spss數(shù)據(jù)正態(tài)分布檢驗

1、精心整理spss數(shù)據(jù)正態(tài)分布檢驗一i、Z檢驗二、相關(guān)系數(shù)檢驗三、獨(dú)立樣本T檢驗四、相依樣本T檢驗五、嫂獨(dú)立性檢驗精心整理、Z檢驗第一步：錄入數(shù)據(jù)精心整理1 .命名“變量視圖”；2 .“數(shù)據(jù)視圖”中輸入數(shù)據(jù);第二步：進(jìn)行分析。第三步：設(shè)置變量；第四步：得到結(jié)果：二、相關(guān)系數(shù)檢驗在一項研究中，一個學(xué)生想檢查 生活意義和心理健康 是否相關(guān)。同意參與這項研究的30個學(xué)生測量了生活意義和心理健康。生活意義的得分范圍是10-70分（更高的得分表示更強(qiáng)的生活意義），心理 健康的得分范圍是5-35分（更高的得分表示更健康的心理狀態(tài)）。在研究中基本的興趣問題也可以用研究問題的方式表示，例如例題：生活意義和心理健

2、康相關(guān)嗎？相關(guān)系數(shù)數(shù)據(jù)的例子ParticipantMeaninginLifeWell-being ParticipantMeaninginLifeWell-being135191725122652718552031419196131435352053255653421603263334223512754352335288202824502092512253924105821266834113018275628123725281912135119295635145025306035153029167031說明：變量 participant .SPSS在spss中輸入數(shù)據(jù)及分析步驟1:生成變量1

3、.打開spss2 .點(diǎn)擊“變量視圖”標(biāo)簽。在spss中將生成兩個變量，一個是生活意義，另一個是心理健康。變量分別被命名為 meaning和wellbeing。3 .在“變量視圖”窗口前兩行分別輸入變量名稱meaning和wellbeing。步驟2:輸入數(shù)據(jù)1 .點(diǎn)擊“數(shù)據(jù)視圖”，變量meaning和wellbeing出現(xiàn)在數(shù)據(jù)視圖前兩列。2 .將兩個變量的數(shù)據(jù)分別輸入。如圖。步驟3:分析數(shù)據(jù)1 .從菜單欄中選擇“分析 相關(guān),雙變M>打開“雙變量”對話框，變量 meaning和wellbeing出現(xiàn)在對話框的左邊。2 .選擇變量 meaning 和 wellbeing,擊向右箭頭按鈕（？）

4、，把變量移到“變框中。3 .點(diǎn)擊“確定”。步驟4:解釋結(jié)果5 vruLLiH*«ui工二門KU陋日j B；d l r 國|wtilbmig1£.mi相m1的血Z7O3Mtn婚mJ15 KJK(n號必其MBE7&4ID£oaQ3JD033Eg菖叩12m1D59 0a如Hnatn'3狎w葛31351 EOrg(n如叫趨tn壯如叫目B16mmJUDO肝J5DQ12JJJ的好的劉m恒m m* tn30GGO其0031置B招D9m5315 DO30®24hi m2D CD2S理m24 00占J 、生活意義和二元相關(guān)性的輸出結(jié)果顯示如下:的結(jié)果在相關(guān)

5、 wellbei meaningngwellbeiPearson 相關(guān)1* .549/ng性顯著性（雙側(cè)）.002,N3030meaning Pearson 相關(guān)_ *.5491性顯著性（雙側(cè)）.002N|30 |30 |*在.01水平（雙側(cè)）上顯著相關(guān)。SPSSfe成了一個輸出表，標(biāo)記為“相關(guān)性”，其中包括我們研究 問題的答案，即變量 meaning和wellbeing之間是否相關(guān)。注意在表格中meaning和wellbeing出現(xiàn)了兩次，一次在行，一 次在列（這表明SPSSfe成的表格中出現(xiàn)了冗余）。相關(guān)系數(shù)值和原假 設(shè)檢驗的p值位于變量 meaning和wellbeing相交處。表格中顯

