s p s s数据正态分布检验Newly compiled on November 23, 2020spss数据正态分布检验一、Z检验第一步：录入数据。

1．命名“变量视图”；2．“数据视图”中输入数据；第二步：进行分析。

第三步：设置变量；第四步：得到结果：二、相关系数检验在一项研究中，一个学生想检查生活意义和心理健康是否相关。

同意参与这项研究的30个学生测量了生活意义和心理健康。

生活意义的得分范围是10-70分（更高的得分表示更强的生活意义），心理健康的得分范围是5-35分（更高的得分表示更健康的心理状态）。

在研究中基本的兴趣问题也可以用研究问题的方式表示，例如例题：生活意义和心理健康相关吗相关系数数据的例子ParticipantMeaninginLifeWell-being ParticipantMeaninginLifeWell-being13519 26527 31419 43535 56534 63334 75435 82028 92512 105821 113018 123725 135119 145025 153029 167031 172512 185520 196131 205325 216032 223512 233528 245020 253924 266834 275628 281912 295635 306035说明：变量participant包含在数据中，但不用输入SPSS。

在spss中输入数据及分析步骤1：生成变量1．打开spss。

2．点击“变量视图”标签。

在spss中将生成两个变量，一个是生活意义，另一个是心理健康。

变量分别被命名为meaning和wellbeing。

3．在“变量视图”窗口前两行分别输入变量名称meaning和wellbeing。

步骤2：输入数据1．点击“数据视图”，变量meaning和wellbeing出现在数据视图前两列。

2．将两个变量的数据分别输入。

如图。

步骤3：分析数据1．从菜单栏中选择“分析>相关>双变量>……” 打开“双变量”对话框，变量meaning 和wellbeing 出现在对话框的左边。

2．选择变量meaning 和wellbeing ，点击向右箭头按钮（），把变量移到“变量”框中。

3．点击“确定”。

步骤4：解释结果二元相关性的输出结果显示如下：相关性wellbei ngmeaningwellbei ng Pearson 相关性1 .549**显着性（双侧）.002N 30 30meaning Pearson 相关性.549** 1显着性（双侧） .002N 30 30**.在.01水平（双侧）上显着相关。

SPSS 生成了一个输出表，标记为“相关性”，其中包括我们研究问题的答案，即变量meaning 和wellbeing 之间是否相关。

注意在表格中meaning 和wellbeing 出现了两次，一次在行，一次在列（这表明SPSS 生成的表格中出现了冗余）。

相关系数值和原假设检验的p 值位于同样的结果在相关性生活意义和心相关性显着，变量meaning和wellbeing相交处。

表格中显示meaning和wellbeing的相关性是，相应的p值是小于，原假设被拒绝，在meaning和wellbeing的总体中存在正相关（相关系数右边的两个星号暗示了在水平上相关性是统计显着的，因为p值为小于）。

剩下的两个单元格显示了1的相关性，一个完美的正相关。

即变量meaning和wellbeing自身与自身的相关性。

三、独立样本T检验例题：临床心理学家想调查认知行为治疗和精神分析治疗对抑郁症的相对有效性。

30名患有抑郁症的病人随机分配接受两个疗法。

其中15人接受行为治疗，另外15人接受精神分析治疗，经过两个月的治疗后，记录下每个病人抑郁症得分。

在本研究中，自变量是治疗方法（认知行为治疗与精神分析治疗），因变量是抑郁症，较高的分数表示更高的抑郁水平（抑郁水平的分数变化范围为10~70)。

在研究中基本的兴趣问题也可以用研究问题的方式表示，例如：“在接受认知行为治疗与精神分析治疗的病人中，抑郁症水平的均值是否存在差异呢”T检验用来检验两组数据的均值。

所以，零假设假设两组数据的均值相等：原假设指出两组的抑郁症分数均值在总体上是相等的：H0：μ精神分析=μ认知行为对立假设指出两组的抑郁症分数均值在总体上是不等的：H1：μ精神分析≠μ认知行为数据在下表列出了30个参与者的数据。

接受精神分析治疗的参与者标记为“1”，接受认知行为治疗的标记为“2”。

独立样本t检验例子的数据Participant Therapy Depression Participant Therapy Depression1 1 57 162 472 1 61 17 2 423 1 67 18 2 594 1 63 19 2 376 1 55 21 2 427 1 45 22 2 388 1 62 23 2 499 1 41 24 2 6110 l 36 25 2 4311 1 55 26 2 4712 1 57 27 2 4913 1 70 28 2 3714 l 62 29 2 4115 1 58 30 2 48说明：变量participant包含在数据中，但不用输入SPSS。

步骤1：生成变量1．打开SPSS。

2．点击【变量视图】标签。

在SPSS中将生成两个变最，一个是不同治疗方法的组别(自变量)，另一个是抑郁症分数(因变量)。

这些变量将各自被命名为therapy(治疗方法)和depression(抑郁症)。

3．在【变量视图】窗口前两行分别输入变量名称therapy和depression(详见图表)4．为变量therapy建立变量值标签，1=“精神分析治疗”，2=“认知行为治疗”。

