如何用spss计算平均值？

方法如下：

1、打开spss统计软件，选择“分析”菜单，选中“比较平均值”一项的“平均值”选项。

2、窗口出现平均值数据，准备选择相应的选项。

3、将“性别”放入“自变量列表”内容中，将“血糖”放入“因变量列表”列表内。

4、点击“选项”，出现“平均值：选项”窗口，如图所示：

5、将需要计算的统计指标选入右侧“单元格统计”框中，在选择好想要计算的统计量以后，点击“继续”。

6、点击“确定”，得到统计指标最终结果，如图所示：

产品特点

1、 *** 作简便

界面非常友好，除了数据录入及部分命令程序等少数输入工作需要键盘键入外，大多数 *** 作可通过鼠标拖曳、点击“菜单”、“按钮”和“对话框”来完成。

2、编程方便

具有第四代语言的特点，告诉系统要做什么，无需告诉怎样做。只要了解统计分析的原理，无需通晓统计方法的各种算法，即可得到需要的统计分析结果。

对于常见的统计方法，SPSS的命令语句、子命令及选择项的选择绝大部分由“对话框”的 *** 作完成。因此，用户无需花大量时间记忆大量的命令、过程、选择项。

3、功能强大

具有完整的数据输入、编辑、统计分析、报表、图形制作等功能。自带11种类型136个函数。

SPSS提供了从简单的统计描述到复杂的多因素统计分析方法，比如数据的探索性分析、统计描述、列联表分析、二维相关、秩相关、偏相关、方差分析、非参数检验、多元回归、生存分析、协方差分析、判别分析、因子分析、聚类分析、非线性回归、Logistic回归等。

用spss统计出各病因男女的人数方法和详细的 *** 作步骤如下：

1、第一步，打开“spss”软件以在“Variable View”窗口中自定义一组变量数据，例如，性别和年级，设置相关的选项，见下图，转到下面的步骤。

2、第二步，执行完上面的 *** 作之后，返回到“Data View”窗口，并随机输入一组数据，以便使男性和女性的性别交错，见下图，转到下面的步骤。

3、第三步，执行完上面的 *** 作之后，依次单击上方工具栏上的“Data”-->“Split File”选项，见下图，转到下面的步骤。

4、第四步，执行完上面的 *** 作之后，选择“Organize output by groups”选项，然后通过箭头按钮将“性别”和“成绩”从左侧框拖动到右侧框，见下图，转到下面的步骤。

5、第五步，执行完上面的 *** 作之后，选择“Sort the file by grouping variables”选项，然后单击“OK”按钮，见下图，转到下面的步骤。

6、第六步，执行完上面的 *** 作之后，返回到数据查看窗口，性别分组完成，见下图。这样，就解决了这个问题了

Hello，

这里是 行上行下 ，我是 喵君姐姐 ~

在上一期中，我们为大家带来了 利用SPSS软件进行高级统计分析的实 *** 教程第一期 ，内容包括： 描述性统计表格模板、卡方&T检验、相关&回归分析 等。

在本期中，我们继续为大家介绍如何利用SPSS进行：中介、多重中介、链式中介、调节分析、有中介的调节分析等。

PS： 后台回复关键词 “高级统计” 即可获得所述的PDF原文啦！

一、中介【报告B，SE，t（df），p），置信区间，画中介效应图】

1.回归方程法

1.1 算三个回归方程

1) 自—因

2) 自—中

3) 自、中—因

1.2 数据分析

2. Process插件法：Model4

部分标准化

效应量/Y的标准差

完全标准化

所有变量的标准化

3. 报告【B、SE、t(df)、P、置信区间+图（标准化系数）】

本研究采用软件SPSS 24.0 中文版进行采集录入和统计分析实验数据。中介效应检验：参照Preacher 和Hayes (2004)提出的Bootstrap 方法进行中介效应检验(模型4)，样本量选择5000，在95%置信区间下。

为了探讨MIL和FCI的关系中是否存在PA的中介作用，本研究以MIL得分为自变量，FCI得分为因变量，PA得分为中介变量进行中介效应检验。结果表明，PA在MIL和FCI之间起着中介作用。