6、示 meaning和wellbeing的相關(guān)性是0.549,相應(yīng)的p值是0.002小于0.05, 原假設(shè)被拒絕，在 meaning和wellbeing的總體中存在正相關(guān)（相關(guān) 系數(shù)右邊的兩個星號暗示了在 0.01水平上相關(guān)性是統(tǒng)計顯著的，因 為p值為0.002小于0.01）。剩下的兩個單元格顯示了 1的相關(guān)性， 一個完美的正相關(guān)。即變量 meaning和wellbeing自身與自身的相關(guān) 性。三、獨(dú)立樣本T檢驗例題：臨床心理學(xué)家想調(diào)查認(rèn)知行為治療和精神分析治療對抑郁癥的 相對有效性。30名患有抑郁癥的病人隨機(jī)分配接受兩個療法。其中 15人接受行為治療，另外15人接受精神分析治療，經(jīng)過兩個月的治

7、 療后，記錄下每個病人抑郁癥得分。在本研究中，自變量是治療方法 （認(rèn)知行為治療與精神分析治療），因變量是抑郁癥，較高的分?jǐn)?shù)表 示更高的抑郁水平（抑郁水平的分?jǐn)?shù)變化范圍為1070）。在研究中基本的興趣問題也可以用研究問題的方式表示，例如： “在接受認(rèn)知行為治療與精神分析治療的病人中，抑郁癥水平 的均值是否存在差異呢？ ”T檢驗用來檢驗兩組數(shù)據(jù)的均值。 所以，零假設(shè)假設(shè)兩組數(shù)據(jù)的 均值相等：原假設(shè)指出兩組的抑郁癥分?jǐn)?shù)均值在總體上是相等的：H0:精神分析=以認(rèn)知行為對立假設(shè)指出兩組的抑郁癥分?jǐn)?shù)均值在總體上是不等的：H1 ： 以精神分析 豐 1認(rèn)知行為數(shù)據(jù)在下表列出了 30個參與者的數(shù)據(jù)。接受精神分析

8、治療的參與者 標(biāo)記為“ 1”，接受認(rèn)知行為治療的標(biāo)記為“ 2”。獨(dú)立樣本t檢驗例子的數(shù)據(jù)Participant Therapy Depression Participant Therapy Depression1157162472161172423167182594163192375l512023561552124271452223881622324991412426110l362524311155262471215727249131702823714l62292411515830248說明：變量participant包含在數(shù)據(jù)中，但不用輸入 SPSS步驟1 :生成變量1 .打開SPSS2 .

9、點(diǎn)擊【變量視圖】標(biāo)簽。在SPSS中將生成兩個變最，一個是不同治療方法的組別（自變量），另一個是抑郁癥分?jǐn)?shù)（因變量）。這些變量將各自被命名為therapy（治療方法）和 depression|前B；ffi ）。3 .在【變量視圖】窗口前兩行分別輸入變量名稱therapy和精心整理depression（詳見圖表）4 .為變量therapy建立變量值標(biāo)簽，1= "精神分析治療"，2= “認(rèn)知行為治療”。步驟2:輸入數(shù)據(jù)1 .點(diǎn)擊【數(shù)據(jù)視圖】標(biāo)簽。變量 therapy和depression出現(xiàn)在 【數(shù)據(jù)視圖】窗口的前兩列。2 .參照圖表6-1,為每個參與者輸入兩個變量的數(shù)據(jù)。對第一

