- 博客(448)
- 收藏
- 关注
RSS订阅原创 全方位解析SPSSAU系统操作，零基础轻松玩转数据分析
春天来了，毕业论文deadline也快到了，为帮助同学们顺利完成毕业论文科研数据分析，今天一文介绍SPSSAU系统操作教程以及一些基本操作的小技巧。一、分析界面介绍SPSSAU分析页面如下：1、仪表盘SPSSAU分析页面的左侧有一个“仪表盘”区域，这里列出了13个分析模块，包括通用方法、问卷研究、可视化、数据处理、进阶方法、实验/医学研究、综合评价、计量经济研究、机器学习、Meta荟萃分析、文本分析模块、空间计量、Power功效分析。
2025-03-11 17:40:58
1582
原创 论文三线表制作与调整，软件结果一键复制，Word表格轻松搞定
使用SPSSAU进行数据分析后，只需一键复制，即可获得符合标准的三线表，从而大幅提升工作效率。尽管不同学校可能有特定的格式要求，但SPSSAU提供的结果为用户提供了一个良好的基础，只需进行少量的微调即可满足相关规范。此外，SPSSAU的表格可以直接复制到Word中，无需手动修改，这大大简化了制作三线表的过程，节省了很多时间。不想一个一个调整三线表，可以自定义三线表样式，后续再制作表格直接一键套用“三线表样式”即可。SPSS是老牌的统计分析软件，其输出结果在直接复制到Word时，并不满足三线表的规范；
2025-03-07 14:14:33
1267
原创 科研论文 | 影响关系研究44种回归模型汇总，SPSSAU软件全部轻松完成
从原理上，PLS回归集合三种研究方法，分别是多元线性回归、典型相关分析和主成分分析，PLS回归是此三种方法的集合运用，多元线性回归用于研究影响关系，典型相关分析用于研究多个X和多个Y之间的关系，主成分分析用于对多个X或者多个Y进行信息浓缩。通过回归模型，我们可以深入分析自变量X与因变量Y之间的关系，回归分析可以揭示自变量X对Y的整体影响，还能细致地评估每个自变量X对Y的具体影响程度，从而为决策提供更准确的依据。它通过考虑配对或匹配的特性，可以有效地控制混杂因素的干扰，从而准确估计暴露因素与结局之间的关联。
2025-02-28 08:30:00
1884
原创 正交表生成，正交试验设计极差分析与方差分析对比
故能根据F值的大小排列出因素的主次程度。例如上面四因素三水平正交表中，任意两列数字对共有9种，（1,1）（1,2）（1,3）（2,1）（2,2）（2,3）（3,1）（3,2）（3,3），且每对出现次数相等。括号内数“3”表示每个因素均为3水平，那么表的主体部分只有数字1,2,3，分别代表水平1,2,3。正交表并不是唯一的，正交表的设计可以根据实验的因素数量和每个因素的水平数来生成多种不同的表格。SPSSAU默认找到最接近的标准正交表，比如预期找3个因素的正交表，3个因素分别有3，4或5个水平。
2025-02-20 11:41:18
1385
原创 面板数据如何进行熵值法、熵权TOPSIS综合评价等研究？这篇讲透了！
熵权TOPSIS法核心在于TOPSIS，但在计算数据时，首先会利用熵值法计算得到各评价指标的权重，并且将评价指标数据与权重相乘，得到新的数据，利用新数据进行TOPSIS法研究。数据年份差异显著，需考虑时间波动对权重的影响分别筛选出某年数据后，基于100家公司即100个数字看成1个序列，对每一年数据重复一次熵值法操作，将各年份权重结果汇总并计算平均值。熵值法的原理是利用‘熵’来计算权重，‘熵’用来标识信息的不确定性情况，熵越大意味着不确定性越大->信息量越小->权重越小，这是熵值法的原理。
2025-02-20 11:33:21
1584
原创 第十五届市场调查大赛问卷分析框架，问卷研究常用方法
