F的数值是对模型做的F检验的结果。df是模型的自由度，且df1+df2=样本数，该部分并无实际意义。sig是F检验的概率值，也叫P值。
拟拼音nǐ注音ㄋ一ˇ
部首扌部部外笔画4画总笔画7画
五笔RNYW仓颉QVIO郑码DZOD四角58000
结构左右电码2362区位3666统一码62DF
笔顺一丨一フ丶ノ丶
基本解释
基本字义
拟（拟）nǐ（ㄋ一ˇ）
1、打算：拟去信联系。拟议。
2、初步设计编制或起草：拟定。拟订。草拟。
1、在spss上把问卷要分析项目的总分算出来。
2、这个时候，需要对总分进行排序。
3、这一步就对排序的总分进行分组，即取高分组27%和低分组27%，分别命名为1和2组。
4、跟低分组一样，高分组也进行分组命名。
5、选择分析窗口，点击比较均值里面的独立样本T检验这个选项。
6、等准备好高低分组检验以后，点击确定即可用项目区分度分析了。
校正模型自由度df=71个，这个是总的，只有这么多。而各项自由度总计=1+5+11+55=72个。
误差项自由度=校正模型自由度-各项自由度总计=71-72=-1。
统计分析中没有-1这个自由度概念，所以表中显示为0，也即误差项中存在零自由度。
误差项自由度为0了，之后的数据就都无法计算啦，就出现了表中的全是点的结果。
解决方法：
1 只做主效应，不做交互。
指定模型中不要选全因子，而选设定，然后把高校、专业两项选到右边框中。
这样就没有高校专业这一项啦，光这一项就占了55个自由度啦！
2 如果必须要做交互，那就只能多做些平行实验了，把校正模型总的自由度提高些。
1、第一步：将数据录入到SPSS的数据视图中，这一步与前面t检验相同，输入数据后，选择分析→比较均值→单因素ANOVA
2、第二步：点击后，出现下图的单因素方差分析的窗口，将value→因子，group→因变量列表
3、第三步：点击选项出现线面单因素ANOVA的窗口，其中勾选方差同质性检验后，点击继续，确定后，即可在结果中看到方差齐性的结果，
4、第四步：结果，如下图所示，我们看到Levene检验的结果，知显著性为0382，即P>005，差异无统计学意义，表示方差齐，
spss线性回归分析结果解读是首先看方差分析表对应的sig是否小于005，如果小于005，说明整体回归模型显著，再看下面的回归系数表，如果这里的sig大于005，就说明回归模型不显著，下面的就不用再看了。
看具体回归系数表中每个自变量 对应的sig值，如果sig小于005，说明该自变量对因变量有显著预测作用，反之没有作用。
软件功能：
它最突出的特点就是 *** 作界面极为友好，输出结果美观漂亮。它将几乎所有的功能都以统一、规范的界面展现出来，使用Windows的窗口方式展示各种管理和分析数据方法的功能，对话框展示出各种功能选择项。
用户只要掌握一定的Windows *** 作技能，精通统计分析原理，就可以使用该软件为特定的科研工作服务。SPSS采用类似EXCEL表格的方式输入与管理数据，数据接口较为通用，能方便的从其他数据库中读入数据。
spss差异性分析的做法如下：
1、首先，分别把这两组数据分别设为x和y，打开SPSS，点击左下角的Variable View选项卡，在Name列那里的第一行输y，第二行输x，返回Data View选项卡，输入对应的数据。
2、然后，进行数据分析，分别把y和x选进各自的对话框，然后按ok，在输出窗口中看到Coefficients这个表，然后看最右边的那个Sig列，看x对应的Sig值，若这个sig值比你之前所设定的a值大，则认为这两组数不存在显著性差异，若这个sig值比你之前所设定的a值小，则认为这两组数存在显著性差异。
3、举个例子，如果你预先设定的a=005，求得的sig=0000，则0000<005，故应拒绝原假设（原假设一般为设它们之间无差异），认为这两组数有显著性差异。
扩展资料：
当数据之间具有了显著性差异，就说明参与比对的数据不是来自于同一总体（Population），而是来自于具有差异的两个不同总体，这种差异可能因参与比对的数据是来自不同实验对象的，比如一些一般能力测验中，大学学历被试组的成绩与小学学历被试组会有显著性差异。
也可能来自于实验处理对实验对象造成了根本性状改变，因而前测后测的数据会有显著性差异。
F检验说明你的众多自变量和你的因变形是有显著性影响的，可以做回归分析。但是并不是说每一个自变量都和因变量有显著性影响，所以要对每一个自变量T检验，T检验不合格说明该自变量对因变量没有显著性影响，一般做法是用逐步回归删除变量。
出现这种情况你也可以检验下是不是出现了多重共线性。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）