SPSS從0開始-三星統計張偉豪

http://www.semsoeasy.com.tw/
張偉豪
三星統計服務有限公司執行長
Amos 亞洲一哥
版本:20150918
關鍵字請搜尋:三星課程網
統計從0開始
SPSS 認識之旅

大綱
• Basic concept of Statistics
• Introduction of SPSS
– Understanding your data
– Data Modifications
• Descriptive Statistics
– Frequency table, Graph, Contingency table
• Inferential Statistics and Interpretation
– Correlation, t test, ANOVA, Regression

研究問題
• 發現問題
– 描述:針對搜集的樣本訊息加以客觀的描述,並不推論到
較大的母群體.
– 預測(相關):至少兩個變數以上,了解變數之間的關
係,EX:學生努力的程度對學習成就是否有影響?
– 差異(平均數):比較依變數在不同群體得分的差異.
EX.不同的教學方法對考試成績是否不同?
• 蒐集資料
– 利用有效的抽樣方法,找出具代表性的樣本加以調查
• 分析資料
– 應用適當的統計方法加以分析,找出潛在的影響
• 解決問題

分析資料來源
• 原始資料(raw data)
– 經由研究者本身設計問題並實際進行資料蒐集
而成，如問卷設計、實驗設計等。
• 次級資料(secondary data)
– 取用目前已經經過分類儲存的資料，如財經的
TEJ資料庫、國建局、教育部等。

研究的語言
變數
Variables
模型
Models
理論
Theory
研究使用的
專有名詞
構念
Constructs
操作性定義
Operational
definitions
命題/假設
Propositions/
Hypotheses
概念性架構
Conceptual
schemes
概念
Idea/
Concepts

研究中常見的名詞
• 構念(construct)
– 為一想像的抽象名詞，目的是建立研究的基礎，如憂鬱
程度、組織承諾或工作滿足，又稱構面、因子 (素) 、
維度、潛在變數或不可觀察變數。
• 變數(variable)
– 變數是量化研究方法中的基本元件，目的是將構面變成
可以操作。
• 命題(Proposition)
– 為研究構面之間關係的陳述，成品即為研究架構
• 假設(hypotheses)
– 統計檢定結果的陳述

命題與假設
•命題:只是表現構念之間的關係的描述，它
仍無法驗証，研究者須將命題內各構念，
選擇使其可以被操作。
•假設:為各變數之間的對應關係，是研究問
題的暫時性答案，只有經過「統計估計/檢
定」後，才能判定其真實性。

問卷設計
• 問卷設計是調查研究法中將抽象的概念轉
化成具體可測量之指標的過程。

題目設計具體原則
1. 參考並引用他人研究所擬的相關題目
2. 採用封閉式的題型
3. 問題題意要夠明確
4. 題目文字不要過長
5. 不要設計反向題
6. 衡量尺度大一些比較好,如李克特量表或語
意差異量表(1~7)
7. 一個構念不要超過7題

措辭、用字原則
1. 題目要簡短,具體及直覺。
2. 避免用受訪者不熟悉的辭彙。
3. 避免在一個問題中問到兩件事。
4. 避免明示或暗示性的建議。
5. 不要侵犯到個人隱私。

操作型定義
• 將 “抽象的概念”用 “相關” 、“具體” 、
“可觀察”並且 “可衡量”的事物展現
• 組織承諾 離職率、請假次數
• 憂鬱程度 失眠、人際互動

約會暴力
• 理論構面定義
– 在兩人相互回應的互動中，對另一個人使用或
威脅使用肢體武力或限制，目的在造成對方的
傷害或痛苦，也包括言詞詆毀或羞辱。
• 操作型定義
– 如果對方是有約會暴力的頃向，會有那些行為
我們所觀察到
– 掌握對方行蹤、不許與他人交流、要求對方迅
速回應…

