SPSS教程中文完整版.docx

图2.11选择个体数据来源的文件图2.12选择变量（4）增加变效的数据合并（【合并文件】【添加变图2.15假如子对话框四、备择试脸某航空公司38名职员性别和工资状况的调查数据，如表2.3所示，试在SPSS中进行如下操作：（1）将数据输入到SPSS的数据编辑窗口中，将gender定义为字符型变员，将Salary定义为数值型变量，并保存数据文件，命名为“试验l-l.sa,0（2）插入一个变量income,定义为数值型变量。<3）将数据文件按性别分组（4）查找工资大于40000美元的职工（5）当工资大于4000。美元时，职工的奖金是工资的2。;当工资小于40000美元时，职工的奖金是工资的10%,假设实际收入=工费+奖金，计算全部职工的实际收入，并添加到income变量中。询问是否输出频数分布表图2.1Frequencies对话框确定所要分析的变量,例如年龄在变量选择确定之后，在同一窗口匕点击“Statistics”按钮，打开统计量对话据,如下图2.2所示,选择统计输出选项。GcndcrNValidMissing4740表2.4中给出了总样本地(N),其中变故Gender的有效个数(Valid)为474个、跳失值(missing)为0。表2.5Gender频数分布表FrequencyPercentValidPercentCumulativePercentValidFemale21645.645.645.6Male25854.454.4100.0Total474100.0100.0表2.5中，FreqUenCy是频数，PerCent是按总样本必为分母计算的百分比，VaIidPerCent是以有效样本量为分母计算的百分比，CumulativePercent是累计百分比。图2.5变盘Gender的条形图，图2.6变玷Gender的饼图。GenderFr300-<1250-U2-nc150-yloo一50-Oj11.Male的条形图FemaleFemaJeGenderGender图2.5变量genderSavestandardizedvaluesasvariables,对所选择的每个变t进行标准化处理，产生相应的Z分值，作为新变量保存在数据窗口中。共变最名为相应变出名前加前缀z。标准化计算公式:Xi-XZi=单击【选项】按钮，如图2.8所示，选择须要计算的描述统计员。各描述统计址同Frequencies吩咐中的Statistics子对话框中大部分相同，这里不再重史。图2.8选项子对话框在主对话框中单击ok执行操作。结果输出与分析在结果输出你口中给出了所选变量的相应描述统计，如表2.6所示。从表中可以看到，我国上市公司前两大股东持股比例之比平均高达102.9,说结果的输出与说明<1)CaseProcessingSummary表CasePiocessiriqSiuninaiyGenderCasesValidMissingTotalNPercentNPercentNPercentCurrentSalaiyFemale216100.0%0.0%2161000%Male258100.0%0.0%2581000%在CaseProcessingSummary表中可以看出female有216个个体，MaIe258个个体，均无缺失值。<2)Descriptive表29*32o17.002.888888999999999997.003.00011118.003.222333338.003.444445555.003.667772.003.8811.00Extremes(>=40800)Stemwidth:10000Eachleaf:1case(三)<5)箱图S140.000-$120000-cu3,oootx,rrentSa产80-arySfio.ooo-$40,000-$20.000-SO-Gender图中灰色区域的方箱为箱图的主体，上中产3条线分别表示变盘值的第75、50、25百分位数,因此变址的50%视察值落在这一区域中。方箱中的中心粗线为中位数。箱图中的触须线是中间的纵向直线，上端截至线为变成的大值，下端截至线为变量的小值,四、备择试验完成卜列试验内容，并按试验（1）所附试验报告的格式撰写报告。1 .表2.7为某班级16位学生的身高数据，对其进行频数分析，并对试股报告作出说明。表2.7某班16位学生的身高数据学号性别身高(cm)学号性别身高(cm)1M1709M1502F17310M1573F16911F1774M15512M1605F17413F1696F17814M1547V15615F1728F17116F1802.测量18台电脑第记重燧，见表2.8,对其进行描述统计量分析，并对试验结果作出说明。表2.818台笔记本电腼垂出表序号12345678995%ConfidenceIntervalforMean1.owerBoundUpperBound6.25296.81715%Trimmed6.5167Mean6.4500MedianVariance.363Std.60287DeviationMinimum5.60Maximum7.80Range2.20Interquartile.95RangeSkewness.295.512Kurtosis-.612.992如上表显示。从上表u95%ConfidenceIntervalforMean”中可以得出，每晚8:30起先的半小时内广告所占时间区间估计(置信度为95%)为：(6.2529,6.8171),其中IOWerBound表示置信区间的F限,UpperBound表示置信区间的上限。点估计是：6.5350o2 .两个总体均值之差的区间估计3.3独立样本T检验对话框定义分组单.击定义组按钮，打开DefineGrOUPS对话根。在GroUPl中输入1,在GrOUP2中输入2（1表示非工会会员,2表示工会会员）。完成后单击“接着”按钮Pl到主窗口。3.4definegroups设置面口计算结果单击上图中“OK”按钮，输出结果如下图所示。<1）GroupStatistics（分组统计量）表分别给出不同总体下的样本容显、均值、标准差和平均标准误。从该表中可以数sI<2）aOne-SampleTest"（单个样本的检验）表表中的t表示所计算的T检验统计用的数值，本例中为-0.705。表中的“df”，表示H由度，本例中为9。表中的''Sigw（双尾T检验），表示统计Q的P-值，并与双尾T检脸的显著性的大小进行比较：Sig.=0.498>0.05,说明这批样本的平均产量与120无显著差异。表中的“MeanDifference",表示均值差，即样本均值与检验值120之差，本例中为一1.1000cu95%ConfidenceInternaloftheDifferencew,样本均值与检险值偏差的95%置信区间为（-4.628,2.428）,置信区间包括数值0,说明样本数址与120无显著差异，符合要求。表3.5单样本T检验结果One-SampleTest4两独立样本的假设检验（两独立样本T检险）在这个例子里，考虑家庭年收入对住房支出的影响，建立的模型如下：js-+'+/其中，yi是住房支出，Xi是年收入线性回来分析的基本步骤和结果分析：（1）绘制散点图打开数据文件，选择【图形】【旧对话框】-【散点/点状】，如图5.2所示。5.2 散点图对话框选择简洁分布，刺击定义，打开了对话框，选择X变量和Y变量，如图5.3 所示。单击。k提交系统运行，结果见图5.4所示。表5.2住房支出与年收入相关系数表Correlations住房支出（千美元）年收入（千美元）住房支出(千美Pearson元)CorrelationSig.(2-tailed)N年收入(千美Pearson元)CorrelationSig.(2-tailed)N120.966(*).00020.966(*).00020120*Correlationissignificantatthe0.01level(2-tailed).从表中可得到两变量之间的皮尔逊相关系数为0966,双尾检验概率p值尾0.000<0.05,故变量之间显著相关。依据住房支出与年收入之间的散点图与相关分析显示，住房支出与年收入之间存在显著的正相关关系。在此前提F进一步进行网来分析，建立一元线性Pl来方程。（3）线性回来分析步骤1：选择菜单"【分析】>【回来】【线性】"，打开1.inearRegression对话框将变该住房支出y移入Dependent列表框中，将年收入X移入Independents列表框中。在Method根中选择Enter选项，表示所选自变H全部进入回来模型.5.6Statistics子对话框 估计：输出有关回来系数的统计量，包括回来系数、回来系数的标准差、标准化的回来系数、t统计量和其对应的P值等。 置信区间：输出每个回来系数的95%的置信度估计区间。 协方差矩阵：输出说明变址的相关系数矩阵和协差阵。 模型拟合度：输出可决系数、调整的可决系数、网来方程的标准误差、网来方程F检验的方差分析。步骤3:单击绘制按钮，在PIotS子对话框中的标准化残差图选项栏中选中正态概率图复选框，以便对残差的正态性进行分析。IQOOExpeo.8-ctedCUO6-mProb04-02-00'0204060.810ObservedCumProb图5.9标准化残差的P-P图四、备择试验现有1987-2003年湖南省全社会固定资产投资总额NINV和GDP两个指标的年度数据，见卜表C试探讨全社会固定资产投资总额和GDP的数砧关系，并建立全社会固定资产投资总额和GDP之间的线性回来方程。湖南省全社会固定资产投资和GDP年度数据年份GDP（亿NINV（亿年份GDP（亿NINV（亿元）元）元）元）1987509.44120.3819952195.75231988614.07144.7119962647.16684.14管理统计学导学资料六一X?检验和方差分析这一讲的内容包括两个部分开平方检验和方茏分析，重点是方差分析，在本章的学习中，同学们要了解方差分析的用途，K?检验的作用和用途。学会和驾驭方差分析表的运用，了解H由度的计算和F检验的作用，记住方差分析表中的五个等式和含义。本章的关键术语：方差分析(AnaIySiSofVarianCe,常简称为ANOVA)是用来检验两个以上样本的均值差异的显著程度，由此推断样本原委是否抽自具有同一均值总体的方法。SST-总离差方和(SUmofSquareinTotaI)为各样本视察值与总均值的离差平方和。SSTR-组间曲差方和(SUmofSquareTreatment)表示不同的样本蛆之间，由于因索取不同的水平所产生的密差平方和。SSE组内离差方和(SUmofSquareError)表示同一样本组内，由于随机因素影响所产生的离差平方和，简称为组内离差平方和。本章学完后，你应当能够：U驾驭用2检验来解决独立性检验和拟合性检验的原理和必本方法，能解决常见的这类检验问题，2、了解和懂得单因素方差分析的原理和基本方法，能应用计算机解决常见的方差分“？心检验X2检验的用途是检验两个变出之间的独立性和检验数据是否听从某个概率分布得拟合检验。我们常常会遇到受两个或两个以上因索(变量)影响的试脸或视察数据，并要求推断两个变量之间是否存在相互联系的问题。假如两个变量之间没有联系则称作是独立的，否则就是不独立的。这里Qij表示具有第ij属性的观测的数量，i=l,2,.k,j=l,2,-m,Oi.表示第i行的观测书的总值，Oj表示第j列的观测数的总数”留意，这里Oij是实际观测到的数据分类得到的。我们在后面还要计算在原假设成立的是观测的理论数值。这里11是观测的总数。(OiJ-Ei开2定义X=1.t这里QZ是上边分类得到的实际观测数，是与之相应的位置上的期弟值。8万是依据概率计算的，在原假设下两个变量独汇，因而有：假如两事务独立，则它们的联合概率就等它们分别概率的乘枳，即落入第ij格的概率等于落入第i行的概率与落入第j列的概率的乘积。由此可得到当总的视察值的和为11时，与视察值相对应的期望值可按F式计算得到。Oi.Oj.OiOj.Eij=n)(一)=-7nn利用上面的公式可以计算出相应的个各个位置上的期望值.假如计算所得到的期里值过小，则后得到的检验统计址就会估计过大，导致原假设被拒绝的概率过高。因此，实际检验中一般要求全部计算得到的期望值都不小于5。假如某些位置上的期望值小于5就可以把相邻的类别合并，使得结果计算得到的期望值都不小于5。3计算2检脸我们在上边计算的2值，就是反映两个变量独立性程度的变量。假如2=0,那么这两个变量独上，当2不等于0,2越大两个变量独立的可能性越小，当2达到肯定的程度时我们就可以拒绝两个变量独M的假设。4A1151169883B103107118116C73898597现要求依据上述试脸结果，在显著性水平为某一特定值的条件卜.，检验所选用的材料对终产品的运用寿命的影响是否显著。从统计的角度看，就是要检验三种不同的材料所生产的终产品的运用寿命的均值是否一样。通常，在方差分析中，我们把对试验结果发生影响和起作用的臼变垃称为因素C假如方差分析探讨的是一个因素对于试服结果的影响和作用，就称为单因素方差分析。否则就称为多因素方差分析。这里主要介绍单因素方茏分析。在本例中，因素就是可能影响产品运用寿命的材料。因素的不同选择方案称之为因素的水平。例中材料有三种不同的选择就说因素有三个水平。因索的水平事实上就是因索的取值或者是因索的分组，例如，可以在包装、质垃、价格和俏售区域等方面取不同的值或分为不同的组，就表示因索选不同的水平。方差分析要检验的问题就是当因素选不同的水平常，对结果有无昊著的影响。若无显著影响，则随意选择哪一种材料都无所谓。否则就要选择终产品寿命长的一种材料，一般地，我们假定所检验的结果受某一因素A的影响，它可以取K个不同的水平：1,2,3K0对于因素的每一个水平i都进行n次试验，结果分别为Xi,XXin、我们把这一组样本记作假定×i,XinM,2）即对于因素的每一个水平，所得到的结果都听从正态分布，且方差相等。用统计的语言来表达，要检验的假设就是：）:0-1.fcH1：不是全部的同都相等（il,2,3,K）O由此可见,方差分析是探讨一个或多个可分组的变量（称为H变盘）与一个连续变量（因变量）之间的统计关系，并测定自变最在取各种不同水平常对因变增的影响和作用的种统计分析方法。方差分析通过比较和检验在Kn-E(a-)3A-1Jln,这里是全部观NK+ln*(xk-)2k=lKn其中，局表示第j组的变量的平均值Z="丁记SSE>ttxkj-xy表示不NA=Ijl同的样本组之间，由于因索取不同的水平所产生的密差平方和。记SSTR=fn*g-如hl表示不同样本组之间由于因索水平不同产生的密差平方和:因此我们得到SSTSSESSTTU+,对应的自由度分别是NT,NK-和K7。这样一来，自由度也有关系：TV-I=-+-(<)(Kl)存在关联，我们可得到5%或95%次数的相同结果，当总体中的变量存在关联，重复探讨和发觉关联的可能性与设计的统计学效力有关。）在很多探讨领域，0.05的P值通常被认为是可接受错误的边界水平。3,T检验和F检验至於具体要检定的内容，须看你是在做哪一个统计程序。举一个例子，比如，你要检验两独立样本均数差异是否能推论至总体，而行的t检验。两样本（如某班男生和女生）某变量（如身高）的均数并不相同，但这差别是否能推论至总体，代表总体的状况也是存在著差异呢？会不会总体中男女生根本没有差别，只不过是你那麽巧抽到这2样本的数值不同？为此，我们进行t检定，算出一个t检定值。与统计学家建立的以总体中没差别作基础的随机变量t分布进行比较，看看在多少的机会（亦即显著性sig值）下会得到门前的结果。若显著性Sig值很少，比如005（少於5%机率），亦即是说,假如J总体真的J没有差别，那度就只有在机会很少（5%）、很罕有的状况下，才会出现目前这样本的状况。虽然还是有5%机会出错（1-0.05=5%）,但我们还是可以比较有信念的说：目前样本中这状况（男女生出现差异的状况）不是巧合，是具统计学意义的，总体中男女生不存差异的虚无假设应予拒绝，简言之，总体应当存在著差异。每一种统计方法的检定的内容都不相同，同样是t-检定，可能是上述的检定总体中是否存在差异，也同能是检定总体中的单一值是否等於0或者等於某一个数值。至於F-检定，方差分析（或译变异数分析，AnalySiSofVarianCe）,它的原理大致也是上面说的，但它是透过检视变Ift的方差而进行的。它主要用F：均数差别的显著性检脸、分别各有关因索并估计其对总变异的作用、分析因索间的交互作用、方差齐性（EqUalityofVarianCeS）检验等状况。3,T检聆和F检验的关系另一种说明：t检验有的样本t检验，配对t检验和两样本t检验。单样本t检验：是用样本均数代表的未知总体均数和已知总体均数进行比较，来视察此组样本与总体的差异性。配对t检验：是采纳配对设计方法视察以卜.几种情形，1,两个同质受试对象分别接受两种不同的处理；2,同一受试对象接受两种不同的处理；3,同一受试对象处理前后。F检验又叫方差齐性检验。在两样本t检验中耍用到F检验。从两探讨总体中随机抽取样本，要对这两个样本进行比较的时候，首先要推断两总体方差是否相同，即方差齐性。若两总体方差相等，则脆用t检验，若不等，可采纳f检险或变量变换成秩和检验等方法。其中要推断两总体方差是杳相等，就可以用F检验。若是单组设计，必需给出个标准值或总体均值，同时，供应一组定量的观测结果，应用t检验的前提条件就是该组资料必需听从正态分布；若是配对设计，每对数据的差值必需听从正态分布；若是成组设计，个体之间相互独上，两组资料均取自正态分布的总体，并满足方差齐性。之所以须要这些前提条件，是因为必需在这样的前提卜所计算出的t统计量才听从t分布，而t检脸正是以t分布作为其理论依据的检验方法。