社会调查方法(第2版)教学课件6

,单击此处编辑母版文本样式,第二级,2018621 Thursday,#,单击此处编辑母版标题样式,项目八 调查资料统计与分析,项目八 调查资料统计与分析,1,目录,任务一单变量描述统计,A,任务二单变量推论统计,B,任务三双变量相关分析,C,目录任务一单变量描述统计A任务二单变量推论统计B任务三,2,任务一单变量描述统计,单变量描述统计分析的目的在于用比较简洁的数据反映大量数据资料中所包含的基本信息。其基本方法包括变量的频次分布与频率分布、集中趋势与离散趋势分析等。,01,任务一单变量描述统计单变量描述统计分析的目的在于用比较简洁,一、频次分布与频率分布,统计表,统计图,频次分布反映的是变量每个取值出现的次数。适用于定类变量和定序变量的描述。,频次分布,频率分布反映的是变量每个取值的次数在全部个案数中所占的比例。,频率分布,一、频次分布与频率分布统计表统计图频次分布反映的是变量每个取,4,统计表,统计表,5,条,形,图,统计图,饼,形,图,条统计图饼,6,集中趋势分析是指用典型值或代表值来反映一组数据的一般水平，也即反映这组数据向这个典型值或代表值集中的情况。,集中趋势分析常用表示集中程度的统计量数（即集中量数）来表示，这些集中量数主要有众数、中位数和平均数（也称均值）等。,二、集中趋势分析,二、集中趋势分析,7,众数,众数是变量所有取值中出现次数最多的那个取值。,从理论上讲，众数这一统计量数可应用于所有测量尺度，但在实际操作中，一般只用于定类测量和定序测量。,举例：指出表,8-4,中的众数,众数,8,中位数,中位数是指把变量的取值按照大小或高低顺序排列起来，位于中间位置上的那个取值。,它可以应用于定序尺度以上层次的测量。其基本含义是：在整个数据中，有一半个案的数据值在它之上，另一半个案的数据值在它之下。,举例一：指出表,8-6,中的中位数,中位数,9,表,8-5,所给出的是组距分组资料。,在组距分组资料中，首先需要计算出全部数据的中间位置，并找到中间位置所对应的数据组，然后可以根据下限公式求中位数。,L,为中位数所在组的下限值，,fm,为中位数所在组的频数，,i,为中位数所在组的组距，为各组所对应的频数，,cf,为比中位数所在组的数值小的所有组的累计频数，,U,代表上限值。,举例二：指出表,8-5,中的中位数,表8-5所给出的是组距分组资料。举例二：指出表8-5中的中位,10,社会调查方法(第2版)教学课件6,11,平均数,平均数是指各单位数值之和除以单位总数目所得的商，一般用表示样本平均数。,平均数用于反映一组定比测量数据的平均水平，与众数、中位数这两个集中量数相比，平均数的计算要用到变量的所有取值，因而，它对资料的利用率是最高的，但是平均数的大小往往容易受到极值的影响，而且，如果当分组中存在开区间组时，无法计算平均值。,平均数,12,平均数的计算公式，因资料形式的不同而不同,适用于原始数据,适用于单值分组资料,适用于组距分组资料,平均数的计算公式，因资料形式的不同而不同 适用于原始数据适用,13,举例：求表,8-5,、,8-6,中的平均数,举例：求表8-5、8-6中的平均数,14,离散趋势分析就是用表示离散程度的统计量（即离散量数）来反映一组数据的各个数值距离它的代表值的差异程度。离散量数越大，说明典型值的代表性越差；离散量数越小，说明典型值的代表性越好。,常用的离散趋势统计量有异众比率、四分位差、全距、标准差、离散系数等。,三、离散趋势分析,三、离散趋势分析,15,异众比率,异众比率是指非众数次数与总体全部次数之比。,异众比率适用于定类测量，用于补充说明众数的代表性。