MIL对PA有显著的预测作用（B=0.24，SE=0.07，t（98）=3.55，p <0.001），置信区间（LLCT = 0.10，ULCT =0.37）不包含0； 中介检验的结果不包含0（ LLCT = 0.07 , ULCT = 0.37） ，表明 P A 的中介效应显著（中介效应大小为0.22，S E =0.08） ，中介效应如图所示。

参考文献：Preacher, K. J. , &Hayes, A. F. . (2004). Spss and sas procedures for estimating indirect effects in simple mediation models.  Behavior Research Methods, Instruments &Computers,   36 (4), p.717-731.

二、多重中介

1. Process插件法：model4

三、链式中介

1. Process插件法：model6

中心化：原始数据-均值

拆分文件：spilt

四、调节【报告B、SE、t、β、p、95%CI、Δ+画回归表、交互作用图】

1. 线性回归法

1.1 S pss *** 作

1）算z分数

2）算交互项

3）算回归方程

1.2  S pss结果解读

1.3  画交互作用图：对调节变量做高低分组

高分组：平均值+标准差=6.12

低分组：平均值—标准差=3.68

1.4 拆分文件，做回归

1.5 再做一次回归，画图

2. Process插件法：model1

2.1 S pss *** 作

2.2 S pss结果解读

2.3 报告

利用Process model 1 (Hayes，2018)探讨生命意义感P、社会支持以及二者的交互作用与工作倦怠的关系。

结果表明， 生命意义感P (B = -0.46， t = -1.35， p = 0.18 )、 社会支持 (B = -0.19， t = -0.55， p =0.58 )以及二者交互作用(B = 0.05， t = 0.83， p =0.41 ) 对工作倦怠的作用 均不显著 （如表3所示），简单斜率分析图如图2所示。

图 2简单斜率效应分析图

五、有调节的中介【报告B、SE、β、p、95%CI+画回归表+交互作用图】

1.线性回归法

1.1 算两组交互项 自*调 中*调

1) 自、调、自*调—因

2) 自、调、自*调—中

3) 自、调、自*调、中、中*调—因

1.2 报告

接下来验证有调节的中介作用，以压力为自变量，生命意义感P为调节变量，自我效能感为中介变量，深层劳动为因变量为例。

根据温忠麟和叶宝娟(2014)的观点，检验有调节的中介模型需要对三个回归方程的参数进行检验：(1)方程1 估计调节变量(生命意义感P)对自变量(压力)与因变量(深层劳动)之间关系的调节效应(2)方程2 估计调节变量(生命意义感P)对自变量(压力)与中介变量(自我效能感)之间关系的调节效应(3)方程3 估计调节变量(生命意义感P)对中介变量(自我效能感)与因变量(深层劳动)之间关系的调节效应以及自变量(压力)对因变量(深层劳动)残余效应的调节效应。

根据Muller, Judd 和Yzerbyt (2005)的观点, 如果模型满足以下两个条件则说明有调节的中介效应存在：(1)方程1 中, 压力的总效应显著, 且该效应的大小不取决于生命意义感P(2)方程2 和方程3 中, 压力对自我效能感的效应显著, 生命意义感P与自我效能感对深层劳动的交互效应显著, 和/或压力与生命意义感P对自我效能感的交互效应显著, 自我效能感对深层劳动的效应显著，本研究中有调节的中介模型检验结果见表2、图3。

由表2、图1可见，方程1 中压力负向预测深层劳动（β=-0.37，p<0.001），压力与生命意义感P的交互项对深层劳动的预测作用显著（β=-0.23，p<0.001）。

方程2 和方程3 中，压力与生命意义感P的交互项对自我效能感的预测效应显著（β=-0.18，p<0.01）；压力与生命意义感P的交互项对深层劳动的预测作用显著（β=-0.18，p<0.01）；同时自我效能感对深层劳动的预测效应显著（β=0.53，p<0.001）。

这表明， 压力、生命意义感P、自我效能感和深层劳动四者之间构成了有调节的中介效应模型 ， 自我效能感在压力与深层劳动之间具有中介作用 ， 生命意义感P 在 压力与深层劳动、压力与自我效能感间起调节作用 。

表2 压力对深层劳动有调节的中介效应检验（以生命意义感P为调节变量、自我效能感为中介变量）

图 3压力对深层劳动有调节的中介效应图（中介变量为自我效能感，调节变量为生命意义感P）

参考文献：

温忠麟, & 叶宝娟. (2014). 中介效应分析:方法和模型发展.  心理科学进展,   022 (005), 731-745.