步骤2：输入数据1．点击【数据视图】标签。

变量therapy和depression出现在【数据视图】窗口的前两列。

2．参照图表6-1，为每个参与者输入两个变量的数据。

对第一个参与者，为变量therapy和depression分别输人数值1和57。

依次输入全部30个参与者的数据。

对therapy，注意到前15个参与者为1（精神分析治疗），后15个参与者为步骤3：分析数据1．从菜单栏中选择【分析>比较均值>独立样本T检验】（见图）。

打开【独立样本T检验】对话框，变量therapy和depression出现在对话框的左边。

2．选择因变量depression，点击向右箭头按钮（）把变量移到【检验变量】框。

3．选择自变量therapy，点击向右箭头按钮（）把变量移到【分组变量】框中。

在【分组变量】框中，两个在括号内的问号出现在therapy的右边（见图）。

这些问号表示原先的数字分配到两个治疗样本中（也就是l、2）。

这些数字需要通过点击【定义组】来输入。

4．点击【定义组】。

5．【定义组】对话框被打开，在【组1】（表示精神分析治疗样本的数字）的右边输入“1”，并且在“组2”（表示认知行为治疗样本的数字）的右边输入“２”。

6．点击【继续】。

7．点击【确定】。

结果显示在【查看】窗口中。

步骤4：解释结果组统计量表输出的第一个表格显示每个治疗组的描述统计量，包括样本量、平均值、标准差和标准误差。

注意到认知行为治疗样本的抑郁分数均值（均值=）比精神分析治疗样本（均值=）的低。

我们稍后将会考虑这两组之间的差异对具有统计显着性而言是否足够大。

独立样本检验表第二个表格“独立样本检验表”显示在“均值相等的t检验”之后的“假设方差相等”栏中的结果。

方差方程的Levene检验“方差方程的Levene检验”检验两个治疗组的总体方差是否相等，这是独立样本t检验的一个假设。

SPSS使用个由Levene开发的方法来检验总体相等的假设。

Levene检验的原假设和对立假设是：H0：σ2精神分析=σ2认知行为（两组的总体方差相等）H1：σ2精神分析≠σ2认知行为（两组的总体方差不相等）T检验四、相依样本T检验在对某种程度上相关的两个样本的均值进行比较时，我们可以使用相依样本t检验（也称为配对样本t检验，重复测量t检验，匹配样本t检验等）。

在相依样本t检验中．两个样本可能包含同一个人在两个不同时刻进行侧量或者两个有联系的人分别测量的结果（例如，双胞胎的IQ，妻子与丈夫的沟通质量）。

准确定义相依样本t检验的关健在于记住两样本间要在某方面存在自然联系．下面给出一个相依样本t检验的例子。

一个国家选举机构的工作人员负责通过民意调查来决定经济和国家安全哪个议题对于选民更重要。

有25个选民被调查以确定两个议题的重要性等级，每个议题用1-7的等级表示（1=一点也不重要，7=极其重要）。

自变量是投票议题（经济、国家安全），（因）变量是重要性等级。

在研究中，基本的兴趣问题也可以用研究问题的方式表示，例如，“对选民来说经济重要性等级和国家安全是否存在不同”数据步骤1：生成变量1．打开spss。

2．点击【变量视图】标签。

在spss中将生成的两个变量，分别用于经济等级和国家安全。

两个变量分别命名为economy和security。

3．在【变量视图】窗口前两行分别输入变量名称economy和security。

（见图）。

步骤2：输入数据1．点击【数据视图】标签。

变量economy和security出现在【数据视图】窗口的两列。

2．为每个参与者输入两个变量的数据。

对第一个参与者，为变量economy和security分别输入等级5和7。

依次输入全部25个参与者的数据。

步骤3：分析数据1．从菜单栏中选择【分析>比较均值>配对样本T检验】。

打开【配对样本T检验】对话框，变量economy和security出现在对话框的左边。

2．选择因变量economy和security，点击向右箭头按钮（）把变量移到【成对变量】框中。

3．点击【确定】。

在spss中运行相依样本t检验程序，结果显示在“查看”视窗中。

步骤4：解释结果成对样本统计量输出的第一个表格“成对样本统计量”显示了economy和security的描述统计量、包括样本量、平均值、标准差和标准误差。

请注意，经济的平均重要性等级（均值=）比国家安全（均值=）的高。

我们稍后将会考虑这两个平均等级之间的差异（对）是否大到足以具有统计显着性。

成对样本相关系数表格“成对样本相关系数”除了提到这个相关性等于25个参与者对于经济和国家安全的等级之间的皮尔逊相关系数外，对于解释配对样本t检验不是重要的。

成对样本检验表格“成对样本检验”为我们的研究问题提供了答案，就是经济和国家安全的重要性等级间是否存在差异。

原假设的检验是以t的形式显示的，这里五、χ2独立性检验(一)双因素卡方检验双因素卡方检验法常用来检验两个因素是否互相独立。