10、 個參與者，為變量therapy和depression分別輸人數(shù)值1和57。依次輸入全部30個參與者的數(shù)據(jù)。步驟3:分析數(shù)據(jù)1 .從菜單欄中選擇【分析 比較均值,獨(dú)立1本T檢驗】（見圖）。打開【獨(dú)立樣本T檢驗】對話框，變量therapy和depression出現(xiàn)在對話框的左邊2 .選擇因變量depression,點(diǎn)擊向右箭頭按鈕（？）把變量移到【檢驗變量】框3 .選擇自變量therapy,點(diǎn)擊向右箭頭按鈕（？）把變量移到【分 組變量】框中。在【分組變量】框中，兩個在括號內(nèi)的問號出現(xiàn)在 therapy的右 邊（見圖）。這些問號表示原先的數(shù)字分配到兩個治療樣本中（也就 是1、2）。這些數(shù)字需要通過

11、點(diǎn)擊【定義組】來輸入。4 .點(diǎn)擊【定義組】。5 .【定義組】對話框被打開， 在【組1】（表示精神分析治療樣 本的數(shù)字）的右邊輸入“ 1”，并 且在“組2”（表示認(rèn)知行為治療 樣本的數(shù)字）的右邊輸入“ 2 ” 。6 .點(diǎn)擊【繼續(xù)】。7 .點(diǎn)擊【確定】。結(jié)果顯示在【查看】窗口中。步驟4:解釋結(jié)果組統(tǒng)計量表輸出的第一個表格顯示每個治療組的描述統(tǒng)計量，包括樣本量、 平均值、標(biāo)準(zhǔn)差和標(biāo)準(zhǔn)誤差。注意到認(rèn)知行為治療樣本的抑郁分?jǐn)?shù)均 值（均值=45.00）比精神分析治療樣本（均值=56.00）的低。我們稍 后將會考慮這兩組之間的差異對具有統(tǒng)計顯著性而言是否足夠大。獨(dú)立樣本檢驗表第二個表格“獨(dú)立樣本檢驗表”顯示

12、在“均值相等的t檢驗”之后的“假設(shè)方差相等”欄中的結(jié)果方差方程的Levene檢驗“方差方程的Levene檢驗”檢驗兩個治療組的總體方差是否相等，這是獨(dú)立樣本t檢驗的一個假設(shè)。SPSS®用個由Levene開發(fā)的 方法來檢驗總體相等的假設(shè)。Levene檢驗的原假設(shè)和對立假設(shè)是:Ho： cr2精神分析=cr 2認(rèn)知行為（兩組的總體方差相等）Hi: er 2精神分析* cr 2認(rèn)知行為（兩組的總體方差不相等）精心整理T僉驗“組統(tǒng)計表”提供了兩 個治療組（精神分析與 認(rèn)知行為）的均值c如相等方差的Levene檢驗的p值。如果pW0.05,我們假設(shè)方差不相等（讀t的結(jié)果中的底部數(shù)值）。如方差方程

13、的Levene檢驗均值方程的t檢驗FSig.tdf1Sig.（雙側(cè)）均值差 值標(biāo)準(zhǔn)誤 差值差分的95%置信 區(qū)間下限上限depress假設(shè)方差相ion等假設(shè)方差不相等.311.5823.5143.5142826.8500、.00211.000001 11.000 。3.130503.130504.587474.5750717.4125317.42493因為0.02的p值小于0.05,所以兩組均值相等的原假設(shè)被拒絕。根據(jù)“組統(tǒng)計景表”精心整理四、相依樣本T檢驗在對某種程度上相關(guān)的兩個樣本的均值進(jìn)行比較時，我們可以 使用相依樣本t檢驗（也稱為配對樣本t檢驗，重復(fù)測量t檢驗，匹 配樣本t檢驗等）。在

14、相依樣本t檢驗中.兩個樣本可能包含同一個人在兩個不同時 刻進(jìn)行側(cè)量或者兩個有聯(lián)系的人分別測量的結(jié)果 （例如，雙胞胎的IQ, 妻子與丈夫的溝通質(zhì)量）。準(zhǔn)確定義相依樣本t檢驗的關(guān)健在于記住 兩樣本間要在某方面存在自然聯(lián)系. 下面給出一個相依樣本t檢驗的 例子。一個國家選舉機(jī)構(gòu)的工作人員負(fù)責(zé)通過民意調(diào)查來決定經(jīng)濟(jì)和 國家安全哪個議題對于選民更重要。有 25個選民被調(diào)查以確定兩個 議題的重要性等級，每個議題用1-7的等級表示（1=一點(diǎn)也不重要， 7=極其重要）。自變量是投票議題（經(jīng)濟(jì)、國家安全），（因）變量是 重要性等級。在研究中，基本的興趣問題也可以用研究問題的方式表示，例 如，“對選民來說經(jīng)濟(jì)重要

