99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話：13121318867

登錄
首頁精彩閱讀SPSS分析技術(shù)：多相關(guān)樣本的非參數(shù)檢驗(yàn)；問卷調(diào)查的受訪者態(tài)度分析
SPSS分析技術(shù)：多相關(guān)樣本的非參數(shù)檢驗(yàn)；問卷調(diào)查的受訪者態(tài)度分析
2017-01-19
收藏

SPSS分析技術(shù)：多相關(guān)樣本的非參數(shù)檢驗(yàn)；問卷調(diào)查的受訪者態(tài)度分析

下面介紹的是多個關(guān)聯(lián)樣本非參數(shù)檢驗(yàn)的方法和應(yīng)用案例。

多關(guān)聯(lián)樣本的非參數(shù)檢驗(yàn)

如果是多個相關(guān)樣本的檢驗(yàn)，SPSS適用的檢驗(yàn)方法有Friedman檢驗(yàn)，Kendall系統(tǒng)系數(shù)檢驗(yàn)和Cochran Q檢驗(yàn)等。

多相關(guān)樣本的Friedman檢驗(yàn)

多相關(guān)樣本的Friedman檢驗(yàn)是利用秩實(shí)現(xiàn)多個相關(guān)總體分布檢驗(yàn)的一種方法，其原假設(shè)為：樣本來自的多個相關(guān)總體的分布無顯著差異。檢驗(yàn)基本原理是以樣本為單位，將所有的樣本數(shù)據(jù)混合，然后按照升序排列，計算各個樣本的秩總和及平均秩。如果多個相關(guān)樣本的分布有顯著的差異，那么數(shù)值普遍偏大的樣本的秩總和必然偏大，數(shù)值普遍偏小的樣本的秩總和也必然偏小，各組的秩之間就會存在顯著差異。若各樣本平均秩大致相當(dāng)，那么可以認(rèn)為各組的總體分布沒有顯著差異。

Friedman檢驗(yàn)統(tǒng)計量的公式為：


該統(tǒng)計量服從卡方分布，若得到的相伴概率值小于或等于顯著性水平，則拒絕原假設(shè)，認(rèn)為兩配對樣本來自的總體分布有顯著差異；反之則接受原假設(shè)，認(rèn)為無顯著差異。

多相關(guān)樣本的Kendall協(xié)同系數(shù)檢驗(yàn)

多相關(guān)樣本的Kendall協(xié)同系數(shù)檢驗(yàn)主要用于分析評判者的判別標(biāo)準(zhǔn)是否一致公平。其原假設(shè)為：評判者評判標(biāo)準(zhǔn)一致，沒有顯著性差異。

協(xié)同系數(shù)W在n較大時，近似服從卡方分布，表示各行數(shù)據(jù)之間的相關(guān)程度，W的取值范圍是0到1。W越接近1，各行數(shù)據(jù)之間相關(guān)性越強(qiáng)，說明評判者的評價標(biāo)準(zhǔn)越一致。SPSS將自動計算W，并給出對應(yīng)的相伴概率值。若相伴概率值小于或等于顯著性水平，則拒絕原假設(shè)，認(rèn)為評判標(biāo)準(zhǔn)不一致；反之則接受原假設(shè)，認(rèn)為評判標(biāo)準(zhǔn)一致。

多配對樣本的CochranQ檢驗(yàn)

多配對樣本的CochranQ檢驗(yàn)所能處理的數(shù)據(jù)是二元數(shù)據(jù)，即只有兩個值（如0或1，好和差）。其零假設(shè)為：樣本來自的多配對總體分布無顯著差異。多配對樣本的CochranQ檢驗(yàn)的計算公式為：

Q統(tǒng)計量近似服從卡方分布。SPSS自動計算Q統(tǒng)計量及相伴概率值。如果得到的相伴概率值小于或等于顯著性水平，則拒絕原假設(shè)，認(rèn)為兩配對樣本來自的總體分布有顯著差異；反之則接受零假設(shè)，認(rèn)為無顯著差異。

范例分析

針對當(dāng)前的大學(xué)生普遍存在學(xué)習(xí)狀態(tài)不佳的問題，我們通過問卷調(diào)查在某校隨機(jī)采訪250名學(xué)生，獲得有效數(shù)據(jù)247份。該學(xué)習(xí)狀態(tài)問卷分為學(xué)習(xí)動機(jī)、學(xué)習(xí)信心、學(xué)習(xí)情緒和學(xué)習(xí)態(tài)度四各部分。在本例中，通過分析了解當(dāng)前大學(xué)生學(xué)習(xí)狀態(tài)的這四個構(gòu)成要素之間的分布是否有顯著差異，如有差異，表現(xiàn)在哪些方面。

（例題數(shù)據(jù)文件已經(jīng)上傳到QQ群中，需要的朋友可以前往下載）

分析步驟

選擇菜單【分析】-【非參數(shù)檢驗(yàn)】-【相關(guān)樣本】，打開【非參數(shù)檢驗(yàn)：兩個或兩個以上的相關(guān)樣本】。將學(xué)習(xí)動機(jī)、學(xué)習(xí)信心、學(xué)習(xí)情緒和學(xué)習(xí)態(tài)度這四個字段選入檢驗(yàn)字段，檢驗(yàn)方法選擇系統(tǒng)默認(rèn)設(shè)置【根據(jù)數(shù)據(jù)自動選擇檢驗(yàn)】。各選項(xiàng)卡其他選項(xiàng)也均選擇系統(tǒng)默認(rèn)設(shè)置。單擊【運(yùn)行】，SPSS輸出本例非參數(shù)檢驗(yàn)分析結(jié)果。

結(jié)果解釋

從非參數(shù)檢驗(yàn)的匯總表可知，檢驗(yàn)的漸進(jìn)顯著性概率值P=0.000<0.001，拒絕原假設(shè)，表明大學(xué)生學(xué)習(xí)狀態(tài)的四個構(gòu)成要素之間的分布差異非常顯著。

由Frideman檢驗(yàn)的輔助視圖可知，學(xué)習(xí)動機(jī)的平均秩為3.16，是最高值；學(xué)習(xí)態(tài)度的平均秩為1.94，是最低值，二者差異顯著。

由四項(xiàng)構(gòu)成要素的成對比較視圖可以看出：除了【學(xué)習(xí)信心-學(xué)習(xí)情緒】的檢驗(yàn)結(jié)果為0.169，大于0.05以外，其余各組對比檢驗(yàn)的P值均小于0.05，拒絕原假設(shè)，這說明大學(xué)生學(xué)習(xí)狀態(tài)的四個構(gòu)成要素在分布上相互之間幾乎均呈現(xiàn)顯著差異。


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

數(shù)據(jù)分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機(jī)數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進(jìn)行初始化 // 參數(shù)1：配置參數(shù) // 參數(shù)2：回調(diào)，回調(diào)的第一個參數(shù)驗(yàn)證碼對象，之后可以使用它調(diào)用相應(yīng)的接口 initGeetest({ // 以下 4 個配置參數(shù)為必須，不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺檢測極驗(yàn)服務(wù)器是否宕機(jī) new_captcha: data.new_captcha, // 用于宕機(jī)時表示是新驗(yàn)證碼的宕機(jī) product: "float", // 產(chǎn)品形式，包括：float，popup width: "280px", https: true // 更多配置參數(shù)說明請參見：http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計時完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請輸入'+oInput.attr('placeholder')+'！'; var errTxt = '請輸入正確的'+oInput.attr('placeholder')+'！'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }