SPSS统计基础-均值功能的使用

均值过程计算一个或多个自变量类别中因变量的子组均值和相关的单变量统计。您也可以获得单因素方差分析、eta 和线性相关检验。

统计量。合计、个案数、均值、中位数、组内中位数、均值的标准误、最小值、最大值、范围、分组变量的第一个类别的变量值、分组变量的最后一个类别的变量值、标准差、方差、峰度、峰度标准误、偏度、偏度标准误、总和的百分比、总个案数的百分比、和的百分比、数量的百分比、几何均值以及调和均值。选项包括方差分析、eta、eta
平方和线性R 和R2 检验。

数据。因变量为定量变量，自变量为分类变量。分类变量的值可以为数字，也可以为字符串。

获得子组均值

从菜单中选择：

分析> 比较均值>
均值...

选择一个或多个因变量。

使用下列一种方法选择分类自变量：

选择一个或多个自变量。显示每个自变量的单独的结果。

选择一层或多层自变量。每一层都将进一步细分样本。如果在层1
中有一个自变量，层2 中也有一个自变量，结果就显示为一个交叉的表，而不是对每个自变量显示一个独立的表。

或者，单击选项选择可选统计量、方差表的分析、eta、eta 平方、R
和R2。

均值：选项

第一个. 显示在数据文件中遇到的第一个数据值。

几何均值. 数据值的乘积的n 次根，其中n 代表个案数目。

组内中位数. 针对编码到组中的数据计算的中位数。例如，如果对于每个30
年代的年龄数据的值都编码为35，40 年代的编码为45，依次类推，则组内中位数是由已编码的数据计算得出的。

调和均值.
在组中的样本大小不相等的情况下用来估计平均组大小。调和均值是样本总数除以样本大小的倒数总和。

峰度.
观察值聚集在中点周围的程度的测量。对于正态分布，峰度统计量的值为

0。正峰度值表示相对于正态分布，观察值在分布中心的聚集更多，同时尾部更薄，直到分布极值。在这一点，leptokurtic
分布的尾部比正态分布的尾部要厚。负峰度值表示相对于正态分布，观察值聚集得少并且尾部较厚，直到分布极值。在这一点，platykurtic
分布的尾部比正态分布的尾部要薄。

最后一个. 显示在数据文件中遇到的最后一个数据值。

最大值. 数值变量的最大值。

均值. 集中趋势的测量。算术平均，总和除以个案个数。

中位数. 第50
个百分位，大于该值和小于该值的个案数各占一半。如果个案个数为偶数，则中位数是个案在以升序或降序排列的情况下最中间的两个个案的平均。中位数是集中趋势的测量，但对于远离中心的值不敏感（这与均值不同，均值容易受到少数多个非常大或非常小的值的影响）。

最小值.数值变量的最小值。

N.个案（观察值或记录）的数目。

个案总数的百分比. 每个类别中的个案总数的百分比。

总和的百分比. 每个类别中的总和的百分比。

全距. 数值变量最大值和最小值之间的差；最大值减去最小值。

偏度.
分布的不对称性度量。正态分布是对称的，偏度值为0。具有显著正偏度值的分布有很长的右尾。具有显著的负偏度的分布有很长的左尾。作为一个指导，当偏度值超过标准误的两倍时，则认为不具有对称性。

峰度标准误. 峰度与其标准误的比可用作正态性检验（即，如果比值小于-2 或大于
2，就可以拒绝正态性）。大的正峰度值表示分布的尾部比正态分布的尾部要长一些；负峰度值表示比较短的尾部（变为像框状的均匀分布尾部）。

偏度标准误. 偏度与其标准误的比可以用作正态性检验（即，如果比值小于-2
或大于 2，就可以拒绝正态性）。大的正偏度值表示长右尾；极负值表示长左尾。

总和. 所有带有非缺失值的个案的值的合计或总计。

方差.
对围绕均值的离差的测量，值等于与均值的差的平方和除以个案数减一。度量方差的单位是变量本身的单位的平方。

第一层的统计量

Anova 表和eta.
显示单因素方差分析表，并为第一层中的每个自变量计算eta 和eta 平方（相关度量）。

线性相关检验. 计算与线性和非线性成分相关联的平方和、自由度和均方，以及F
比R和R方。如果自变量为短字符串，则不计算线性。

巴特西

SPSS统计基础-均值功能的使用

最新文章

热门文章