
SPSS输出的结果都要写到文章中吗
经常有人问到,SPSS输出的结果都要写到文章中吗?文章中应该写什么呢?比如,均值、中位数、众数、标准差、百分位数、最小值、最大值等等,都要出现在文章中吗?洋洋洒洒那么多,看着也晃眼哈。
正确的做法是选择必要的信息,或写成文字,或制成图表。必要的信息都有什么呢?一般包括统计描述的结果和假设检验的结果。
统计描述应该写些什么好?
所谓统计描述,就是对变量作基本的呈现,比如年龄平均多少啊,在什么范围呢,性别比例多少啊。而选用什么指标进行描述,还要看变量的类型和数据的分布。
有时候,可信区间也是很重要的,尤其当你的文章中只有描述,没有假设检验时。我们常给出可信区间的下限和上限,可以是下限~上限,也可以是下限-上限,至于选择什么样的连接符,就看杂志的要求了。
假设检验又该写些什么呢?
除了统计描述,我们常通过一些统计学方法进行假设检验,以发现数据背后的规律。比如t检验、卡方检验、logistic回归、线性回归等,不管是何种检验,SPSS都会输出很多表格,我们究竟应该选择哪些写入文章呢?
对于单因素分析而言,如我们常见的t检验、卡方检验、方差分析、非参数检验等,统计量和p值基本就可以了。
而像多重线性回归、logistic回归,一般还要提供回归系数,logitcis回归常给出OR及OR的95%可信区间。(logistic回归的细节可查看往期文章)
然后呢?知道了统计描述和假设检验应该写什么,文章中是要将二者分割开来吗?NO!不仅不分割开来,二者应该是相互呼应的。比如,我们常看到这样的表述形式:病例组载脂蛋白为2014 ± 565mg/L,明显高于对照组的1416 ± 450mg/L(统计量和p值)。
除了对一些重要的结果在文字部分进行描述外,其他的细节问题我们常借助于图表,其中较为常见的是三线表。
需要提出的是,p=0.000这种写法是不规范的,因为SPSS默认输出p值为小数点后三位,这种情况,我们应该写为p<0.001。当然,不同的杂志对具体细节可能会有不同的规定,大家根据稿约作相应调整即可。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14