在SPSS中怎样做效度分析

_问题描述：在SPSS中做主成成分分析的时候有一步是指标之间的相关性判定,我想知道具体是怎么进行判定的,他的算法、原理是什么?答案1：：说判定有些严格,其实就是观察一下各个指标的相关程度.一般来说相关

说判定有些严格,其实就是观察一下各个指标的相关程度.一般来说相关性越是高,做主成分分析就越是成功.主成分分析是通过降低空间维度来体现所有变量的特征使得样本点分散程度极大,说得直观一点就是寻找多个变量的

因本例只是为了说明如何在SPSS进行主成分分析,故在此不对提取的主成分进行命名,有兴趣的读者可自行命名.标准化：通过Analyze→DescriptiveStatistics→

首先建立两个变量如x,y,把数据录入进去（两列）,在analysis里头,选correlate,分别把x,y放进去,点OK就可以得到结果.再问：我用的是中文版的SPSS，点击：分析—相关-双变量相关，

SPSS做显著测试正态性检验→统计处理的问题_+可以在我的QQ名称来给你做了一些分析和检查.

没有这么麻烦,很容易的：在Logistic回归主界面中同时选择月收入与受教育程度这两个变量（按住Ctrl键不放,用鼠标分别点击月收入与受教育程度）,然后点击>a*b>键就可以了.再问：你好，此外，我还

正或负相关

做卡方检验,先设置三个变量：年龄、患者、百分比,然后将百分比加权（菜单栏点击数据——加权）,再点击菜单栏分析——描述分析——交叉分析（或列联表分析）,在统计值中选择卡方值就可以了.最后看卡方值对应的s

analyse——generallinearmodel——univariate,选择plot,将要分析的两个要素,自变量,因变量分别ADD到横纵坐标中,就可以做交互作用出散点图.

SPSS主要的操作选项在SPSS->Analyse分析->TimeSeries时间序列分析.先要对序列数据零均值化处理,检验数据是否符合正态分布,再检验数据的平稳性,如果平稳可以用ARMA模型,如果不

看你的目的了你如果只是要看这些自变量之间的相关性,那就这样就可以了.如果你要将自变量进行主成分分析,那相关性高就适合做因子分析如果你要将自变量与因变量构建模型,那自变量的相关性高,说明共线性严重,需要

因素4能够解释百分之多少的差异,是看最后一栏（1.3%）,倒数第二栏意思是累积的（Cumulative）Rsquare,因素1R方=0.239,累积的R方=0.239因素2R方=0.019,累积的R方

简单点说先看Sig.值,如果这个值

可能是,你选择的控制变量个数只有一个,用单因素方差分析,不需要用多因素方差分析.但更可能是你的观测变量不是定距型及以上变量,软件不接受.选择与变量有关系的因素,通常参考别人的研究经验和自己的经历.

在SPSS软件中,没有关联性分析这一功能,你的理解可能是正确的,即相关性分析.

ARMA（pq）模型中模型参数的设定主要依靠自相关函数AC和偏自相关函数pac.自回归过程AR的参数主要看PAC在哪一阶截尾,如在4阶截尾则参数P=4；移动平均模型MA的参数主要靠识别AC函数是否呈快

晕,T检验(独立样本T检验、相关样本T检验)、方差分析（one-wayanova;univerate;repeatedmeasure）、非参检验（卡方检验,crosstable等）都可以来看显著性.你

改数据就行啊再问：往哪个方向改啊再答：不显著的方向

则选择Data--Orthogonal\x0dDesign--generate,弹出的就是正交设计窗口：\x0dFactorname框：输入A：单击ADD钮：单击Define\x0dvalue钮：分别

F值不知道呢P可以这样描述：矫正模型显著性为XXX,即该模型是显著/不显著的.从因素的显著性水平为XXX,表示拒绝/不拒绝原假设,即α1,α2,α3……中至少有一个不等于0/不拒绝α1,α2,α3……