,异众比率越小，说明众数的代表性越好；异众比率越大，说明众数的代表性越差。,异众比率,16,四分位差,四分位差,Q,是指舍去一组数据中最大和最小的,1/4,，只计算中央,1/2,的资料中的最大值与最小值之差。,四分位差适用于定序尺度以上测量，用于补充说明中位数的代表性。四分位差越小，说明中位数的代表性越好；四分位差越大，说明中位数的代表性越差。,四分位差的大小不受极值的影响，因而当一组数据中出现极值比较小或比较大的情况时，可以考虑用四分位差来衡量其离散程度。,四分位差,17,举例：求表,8-8,中的四分位数,举例：求表8-8中的四分位数,18,全距,全距，也称极差，是指一组数据中最大值与最小值之差。,全距越小，表明集中量数的代表性越好；全距越大，表明集中量数的代表性越差。,全距,19,标准差,标准差是指一组数据中的各个数值与这组数据的平均值之差的平方和除以该组数据个数所得的值的平方根。,标准差适用于定距和定比测量，用于补充说明均值的代表性。标准差越小，表明均值的代表性越好；标准差越大，表明均值的代表性越差。,标准差,20,标准差的计算公式，因资料形式的不同而不同,适用于原始数据,适用于组距分组资料,适用于单值分组资料,标准差的计算公式，因资料形式的不同而不同 适用于原始数据适用,21,离散系数,离散系数，又叫变差系数，是指标准差与平均数的比值，常用百分比表示。,这是一种不带单位的表示离散程度的统计量，可用于对同一总体中两种不同单位的离散量数或不同总体中同一离散量数进行比较。,离散系数,22,【实作训练】,利用,昆明市低保制度实施状况调查,SPSS,数据文件（截取了,232,个个案的信息），学习如何通过,SPSS,生成频数分布和频率分布表以及求集中量数和离散量数。,【实作训练】,23,操作过程：,依次单击分析（,A,）,描述统计,123,频率（,F,）,，此时会出现“频率（,F,）”对话框，将变量“性别”从左边的变量名列表中选入右边的“变量（,V,）”框中，点击“确定”按钮即可。,操作一：,利用,SPSS,作“性别”这一变量的频数分布和频率分布表,操作过程：操作一：利用SPSS作“性别”这一变量的频数分布和,24,操作过程：,第一步：依次单击分析（,A,）,描述统计,123,频率（,F,）,，此时会出现“频率（,F,）”对话框，将变量“年龄”从左边的变量名列表中选入右边的“变量（,V,）”框中，并单击“显示频率表格（,D,）”，取消该选项。,操作二：利用,SPSS,求集中量数和离散量数,操作过程：操作二：利用SPSS求集中量数和离散量数,25,第二步：点击“统计量（,S,）,”,按钮，打开“频率：统计量”对话框，在“百分位值”选项框中选中“四分位（,Q,）”，在“集中趋势”选项框中选中“均值（,M,）”和“中位数”，在“离散”选项框中选中“标准差（,T,）”，点击“继续”按钮，再点击“确定”按钮即可。,第二步：点击“统计量（S）”按钮，打开“频率：统计量”对话,26,注意事项：,1.,选择统计量之前，应当分析待统计的变量用的是哪种测量尺度。因为不同的统计量对测量尺度有不同的要求。,2.,一般只显示定类测量和定序测量的频数和频率分布表，定距测量和定比测量一般不显示频数和频率分布表。,3.,离散系数并不能在,SPSS,中直接求出，但可以利用,SPSS,求出均值和标准差，在此基础上再计算离散系数就不难了。,4.,同样的统计目标有可能通过不同统计方法得到。比如，操作二（利用,SPSS,求集中量数和离散量数），也可依次点击“分析（,A,）,描述统计,描述（,D,）,”,，在“描述性”对话框中选择相应的统计量。,注意事项：,27,任务二单变量推论统计,推论统计是指用样本的统计值去推估总体相应的参数值。单变量推论统计分析的目的在于通过对样本资料的分析，去把握总体的特征。推论统计分为参数估计和假设检验两大类。,任务二单变量推论统计 推论统计是指用样本的统计值去推估总体,28,参数估计,点估计：,用一个最适当的样本统计值代表总体的参数值。,区间估计：,以两个数值之间的间距去推估总体参数值的范围（区间）。,假设检验,假设检验是指先对总体的某一参数作出某种假设（即虚无假设或原假设），再根据样本观察的数据去检验原假设是否正确。,参数估计点估计：用一个最适当的样本统计值代表总体的参数值。假,29,区间估计是指以两个数值之间的间距去推估总体参数值的范围（区间）。,区间的大小取决于研究者估计时所要求的置信度的高低，在其他条件不变的情况下，所要求的置信度越高，则区间越大；所要求的置信度越低，则区间越小。,总体均值的置信区间和总体百分比的置信区间计算公式：,一、区间估计,一、区间估计,30,举例：求总体均值和总体百分比的置信区间,例一：一次调查所得到的样本统计值如下：平均年龄为,43.51,岁，标准差为,12.427,岁，样本量为,232,人。求置信度为,95%,时总体平均年龄的置信区间。,请注意：要保证取两位小数以后，置信水平不因此而降低，就只能扩大而不是缩小取小数前的区间，因而这里不能采用四舍五入的方法，而应当采用下限直接截取两位小数，舍去后面的小数；上限则只要第二位小数后的小数不为,0,，就进,1,的取数方法。,举例：求总体均值和总体百分比的置信区间请注意：要保证取两位小,31,例二：一次调查所得到的样本统计值如下：男性占,47.8%,，样本容量为,232,人。求置信度为,99%,时总体中男性所占百分比的置信区间。,例二：一次调查所得到的样本统计值如下：男性占47.8%，样,32,假设检验是指先对总体的某一参数作出某种假设（即虚无假设或原假设），再根据样本观察的数据去检验原假设是否正确，以决定是接受还是拒绝原假设。,如果检验统计量大于等于临界值（或检验统计量的相伴概率小于等于给定的显著水平），则拒绝原假设。,其理论依据是概率论中的小概率原理，该原理认为小概率事件在一次观察中是不可能出现的。,二、假设检验,二、假设检验,33,总体均值和总体百分比的假设检验,一般步骤（以,Z,检验法为例）：,总体均值和总体百分比的假设检验,34,假设检验统计量的计算公式,适用于大样本（,n30,）下的总体均值假设检验,适用于总体百分比假设检验,适用于小样本（,n,30,）下的总体均值假设检验,假设检验统计量的计算公式适用于大样本（n30）下的总体均值,35,举例：总体均值和总体百分比的假设检验,例一：,2009,年某校学生的月均生活费支出为,400,元，,2010,年在该校抽取了,100,名学生进行调查，得到这,100,名学生的月均生活费支出为,450,元，标准差为,60,元。请问在,0.05,的显著水平上，该校学生,2010,年的月均生活费支出与,2009,年的有没有变化？,举例：总体均值和总体百分比的假设检验 例一：2009年,36,例二：某市市民,2009,年参加过慈善捐款的比例为,65%,，,2010,年该市社情民意调查中心电话访问了,2000,个市民，发现其中,70%,在,2010,年参加过慈善捐款。请问：在,0.05,的显著水平上，,2010,年该市有慈善捐款行为的市民的比例是否比,2009,年所有提高？,例二：某市市民2009年参加过慈善捐款的比例为65%，2,37,【实作训练】,利用,昆明市低保制度实施状况调查,SPSS,数据文件（截取了,232,个个案的信息），学习如何通过,SPSS,进行单变量的推论统计。,【实作训练】,38,操作过程：,第一步：依次点击如下命令：“分析,(,A,),描述统计,探索,(,E,),”,，出现“探索”对话框，从左边的变量名列表中将“年龄”选入右边的因变量列表,(,D,),框中。,操作一：利用,SPSS,求“年龄”这一变量的置信区间,操作过程：操作一：利用SPSS求“年龄”这一变量的置信区间,39,第二步：点击“统计量,(,S,).”,按钮，出现“探索：统计量”对话框，系统默认状态是选择描述性统计量，求,95%,置信度下的均值的置信区间。点击“继续”按钮，返回“探索”对话框，点击“确定”按钮。,第二步：点击“统计量(S).”按钮，出现“探索：统计量”,40,操作过程：,第一步：依次点击如下命令：“分析,(,A,),比较均值,(,M,),单样本,T,检验,(,S,),”,，出现“单样本,T,检验”对话框，从左边的变量名列表中将“年龄”选入右边的检验变量,(,T,),框中，在检验值,(,V,),框中输入“,46”,。,操作二：利用,SPSS,对“年龄”这一变量进行假设检验,样本统计数据显示：年龄均值为,43.51,岁。现在想知道的是，总体年龄均值会不会是,46,岁？,操作过程：操作二：利用SPSS对“年龄”这一变量进行假设检验,41,第二步：点击“选项,(,O,),”,按钮，在“单样本,T,检验：选项”对话框的置信区间,(,C,),中输入置信度，系统默认为,95%,。点击“继续”按钮，返回“单样本,T,检验”对话框，点击“确认”，即可得到单个样本检验输出结果。,第二步：点击“选项(O)”按钮，在“单样本T检验：选项”对,42,结果解读：由于,t,统计量的绝对值,=3.048,临界值,=1.96,，,t,统计量的相伴概率为,0.003,，小于所要求的显著性水平,0.05,，所以拒绝原假设，接受研究假设，即总体年龄均值不会是,46,岁。,结果解读：由于t统计量的绝对值=3.048临界值=1.9,43,三、注意事项,1.,判断是接受还是拒绝原假设时，利用,Z,、,t,等统计量与其临界值进行对比，与利用其相伴概率和研究者所要求的显著性水平进行对比，二者是等价的。,2.SPSS,已将一些常用值设定为了默认值，如果研究者没有特殊要求，可以直接使用系统默认值。,社会调查方法(第2版)教学课件6,44,任务三双变量相关分析,要探索社会现象发生和发展变化的规律及其原因，就需要分析变量间的关系。双变量间关系的分析是分析变量间关系的基础。双变量间的关系可分为两大类：相关关系和因果关系。这里只介绍双变量相关关系分析。,任务三双变量相关分析 要探索社会现象发生和发展变化的规律及,45,两变量间的相关关系通常是指当其中一个变量的取值发生变化时，另一个变量的取值也随之发生变化。,相关的种类,线性相关和曲线相关,在平面直角坐标系中，如果由两变量的不同取值所确定的点大致散布在一条直线的附近，则称两变量之间存在线性相关关系；如果这些点散布在一条曲线附近，则称两变量之间存在曲线关系。,一、相关关系和种类,两变量间的相关关系通常是指当其中一个变量的取值发生变化时，另,46,正相关和负相关,正相关,是指当一个变量的数值由小变大时，另一个变量的数值也由小变大。,负相关,则是指当一个变量的数值由小变大时，另一个变量的数值却由大变小。,完全相关、不完全相关和零相关（不相关）,完全相关,是指两变量之间存在着一一对应的关系，即函数关系。,不完全相关,是指两变量之间虽然存在着相互依赖、相互影响的关系，但这种关系不是严格的一一对应的关系。,零相关,即,不相关,，是指两变量彼此互不影响，其数量变化各自独立。