研究模型中的五大變數
• 自變數 (解釋、外生、前置或因變數)(IV)
• 依變數 (被解釋、內生、果或應變數)(DV)
• 中介變數(Mediator)
– How and Why
• 干擾變數 (調節變數)(Moderator)
– What and When
• 控制變數(Control Variable)
– 排除研究中特定變數所造成的影響

自變數與依變數同義詞
• 獨立變數 Independent
• 預測變數 Predictor
• 原因變數 Cause
• 刺激變數 Stimulus
• 預測變數 Predictor
• 前置變數 Antecedent
• 操弄變數 Manipulated
• 外生變數 Exogenous
• 依(應)變數Dependent
• 準則變數 Criterion
• 影響變數 Effect
• 反應變數 Response
• 結果變數 Consequence
• 內生變數 Exogenous

研究變項－自變數、依變數
自變數：研究者可操弄的變數
• 例如：旅遊衝擊→旅遊支持，旅
遊衝擊為自變數
依變數：研究者欲預測的結果變數
• 例如：旅遊衝擊→旅遊支持，旅
遊支持為依變數

自變數與應變數探討
• 研究模型中如果只有預測變數與結果變數
• 目的:了解預測變數對結果變數影響的重要性
• 缺點:無法了解預測變數為何或如何影響結果變數
• 分析方法:多元迴歸分析(只能評估直接效果)
16
壓力
家族遺傳
經濟
人際關係
憂鬱症

研究變項－中介變數
中介變數 (了解X為何及如何會影響Y)
• X透過M影響Y，M就稱為中介
• 中介變數適用於X→Y的關係較強的時候
想太多
工作壓力憂鬱症

中介變數探討
• 研究中加入中介變數可以了解預測變數是透過什
麼原因影響結果變數
• 目的: How and Why X will impact Y
• 分析方法:路徑分析
18
壓力
家族遺傳
經濟
人際關係
憂鬱症想太多

中介變數探討
• 中介變數是比預測變數更接近結果變數的變數
• 為一個因果(內生)變數
• 因此探討中介效果的模型至少三個變數
19
胡蘿蔔
奇異果
綠色
花椰菜
柳橙汁
保護眼睛葉黃素

研究變項－干擾變數
干擾變數 (不同情境下XY有何不同)
• 干擾變數適用於X→Y的關係較弱或
不一致的時候
學生參與
教學能力學習成效

研究變項－干擾變數
干擾變數 (不同情境下XY有何不同)
• 干擾變數適用於X→Y的關係較弱或不一
致的時候
魏延
孔明七星燈

調節變數探討
• 研究中加入調節變數可以了解在不同的情境下預
測變數對結果變數的影響有何不同
• 目的: What and When the impact will
different from X to Y
22
壓力
家族遺傳
經濟
人際關係
憂鬱症
家庭支持

調節變數探討
• 調節變數是一個預測 (外生)變數
• 因此探討調節效果的模型至少需要三個變數
• 分析方法:階層式迴歸分析
23
程序正義
資訊正義
分配正義
互動正義
組織承諾
文化差異

控制變數
• 在其它條件不變之下,迴歸模型中某自變數
對依變數影響的大小為標準化迴歸係數
• “在其它條件不變之下”指的是所有自變數均
加以控制,亦即所有的自變數都是其它變數
的控制變數

變數的分類
• 自變數
– 純自變數
• 純粹當作解釋變數,為
模型的一部份
– 干擾變數
• 外來的變數,非模型的
一部份,只有在證明干
擾效果時才會代入
– 控制變數
• 為模型的一部份,主要
目的是為了得到更精
確的估計
• 依變數
– 純依變數
• 純粹當作被解釋的部
份,通常是研究的核
心變數
– 中介變數
• 用來解釋自變數到依
變數變化的過程

