SPSS期末重点整理

t检验：一般是用于检验两组观测值的均值之间差异是否显著的统计分析方法。单样本t检验：用于检验样本均值与总体均值或某个已知值之间的差异的显著性。如果总体均值已知，那么样本均值与总体均值之间的差异显著性检验就属于单样本的t检验。独立样本t检验：独立样本指的是样本之间彼此独立，没有任何关联。两个独立样本的t检验用于检验两个不相关样本在相同变量上的观测值均值之间差异的显著性。要求①正态性，各个样本均来自于正态分布的总体；②方差齐性，各个样本所在的总体的方差相等；③独立性，两组数据之间是相互独立的，不能够相互影响。配对样本t检验：配对样本（或相关样本）指两个样本的数据之间彼此有关联。配对样本t检验用于检验两个相关样本的均值或一个样本，两次测量结果的均值之间差异的显著性。方差分析：是一种通过分析样本数据的各项变异来源，以检验三个或三个以上样本平均数是否具有显著性差异的一种统计方法。单因素方差分析：用于检验一个因素变量的不同水平是否给一个（或几个相互独立的）因变量造成了显著的差异或变化。多重比较：进行了全方差分析之后，当自变量有3个或3个以上水平时，还有要对每两个组之间均值的差异进行比较，这称作事后组间均值的“多重比较”。多因素方差分析：是检验两个或两个以上因素变量（自变量）的不同水平是否给一个（或几个相互独立的）因变量造成了显著的差异或变化的分析方法。主效应和“交互作用”效应：主效应考察的是在忽略其他因素的情况下一个自变量对观察变量的影响，即这一个因素变量的不同水平分组下的观测值的均值之间的差异是否显著。当一个自变量的单独效应随另一个自变量的水平的不同而不同时，则这两个自变量对因变量的影响存在交互作用。协变量方差分析：是在进行方差分析时将那些除了要考察的自变量之外的、很难控制的、且对因变量产生显著影响的无关变量作为“协变量”，在分析自变量对因变量的影响时，消除协变量对因变量的影响，从而使分析的结果更准确。。多元方差分析：有两个或两个以上的因变量的方差分析（可以是单因素的，也可以是多因素的）称为多元方差分析。重复测量的方差分析：用于某个测量指标对每个被试在不同的时间内进行多次（3次或3次以上）重复测量的情况。组间因素：是被试分组的因素，组间因素有几个水平就把被试划分成几个组。组内因素：又称重复测量因素，就是测试的不同水平或不同次数，是在每个被试内的因素。组内因素的不同水平决定了重复测量的次数。方差成分分析：是对混合效应模型的分析，如对单变量重复测量和随机区组设计的分析，用于分析混合效应模型中各随机效应对因变量变异贡献的大小。通过对方差的成分进行分析，可以确定如何减小方差。相关分析：是分析两个变量观测值变化的一致性程度或密切程度的统计方法。简单相关分析：用于只对两个变量的数据做相关分析，其中包括两个连续变量之间的相关和两个等级变量之间的秩相关。偏相关分析：是控制第三变量（或其他多个变量）的影响后，两变量间相关程度的统计方法。皮尔逊相关：是对两列变量为连续等间隔（等距、等比）数据，而且数据呈正态分布的相关系数计算方法。斯皮尔曼相关：是皮尔逊相关系数的非参形式，是根据数据的秩而不是根据实际观测值计算出来的相关系数。肯德尔相关：两个有秩变量相关系数的计算方法，属于一种非参数相关的计算方法。Pearson相关复选项积差相关计算连续变量或是等间距测度的变量间的相关分析Kendall复选项等级相关计算分类变量间的秩相关，适用于合并等级资料Spearman复选项等级相关计算斯皮尔曼相关，适用于连续等级资料回归分析：主要考察一个或几个自变量的变化对一个因变量的变化的影响关系和程度。可以根据已有的实验或调查数据，利用回归分析的方法，找出自变量与因变量的函数关系表达式，即回归方程，并通过自变量的值来预测因变量的近似值及取值范围，是考察两个变量或多个变量之间非确定性函数关系的统计学方法。一元线性回归：是研究一个自变量与一个因变量间是否存在线性关系，用一元线性回归方程来表示这种关系。多元线性回归：是研究多个自变量与一个因变量间是否存在线性关系，用多元线性回归方程来表达这种关系。曲线估计：是指选定一种用方程表达的曲线，使得实际数据与理论数据之间的差异尽可能地小。如果曲线选择的好的话，就可以解释因变量与自变量的曲线关系，并对因变量的预测有一定的意义。非线性回归：是指寻求因变量与一系列自变量之间的非线性相关模型的统计方法。“线性”和“非线性”并不是说因变量与自变量间是直线或曲线关系，而是说因变量是否能用自变量的线性组合来表示。非线性回归可以估计因变量和自变量之间具有任意关系的模型。拟合优度：是指样本观测值聚集在样本回归线周围的紧密程度，反映了回归方程对因变量的解释程度。方差齐性：是指残差的分布是常数，与自变量或因变量无关，一般采用绘制因变量预测值与学生式残差的散点图来检验。残差应随机地分布在一条穿过零点的水平直线的两侧。多重共线性：是指线性回归模型中的自变量之间存在较高相关而使模型估计失真或难以估计准确。参数约束：是指在利用迭代方法求解的过程中对参数值的限制，在多数的非线性模型中，参数必须限制在有意义的区间内。参数检验：是在假定知道总体分布形式的情况下，对总体分布的某些参数，如均值/方差等进行推断检验。非参数检验：是在总体分布未知或知之甚少的情况下，利用样本数据对总体的分布形态或分布参数进行推断。因此非参数检验又称任意分布检验。卡方检验：用于检验因素变量的两项或多项分类的实际观察频数与期望频数是否差异显著。