【正文】 (8)輸出結(jié)果的第八部分為圖形，為因變量和每個自變量之間的關(guān)系點(diǎn)圖。因變量為MY。）★ 研究問題：用多元回歸分析來分析36各員工多個心理變量值（Z1Z8）對員工滿意度的預(yù)測效果，測得試驗(yàn)數(shù)據(jù)如下表所示。（4） 輸出的結(jié)果文件中第四個表格如下： Coefficients(a)Model Unstandardized CoefficientsStandardized CoefficientstSig.BStd. ErrorBeta1(Constant).166.278 .595.565x.867.047.986.000a Dependent Variable: y第四個表格是回歸系數(shù)分析。該部分結(jié)果說明對編號為1的模型進(jìn)行線性回歸分析時所采用的方法是全部引入法：Enter（2） 輸出結(jié)果文件中的第二個表格。圖4－2 Linear Regression: Statistics對話框『步驟3』單擊所示Linear Regression對話框中的Plot按鈕，將打開如圖4－3所示Linear Regression： Plot對話框。實(shí)驗(yàn)內(nèi)容：spss中的回歸分析工具及其使用方法； 回歸分析中線形回歸分析，以及常用的統(tǒng)計檢驗(yàn)方法。其中第二個和第三個幼子最相近。⑶ 結(jié)果和討論1) 研究問題1的SPSS運(yùn)行結(jié)果如下：Proximities第一個表格是個案概述，表明6個個案數(shù)據(jù)全部都有效?！?研究問題4個案之間的不相似性測量分析以問題3中的數(shù)據(jù)為例，求幼子的不相似程度（距離）。表35 3個幼子情況長體重四肢總長頭重第一個5021510011第二個5122011012第三個5222011212★ 實(shí)現(xiàn)步驟『步驟1』在SPSS的數(shù)據(jù)管理窗口中，定義4個變量，分別為“長”、“體重”、“四肢總長”、“頭重”，輸入3個幼子的相應(yīng)數(shù)值。在Measure欄中選擇Dissmilarities項，作不相似性測距。對3個變量進(jìn)行距離相關(guān)分析。① Chisquare measure這是統(tǒng)計量，計算公式為：② Phisquare measure這是統(tǒng)計量，計算公式為：③ 對于二值變量，可以使用歐氏距離、歐氏距離平方、方差等方法進(jìn)行計算。在不相似性預(yù)測的距離分析中，根據(jù)不同類型的變量，采用不同的統(tǒng)計量進(jìn)行計算。下半部分是偏相關(guān)分析的輸出結(jié)果，其中，對每個變量都有三行輸出結(jié)果：第一行為偏相關(guān)系數(shù)、第二行為統(tǒng)計檢驗(yàn)的自由度，第三行為檢驗(yàn)統(tǒng)計量的相伴概率。圖311 Partial Correlations對話框在Test of significance框中選擇相關(guān)系數(shù)的雙側(cè)（Twotailed）檢驗(yàn)。偏相關(guān)分析正是用來解決這個問題的。圖39 Bivariate Correlate對話框『步驟3』單擊OK按鈕，SPSS開始計算Spearman和Kendall’s tuab等級相關(guān)系數(shù)。Kendall’s tuab等級相關(guān)系數(shù)：V是利用變量的秩數(shù)據(jù)計算而得的非一致對數(shù)目。圖37 散點(diǎn)圖▲ 練習(xí)題： 某工廠生產(chǎn)多種產(chǎn)品，分別對其進(jìn)行兩標(biāo)準(zhǔn)評分，評分結(jié)果如下表，現(xiàn)在要研究這兩個標(biāo)準(zhǔn)之間是否具有相關(guān)性。⑶ 繪制相關(guān)散點(diǎn)圖如果對變量之間的相關(guān)程度不需要那么精確，則可以通過繪制變量的散點(diǎn)圖來直接判斷。圖33 Options對話框Statistics框中的Means and standard deviations表示在輸出相關(guān)系數(shù)的同時計算輸出各變量的平均值和標(biāo)準(zhǔn)差；選中Crossproduct deviations and covariances項表示輸出叉積離差和協(xié)方差。表31 學(xué)生的數(shù)學(xué)和化學(xué)成績?nèi)嗣麛?shù)學(xué)化學(xué)YuliYafeTyYuZhangWangHaiBillCfeiKakeJouHeyyMarryMaryMingChenSmithJess★ 實(shí)現(xiàn)步驟『步驟1』在“Analyze”菜單“Correlate”中選擇Bivariate命令，如圖31所示?！? ≤︱r︱＜，視為低度相關(guān)。