由于生命意义感P在压力与深层劳动、压力与自我效能感间起调节作用，因此需要进一步检验简单效应以明确生命意义感P调节作用。

首先将生命意义感P按照正负一个标准差分成高、低组, 采用简单斜率检验考察在生命意义感P不同水平上压力对深层劳动、压力对自我效能感的影响，相应的简单效应分析见图5、图6。

图5结果表明，对于 生命意义感P 较 高 的个体 来说，压力能负向预测深层劳动（ B= -0.44， SE = 0.13，  p <0.01 ） ；而对于生命意义感P较低的个体来说，压力不能显著预测深层劳动（B =0.09, SE = 0.11,p = 0.45），即 比起低压力情景，高生命意义感P的个体在高压情景下，会有更少的深层劳动。

图 5生命意义感P对压力与深层劳动之间的关系调节作用

图6结果表明，对于生命意义感P较低的个体来说，压力不能预测自我效能感（B = -0.19，SE =0.13，p =0.17）；而对于 生命意义感P较高的个体来说 ， 压力能负向预测深层劳动（ B =-0.45 ， SE = 0.13 ， p  <0.01） ；即比起低压力情景时， 高生命意义感P的个体在高压情景下自我效能感更低。

图 6生命意义感P对压力与自我效能感之间的关系调节作用

2.  Process插件法

2.1 调节前半路径：model7

1)Spss *** 作

2) Spss结果解读

2.2 调节后半路径：model14

1) Spss *** 作

2)Spss结果解读

2.3 探索前后：model57

2.4 报告

使用Hayes (2019)的SPSS 宏程序PROCESS（Model7），分析自我效能感在压力与深层劳动之间的中介作用（前半段）是否受生命意义感P的调节。

结果表明（如表4所示）： 自我效能感显著正向预测深层劳动（B= 0.37 ，S E =0.0 4 ，p< 0.001 ） ； 压力与生命意义感P的交互项能显著负向预测自我效能感（B=-0.02，S E =0.01，p< 0.01 ） 。

表4：生命意义感P调节自我效能感在压力与深层劳动之间中介作用的回归分析

在生命意义感P得分为平均数减一个标准差、平均数以及平均数加一个标准差三个水平时，自我效能感在压力与深层劳动之间的中介效应值及其95%Bootstrap 置信区间如表5所示。

综合以上结果，本研究提出的有调节的中介模型得到了支持。 自我效能感 在 压力与深层劳动之间起中介作用， 而且该中介作用 前 半段 受到生命意义感P的调节。

表5：不同生命意义感P水平时压力与自我效能感之间的关系

生命意义感P水平中介效应值Boot标准误Bootstrap下限Bootstrap上限

M-SD-0.09 *** 0.03-0.16-0.04

M-0.13 *** 0.03-0.19-0.08

M+SD-0.17 *** 0.03-0.24-0.11

注： *** p<0.001

进一步采用简单斜率检验来分析生命意义感P在压力与自我效能感关系中的调节作用。按生命意义感P的平均分加减一个标准差将被试分为高生命意义感P水平组(高于平均数加一个标准差的被试)、低生命意义感P水平组(低于平均数减一个标准差的被试)与中生命意义感P水平组（介于两组之间的被试）三组，采用分组回归的方式考察压力与自我效能感的关系，结果如图所示： 随着 生命意义感P水平的升高 ,  压力 对 自我效能感 的负向预测作用逐渐 变强 (由B=-0.09 , p <0.001 减弱为B=-0.17,p <0.001)。

---