,通常所说的相关关系,，是指介于完全相关与不相关之间的,不完全相关,。,正相关和负相关,47,相关程度可以用相关统计量来表示。,相关统计量的取值范围在,1,1,之间，正负号表示相关关系的方向，数值表示相关关系的强弱，其绝对值越大，表示相关性越强。相关统计量等于,1,或,1,，表明两变量完全相关，即两变量之间存在确定的函数关系；相关统计量等于,0,，表明两变量之间是零相关。,二、相关程度的表示,二、相关程度的表示,48,对于不同测量尺度的变量，其相关统计量的计算方法是不同的。,如果是两个定距测量的变量，则可以根据两变量数值上的共同变化来理解它们之间的相关。这种基于共变基础上的相关统计量也就是一般数理统计上所说的相关系数。,如果是两个定类或定序测量的变量，则可以从连同发生的角度来理解其相关关系，即当一个变量中的某种情况（类别）发生时，另一变量中的某种情况（类别）会更可能发生。,三、常用相关统计量的计算,三、常用相关统计量的计算,49,消减误差比例（,PRE,），是指当两个变量之间存在相关关系时，用其中一个变量,X,的取值分布去预测另一变量,Y,的取值，比不利用变量,X,的取值分布而直接预测变量,Y,的取值时所能够减少的误差与总误差之比。,PRE,数值表示用一个变量去预测或解释另一个变量时能够消除百分之几的误差。消减误差比例越大，表明两变量之间的相关关系越强。,定类或定序变量之间的相关计算公式大多建立在消减误差比例的基础之上。,消减误差比例（PRE），是指当两个变量之间存在相关关系时，,50,常用的相关统计量,相关统计量,Lambda,适用于定类变量（或一个定类变量与一个定序变量）之间。,其统计值介于,0,1,之间。,基本逻辑是计算以一个定类变量的值去预测另一个定类变量的值时，如果以众值作为预测的准则，可以减少多少误差。消减的误差占全部误差的比重越大，表示两个变量的相关性越强。,常用的相关统计量相关统计量Lambda,51,适用于不对称相关测量，要求在两个定类变量（或一个定类变量和一个定序变量）中能够区分自变量与因变量。,其统计值介于,0,1,之间。,由于值计算中包括全部边缘次数（即交互分类表中某个变量的某个取值的总次数）和条件次数（即交互分类表中两变量取值交叉项的次数），所以其敏感度高于,Lambda,相关测量法。,适用于不对称相关测量，要求在两个定类变量（或一个定类变量和一,52,相关统计量,Gamma,适用于测量两个具有对称关系的定序变量之间的相关程度。,其统计值介于,-1,1,之间，在表示相关程度的同时又指明相关的方向。,其基本含义是：根据任何两个个案在某一变量上的等级去预测他们在另一变量上的等级时，可以消减多少误差。,相关统计量Gamma,53,适用于测量两个具有对称关系的定序变量之间的相关程度。,在横行与纵列数量相等的交互分类表中，系数的取值介于,-1,1,之间。,与,G,系数不同的是，它在计算时既考虑了只在自变量,X,上同分（即两个个案在自变量,X,上取值一样，属于同一等级）的对，也考虑了只在因变量,Y,上同分（即两个个案在因变量,Y,上取值一样，属于同一等级）的对；而,G,系数在计算时则不考虑同分对。,相关统计量,适用于测量两个具有对称关系的定序变量之间的相关程度。相关统计,54,适用于测量两个具有不对称关系的定序变量之间的相关程度。,其统计值介于,-1,1,之间。,适用于以定类（或定序）变量为自变量，以定距（或定比）变量为因变量的两变量间相关关系的测量。,以均值作为预测准则，其基本含义是：在知道自变量,X,取值分布的情况下，预测因变量,Y,的取值时能够消减的误差占总误差的比例。,其统计值介于,0,1,之间。,适用于测量两个具有不对称关系的定序变量之间的相关程度。