15、性等級和國家安全是否存在不同 ？ ” 數(shù)據(jù)步驟1:生成變量1 .打開spss2 .點(diǎn)擊【變量視圖】標(biāo)簽。在spss中將生成的兩個變量，分別用于經(jīng)濟(jì)等級和國家安全。 兩個變量分別命名為 economy和security。精心整理115.107 0026.0D1003S.an2 CD46.023. DO55.DQson67.007 00?7.00SOD&4.0D5. DO9-7.QD3I0Dn5.0D4 00114.00600t26.0D4.00t37.M5.00u4.007 on15GOO4 0D1G7.005 00f7,r.LlQ5. DOia6.007 COi9E8d.ioo20K.

16、OO2Q021,0D4 00Z!3.001 0D235.002. DO%BIDD257.0D7 00:B up&nxuiin.1 蒙箱集 1 I UI BPS" +文件in 強(qiáng)說后 踞M 前聲 裝裁皿 何析# mH的國金3 .在【變量視圖】窗口前兩行分別輸入變量名稱economy和securityo （見圖）。步驟2:輸入數(shù)據(jù)1 .點(diǎn)擊【數(shù)據(jù)視圖】標(biāo)簽。變量 economy和security出現(xiàn)在【數(shù)據(jù)視圖】 窗口的兩列。2 .為每個參與者輸入兩個變量的數(shù) 據(jù)。對第一個參與者，為變量economy和 security分別輸入等級5和7。依次輸入全 部25個參與者的數(shù)據(jù)。, &

17、#39;步驟3:分析數(shù)據(jù)1 .從菜單欄中選擇【分析 比較均值, 配對樣本T檢驗】。打開【配對樣本T檢驗】對話框，變 量economy和security出現(xiàn)在對話框的左 邊。2 .選擇因變量economy和security,點(diǎn)擊向右箭頭按鈕（？）把 變量移到【成對變量】框中。3 .點(diǎn)擊【確定】。在spss中運(yùn)行相依樣本t檢驗程序，結(jié)果顯示在“查看”視窗 中。步驟4:解釋結(jié)果成對樣本統(tǒng)計量輸出的第一個表格“成對樣本統(tǒng)計量”顯示了economy 和security的描述統(tǒng)計量、包括樣本量、平均值、標(biāo)準(zhǔn)差和標(biāo)準(zhǔn)誤差。請注意，經(jīng)濟(jì)的平均重要性等級（均值=5.76）比國家安全（均值=4.60） 的高。我們

18、稍后將會考慮這兩個平均等級之間的差異（5.76對4.60） 是否大到足以具有統(tǒng)計顯著性。成對樣本相關(guān)系數(shù)表格“成對樣本相關(guān)系數(shù)”除了提到這個相關(guān)性等于25個參與 者對于經(jīng)濟(jì)和國家安全的等級之間的皮爾遜相關(guān)系數(shù)外， 對于解釋配 對樣本t檢驗不是重要的。成對樣本檢驗表格“成對樣本檢驗”為我們的研究問題提供了答案，就是經(jīng)濟(jì)和國家安全的重要性等級間是否存在差異。原假設(shè)的檢驗是以t的形式顯示的，這里精心整理T僉驗成對樣本統(tǒng)計量均值N標(biāo)準(zhǔn)差均值的標(biāo)準(zhǔn)誤X： 1economy5.7600251.16476.23295security4.6000211.77951.35590N相關(guān)系數(shù)Sig.X： 1 eco