简洁来说就是好用T枪脸是有条件的，其中之一就是要符合方差齐次性，这点须要F检脸来验证.第五牵：SPsS统计绘图功能详解于困难，如登式条图、累计条图等也无法作出，而这些图在统计中是常常会遇到的,此时就只彳采纳统计软件来绘制，SPSS就是其中的佼佼者。§5.1常用统计图在SPSS10.0版中，除了生存分析所用的生存曲线图被整合到ANA1.YZE菜单中外，其他的统计绘图功能均放置在graph菜IYl中。该菜单具体分为以下几部分：GaIIery:相当于一个H学向导，将统计绘图功能做简洁的介绍，初学者可以通过它对SPSS的绘图实力有一个大致的了解。Interactive:交互式统计图，这是SPSS9.0版新增的内容。Map：统计地图，这是SPSS10.0版新增的内容。尤市面上所能见到的SPSS10.0D版由于执照不全，并不能安装统计地图模块。下方的其他菜单项是我们为常用的一般统计图，具体来.说有：条图般,点图线.图直方图,饼图面积图箱式图正态Q-'Q图正态P-P图质量限制图Pareto图自回来曲线图凹凸图交相互关图序列图频谱图误差线图条图反映了同一-变量若干条记录的分组汇总条图反映了不同变量的汇总条图反映了个体视察值在该对话框中，SPSS将条图进行了大致的分类，对话框的上半部分用于选择条图类型，F半部分的DatainChartare单选框组用于定义条图中数据的表达类型。这里依据我们所需绘制条图的类型，应当选择简浩条图，在表达类型中则应选择"Summariesforgroupsofcases"=选好后单击DEFINE钮，系统开启正式的条图定义对话框如下：对话柢左侧为通用的侯选变量列表框，右侧的对话根元素依次说明如下:BarsRepresent单选框蛆】用于定义条图中直条所代表的含义，可以是样本例数、样本数所占的百分比、累计样本例数、累计样本数所占的百分比或其余汇总函数，在例5.1中的略有不同，具体来说在CategOryAXiS根旁边不同，现在CategoryAXiS板下面多了些东西如下所示：JiCategoryb<is:MI=IIDefineStacksby：CI选择stacks时的状况ICategoryAjiis:IZZJI(1DefineC加StCrSby：1.uI选择clusters时的状况明显，当须要做复式条图时，将所需的分类变量选入StaCkS框中即可，做分段条图的状况也与此类似。以例5.2为例，其操作步骤如下：1. Graphs->bar2. Clustered：选中3. Summarizesforgroupsofvariables选中4. 单击Define5. BarSrCPeSent根：选入SCOreO6. Othersummaryfunction单选根：选中7. Variablefl£：选入SUbjeCt8. Changesummary单击9. SUmofValUeS单选框：单击10. 单击continue钮11. CategorjrAxis框：选入subject12. Definestacksbyft(:选入trial13. 小击OK绘出的条图如下所示:633.5误差条图654图形的编辑664.1 基本规定664.2 常用快惦操作674.3 主菜单功能,684-4用派生坐标作图72打开美国银行调查数据graphbar打开barcharts对话框，clusteresummariesforgroupesofcases/,打开对话框，添加一个/defineclusterby/窗口。将工种变址输入CategOry/,sexf/defineclusterby/,其它依据缺省设置OK生成条形图，该图中的条带长度由educ变H的不同SeX取值所对应的个案数确定。输出结果见图。1.6堆栈条形图个案综述方式举例2单线图线图是以线段的上升和下降来说明事物变更状况的一种统计图。主要描述在时间上或依次上的变更趋势或两个现象之间的相互关系。H3.3网图(PieChart)阿图(PieChart)是以网的整风光积代表被探讨的对象，按各构成部分的比重、比例、大小割成若个扇形表示各部分与总体的比例关系。例题1打开dataxiaolishujuGraphPie/summariesforgroupesofcases/支出variable/ChangeSummary/SumofValuescontuneOK假如要变更图形的格式，Edit/Option/Charts/FillPatternsand1.ineStyIeS/CyclethroughColors,then/确定。