In SPSS Statistics definiert die Ebene der Messung der Variablen, die zusammenfassende Statistiken und Grafiken verwendet werden soll. Die folgende Tabelle enthält Definitionen, Beispiele, entsprechende Auswertungsstatistiken und Diagramme für die Höhe der Messung der Variablen.
Menu
| nominal | Ordinal | Rahmen | |
|---|---|---|---|
| Definition | Ungeordnete Kategorien | Bestellte Kategorien | Sowohl Intervall und das Verhältnis |
| Beispiele | Geschlecht, geographische Lage, Job Kategorie | Zufriedenheit, Einkommensgruppen, Ranking ofpreferences | Anzahl der Käufe, Cholesterinspiegel, Alter |
| Maße der zentralen Tendenz | Modus | Median | Median oder Mittelwert |
| Maßnahmen der Dispersion | Keiner | Min / Max / Bereich | Min / Max / Bereich, Standardabweichung / Varianz |
| Graph | Pie oder Bar | Bar | Histogramm |
Wenn Sie ein Diagramm der Auswahl der Beziehung zwischen Variablen zu zeigen, müssen Sie das Niveau der Messung der Variablen kennen. Die folgende Tabelle zeigt einige der Diagramme, die verwendet werden, können die Beziehungen zwischen den verschiedenen Arten von Variablen anzuzeigen.
| kategoriale abhängige | Skalenabhängige | |
|---|---|---|
| Kategorische Unabhängige | Cluster-Bar oder verkleideten Torte | Fehler bar oder boxplot |
| maßstabsunabhängig | Fehler bar oder boxplot | Streudiagramm |
Die folgende Tabelle enthält eine Liste von einigen der am häufigsten verwendeten Verfahren im Menü Analysieren von IBM SPSS Statistics, die eine Anwendung, die auf Daten der statistischen Analyse durchführt.
| Untermenü | Nützlich zum . . . | |
|---|---|---|
| Code Book | Berichte | Ein kurzer Blick auf alle auf einmal Variablen. Stufe ofmeasurement automatisch steuert, welche Auswertungsstatistiken aredisplayed. |
| Frequenzen | Deskriptive | Am nützlichsten für kategoriale Variablen. Sie können alle themat einmal ausgeführt. Zeigt an, wie viele von jeder Kategorie Wert, den Sie haben. |
| Deskriptive | Deskriptive | Einfache Möglichkeit, Grundskala variable Informationen wie Mittelwert andmedian zu bekommen. |
| Erforschen | Deskriptive | Basierend auf einem berühmten Buch, Exploratory DataAnalysis. Ein effektiver Weg, auf allen Arten ofvariables zu suchen, sowie Paare von Variablen. |
| Crosstabs | Deskriptive | Ein Test zu überprüfen, um zu sehen, ob kategorische Variablen independentof einander oder miteinander verwandt sind. |
| Mittel | Vergleichsmittel | Berechnet Subgruppe Mittel und verwandte Statistiken für dependentvariables innerhalb von Kategorien von einem oder mehreren independentvariables. |
| One-Probe T-Test- | Vergleichsmittel | Prüft, ob der Mittelwert aus einer einzigen Variablen von aspecified Wert abweicht (zum Beispiel eine Gruppe mit einem neuen Lern methodcompared zur Schule Durchschnitt verwenden). |
| Unabhängige Proben T-Test- | Vergleichsmittel | Tests, ob die Mittel für zwei Gruppen unterscheiden sich auf einer continuousdependent Variable (beispielsweise im Vergleich zu Weibchen Männchen onincome). |
| Gepaarte Stichproben-T-Test- | Vergleichsmittel | Tests, ob es einen signifikanten Unterschied in den meanunder zwei Bedingungen (beispielsweise vor dem Vergleich nach oder standingversus sitzend). |
| Einweg-ANOVA | Vergleichsmittel | Tests, ob die Mittel für zwei oder mehr Gruppen unterscheiden sich auf acontinuous abhängige Variable (beispielsweise im Vergleich zu drug1 drug2versus drug3 auf Depression). |
| Bivariate Korrelation | Korrelat | Korrelationen bestimmen die Ähnlichkeit oder Differenz in der waytwo kontinuierlichen Variablen in Wert von einem Fall (Zeile) toanother durch die Daten ändern. |
| Lineare Regression | Regression | Eine statistische Technik, die verwendet wird, eine continuousdependent Variable aus einem oder mehreren kontinuierlichen independentvariables vorherzusagen. |
Sie müssen wissen, wie die statistische Signifikanz zu interpretieren, wenn sie mit SPSS Statistics arbeiten. Wenn eine statistische Test durchgeführt, zu oft springen Menschen sofort zu dem Schluss, dass die Feststellung # 147-statistisch signifikant # 148- oder # 147-ist statistisch nicht signifikant. # 148- Während das buchstäblich wahr ist, bedeutet dies nicht, dass es nur zwei Rückschlüsse auf eine Feststellung zu ziehen.
Was ist, wenn in der realen Welt gibt es keine Beziehung zwischen den Variablen und der Test festgestellt, dass es eine signifikante Beziehung ist? In diesem Fall würden Sie einen fehler- diese Art von Fehler begehen, ein genannt wird # 147-falsch-positive # 148-, weil man fälschlicherweise ein positives Ergebnis abschließen (ich glaube es nicht vorkommt).
Auf der anderen Seite, was es, wenn in der realen Welt ist eine Beziehung zwischen den Variablen und der Test festgestellt, dass es keine signifikante Beziehung ist? In diesem Fall würden Sie einen fehler- diese Art von Fehler begehen, ein genannt wird # 147-falsch-negative # 148-, weil Sie fälschlicherweise ein negatives Ergebnis abschließen (denke, es tritt nicht auf).
| In der echten Welt | Statistische Testergebnisse | |
|---|---|---|
| Nicht wichtig (p > 0,5) | Signifikant (p lt; 0.5) | |
| Die beiden Gruppen unterscheiden sich nicht | Die Nullhypothese erscheint wahr, so schließen Sie die groupsare nicht signifikant unterschiedlich. | Falsch positiv. |
| Die beiden Gruppen unterscheiden sich | Falsch negativ. | Die Nullhypothese erscheint falsch, so dass Sie feststellen, dass thegroups signifikant verschieden sind. |