變數的範例
• 薪酬(IV)越高，導致每位員工的銷售績效
(DV)增加，尤其對較年輕的員工(MO)而言
，更是如此，在整體景氣不變(CV)的情形
下。
• 在不考慮政治力的介入(CV)下，都更計劃
實施的阻礙(IV)，造成在外租屋的居民生
活壓力增加(DV)，尤其對所得較低的住戶
(MO)而言，更是如此。

變數的範例
• 對新開發的客戶數(CV) ，薪酬(IV)增加，
導致每位員工的銷售績效(DV)增加，尤其
對較年輕的員工(MO)而言，更是如此。
• 都更計劃實施的阻礙(IV)，造成在外租屋
的居民生活壓力增加(DV)，尤其對所得較
低的住戶(MO)而言，更是如此。

變數的範例
• 薪酬增加(IV)，透過提高工作滿意度(ME)，
降低員工離職率 (DV)。
• 存款利率增加(IV)會增加百姓存款(DV)，
特別是在景氣不好(MO)之際，但主要是影
響小額存款人(CV)，由於提高存款動機
(ME)，才會造成這結果。

統計學常用的名詞
• 平均數(效度)-不偏、一致、充份、相對有效性
• 眾數-複選題研究常用
• 變異數(Variance, s2) -
• 標準差(Standard Deviation, s)-將 s2 取根號值
• 共變異數(Covariance, sxy)- x 和 y 相關的程度
，很大的正值表示很強的正線性相關，反之亦然
• 相關係數(Correlation, r) -由於共變異數會受到
單位不同的影響，因此需標準化方可相互比較
sxy / sx sy
_
2
( ) / 1ix x n  

變異數(Variance)
• 研究中最重要的參數,沒有變異數就沒有研究
– 每個變數都會有一個變異數,變異數為0則稱為常數
(Constant)
• 每個樣本對任一個變數看法都會有差異,差異的累
積就形成變異數
• 變異數越大表示樣本之間差異愈大
• 當依變數被估計時,依變數的變異數會分成兩部份
– 可解釋部份變異(Common variance, R2)
– 不可解釋部份變異(Unique variance, e)

標準差(SD) VS.標準誤(SE)
• 標準差來自 “一次”調查的結果
– 一次調查的標準誤是利用數學公式算出
SD/√N, N為樣本數
• 標準誤來自 “多次”調查的結果
– 例如自同一個母體,重複抽樣100次,我們會得
到100個估計參數值(平均數),利用這100個平
均數所算出來的標準差稱為 “標準誤”

變數尺度種類
(measurement scales)
• 名目尺度(Nominal Scale)
• 次序尺度(Ordinal Scale)
• 等距尺度(Interval Scale)
• 等比尺度(Ratio Scale)
• 類別尺度切割沒有意義,因此不會有平均數,標準
差,偏態,峰度等
• 連續尺度可以切割,因此會有平均數,標準差,偏態,
峰度,R2等
連續尺度
類別尺度

變數尺度種類
Nominal
Binary/
Dichotomous
Category/
Ordinal
Normal/
Scale
特色 3個分類以
上
非順序
真實的分
類
分成兩類
可以是有序或無序
3個分類以上
有順序
間距不等
非常態分配
通常是有偏
的
5分類以上
有順序
間格等距
近似常態分配
範例區域
國籍
星座
血型
性別
成績(高 vs. 低)
績效(好 vs. 差)
年資(資深 vs. 資淺)
水果喜好排
名
考試名次
教育程度
工作職位
年齡
考試成績
李克特量表
語意差異量表
身高
體重

Introduction of SPSS
SPSS
Statistical Package for the
Social Sciences

SPSS資料編輯視窗
• IBM SPSS STATISTICS IBM SPSS
STATISTICS 20.0

SPSS data window

Main menu bar
• File :
– 包含開啟,滙入,滙出,存檔及列印等相關指令
• Edit:
– 包括編輯,複制及改變SPSS預設的指令
• View:
– 改變畫面設定,包括字型大小,工具列等
• Data:
– 這指令包含修改,選擇及排序資料,轉換及創造
新變數