适用于,55,适用于测量两个具有对称关系的定距（或定比）变量之间的相关程度。,其统计值介于,-1,1,之间，既表示相关的方向，又表示相关的程度。,它是从两个变量共变的角度来分析相关关系的，其基本含义是：两个变量以其平均数为基准的平均共变程度与其标准差之比。,本身不具有消减误差比例的意义，但其平方（被称为决定系数）具有消减误差比例的意义。,适用于测量两个具有对称关系的定距（或定比）变量之间的相关程度,56,四、相关关系的检验,等相关统计量是根据样本资料计算出来的，由于抽样误差的存在，所以即使样本中两个变量呈现出相关关系，在总体中，这两个变量也未必就一定存在相关关系。因此，需要对样本统计值所显示的相关关系进行检验，以确定在总体中两个变量是否也存在相关关系。,四、相关关系的检验 等相关统计量是根据样本资料计算出来的,57,（一）相关关系检验的基本步骤,（一）相关关系检验的基本步骤,58,（二）常用相关关系检验方法,（二）常用相关关系检验方法,59,【实作训练】,利用,昆明市低保制度实施状况调查,SPSS,数据文件（截取了,232,个个案的信息），学习如何通过,SPSS,求样本资料中两变量之间的相关系数，并对相关关系进行检验。,【实作训练】,60,操作过程：,第一步：依次点击“分析（,A,）,描述统计,交叉表（,C,）,”,，此时会出现“交叉表”对话框，将变量“性别”从左边的变量名列表中选入右边的“列（,C,）”框中，将变量“您认为政府有必要规定最低工资标准吗”选入右边的“行（,S,）”框中。,操作一：两个定类变量之间相关关系的测量与检验,以“性别”与“您认为政府有必要规定最低工资标准吗”为例，利用,SPSS,求两个定类变量之间相的关关系并进行检验。,操作过程：操作一：两个定类变量之间相关关系的测量与检验,61,第二步：点击“统计量（,S,）,”,按钮，在“交叉表：统计量”对话框中选中“卡方（,H,）”和“名义”虚框中的“,Lambda”,统计量，点击“继续”按钮，在“交叉表”对话框中点击“确定”按钮，即可得到统计结果。,第二步：点击“统计量（S）”按钮，在“交叉表：统计量”对话,62,结果解读：,对称的和不对称的、系数皆为,0,，表明对“政府有无必要规定最低工资标准”这一问题的看法与性别不相关，即男性与女性对此问题的看法没有区别。,卡方检验表明：,2,，,0.06,，小于显著性水平为,0.05,时的临界值,5.991,（查分布表即可得到不同自由度下的临界值）；也可直接比较值的相伴概率，此例中值的相伴概率为,0.97,，大于显著性水平,0.05,，所以应接受原假设，即两变量不相关。,结果解读：,63,操作二：两个定序变量之间相关关系的测量与检验,以“文化程度”和“对自家经济状况的感受”为例，利用,SPSS,求两个定序变量之间的相关关系并进行检验。,操作过程：,依次点击“分析（,A,）,相关（,C,）,双变量（,B,）,”,，此时会出现“双变量相关”对话框，将变量“文化程度”和“对自家经济状况的感受”从左边的变量名列表中选入右边的“变量（,V,）”框中，并在“相关系数”虚框中选中“,Kendall,的,tau-b(K)”,，在“显著性检验”虚框中选中“双侧检验”，同时点击选中“标记显著性相关”选项，击“确定”按钮，即可得到统计结果。,操作二：两个定序变量之间相关关系的测量与检验 操作过程：,64,社会调查方法(第2版)教学课件6,65,操作三：定类（或定序）变量与定距变量之间相关关系的测量与检验,以“性别”与“您觉得您家平均每月要花多少钱才能维持一家人的基本生活”为例。