Dans SPSS Statistics, le niveau de mesure des variables définit les statistiques sommaires et des graphiques devraient être utilisés. Le tableau suivant fournit des définitions, des exemples, des statistiques sommaires appropriées, et des graphiques pour le niveau de mesure des variables.
| Symbolique | Ordinal | Échelle |
---|
Définition | Catégories non ordonnées | Catégories ordonnées | Tant intervalle et le rapport |
Exemples | Sexe, localisation géographique, catégorie d'emploi | Les cotes de satisfaction, les groupes de revenu, ofpreferences classement | Nombre d'achats, le taux de cholestérol, l'âge |
Mesures de tendance centrale | Mode | Médiane | Médiane ou moyenne |
Des mesures de dispersion | Aucun | Min / max / plage | Min / max / plage, écart-type / variance |
Graphique | Pie ou un bar | Bar | Histogramme |
SPSS Statistics graphiques pour montrer les relations entre une paire de variables
Lors du choix d'un graphique pour montrer la relation entre les variables, vous avez besoin de connaître le niveau de mesure des variables. Le tableau suivant indique certains des graphiques qui peuvent être utilisés pour afficher les relations entre les différents types de variables.
| Catégorique charge | Dépendent de l'échelle |
---|
Catégorique indépendant | Bar cluster ou tarte lambrissée | Barre d'une erreur ou une boîte à moustaches |
Échelle indépendant | Barre d'une erreur ou une boîte à moustaches | Nuage de points |
SPSS Statistics couramment utilisés Analyser menus
Le tableau suivant fournit une liste de certaines des procédures les plus couramment utilisés dans le menu Analyse de IBM SPSS Statistics, qui est une application qui effectue l'analyse statistique des données.
| Sous- | Utile pour . . . |
---|
Code Book | Rapports | Un rapide coup d'oeil à tous vos variables à la fois. Niveau ofmeasurement contrôle automatiquement les statistiques sommaires aredisplayed. |
Fréquences | Descriptives | Très utile pour les variables catégorielles. Vous pouvez exécuter toutes thémat fois. Vous indique combien de chaque valeur de catégorie que vous avez. |
Descriptives | Descriptives | Moyen facile d'obtenir de base échelle informations variable comme andmedian moyenne. |
Explorer | Descriptives | Basé sur un livre célèbre, DataAnalysis exploratoire. Un moyen efficace de regarder toutes sortes ofvariables, ainsi que des paires de variables. |
Tableaux croisés | Descriptives | Un test pour vérifier si les variables catégorielles sont independentof l'autre ou liés les uns aux autres. |
Moyens | Comparer les moyennes | Calcule des moyens de sous-groupes et les statistiques connexes pour dependentvariables au sein des catégories d'un ou plusieurs independentvariables. |
Un échantillon-test T | Comparer les moyennes | Teste si la moyenne d'une seule variable diffère de la valeur aspecified (par exemple un groupe utilisant un nouvel apprentissage methodcompared à la moyenne de l'école). |
Échantillons indépendants T-Test | Comparer les moyennes | Teste si les moyens de deux groupes diffèrent sur une variable continuousdependent (par exemple, les femmes que chez les hommes onincome). |
Les échantillons test t apparié | Comparer les moyennes | Teste si il ya une différence significative dans les meanunder deux conditions (par exemple, avant, après, ou par rapport standingversus assis). |
Une analyse de la variance | Comparer les moyennes | Teste si le moyen de deux ou plusieurs groupes diffèrent sur acontinuous variable dépendante (drug3 par exemple, par rapport à drug2versus drug1 sur la dépression). |
Corrélation bivariées | Corréler | Corrélations déterminer la similitude ou la différence dans le waytwo variables continues variation de la valeur d'un cas (ligne) toanother à travers les données. |
Régression linéaire | Régression | Une technique statistique utilisée pour prévoir une variable de continuousdependent d'un ou plusieurs independentvariables continues. |
Interpréter la signification statistique SPSS Statistics
Vous avez besoin de savoir comment interpréter la signification statistique lorsque vous travaillez avec SPSS Statistics. Lors de la réalisation d'un test statistique, trop souvent les gens sautent immédiatement à la conclusion que la constatation est statistiquement significative ou est pas statistiquement significative . Bien que cela soit littéralement vrai, cela ne signifie pas qu'il n'y a que deux conclusions à tirer sur une constatation.
Que faire si dans le monde réel il n'y a aucune relation entre les variables, et le test a trouvé qu'il y avait une relation significative? Dans ce cas, vous seriez faites un error- ce type d'erreur est appelé faux positif parce que vous concluez à tort un résultat positif (penser qu'il ne se produit).
D'autre part, si dans le monde réel, il existe une relation entre les variables, et le test a conclu qu'il n'y avait pas de relation significative? Dans ce cas, vous seriez faites un error- ce type d'erreur est appelé faux négatif parce que vous concluez à tort un résultat négatif (penser qu'il ne se produit pas).
Dans le monde réel | Résultats des tests statistiques |
---|
| Insignifiant (p > 0,5) | Significative (p lt; 0.5) |
Les deux groupes ne diffèrent pas | L'hypothèse nulle semble vrai, afin que vous conclure le groupsare pas significativement différent. | Faux positif. |
Les deux groupes sont différents | Faux négatif. | L'hypothèse nulle semble fausse, de sorte que vous conclure que thegroups sont significativement différentes. |