
SPSS均值檢驗(Compare Means)平均數(shù)比較
Means過程用于統(tǒng)計分組變量的的基本統(tǒng)計量。這些基本統(tǒng)計量包括:均值(Mean)、標(biāo)準(zhǔn)差(Standard Deviation)、觀察量數(shù)目(Number of Cases)、方差(Variance)。Means過程還可以列出方差表和線性檢驗結(jié)果。
[例子]
調(diào)查了棉鈴蟲百株卵量在暴雨前后的數(shù)量變化,統(tǒng)計暴雨前和暴雨后的統(tǒng)計量,其數(shù)據(jù)如下:
暴雨前 110 115 133 133 128 108 110 110 140 104 160 120 120
暴雨后 90 116 101 131 110 88 92 104 126 86 114 88 112
該數(shù)據(jù)保存在“DATA4-1.SAV”文件中。
1)準(zhǔn)備分析數(shù)據(jù)
在數(shù)據(jù)編輯窗口輸入分析的數(shù)據(jù),如圖4-2所示。或者打開需要分析的數(shù)據(jù)文件“DATA4-1.SAV”。
圖4-2 數(shù)據(jù)窗口
2)啟動分析過程
在SPSS主菜單中依次選擇“Analyze→Compare Means→Means”。出現(xiàn)對話框如圖4-3。
圖4-3 Means設(shè)置窗口
3)設(shè)置分析變量
從左邊的變量列表中選中“百株卵量”變量后,點擊變量選擇右拉按鈕,該變量就進入到因子變量列表“Dependent List:”框里,用戶可以從左邊變量列表里選擇一個或多個變量進行統(tǒng)計。
從左邊的變量列表中選中“調(diào)查時候”變量,點擊“Independent List”框左邊的右拉按鈕,該變量就進入分組變量“Independent List”框里,用戶可以從左邊變量列表里選擇一個或多個分組變量。
多個分組變量既可放在一層,又可放在不同層。利用圖中的“Previous”和“Next”按鈕可以在不同層之間切換。
4)選擇輸出統(tǒng)計量
單擊“Options”按鈕,將打開如下圖所示的對話框。在“Options”對話框中,“Statistics”框中列出了SPSS可求的統(tǒng)計量。其中各項的意義分別為:
Mean 均值。 Number of Cases 觀測量數(shù)目 Standard Deviation 標(biāo)準(zhǔn)差 Median 中位數(shù)。 Grouped Median 分組的中位數(shù) Std. Error of Mean 均值的標(biāo)準(zhǔn)誤 Sum 觀測值之和 Minimum 最小值 Maximum 最大值 |
Range 極差 First 第一個觀測值 Last 最后一個觀測值 Variance 方差 Kurtosis 峰度 Std. Error of Kurtosis 峰度的標(biāo)準(zhǔn)誤 Skewness 偏度 Std. Error of Skewness 偏度的標(biāo)準(zhǔn)誤 |
其中,“Mean”、“Number of Cases”和“Standard Deviation”項為系統(tǒng)的默認選項。
在“Cell”框中列出了已選中的統(tǒng)計量。從“Statistics”框中選擇要生成的統(tǒng)計量。
“Statistics for First Layer”框中列出了第一層分組的另外兩個統(tǒng)計量。
“Anova table and eta”選中將給出方差分析表和eta統(tǒng)計量。方差分析表的前提條件是按照分組變量分組后各組
的均值都相等。eta統(tǒng)計量為分組變量與生成統(tǒng)計量的變量關(guān)系緊密程度的度量。
“Test for Iinearity”選中給出分析變量和分組變量的線性關(guān)系參數(shù),其前提條件為:分組變量和分析變量線性相關(guān)。
本例子選定統(tǒng)計量為“Mean”、“Number of Cases”、“Standard Deviation”3個統(tǒng)計變量。選中復(fù)選項“Anova table and eta”。
5)提交執(zhí)行
提交各選項,在本例中我們不做其他選擇,保持缺省值。在圖4-3中點擊“OK”按鈕,SPSS輸出結(jié)果將顯示在輸出瀏覽器中。
6) 結(jié)果與分析
表4-1 結(jié)果報告(Report)
表4-2 方差分析表 ANOVA Table
結(jié)果分析:
表4-1結(jié)果報告,分別給出暴雨前和暴雨后卵量的統(tǒng)計量:暴雨前有13個樣本,平均數(shù)122.38,標(biāo)準(zhǔn)差15.95,方差254.42; 暴雨后有13個樣本,平均數(shù)104.46,標(biāo)準(zhǔn)差15.11,方差228.269;總體26個樣本,平均數(shù)113.42,標(biāo)準(zhǔn)差17.75,方差315.214。
表4-2方差分析表,共有六列,第一列說明方差的來源,Between Groups是組間的,Within Groups 組內(nèi)的,Total 總的。第二列為平方和,其大小說明了各方差來源作用的大小。第三列為自由度。第四列為均方,即平方和除以自由度。第五列F值是F統(tǒng)計量的值,其計算公式為模型均方除以誤差均方,用來檢驗?zāi)P偷娘@著性。第六列是F統(tǒng)計量的顯著值,由于這里的顯著值0.007小于0.05,所以模型是顯著的,降雨對卵量有顯著影響。
推薦學(xué)習(xí)書籍
《CDA一級教材》適合CDA一級考生備考,也適合業(yè)務(wù)及數(shù)據(jù)分析崗位的從業(yè)者提升自我。完整電子版已上線CDA網(wǎng)校,累計已有10萬+在讀~
免費加入閱讀:https://edu.cda.cn/goods/show/3151?targetId=5147&preview=0
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導(dǎo)向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10