,操作过程：,第一步：依次点击“分析（,A,）,描述统计,交叉表（,C,）,”,，在“交叉表”对话框中，将变量“性别”从左边的变量名列表中选入右边的“列（,C,）”框中，将变量“您觉得您家平均每月要花多少钱才能维持一家人的基本生活”选入右边的“行（,S,）”框中。,操作三：定类（或定序）变量与定距变量之间相关关系的测量与检验,66,第二步：点击“统计量（,S,）,”,按钮，在“交叉表：统计量”对话框中选中“按区间标定”虚框中的“,Eta(E)”,统计量，点击“继续”按钮，在“交叉表”对话框中点击“确定”按钮，即可得到相关程度的统计结果。,第二步：点击“统计量（S）”按钮，在“交叉表：统计量”对话,67,第三步：依次点击“分析（,A,）,比较均值（,M,）,单因素,ANOVA,”,，此时会出现“单因素方差分析”对话框，将变量“性别”从左边的变量名列表中选入右边的“因子（,F,）”框中，将变量“您觉得您家平均每月要花多少钱才能维持一家人的基本生活”选入“因变量列表（,E,）”框中，点击“选项（,O,）,”,按钮，进入“单因素,ANOVA,：选项”对话框，选中“描述性（,D,）”统计量，点击“继续”按钮，返回“单因素方差分析”对话框，点击“确定”按钮，即可得到相关关系检验的统计结果。,第三步：依次点击“分析（A）比较均值（M）单因素ANOV,68,社会调查方法(第2版)教学课件6,69,操作四：两个定距变量之间相关关系的测量与检验,以“性别”与“您觉得您家平均每月要花多少钱才能维持一家人的基本生活”为例。,操作过程：,第一步：两个定距变量之间相关关系的测量可以在交叉表中完成，只要将“交叉表：统计量”对话框中的“相关性（,R,）”统计量选中，运行后即可得到皮尔逊相关系数,r,（,Pearson,的,R,）。,操作四：两个定距变量之间相关关系的测量与检验 操作过程：,70,第二步：依次点击“分析（,A,）,比较均值（,M,）,单因素,ANOVA,”,，在“单因素方差分析”对话框中，将变量“家庭人口数”从左边的变量名列表中选入右边的“因子（,F,）”框中，将变量“您家平均每月用于购买食物的开销”选入“因变量列表（,E,）”框中，点击“确定”按钮，即可得到单因素方差分析表（,ANOVA,）。,第二步：依次点击“分析（A）比较均值（M）单因素ANOV,71,结果解读：在方差分析表中，,F,1.282,，,F,的相伴概率为,0.261,，大于显著性水平,0.05,，这表明在总体中，“家庭人口数”与“您家平均每月用于购买食物的开销”两变量不相关，换言之，人口数不同的家庭，平均每月用于购买食物的开销没有明显区别。,需要特别说明的是，这样的结果与常识（定性分析）在逻辑上似乎是矛盾的。这时候需要对数据进行进一步分析，同时重新分析常识，看看能不能找到合理的解释。如果不能找到合理的解释，就应当留下疑问，等待后续研究，而不应当轻易下结论。,结果解读：在方差分析表中，F1.282，F的相伴概率为0.,72,三、注意事项,1.,在,SPSS,中，不对定距变量与定比变量进行区分，所以只有定类、定序与定距变量,3,种测量尺度的变量。,2.,利用检验统计量的值和临界值进行对比，与利用检验统计量的相伴概率和显著性水平进行对比，二者是等价的。,3.,进行相关关系测量与检验时，要注意不同相关系数和检验方法对样本数据的不同要求。当数据不满足统计要求时，虽然也能得到一些统计结果，但这些统计结果并没有实际意义。,4.,在实际调查分析中，要注意将定量分析与定性分析结合起来。当定量分析结果与定性分析结果之间出现逻辑矛盾时，应进行进一步地探讨，而不可迷信定量数据。,三、注意事项,73,谢,谢,观,看,谢谢观看,74,