完成格式更改。假如要添加数值标注，双击所要编辑的图形，进入编辑状态，Chart/1.abel/Text,Value,Percentsok0(2)例题2dataxiaolishujuGrahPiesummariesseparaevariabliesdefineopen打开DSPSSV/月工资、月奖金、其他收入和支出variablestitlesok0假如须要将某一个扇面商开网图，双击所耍编辑的图形，进入编辑状态，选中该扇面，Format/ExplodSlice/o小值O奇异值运用标记/0/,表示其变址值超过了第75百分位数与第25百分位数差值的1.5倍。极值运用标记/*/,表示其变垃值超过第75百分位数与第25百分位数差值的3倍。3.5误差条图是一组描述数据总体均值和离散程度的统计分布图，利用它可以从视觉上视察变盘的均值、置信区间、标准差和标准误等状况。下面举例说明"数据文件说明，例题测量了24例粉;猴上下颌牙齿的长和宽。牙齿的形态见下图，试分析（1）上下颌之间有无差异；（2）雄.雄之间有无差异；（3）左右之间有无差异；（4）能否用牙齿变量建立判别函数来进行性别之间性差判别，正确判别率是多少？（5）能否找到一个判别函数，使其判别率较而运用变址较少。4图形的编辑5面主要讲解一些图形修改和重新编辑的问题。要完成图表，必需经过修改。4.1基本规定4.图形分类分类型图形：依据分类型数据生成的图形，如条形图、线形图、面积图、圆图和凹凸图等。观测量型图形：依据观测盘型数据生成的图形，如散点图、直方图等。4.1.2图形组成图形有图列和图形要素两部分组成，图列是指能表达统计量的一个或几个相关的图；图形要素是指图列以外的其他部分。其中也包括图列的颜色、线条等因素在分类型图形中，坐标轴分别为量度轴和分类轴;4.3.5chartoptions：依据当前的图形打开不同的对话框，可以对当前的图形进行修改。当前图形为条形图、线形图、面积图等时，双击鼠标打开。Ptions对话框，Changscaleto100%,系统H动将原来数据的大小绘制各类数据占总成的百分比。落axis：通过对话框可以对X、丫坐标轴进行修改。如轴标签、网格线、坐标轴方向scale：liner,一般线性标尺log以10为底的对数标尺;5SPSS与microsoftpowerpoint转换附：招SPSS上的图输入到microsoftpowerpoint并通过去组合而转换成可编辑图形。在microsoftpowerpoint上去掉SPSSoutputfig的背景,操作步骤如下,copyspssoutputfig/openpowerpoint,/编辑/选择性粘贴/选/图片（增加型图元文件）/,/spssoutputfig粘贴在powerpoint上，但此图附有白色背景/选择此图（单击左键）/小击右键/选/组合/,选/取消组合/提示，是否转换成microsoft在进行新的外语教学方法试验时，往往须要在试验前和试验后对试验组和限制组的学生都进行成果测试，以便确定新的教学方法对试验后成果的影响.明显，试验前成果与试验后成果之间会有内在联系，假如要更精确地确定新的教学方法的效果，有必要考虑试验前成果对试验后成果的影响，也就是说可以把前测成果作为协变殳进行协方差分析。本例子中的试脸探讨共有15名受试者，将这些受试者随机分为3组，各组有5人,然后对这三组进行不同的教学方法试验。其中一组为限制组，试验时不对教学方法进行变更，仍旧采纳以前的传统教学方法。另两组为试验组，分别用交际法和沉醉法两种教学方法进行教学方法试验试验起先前对这三组学生用相同的试卷进行了英语测武，得出了前测成果。试脸结束后，用新的试卷同时对这三蛆学生进行了测试，得出了后测I成果。然后将要分析的数据输入到SPSS中去。见数据录入表格所示。我们用1表示传统教学方法，2表示交际法，3表示沉醉法。我们先不考虑前测成果，以“教学方法”为因素变量，“后测成果”为因变量进行单因素方差分析。从方差分析结果来看，概率值为。463（远远大于0.05的显著性水平），说明三种教学方法在后测成果上好像没有显著差异，但假如以前测成果作为协变员进行方差分析时，分析结果可能就会有差异。以下将以前测成果作为协变址进行方差分析，检验三种不同教学方法是否真的没有显著差异。