相關性檢驗
卡方檢驗
兩個變數之間是線性關係，那麼皮爾遜相關係數絕對值大就是相關性強。
如果不知道是什麼關係的情況下，即使算出相關係數，也不能說明他們相關，一定要畫出散點圖來看（圖形->散點圖）。
分類變數可以理解成有類別的變數，可以分為：注：無序的。比如性別（男、女）、血型（a、b、o、ab）。
有序的。比如肥胖等級（重度肥胖，中度肥胖、輕度肥胖、不肥胖）。
通常需要求相關性係數的都是有序分類變數。
肯德爾等級相關適用於k個評價者（或1個評價者先後k次）對n件事物進行等級評定的順序資料，用於量化k個評價者（或1個評價者先後k次評價）之間的一致性；斯皮爾曼相關適用於計算兩列等級資料或者不符合積差相關計算條件的兩列連續資料之間的相關。
分析->相關->雙變數
分析->非引數檢驗->舊對話方塊->k個相關樣本勾選肯德爾。
結果：
肯德爾和諧係數教程r∣
≥0.8
|r|\geq0.8
∣r∣≥0.
8為高度相關，0.5≤∣
r∣<
0.80.5\leq|r|<0.8
0.5≤∣r
∣<0.
8為中度相關，0.3≤∣
r∣<
0.50.3\le|r|<0.5
0.3≤∣r
∣<0.
5為低度相關，∣r∣
<
0.3|r|<0.3
∣r∣<0.
3進入：分析->比較平均值。
報告結果：三種職業工資有顯著差異。f（2，471）=431.481，p<0.001.
事後檢驗結果表明：manager和custodial、clerical有顯著差距。clearical和custodial沒有顯著差距。
多因子分析用來研究兩個或兩個以上因素能否對指標產生顯著影響（多個因子對結果的影響），進而找到利於指標的最優組合。在多因子方差分析中，以雙因子的方差分析最常用。例如：研究不同種類、不同量的化肥對農作物的影響；分析不同品牌和不同地區對一種商品銷售量是否影響等。因變數：乙個。多因子方差分析可分為無互動作用和有互動作用兩種:
乙個因子水平下的指標好壞及程度不受另乙個因子不同水平的影響，則稱兩因子之間無互動作用，要分別判斷每個因子對指標的影響。
乙個因子水平下的指標好壞及程度與另乙個因子取什麼水平有關，則稱兩因子之間有互動作用，記作a×b。此時除了要分別考慮每個因子對指標的影響外，還要考慮兩個因子的搭配對指標產生新的效應。
因子：乙個或多個。
固定因子：若目前該因子已經包含了所有想研究的範圍。
隨機因子：想進一步推廣。
無互動作用：
分析->一般線性模型->單變數進入模型，選擇「定製」，選入因子。
有互動作用：
分析->一般線性模型->單變數進入模型，選擇全因子。
注：截距項可不算。
選項中勾選方差齊性檢驗、e、b。
結果報告：（以minority和jobcat對salary的影響為例）
主體間效應檢驗：看顯著性
卡方檢驗是非引數檢驗的一種。
引數檢驗是在總體分布形式已知的情況下，對總體分布的引數如均值、方差等進行推斷的方法。但是，在資料分析過程中，由於種種原因，人們往往無法對總體分布形態作簡單假定，此時引數檢驗的方法就不再適用了。非引數檢驗正是一類基於這種考慮，在總體方差未知或知道甚少的情況下，利用樣本資料對總體分布形態等進行推斷的方法。由於非引數檢驗方法在推斷過程中不涉及有關總體分布的引數，因而得名為「非引數」檢驗。進入：
分析->非引數檢驗->舊對話方塊->卡方 SPSS資料分析
僅僅在課堂學習spss理論知識往往是不夠的，我們要把理論知識應用於實際生活 把理論服務與實踐，樹立 資料分析價值觀 以及以資料進行決策的思維意識 要善於思考問題，要有清晰的分析思路，要有自己獨特的見解，最後要有一定的文字功底，如此才算乙個完整的資料分析過程。下面就四個板塊進行說明 一 資料分析思維的...
spss回歸分析 SPSS之回歸分析
spss之回歸分析專題課程目錄如下 1回歸分析如何解讀 2回歸分析實戰操作 3回歸分析如何判斷模型和變數具有統計學意義 詳情 閱讀原文 檢視吧！保準你收穫滿滿啊！部分結果截圖所示 至此你已經學會了利用spss之回歸分析專題全過程啦，趕快試試吧！一 python基礎與提高專題 二 3天玩轉爬蟲，爬取網...
SPSS統計分析學習記錄
spss statistical product and service solutions 統計產品與服務解決方案 軟體。最初軟體全稱為 社會科學統計軟體包 solutions statistical package for the social sciences 但是隨著spss產品服務領域的擴...