Main menu bar
• Analyze:
– SPSS所有的統計分析功能都安排在此指令下
• Direct marketing:
– 這是SPSS進階功能表,主要作為市場分析工具均在此.
• Graphs:
– 利用SPSS製作各種圖形,如直方圖,圓餅圖,散佈圖等
• Utilities:
– 包含一些變數的選項,允許使用SPSS的分析者進行一些
設定
• Window
– 當同時開啟幾個資料檔時,可利用window開啟其它資料

問卷資料輸入
ID:
請選擇以下答案何者符合您的看法 SD SA
1.我會將本產品推薦給他人 □ □ □ □ □
2.我很喜歡使用這項產品 □ □ □ □ □
3.這項產品解決我不少的問題 □ □ □ □ □
4.請問您的學歷 □ 高中以下 □ 大學 □ 研究所以上
5.性別 □ 女性 □ 男性
6.年齡
7.這項產品您喜歡那些特色(可複選)
□ 容易上手 □ 售後支援 □ 品質良好

Guidelines for Data Coding
1. 所有資料必需是數字
2. 每一個填答者的值需填在同一個ROW
3. 所有值(編碼)必需互斥(複選題除外)
4. 每個變數儘可能搜集最多的訊息
5. 每一填答者需給每一個變數一個值
6. 對所有填答者編碼需一致
7. 使用比較大的數字代表 “好”, “同意”,
“正面”

問卷資料輸入
7-1 7-2 7-3

資料匯入
• Excel資料檔匯入
– 檔案開啟資料

資料的滙入
• 從EXCEL滙入，建檔模式如下

檔案開啟資料
• 檔案類型EXCEL選EXCEL檔開啟

Define and Create Variables
• 名稱
– 代表變數的名字,通常以英文縮寫代表
• 類型
– SPSS只能分析數值,一般均設為數值
• 寬度
– 名稱最大可顯示的字元,8表示8位元,8個英文字
• 小數
– 資料數值所顯示的小數點,2表示顯示到小數點後2位
• 標記
– 變數的說明,可以是問卷的題目或變數的描述

• 值
– SPSS以數值來代表文字,因此註解1,2,3…等數字代表
的實際意義,如1代表男性,而0代表女性
• 遺漏
– 資料中如有遺漏值,需在此加以設定,如-999
• 欄
– 變數名稱若太長,無法完全顯示,可由此改變櫚位的寬度
• 對齊
– 資料的數值是靠左,靠右或置中

• 測量
– 名義:類別變數,如男,女或北,中,南區,數值高低沒有
意義
– 次序:數值高低有意義,但間距並不等,如學歷,職位或
名次
– 尺度:連續量表,可切割,進行+-x÷等,如李克特量表
• 角色
– 輸入:自變數
– 目標:依變數
– 兩者:分析時有可能當自變數及依變數
– 分割:研究中設為分割變數

資料變數定義
• SPSS無法分析字串，一般均選擇「數字的」

資料變數定義
• 標記問卷題目，利用「複製」「貼上」

變數檢視值

問卷
構面代號問項
行為態度 Y1 我喜歡使用電子書來作為我閱讀的方式。
Y2 我認為使用電子書是明智之舉。
Y3 我認為使用電子書是一個好主意。
知覺有用性 X1 使用電子書可以改善我閱讀或學習的「方法」。
X2 使用電子書可以增加我閱讀或學習的「速度」。
X3 使用電子書，較一般紙張書籍容易「保存」書的內容。
知覺易用性 X4 我覺得要「熟練」電子書所提供的功能是簡單的。
X5 我覺得電子書的使用方式是清楚及容易了解。
X6 我覺得「學習」使用電子書是簡單的。
X7 我覺得使用電子書是很容易的。
主觀規範 Y4 我覺得對我重要的人支持我使用電子書
Y5 我覺得周遭能影響我的人，認為我「應該」使用電子書。
Y6 我覺得我所重視的人「較希望」我使用電子書。