未作协方茏分析之前的单因素方差分析表ANOVA后测成果SumofSquaresdfMeanSquareFSig.Between213.3332106.667.821.463GroupsWithin1560.00012130.000后测成绩后测成绪后测或经10.00200030.0040.0050.00GO.OO7000前测蟋教学方法传统孜沆浸法交际法学法假如依据菜单GraphsScatterDot,打开atter/Dot对话框，选择SimpleSCatter选项，按右上角Define按钮，以前测成果为X轴，后测成果为丫轴，教学方法作为标记变量(Setmarkersby),作出散点图，留意在作出散点图之后，左健双击输出的图形，调出ChartEditor对话框，依据菜单ElementFit1.ineatTotal,可以得到如下图所示的散点图，作出散点图，留意在作出散点图之后，左键双击输出的图形，调出ChartEditor对话框,依据菜单ElemcntFit1.ineatsubgroups,可以得到如下图所示的散点图，从图中可知三组中前测成果和后测成果行明显的直线趋势，且三组中直线趋势的斜率接近，因此从图形上未发觉违反前提条件的迹象，可以进一步作假设检验，检验各组总体斜率是否相等。互效应分析，即检脸回来线斜率相等的假设。点击Continue吩咐按钮网到主对话枇中，并点击OK按钮提交程序运行。组内回来斜率相同检验结果TestsofBetweai-SubjectaEffectsDependentVariable：后测成果SourceTypeIIISumofSquaresdfMeanSquareFSig.Corrected1498.531（八）5299.7069.816.002Model1632.390Intercept632.390242.15620.711.001教学方法84.312186.0721.381.300前测成果86.072283.2442.819.127教学方法前166.488930.5342.726.119测成果15Error274.802Total47700.000Corrected1773.33314TotalaRSquared-.845(AdjustedRSquared.759)上表是组内回来斜率相同检验结果，教学方法与前测成果的交互效应检验的F值为2.726,概率值为0.119(大于0.05),没有达到显著性水平，表明三组的回来斜率相同，即各组的回来线为平行线，符合了协方差分析的回来斜率相同的条件。这一结果表明，下面所进行的协方差分析的结果是有效的。二、协方差分析步骤法Total方差并性检脸表下表汇报了方差齐性检验结果，由表可知，F值为0.220,概率值为0.806（大于0.05）,说明各组之间的方差基本相同。这一结果满足了参数检验的另一个条件，因此下面些方差分析结果是有效的。1.evene'sTestofEqualityofErrorVariances*DependentVariable:后i则成果Fdfldf2Sig.220212.806Teststhenullhypothesisthattheerrorvarianceofthedependentvariableisequalacrossgroups.a.DeSign:Intercept+前测成果+教学方法协方差分析表TestsofBetween-SubjectsEffectsDependentVariable:后测成果SourceTypeIIISumofSquaresdfMeanSquareFSig.Corrected1332.043a3444.01411.068.001Model1426.41411426.41435.556.000Intercept1118.71011118.71027.886.000前测成果教346.4292173.2144.318.041学方法441.2901140.117）框中，如下图6-7所示:图6-7:一般因素方差分析主对话框（21指定分析模型即指定在方差分析中须要哪些因素主效应或交互效应。小击按钮ModCl，进入模型（MOdel）设置对话框。FUIlfaetorial全模型，包括全部因索主效应、交互效应、协变盘主效应等。是系统默认的模型。CUStom自定义模型。用户可以选择自己试验中感爱好的效应。Buildterms单击向下的小三角可以选择多种不同的效应，如本例中我们选择两个因素的主，effectsoSUmof供应了四种分解平方和的方法，系统举荐第三种即回来法。InClUdeinterCePtinmodel假如选中该复