比較直接和常用的一種方法是繪制散點(diǎn)圖，但是為了能更加準(zhǔn)確地描述變量之間的線性相關(guān)程度，可以通過計算相關(guān)系數(shù)來進(jìn)行相關(guān)分析。然后從對話框左側(cè)的變量列表中選擇“數(shù)學(xué)2”， “數(shù)學(xué)2”出現(xiàn)在Current Selections框的Variable2中，這時表示將這兩個變量配對，然后使之添加到Pared Variable（s）框中。在該對話框中指定標(biāo)識變量的區(qū)分方法。本例中的檢驗(yàn)均值為70分，樣本均值和檢驗(yàn)均值的差為4。在Statistics for First Layer項中，如果選中Anova table and eta 項，則將為第一層次的分組計算方差分析（也就是單因素方差分析，通過方差分析的結(jié)果，可以看出第一層次的分組是否在觀察值上有均值顯著差異）。9． 偏度（Skewness）問題：求該班數(shù)學(xué)成績分布的偏度『步驟1』 步驟一、二和步驟三同求峰度的步驟『步驟2』 單擊Frequencies對話框下方的Statistics 按鈕，彈出如圖119所示對話框。單擊OK按鈕，SPSS自動完成計算。將該結(jié)果保存為quartiles1文件。5． 方差（Variance）和標(biāo)準(zhǔn)差（Standard Deviation）問題：求該班學(xué)生數(shù)學(xué)成績的方差和標(biāo)準(zhǔn)差★ 實(shí)驗(yàn)步驟：『步驟1』 單擊“Analyze”菜單“Descriptive statistics”項中的“Descriptives”命令，如圖19所示圖19選擇Frequencies菜單『步驟2』 彈出Descriptives對話框，如圖110所示，在對話框左側(cè)的變量列表中選擇“數(shù)學(xué)”，單擊按鈕使之添加到Variable（s）框中。圖15 Frequencies對話框『步驟3』 單擊Frequencies對話框下方的Statistics 按鈕，彈出如圖16所示對話框。實(shí)驗(yàn)一要研究的問題：某班級的數(shù)學(xué)成績A1A2A3A4A5A6A7A8A9A10A11A12A13A14A15A16A17A18998879595489795689992389705067788956將該班級學(xué)生的姓名和數(shù)學(xué)成績定義為兩個變量，并將數(shù)學(xué)成績作為實(shí)驗(yàn)一的原始數(shù)據(jù)輸入SPSS保存。該結(jié)果可以在“File”菜單中選擇Save as 命令，將該結(jié)果保存為Mean1文件。將該結(jié)果保存為“Mode1”4． 全距（Range）問題：求該班學(xué)生數(shù)學(xué)成績的全距★ 實(shí)驗(yàn)步驟：『步驟1』 步驟一和步驟二同以上求均值和中位數(shù)的步驟一和步驟二『步驟2』 單擊Frequencies對話框下方的Statistics 按鈕，彈出如圖18所示對話框?！翰襟E3』 單擊Frequencies對話框下方的Statistics 按鈕，彈出如圖112所示對話框。將該結(jié)果保存為Deciles1文件。圖116 Weight Cases 對話框『步驟3』 在“Analyze”菜單中“Descriptive Statistics”中選擇Frequencies命令，彈出Frequencies對話框，如圖117所示圖117 Frequencies 對話框在對話框左側(cè)的變量列表中選擇“數(shù)學(xué)成績”，單擊按鈕使之添加到Variable（s）框中。Independent List框可以有多個變量，表示分做的多個層次，可以通過單擊“Next”按鈕來實(shí)現(xiàn)。2．單一樣本T檢驗(yàn)問題：分析該班學(xué)生的數(shù)學(xué)成績和全國的平均成績70分之間是否存在顯著性差異。學(xué)校數(shù)學(xué)成績清華998879595489795689北大992389705067788956『步驟2』 在“Analyze”菜單“Compare Means”中選擇IndependentSamples T Test命令，如圖27所示圖27 選擇菜單『步驟3』 在彈出如圖28所示的IndependentSamples T Test對話框中，從對話框左側(cè)的變量列表中選擇“數(shù)學(xué)”變量，并添加，到Test Variable（s）框中。接受方差相等的假設(shè)，即認(rèn)為兩個學(xué)校學(xué)生的數(shù)學(xué)成績無顯著差異。實(shí)驗(yàn)內(nèi)容：二元定距變量的相關(guān)分析、二元定序變量的相關(guān)分析、偏相關(guān)分析、距離相關(guān)分析1．實(shí)驗(yàn)理論概述任何事物的變化都與其他事物是相互聯(lián)系和相互影響的，用于描述事物數(shù)量特征的變量之間自然也存在一定的關(guān)系?！虍?dāng)r=0時，說明變量之間不存在線形相關(guān)關(guān)系。Pearson簡單相關(guān)系數(shù)用來衡量定距變量間的線形關(guān)系。；。第二個表格則是所要求的相關(guān)系數(shù)，它以一個矩陣的形式表示。在此對話框中，把左側(cè)的“數(shù)學(xué)”、“化學(xué)”這個兩個變量分別通過單擊按鈕使之添加到右側(cè)的X Axis和Y Axis框中，表示散點(diǎn)圖將分別把數(shù)學(xué)成績和化學(xué)成績繪制在X軸和Y軸上。計算公式如下：Spearman等級相關(guān)系數(shù)：其中 （ 、分別為兩變量排序后的秩），可見，Spearman是利用秩得到的。圖38 選擇Bivariate Correlate菜單『步驟2』在彈出如圖39所示的Bivariate Correlate對話框中，從對話框左側(cè)的變量列表中分別選擇“作文1”和“作文2”變量，單擊按鈕使這兩個變量添加到Variables框。例如，在研究某農(nóng)場春季早稻產(chǎn)量與平均降雨量、平均溫度之間的關(guān)系時，產(chǎn)量和平均降雨量之間的關(guān)系中實(shí)際還包含了平均溫度對產(chǎn)量的影響?，F(xiàn)求降雨量對產(chǎn)量的偏相關(guān)。『步驟4』單擊Continue按鈕，返回Partial Correlations對話框，單擊OK按鈕，即可得到SPSS相關(guān)分析的結(jié)果。 小麥產(chǎn)量與單位蟲害值和溫度之間的關(guān)系產(chǎn)量單位蟲害值溫度5．距離相關(guān)分析⑴ 統(tǒng)計學(xué)上的定義和計算公式距離相關(guān)分析是對觀測量之間或變量之間相似或不相似的程度的一種測量，可以用于同一變量內(nèi)部各個取侄間，以考察其相互接近程度；也可用于變量間，以考察預(yù)測值對實(shí)際值的擬合優(yōu)度。④ Block距離計算公式為：其中，k表示每個樣本中有k個變量，表示第一個樣本在第i個變量上的取值，表示第二個樣本在第i個變量上的取值。表34 3次測量情況123456第一次第二次第三次★ 實(shí)現(xiàn)步驟『步驟1』激活數(shù)據(jù)管理窗口，定義變量名：第一次測量值為r1，第二次測量值為r2，第三次測量值為r3，輸入相應(yīng)數(shù)值。★ 研究問題2變量之間的不相似性測量分析以問題1中的數(shù)據(jù)為例，求測量結(jié)果的不相似程度（距離）。在本例中選擇Measure框中的Interval，并選擇Euclidean distance項，不對變量進(jìn)行標(biāo)準(zhǔn)化處理?！翰襟E3』單擊Measures按鈕，彈出Distance：Similarity Measures對話框，如圖320所示。圖321 Distance對話框『步驟2』單擊Measures按鈕，彈出Distance：Dissimilarity Measures對話框，如圖322所示。3) 研究問題3的SPSS運(yùn)行結(jié)果如下：Proximities研究問題3中的第一個表格是個案概述，表明3個個案數(shù)據(jù)全部都有效。問測試結(jié)果是否一致。求合成纖維與拉伸倍數(shù)之間是否存在顯著性線性相關(guān)關(guān)系。在該對話框中可以對多元線性回歸分析中與自變量的篩選有關(guān)的參數(shù)進(jìn)行設(shè)定，同時也可設(shè)置缺省值采用不同的處理方法。從這部分結(jié)果看出：統(tǒng)計量F＝；伴隨概率P。 總體回歸方程： β0常數(shù)項，β1 , … ,βP 稱為總體偏回歸系數(shù)。（2） 輸出的結(jié)果文件中的第二個表格如下：Correlations MYZ1Z2Z3Z4Z5Z6Z7Z8Pearson CorrelationMY.413.118.326.427.245.486 Z1.413.186.386.