19、nomy&se curity25.253.222成對樣本相關(guān)系數(shù)表格“成對樣本統(tǒng)計量”提供了兩個變量(economy和security)的均值。如果原假設(shè) 被拒絕、我們將杳閱這個表格以決定哪個變成對差分tdfSig.(雙側(cè))均值標(biāo)準(zhǔn) 差均值的標(biāo)準(zhǔn)誤差分的95哨 信區(qū)間下限上限X： 1 economy-se curity1.160001.86369.37274.390711.929293.11224.005成對樣本檢驗均值1.16等于economy和security 均值 間 的差.因為p值為0.005,小于 0.05,原假設(shè)被拒絕。精心整理五、嫂獨(dú)立性檢驗（一）雙因素卡方檢驗雙因素卡方

20、檢驗法常用來檢驗兩個因素是否互相獨(dú)立。如果不是互相 獨(dú)立，就是互相聯(lián)系。做出零假設(shè)（H“，兩個因素互相獨(dú)立，沒有聯(lián)系；備擇假設(shè)（Hi）兩個因 素不互相獨(dú)立。如果 p>0.05或0.01,接受原假設(shè)，互相獨(dú)立；相反，如 果p< 0.05或0.01,拒絕原假設(shè)，說明兩事件有聯(lián)系。（小拒絕大接受）（A） 2X2表卡方檢驗例子一位研究員想調(diào)查性格類型（個性內(nèi)向的人、個性外向的人）和休閑運(yùn)動的選擇（逛游樂園、休息一天）是否有關(guān)系。他對 100名答應(yīng)參與這 項研究的人做了性格測試，并且基于測試的分值把他們分為性格內(nèi)向的人 和性格外向的人，然后要求每個參與者在逛游樂園和休息一天兩者之中選 擇更喜

21、歡的休閑方式。圖表 5-1描述了每個參與者的性格類型和選擇的休 閑方式：因為性格類型和休閑方式都有兩個水平，得到四個單元，當(dāng)前的例子為2X 2卡方表。分析：零假設(shè)為2X2列聯(lián)表中列一 “性格類型”與列二“休閑方式” 之間獨(dú)立。如果p<0.05,則拒絕零假設(shè)；如果p>0.05,則接受零假設(shè)。步驟1：生成變量1 .打開spss2 .點(diǎn)擊【變量視圖】標(biāo)簽。在SPSS將生成三個變量，一個是不同的性格類型，一個是休閑方 式，一個是頻數(shù)。這三個變量分別命名為 personality, activity和frequency。3 .在【變量視圖】窗口前三行分別輸入變量名稱 personality,

22、 activity 和 frequency。4 .為分類變量personality和activity 建立變量值標(biāo)簽，對于 personality, l= "內(nèi)向”，2= “外向”。對于 activity, 1= “逛游樂園”，2= "休 息”。步驟2:輸入數(shù)據(jù)接下來，我們在spss中輸入數(shù)據(jù)。X笏蟲立性檢驗有兩種不同的數(shù)據(jù)輸 入方法：加權(quán)方法和個體觀測值方法。 當(dāng)數(shù)據(jù)在每個單元的頻數(shù)統(tǒng)計出來 時，應(yīng)采用加權(quán)方法。由于在我們的例子中，單元中的 頻數(shù)已經(jīng)被統(tǒng)計出 來（如圖表1）,我們將采用加權(quán)方法來輸入數(shù)據(jù)。在我們的例子中，內(nèi)向性格和外向性格的人可以進(jìn)擇逛游樂園和休息 中的一