Display codebook
• File  Display Data File Information
Working File

Data Modifications
• 資料編輯設定
• 計算變數(compute)
– 變數的加總或平均 (求構面的分數)
– 反向題編碼
– SPSS函數應用
• 合併檔案(merge)
• 分割檔案(spilt File)
• 選擇觀察值(select Cases)
• 重新編碼(Recode)
• 遺漏值的偵測與插補

編輯選項一般
顯示代號

編輯選項輸出標記
• 適當的選擇可
以在資料輸出
時得到許多便
利

轉換計算變數

轉換計算變數
• 數學運算元
– 加(+)、減(-)、乘(*)、除(/)、乘冪指數(**)
• 關係運算元
– 大於(>)、小於(<)、大於等於(>=)、
小於等於(<=)、不等號(~=)
• 邏輯運算元
– 且(&)、或(|)、非(~)

合併檔案
• 新增觀察值
– 調查有新的樣本進來
要加到原來資料中
• 新增變數
– 增加要分析的變數

合併檔案新增觀察值
• 當您的資料是建立在不同的檔案下，要合
併樣本數時用到

合併檔案新增觀察值

合併檔案新增變數
• 兩個檔案已開啟

合併檔案新增變數

轉換重新編碼
• 有時候有重新分類或反向題等會用到此一
功能

轉換重新編碼成不同變數

舊值與新值

遺漏值的偵測與插補
• 變數遺漏值
– 變數本身有些樣本漏填，如未填所得或性別
– 分析敘述統計次數分配表
• 樣本遺漏值
– 樣本在回答問卷時漏填或資料本身就沒有記氶
錄
– 轉換計算變數函數中點選 Nmiss

遺漏值的偵測
• 樣本遺漏值
– 轉換計算
變數函數
選擇Nmiss
– 將變數選入
右側視窗
確定
– 資料後方會
新增一變數
“NMISS”

遺漏值的插補
• 轉換置換遺漏值

選擇與分割觀察值
• 選擇觀察值
– 當您只想分析某部分(符合某些條件)的觀察值
時…
– 例如只想了解男生這一群的次數分配表
• 分割觀察值
– 當您各類別的觀察值都要分開分析時…
– 例如男生與女生均個自執行次數分配表

選擇觀察值
• 資料選擇觀察值

分割觀察值
• 資料分割檔案
• 接下來的各種分析
均會分成幾組做
分析，不分割檔
案後，記得要回
來選擇
“分析所有觀察值”

描述性與推論統計
• 次數分配
– 以類別變數為主
• 描述性統計
– 以連續變數為主
• 交叉表
– 兩個類別變項關聯性
的技術，又稱為列聯
表分析
• 皮爾森相關
– 連續變數之間的相關
• t 檢定
– 兩群之間
• ANOVA
– 三群(含)以上的平均數
有無差異
• 多元迴歸
– 自變數對應變數影響程
度的強弱

描述性統計
• 次數分配
– 以類別變數為主
• 描述性統計
– 以連續變數為主
• 交叉表
– 兩個類別變項關聯性的技術，又稱為列聯表
分析

敘述性統計
• 敘述統計次數分配表將類別變數選入對話框

敘述性統計涵義
• 了解變數有無遺漏值
– 報告會呈現總表報告遺漏值個數
• 了解變數有無建檔錯誤
– 是否有超出設定的類別,如性別只有0和1,出現
其它號碼則為建檔錯誤
• 每一組最大與最小組樣本數不得超過4倍,
如有超過在事後的統計分析上要進行併組

敘述性統計
• 敘述統計描述性統計量 選項

參數實務上的意涵

統計圖 Graph
• 圓餅圖(Pie chart)
– 類別變數與直條圖一樣
• 盒形圖(Box plot)
– 當連續變數違反常態分配時,可用來找出變數中
的極端值
• 圖表建立器(Chart Builder)
– 可以進一步的繪制圖形

