
用spss简单的数据分析
现在需要用户对已经掌握的情况进行分析:设计是对两样本均数的比较,针对这种目的可用的检验方法,有T检验、U检验及秩和检验。由于样本量太小,U检验不能考虑;秩和检验的效能偏低,最适合的方法就是T检验了。它相应的假设如下。
Hμ:两总体均数相同, μ1=μ2; H1:两总体均数不同,μ1不等于μ2。
但是两样本T检验对数据是有要求的,在小样本时它要求分布不太偏,方差也得齐。该数据是否符合它的要求呢?
首先,需要知道数据的基本情况,如均数、标准差等。执行Analyze/Descriptive Statistics/ Deseriptives命令,系统会弹出如图1-37所示的描述对话框。
该对话框中左侧为所有可用的候选变量列表,右侧为选入变量列表。在此,只需要描述X,即用鼠标选择X,单击中间的 按钮,变量X的标签即可移到右侧的列表框中,如图1-38所示。
此时界面几乎没有什么改变,但要注意的是数据窗口状态栏的右侧,可以看到有黑色的Split File On出现。表明数据文件正处于拆分状态,现在再做一次刚才的数据描述,就会出现输出结果发生了改变,如图1-42所示。此时,单击OK按钮,弹出如图1-39所示的窗口。在该窗口中,左侧为导航栏,右侧为具体的输出结果。结果给出的样本数、最小值、最大值,均数和标准差这几个常用的统计量。
在该对话框中选择Compare groups单选按钮,将变量GROUP选入右侧的Group Based on框中,单击OK按钮,如图1-41所示。分析到现在读者也许会问,以上的做法对吗?回答是肯定的,因为只看总体描述是不行的,如果要知道方差相差的距离,还需要查看分组的描述情况。因此,需要用到文件拆分功能。将当前窗口切换到数据编辑窗口,执行Data/Split File命令,弹出如图1-40所示的拆分对话框。
最后,还需要取消文件的拆分,则执行Data/Split File命令,在弹出的拆分框中选择Analyze all case,do not create group单选按钮,然后单击OK按钮。数据分析培
从图1-42中可以看到,现在数据是分Group=1和Group=2两种情况在描述。从描述可知,两组的均数和标准差的差别并不是太大,而且和均数的巨大差异相比,可以估计这种检验结果多半会拒绝Hμ。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29