spss數據分析-差異性分析[超級詳細]

提綱如下：

卡方檢驗

T檢驗

F檢驗（方差分析）

1、卡方檢驗

1.1卡方檢驗-非參數檢驗

分析結果：

卡方檢驗的原始假設為性別男女的人在問卷數據上的人數選擇的人數一致。上表可以看出，漸進顯著性為0.567，大於0.05，所以說明問卷中的人數性別男女的人數是沒有顯著性差異的。

1.2卡方檢驗-交叉表

第二種的卡方檢驗的原始假設為不同學歷的人，在不同工作單位類型的人數是沒有顯著性差異的，是用來做兩個分類變量的差異性分析。

輸出的結果：

通過上表分析可以看出，皮爾遜卡方的漸進顯著性水平為0.551，遠遠大於0.05，所以說明在不同工作單位類型的人數是沒有顯著性差異的。如果顯著性水平小於0.05，則可以說明在不同工作單位類型的人數是有顯著性差異，並且差異具有統計學意義。

2.T檢驗

對於醫學的朋友來說，有的個別老師會要求首先做正態性檢驗，然後再做T檢驗。

2.1 獨立樣本T檢驗

T檢驗是以用來檢驗分類變量是兩種的類型。比方說男女在物理成績上是否具有顯著性差異，文科和理科在英語成績上是否有顯著性差異。

通過上表看，第一個表為簡單的數據描述，第二個重點分析的是差異是否顯著，首先進行檢驗的是否等方差，顯著性水平為0.268，所以說明等方差條件是滿足的，所以只需要看第一行。從上表可以看出顯著性水平為0.753，遠遠大於0.05，所以說明男女不同在是否具有強烈的個性意識不具有顯著性的差異。

2.2 配對樣本T檢驗

配對樣本T檢驗的適用範圍為對比實驗前後同樣的一個群體的差異變化。可以是同一批實驗對象，在經歷培訓前和培訓後某項能力的變化。

通過表3可以看出。實驗前和試驗後的配對樣本t檢驗的顯著性水平為0.032，小於0.05，所以說明成績前和成績後具有顯著性的差異，通過表1可以看出實驗前和試驗後的平均值，成績前大於成績後，說明經過某些措施，造成了成績的下降。

2.3 F檢驗（方差分析）

分析結果如下：

解讀：這個單因素方差分析基本是最詳細的版本了，一般寫文章用都是足夠了。首先是第一個表格，是對數據的一個簡單的描述，一般只需要關注個案數，平均值，標準差，對於現有數據的一個簡單描述。

第二個表格是單因素方差分析的結果，從結果可以看出F值為1.182，顯著性為0.311，遠遠大於0.05，所以說明不同學歷的人在個性意識上不具有顯著性差異。這裡需要說明只有顯著性水平小於0.05的時候才說明差異性是顯著的。

第三個表是做事後比較的，也是首先看顯著性水平是否顯著，顯著的話在通過看平均值差值說明大小。第一個的0.192代表的是專科及專科以下的平均值 減去本科的平均值的數值，0.192代表專科及專科以下在個性意識上的平均值比本科在個性意識上平均值要大0.192，但是顯著性水平為0.338，所以說明差異不具有顯著性。

3 非參數檢驗

 

非參數檢驗-舊對話框-2個獨立樣本

「Mann-Whitney U 檢驗是用得最廣泛的兩獨立樣本秩和檢驗方法。簡單的說，該檢驗是與獨立樣本t檢驗相對應的方法，當正態分布、方差齊性等不能達到t檢驗的要求時，可以使用該檢驗。其假設基礎是：若兩個樣本有差異，則他們的中心位置將不同。」

在醫學的統計中會使用到秩和檢驗，個人認為主要是用於檢驗變量不符合正態分布的時候。

然後就可以看到檢驗統計的到的Z值和顯著性值。