圓餅圖(Pie chart)
• 統計圖歷史對話紀錄圓餅圖
在圖上點兩下可以編輯圖形的資料

盒形圖(Box plot)
• 統計圖歷史對話紀錄盒形圖
若有出現極端值,會在上
下方出現樣本的代號

圖表建立器(Chart Builder)
• 統計圖圖表建立器圖表建立器訊息對
話框OK
• 選擇圖形
• 放入變數
• 確定

參數實務上的意涵
• 以7點尺度量表為例，平均數>6或<2表示
尺度過於集中，此題應予刪除。
• 平均數、眾數與中位數接近表示資料符合常
態。
• 變異數(或標準差)太小，表示尺度過於集中，
該題應予刪除。
• 最小值及最大值可看出資料是否輸入錯誤。
• 偏態絕對值<1，峰度絕對值<7為符合單變
量常態。

交叉表(Contingency Tables)
• 檢查兩個以上的類別變數交叉所佔的比例
– 男生,女生對不同廣告媒體的偏好程度
• 檢查兩個類別變數之間有無關係
– 獨立性卡方檢定
– Phi and Cramer’s V
• 同質性檢定
– 檢查不同變數所佔的比例是否相同

• 全職與兼職學生在性別上是否有差異
• 分析敘述性統計交叉表(變數選入)
統計量

• 卡方檢定只告訴我們有沒有關係,但Phi and
Cramer’s V可以說明關係有多大(0~1)

推論統計
• 假設與檢定
• 皮爾森相關
• 連續變數之間的相關
• 信度與效度
• t 檢定
– 兩群之間平均數差異
• ANOVA
– 三群(含)以上的平均數有無差異
• 多元迴歸
– 自變數對應變數影響程度的強弱

檢定與估計
• 檢定一般為H0=0 (不是絕對),為一個yes or no的
問題,結果只有reject (p<0.05) 或don’t reject
(p>=0.05)
• 估計是計算一個數值的範圍,此範圍稱為信賴區間
(Confidence Interval, CI).
• 一般假設H0=0,如果CI包含0,結果為don’t
reject H0=0,如果CI不包含0,結果為reject
H0=0
• 估計除了與檢定會得到一樣結果外,又另多了一個
額外的訊息.
– CI愈小,研究的精準度愈高,反之亦然

三種常用的檢定與估計
• 檢定平均數相等
– t檢定,ANOVA,時間序列,重複測量
• 檢定斜率等於0
– 相關,迴歸,路徑分析,獨立性
• 檢定變異數相等
– 同質性(levene test),適合度

統計估計
•依據點估計值，估出對稱的範圍(φ±2σ)，此一
範圍為估計區間
15分鐘以內到
（左尾估計）
至少30分鐘以後到
（右尾估計）
15~30分鐘內到
（區間估計）
15分鐘準時到，則為點估計

統計檢定
多數的檢定均是檢定“平均數”或“斜率”
是否不同
檢定的結果是reject or don’t reject H0的
二分法
p值(顯著性檢定)<0.05，則拒絕H0
p值>0.05，則不拒絕H0
p (機率值)<0.05，表示出現H0的機率少於5%。
因此，不太可能出現H0的所假設的情況

統計分析的基本假設
• 常態(Normality)
– 變數的資料分佈需符合鐘形分配
• 同質(Homogeneity)
– 變數或群組資料分佈的變異數要相近
• 獨立(Independence)
– 所有調查的樣本之間不可以有相互影響
– 殘差之間無相關
– 適用於横斷面(cross-section)資料

資料假設為常態分配
•常態分配又稱為鐘形分配
•當資料呈現常態分配時，
平均數=中位數=眾數

推論統計基本概念
• 虛無假設H0:○○和□□沒相關或沒差異
• 對立假設H1:○○和□□有相關或有差異
• P值<0.05為拒絕虛無假設，因此解讀為
○○和□□有相關或有差異
• 有沒有相關評估的是斜率(slope)
• 有沒有差異評估的是平均數(mean)

測量工具的信度與效度
信度
• 用來衡量工具的穩定度，亦即重複施以相同的測
量，可以獲致相同的結果
效度
• 研究者測量出想要測量內容與實際情形接近的程
度

信度的面向
• 穩定度：相同的樣本與題目，在一段時間的後重
新施測
• 等值性：複本信度(TOEIC)
• 內部一致性：Cronbach‘s α
• 有信度不一定有效度；有效度一定有信度

效度的類型
• 內容效度：測量工具可以涵蓋主題的程度。
• 效標關聯效度：測量工具可以預測實際現況
的程度，又稱預測效度，迴歸中以R2為判斷
的依據。
• 建構效度(構念效度)：測量工具實際衡量的是
什麼心理測量，又分為收斂效度及區別效度。

收斂效度
• 問卷衡量的題目是否可以正確的反映構面的特質
或理論意義。
• 一般衡量題目之間要有中~高度相關。
區別效度
• 研究者所建構的構面之間的相關要低於各自構面
測量題目之間的相關。

• 相關分析沒有自變數和應變數的區別
• 相關分析均假設為線性相關
• 相關方向分為正相關、負相關
• 相關係數為標準化係數，值介於(-1~+1)之間，
正負號表示關係的方向，相關係數的絕對值越
接近1代表線性相關愈高，而0代表無線性相關
• 皮爾森係數是所有變數之間的最大相關,所有其
它相關如偏相關,半偏相關均會小於皮爾森相關
相關分析

• 相關係數的判斷:
• 相關係數為一標準化係數，不受樣本大小與
兩個變項的原始分數的測量單位的影響
相關係數絕對值變項關聯程度
1.00 完全相關
.70 至.99 高度相關
.40 至.69 中度相關
.10 至.39 低度相關
.10 以下微弱或無相關
相關分析

t 檢定(t-test)
• 平均數的差異考驗
• 雙母群考驗
– 如果研究者想同時考慮不同情況之下的平均數
是否有所差異，例如男生與女生的平均數的比
較，此時即牽涉到多個平均數的考驗；不同的
平均數，代表背後具有多個母數的存在，因此
被稱為多母數的平均數考驗。

t 檢定
• 了解兩群之間平均數的差異
• 分析比較平均數法獨立樣本t檢定

T 檢定輸出

變異數分析—ANOVA
• 平均數差異檢定：基本原理是計算兩群
組以上平均數之間的差異，如果差異夠
大，便可能獲得顯著的結果(p<0.05)，
拒絕虛無假設、接受對立假設。
• 表示群組之間有差異
Y=X1 X1為類別變數
Y 為連續變數

變異數分析結果為何是平均數差異?
• 組間變異
– 組與組之間差異的程度
• 組內變異
– 組內個體差異的程度
• “組間變異/組內變異”如果夠大,表示兩組的
平均數距離有夠大

ANOVA
• 了解兩群以上平均數的差異
• 分析比較平均數法單因子變異數分析
事後檢定
敘述性分
析及同質
性檢定

ANOVA
• 選項 • Post-Hoc (事後)檢定

ANOVA

迴歸分析
• 目的:了解自變數對依變數影響的重要程度
• 注意事項
– 變數之間共線性(r>0.75)
– R2的大小
– 殘差獨立(Durbin-Watson)(1.5~2.5)

109

110

SPSS從0開始-三星統計張偉豪

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Was ist angesagt?

Was ist angesagt? (20)

Ähnlich wie SPSS從0開始-三星統計張偉豪

Ähnlich wie SPSS從0開始-三星統計張偉豪 (6)

Mehr von Beckett Hsieh

Mehr von Beckett Hsieh (20)

SPSS從0開始-三星統計張偉豪