从t检验结果可知，在“个人发展”和“领导管理”“工作回报”三个变量上，男性和女性之间存在显著差异，其中女性的平均值均高于男性（p<0.01），而在“工作特性”这一变量上，尽管女性的平均值也略高于男性，但差异并不显著（p=0.058）。为保证研究问卷质量，确保其能有效收集到需要的数据信息，一般会在目标人群的小样本中测试初步设计的问卷题项的适用性，收集反馈并进行必要的修改。信度达标后进行效度分析，效度主要评价量表的准确度、有效性，即量表是否真正反映了我们希望测量的东西，反映实际测量结果与预想结果的符合程度。
2025-01-22 13:25:12
2320
原创 2025美赛倒计时，数学建模五类模型40+常用算法及算法手册汇总
数学建模美赛倒计时，对于第一次参加竞赛且没有相关基础知识的同学来讲，掌握数学建模常用经典的模型算法知识，并熟练使用相关软件进行建模是关键。本文将介绍一些常用的模型算法，以及软件操作教程。数学建模常用模型包括：评价模型、预测模型、分类模型、统计分析模型、优化模型五类模型涉及方法很多，短期内想要全部掌握不现实，所以梳理出了模型中分别包含的常用经典模型算法及算法手册，供大家学习。一、评价模型。
2025-01-22 13:16:58
1901
原创 深度解析 | 因子分析综合评价（案例软件操作及结果解读），与主成分分析的区别
而因子是可用于解释观测变量的潜在变量，观测指标是公共因子的线性组合，所提取的因子更强调可解释性。，第一个因子的方差解释率为41.346%，第二个因子的方差解释率为37.462%，说明提取的两个公因子能够代表原来6个铁路运输能力指标78.808%的信息，整体来看信息变量丢失较少，因子分析效果比较理想。如上图，前两个因子的让特征根值均大于1，且曲线比较陡峭，剩下4个特征根值均小于1且特征根值曲线逐渐变得比较平缓，即提取前2个因子可以代表所有原始铁路运输指标的绝大部分信息，与方差解释率得到结果一致。
2024-12-26 10:52:54
2572
原创 深度解析 | 因子分析综合评价(软件操作案例分析）与主成分分析的区别
而因子是可用于解释观测变量的潜在变量，观测指标是公共因子的线性组合，所提取的因子更强调可解释性。，第一个因子的方差解释率为41.346%，第二个因子的方差解释率为37.462%，说明提取的两个公因子能够代表原来6个铁路运输能力指标78.808%的信息，整体来看信息变量丢失较少，因子分析效果比较理想。如上图，前两个因子的让特征根值均大于1，且曲线比较陡峭，剩下4个特征根值均小于1且特征根值曲线逐渐变得比较平缓，即提取前2个因子可以代表所有原始铁路运输指标的绝大部分信息，与方差解释率得到结果一致。
2024-12-25 18:02:44
840
原创 不用安装Process插件，教你轻松完成调节效应分析，调节效应与中介效应区别
进行调节效应或中介效应分析时，通常需要安装SPSS的Process插件，对于统计学小白来讲，下载软件与分析有点“强人所难”。今天，我将分享如何在不需要下载软件以及不安装Process插件的情况下，利用在线SPSS进行调节效应分析。一、调节效应原理在了解调节效应分析之前，需要知道一些调节效应的基础理论。这些理论在后续检验分析过程中都会贯穿始终。
2024-12-25 17:51:58
1434
原创 如何利用SPSSAU为毕业论文减压，科研论文写作可以用SPSSAU
通过上面的说明，相信大家已经知道了SPSSAU可以用于科研论文写作的工具，作为最“善解人意”的SPSSAU，特意为肝论文的同学总结了13类数据分析方法，都是写论文使用频率非常高的方法。可以省去很多论文数据分析的麻烦，SPSSAU的分析结果是可以得到导师认可的，完全不用担心答辩问题！的案例，对比SPSSAU与SPSS的分析结果，来证明SPSSAU的输出结果是绝对可靠的。SPSSAU软件在科研领域的应用日益广泛，其分析结果的可靠性和便捷性得到了越来越多研究者的认可。细节决定成败，引用上咱也不能被导师挑毛病。
