天我们要学的方法是侦探性检验， 那么其实就是这个被爱工具叫做 chat s p s s 实验室，那么这里面我们还是导入了上次的数据，然后我们告诉他我们要做什么，帮我做一下 正态性检验，看他会输入什么样的结果。我们现在什么也不懂，只会说需求， 你看可以看到他直接把正态性检验的结果表格整理出出来，然后并且我们可以直接复制，并且下面有他对应的文字解析。 那么真的听检验有几个方面需要给大家说明一下，就是它的这里显著 p 值如果小于零点零五，是说明这个是非正态， 我们的原假设是它是正态总体，所以这里是 p 值，如果显著 p 如果小于零点零五，说明它显著，我们要拒绝原假设，那么其实就是说明这个总体它是非正态总体，那么这里它所有的变量它 p 值都是小于零点零一，就可以说明这个整体的 正态性，是都都是非正态。对，也就是说严格来说我们做分析选择的方法也要适合或者配套非正态总体的一些方法，比如说 t 检验，这个就不能做，我们得做非参数检验，以此类推。 然后这个表格可以整直接整理到 word 里面，并且它这里有对应的文字解析，你可以直接粘贴好粘贴在下面， 你看，那么谁又知道这个是 ai 写的呢？谁又知道这个表格也是 ai 整理的呢？非常的方便啊。然后这里有其他的一些方法可以供你选择。
00:56查看AI文稿AI文稿论文问卷分析第七部前文介绍的信度效度检验、描述性统计、差异性分析和相关性分析是问卷分析的基础通用方法，适用于大多数本科毕业论文的基础需求，在完成之后就进入了最核心的时政假设检验阶段。 这一步具体采用哪种方法，取决于你的研究模型和假设类型。根据自己的研究目的来选择合适的分析方法。比如，当研究变量之间为直接影响关系时，可采用多元宪性回归进行检验。如果研究假设包含 x， 通过 m 影响 y， 例如 服务质量、顾客信任、购买意愿，则需要检验中介效应。如果研究假设是 z， 调节了广告投放对购买意愿的影响， 需要检验调节效应。若模型结构较为复杂，包含多重关系或前变量，则可采用结构方程模型进行整体建模分析。你学会了吗？
13SPSSAU
02:42查看AI文稿AI文稿hello， 大家好，今天教大家一个不用打开 sbs， 只用通过对话就能完成贡献性检验的方法，那么包括三线表和对应的文字分析报告都做好。 呃，众所周知，我们在做回归之前要做相关性分析，那么相关性分析，呃，以今天的例子，还是上次那个问卷， 这个品牌满意度和忠诚度调查，那么我们的应变量是忠诚度，那么其他的自变量就是也是其他的维度，比如比如说社交媒体内容吸引力、合作效果、 流量、运营服务体验，对吧？那么这四个它可能我们要先在做回归分析之前，是不是得先做相关性分析？它显著我们才能纳入回归，那么即使它显著，如果它的相关系数比如说非常大， 因为我们相关系数最大是一嘛，如果他达到了零点八、零点七这种，我们主观判断他可能是相关，可能有一定的贡献性，那么对我们的模型礼盒不是 ok， 不是 很 ok。 呃，我们一般是单独做一个贡献性检验， 那么我们打开叉 s bus 怎么做呢？不会做，不会用 bus 做，告诉他怎么做，帮我做一下贡献细节，那么等待他输出结果。 嗯，他自己规划了对后续回归里面可能作为自变量的四个维度均分总贡献。重点看 v i f， 如果可以看到他直接做好了这个表格， v i f 一 般在十以内， 最好是在一左右，他的是没有没有贡献性的。如果他 v i f 非常大，比如说你已经超过了十几，比如二十多，一百多，那么他的贡献性非常大。对你的问，对你的回归的礼盒是非常的拨 ok 的， 那么这里其实蛮 ok， 我 们直接做，直接可以把它复制粘贴到报告里面，那么其实他已经做好了，然后把对应的文字可以可以输出进去啊，具体来看这句话 非常的 ok， 远远低于引擎值五，所以说模型拟合稳定性是 ok 的， 那么这这些完全不需要你用 sps 的 操作，你只需要用这个工具一句话就可以搞定了，非常的方便。
02:30查看AI文稿AI文稿小白 s b s s 实操指南第十一集配对样本题检验视力数据为某种培训前后的考试成绩，共有三十个，数据 id 表示数据编号，前表示培训前的成绩， 后表示培训后的成绩。具体操作分为三步，计算差值、差值正态性检验、配对样本题检验。第一步，计算差值，计算变化后和变化前的差值。点击转换 计算变量，弹出计算变量的对话框，在目标变量中填入要计算的差值的变量名，然后填入计算差值的公式。先将后变量选入数字表达式中，再点击减号预算符或直接输入减号，最后将前变量选入数字表达式中，完成公式构建，点击确定。 在数据式图中可以看到新增一列差值变量数据，表明差值计算完成。第二步，差值正态性检验，判断差值是否服从正态分布， 点击分析描述统计。要探索探索对话框，将差值选入音变量列表，点击图按钮，弹出探索图对话框，勾选直方图和含检验的正态图，点击继续，点击确定，弹出结果。正态性检验中显著性为零点五三三 大于零点零五，认为数据服从正态分布。直方图近似呈现中型分布，可判断数据服从正态分布。 qq 图中的圆点基本紧贴直线，则认为数据服从正态分布。第三步，配对样本 t 检验，判断差值的平均值是否显著不等于零。点击分析喜比较平均值乘对样本 t 检验， 弹出成对样本 t 检验对话框，分别将后前变量选入配对变量中的变量一和变量二，其余保留原设置，点击确定，弹出结果。配对样本统计中，培训后的平均成绩为八十三点五零七，相比培训前的成绩七十点七三七有所提升。 配对样本检验中， sigma 也就是 p 值小于零点零五，说明差异显著，培训有效差值均值为十二点七七，表明平均提升成绩接近十三分。百分之九十五的执行区间为十二点三九六八到十三点一四三二的 b 区间， 区间中不含零，进一步确认培训有效。结合上述结果可以得出结论，培训后成绩显著高于培训前，平均提升十二点七七分，参加培训有效。以上就是利用 spss 进行配对样本 t 检验的内容，感谢收看！
32小羊同学
03:09查看AI文稿AI文稿大家好，这是一节所有人都可以学会的 spss 分 析课程，今天我们要讲的是正态性检验。在讲正态性检验之前，我们先来大概了解一下什么是正态性检验。 正态性检验它是一个假设检验的方法，主要用于判断一组数据是否是正态分布的。 然后它是在做差异性分析之前的一个前提，比如说你要做 t 检验、方差分析、现行回归等等，这些它都要求数据满足正态性，如果数据偏态分布的太严重，这些方法结论就可能会不准确。 然后需要做正态性的情况有以下两种，第一个是样本量较少，嗯，此时用图形观察不稳健，就需要做正态性检验。不太依赖正态性的话，比如说你的样本量很大，比如每组大于两百或者一千， 然后根据这个中心极限定律，样本的均值会接近于正态。然后下面是它的一些理论基础，当然这里还可以通过 qq 图和这个来判断，比如它的散点大致落在一条直线上，就说明正态是可接受的，也就是正态分布。 然后接下来我们用一下这个分析工具，就是 chat s p s 来做一下动态性检验。首先在这里上传数据，可以看到我这里是把数据上传上来的，当然动态性检验它也是针对连续变量来做的， 这里可以看到他是自动把我们的变量类型识别好的，只有后面两个是数值型，也就是连续型变量，但就只能对这两个变量来做动态性检验。然后在对话框里输入 对数据做一个动态性检验，他就直接把这个分析的表格做出来了，然后可以看到这是一个动态性检验的结果， 这个表格它是可以直接复制到 word 里的，粘进去之后就是这样子的，也就是标准的标准的论文三线表。 然后我们来看下这个结果吧。动态性检验主要还是看这个 p 值就可以了。 呃，我们可以看到这里它是零点零零零九，是显著的。然后对于工作状况满意度这个维度来说，它是不满足正态的， 但是它的偏态负零点五九四，风度是负的零点四幺九，它属于基本符合正态。然后我们看一下这个工资期望它是零点三，它的 p 值是不显著的，就说明它是符合正态分布的。 然后这个分析工具它的后面还有很多的分析方法，都可以去尝试一下。
03:24查看AI文稿AI文稿大家好，这是一节所有人都可以学会的 spss 分 析课程，今天我们要讲的是非参数检验，那么在讲非参数检验之前，我们先来大概了解一下他的一个基本概念， 我们平常听得比较多的也就是参数检验，非参数检验可能听得比较少，这里我们先来对比 记一下我们平时常用的什么 t 检验，方差分析，然后票信相关，这些它都被叫做参数检验，它是有严格的前提条件的，就是你的数据要服从这台分布， 并且要是连续性数据，也就是定距或者定比的这类数据还要要求方差其性， 但是生活中大部分数据它是不能满足，不能满足侦测性的。然后这个时候就要用到非参数检验，与参数检验对立的，也就是非参数检验。 那么非参数检验呢？它就可以不依赖数据是侦测分布，包括反差实性，只要数据的频次，然后顺序，它就可以用来做检验，这个就叫做非参数检验。 比如说，嗯，两组对比，我们知道可以用图列问题检验，如果是三组及以上，就用单因素方差对应，复习三书检验，里面就是 u 检验，还有这个 h 检验， 可能听这个例子会比较抽象，接下来我们以这个调查问卷为例，带着大家做一下复习三书检验， 这里我们可以看一下它的问卷结构。首先有一个基本信息，年龄，城市，然后购买频次，接下来是联网题，满意度和认同度的一个两表， 然后这个是它对应的数据。接下来我们再借助这个切的 spss 分 析工具，首先在这里上传数据，这里可以看一下它的数据是已经上传好了的， 包括这个维度划分也是已经计算出来的，它一共有一二三四五个维度。 然后在对话框里告诉他对数据做一个非参数检验，并且是基本信息对后面的维度来做， 他就可以直接生成对应的表格，并且他会自动识别你的分类变量的一个类型，这里是三分类级以上的，他就会选择 h 检验， 这个是不同年龄在思域浏览器上的一个差异。然后是 不同的城市，当然这个表格也是可以直接粘到 word 里的， 粘进来之后就是这样子的，也是非常标准的论文三线表。 当然这个分析工具里面还有很多的一些统计学方法，大家都可以去多多尝试一下。
