打开对话框右侧的【选项】功能,主要关注【统计量】框中的选项,这里我们想输出“均值和标准差”。
最后,单机确定,交给系统运行计算。
(三)解读统计分析结果
系统主要输出了两个统计结果:描述性统计量表和相关性表。
1. 描述性统计量
从这个表中,我们可以看到所分析的变量的均值、标准差和样本量。这个就大概看下就好,关键是相关性表
2. 相关性表
这里主要看红框里的值。从表中可以看到,住房使用面积和家庭月收入存在相关关系,其相关系数为0.393,呈现中度相关性,且在0.01的显著性水平上显著,即样本数据中的这个相关性在总体中一样有效。
定类变量和定距变量的相关性分析在分析定类变量与定距变量的相关关系时,我们可以使用相关比率来测量相关性程度。
相关比率,又称为eta平方系数,简写为E^2,是以一个定类变量X为自变量,以一个定距变量Y为因变量,根据自变量的每一个值来预测或估计因变量的均值。
由于相关比率计算过程中,有一个变量是定类变量,所以eta系数值(E)没有负数,取值范围为[0,1]。E^2具有消减误差比例的意义。
倘若所研究的是一个随机样本,要想将相关性结果推论总体,则可通过单因素方差分析(one-way analysis of variance)中的F检验判断是否可行。F检验的逻辑是通过计算各组总体中的均值是否相等,如果相等,说明总体中自变量对因变量没有显著影响;如果各组总体的均值不全相等,则说明总体中自变量对因变量的影响是显著的。
实际上,对于严谨的研究来说,在进行单因素方差分析之前还应该要做方差齐性检验,因为使用单因素方差分析不仅要求各个类别的样本是随机且独立的,而且还要求各个总体的方差要相等。由于单因素方差和方差齐性检验有点复杂,这里我们就不做展开,后面再专门对方差分析进行介绍。
接下来,我们将基于“休闲调查.sav”的数据进行实际案例操作。
研究问题:不同文化程度的人的住房面积是否存在差异?
针对该研究问题,SPSS的分析操作如下过程。
(一)打开对话框,添加变量
操作路径:工具栏“分析”——比较均值——均值