23、個，于是產(chǎn)生了四種不同情況（內(nèi)向/逛游樂園、內(nèi)向/休息、外向 /逛游樂園、外向/休息）。由于我們采用加權(quán)方法來輸人數(shù)據(jù)，我們需要 在【數(shù)據(jù)視窗】窗口為這四種情況的每一種創(chuàng)建單獨(dú)的一行。用加權(quán)方法 建立的數(shù)據(jù)文件結(jié)構(gòu)如圖表所示。輸入數(shù)據(jù)1 .點(diǎn)擊【數(shù)據(jù)視圖】標(biāo)簽。變量 personality, activity和frequency出 現(xiàn)在【數(shù)據(jù)視圖】窗口的前三列。按照圖表，第一種情況對應(yīng)于內(nèi)向（1）且選擇逛游樂園（1）的人，總共有 12個人，這些值應(yīng)該被輸入【數(shù)據(jù)視圖】窗口的第一行。2 .在【數(shù)據(jù)視圖】窗口的第一行對 personality, activity和frequency 分別輸入l,

24、1和12,在【數(shù)據(jù)視圖】窗口的24行輸入剩下的三種情況（在 第2行輸入l, 2和28,在第3行輸入2, 1和43,在第4行輸入2, 2和 17）。圖表中給出了完整的數(shù)據(jù)文件。步驟3:分析數(shù)據(jù)在執(zhí)行x才僉驗之前，我們首先需要對frequency進(jìn)行加權(quán)。加權(quán)表明 給定變量的值表示觀測總 次數(shù)，而不僅僅是一個分?jǐn)?shù)值。例如，對frequency進(jìn)行加權(quán)時，frequency取值為12代表12個人，而不是分?jǐn)?shù)為12。對frequency進(jìn)行力口權(quán)1 .在菜單欄中選擇“數(shù)據(jù) 加權(quán)個案”。2 .打開【加權(quán)個案】對話框。選擇“加權(quán)個案”并選擇變量frequency, 點(diǎn)擊向右箭頭按鈕，把frequency移

25、到“頻率變量”框中。3 .點(diǎn)擊“確定”。這表示在每個類別中頻數(shù)的取值（12, 28, 43和17） 對應(yīng)于每個單元的所有參與者，而不僅僅是一個分?jǐn)?shù)。通過對frequency進(jìn)行加權(quán)，現(xiàn)在我們可以在 SPS汕執(zhí)行x 2獨(dú)立性 檢驗。執(zhí)行x 2獨(dú)立性檢驗1 .在菜單欄中選擇“分析 描述統(tǒng)計交叉表V人二，打開【交叉表】對話框，變量 personality, activity和frequency出現(xiàn) 在對話框的左側(cè)。2 .選擇personality,點(diǎn)擊向右箭頭按鈕？），把變量移到“行”框。3 .選擇activity,點(diǎn)擊向右箭頭按鈕（？），把變量移到“列”框中。4 .點(diǎn)擊下由。打開“交叉表：統(tǒng)計量”

26、對話框，選擇“卡方”。5 .點(diǎn)擊“繼續(xù)”。6 .點(diǎn)擊“單元格”。打開“交叉表：單元顯示”對話框，在“計數(shù)”下 選擇“觀察值” “期望值”；在“百分比”下選擇“行”。7 .點(diǎn)擊“繼續(xù)”。8.點(diǎn)擊“確定”步驟4:解釋結(jié)果 交叉表案例處理摘要案例有效的缺失合計N百分比N百分比N百分比案例處理摘要案例有效的缺失合計N百分比N百分比N百分比personality*activity100100.0%0.0%100100.0%personality*activity交叉制表activity合計amusementparkretreatpersonalityintrovert計數(shù)122840期望的計數(shù)22.01

27、8.040.0personality中的%30.0%70.0%100.0%extrovert計數(shù)431760期望的計數(shù)33.027.060.0personality中的%71.7%28.3%100.0%合計計數(shù)5545100期望的計數(shù)55.045.0100.0personality中的%55.0%45.0%100.0%卡方檢驗值df漸進(jìn)Sig.（雙側(cè)）精確Sig.（雙側(cè)）精確Sig.（單側(cè)）Pearson 卡方16.835 a1<.000連續(xù)校正b15.1941/ .000似然比17.2301/.000Fisher的精確檢驗/.000.000線性和線性組合16.6671/.000有效案例

28、中的N100a.0單元格（.0%）的期望計數(shù)少于5。最小期望師敢；18.00b.僅對2x2表計算/P值小于0.05,所以拒絕原假 設(shè)（小拒絕），兩個事件不獨(dú) 立，即性格類型與休閑方式(8) (r xc)列聯(lián)表的卡方檢驗當(dāng)列聯(lián)表不是2X2交叉表的時候，要判斷總體的變量是否彼此獨(dú)立, 這時候自由度：df= (r-1) (c-1)。列聯(lián)表形式(r x c)>x列(c)合計123C12O11O12O13O1c01行3O21O22O2302c02(r)-O31O32O3303c03- -Or1Or2Or3OrcOrr合計n1n2n3ncn方法同2X2卡方表，只是增加列、行的數(shù)量。如：應(yīng)用語言學(xué)實驗

29、方法一書 83頁的例子。分析：零假設(shè)為：列一 “第一語言背景”與列二“冠詞錯誤頻數(shù)”之間 獨(dú)立。如果p<0.05,則拒絕零假設(shè)，反之，則接受零假設(shè)。(小拒絕，大接 受) 二 了 .經(jīng)過計算，結(jié)果如下：p=0.525接受原假設(shè)，即：在spss中的計算方法。步驟1:建立變量【變量視圖】中同樣輸入“錯誤類型”、“語言背景”和“頻數(shù)”三行。然后，分別對“錯誤類型”和“語言背景”標(biāo)簽賦值。步驟2:輸入數(shù)據(jù)在【數(shù)據(jù)視圖】中輸入數(shù)據(jù)。注意按照列聯(lián)表的對應(yīng)情況，分別為“錯誤類型”和“語言背景”中輸入14、12的值。并將它們在列聯(lián)表中的頻數(shù)值，輸入第三列“頻數(shù)”中步驟3:分析數(shù)據(jù)因為“頻數(shù)” 一列中的數(shù)值

30、是頻率數(shù)，所以先為它加權(quán)。執(zhí)行x 2獨(dú)立性檢驗1 .在菜單欄中選擇“分析 描述統(tǒng)計 交叉表”。2 .選擇“語言背景”，點(diǎn)擊向右箭頭按鈕？），把變量移到“行”框c3 .選擇“錯誤類型”，點(diǎn)擊向右箭頭按鈕（？），把變量移到“列”框 中。4 .點(diǎn)擊“確定”。J二二r：二步驟4:解釋結(jié)果交叉表數(shù)據(jù)集3案例處理摘要案例有效的缺失合計N百分比N百分比N百分比語言背景*錯誤類別100100.0%0.0%100100.0%語言背景*錯誤類別交叉制表錯誤類別合計theaan無語言背景漢語計數(shù)12146840期望的計數(shù)13.615.25.65.640.0語言背景中的%30.0%35.0%15.0%20.0%100

31、.0%日語計數(shù)22248660期望的計數(shù)20.422.88.48.460.0語言背景中的%36.7%40.0%13.3%10.0%100.0%合計計數(shù)34381414100期望的計數(shù)34.038.014.014.0100.0語言背景中的%34.0%38.0%14.0%14.0%100.0%卡方檢驗值df漸進(jìn)Sig.（雙側(cè)）Pearson 卡方2.234 a3.525似然比2.1943.533線性和線性組合1.8451.174有效案例中的N100a.0單元格（.0%）的期望計數(shù)少于5。最小期望計數(shù)為5.60（二）單因素z檢驗法P值>0.05,所以接 受原假設(shè)（大接 受）。即學(xué)生所犯單因素浪檢驗法是將收集到的數(shù)據(jù)按頻數(shù)分組，然后檢驗頻數(shù)的分布 是否與某個概率分布模式擬合。例如，在某英語測驗中，已測得各分?jǐn)?shù)段