2024-12-12 17:46:09
1295
原创 SPSSAU国际版上线，全英文数据分析界面，限时福利免费试用
对于数据分析小白或者不懂统计学原理的用户来讲，得到分析结果后，可能并不知道如何进行分析，SPSSAU在每一个分析结果表格的下方都同时输出了 “ 分析建议 ” 与 “ 智能分析 ” ，帮助大家理解分析过程和解读分析结果。SPSSAU国际版与中文版类似，提供全英文的智能分析及专业分析建议，旨在帮助用户更好的解读分析结果。SPSSAU国际版输出的英文分析结果，严格遵循国际期刊的发表规范，输出结果采用国际学术界认可的标准三线表格式，为海外留学生和研究者提供了理想的数据分析工具，特别适合需要发表国外期刊的用户。
2024-12-12 17:41:39
1209
原创 毕业论文量表问卷分析思路，问卷分析通用模板
今天小编又来给大家分享论文干货了，问卷作为论文研究中的常用工具，科学、准确地对其进行分析是非常重要的。今天我们将探讨论文量表问卷的分析思路，分享一个问卷分析的通用模板。
2024-11-27 11:34:27
2992
原创 论文评价指标体系构建与AHP-熵值法组合权重计算
在学术研究中的应用极为普遍，通过在中国知网上检索等关键词，不难发现，大量研究生和学者倾向于选择这一课题进行深入研究。这反映出在论文创作领域，构建评价指标体系已经成为一个热门且重要的研究方向。
2024-11-27 11:24:04
2616
原创 2025考研报名人数预测380万？考研还是考公，二者历年报录比分析
报录比在2015年至2023年间波动，整体上升，从2015年的34.63%（约2.89：1）到2023年的20.04%（约4.99：1），显示出竞争加剧。选择合适的预测方法通常取决于数据的特性和预测的目的，综合考虑以上因素，对于2025年考研报名人数的预测，ARIMA模型可能是这四种方法中最合适的选择，故本文使用该方法进行数据预测。预测值表格是分析者最关注的表格，从上表可以看出，使用2015年-2024年考研报名人数向后预测1期得到2025年考研报名人数为。相较于2024年438万，预测会。
2024-11-21 11:36:33
4896
原创 条件logistic回归原理及案例分析
常见的应用场景，比如在个案匹配或倾向性评分匹配形成匹配数据后，通过条件Logistic回归完成分析。两组数据采取配对的形式，或通过匹配方法得到的两组数据，突出的优势是可排除某些混杂因素的干扰，两组数据达到均衡，从而有利于研究特定因素对结局变量的影响，这也正是条件Logistic的特点。条件Logistic回归假设自变量的回归系数与配对组无关，对参数的估计是建立在条件概率之上，所以它采用“条件似然函数”进行参数估计建立模型。
2024-11-06 18:15:10
1202
原创 有序logistic回归分析模型原理与案例教程
有序Logistic回归和多分类Logistic回归的因变量均有多个分类水平，但是前者。比如临床试验的疗效分为无效、好转、有效和治愈四个等级，在社会调查类研究满意度分为1～5层级。由于因变量是等级资料的特征，有序Logistic回归模型称之为累加Logit模型，其原理是对因变量水平分割后形成多个二元Logistic回归模型，同时假设多个模型中的自变量回归系数不变，不同的仅是模型的常数项，
2024-11-06 18:14:17
3026
1
原创 多分类logistic回归分析案例教程
因变量为无序多分类变量，比如研究成人早餐选择的相关因素，早餐种类包括谷物类、燕麦类、复合类，此时因变量有三种结局，而且三种早餐是平等的没有顺序或等级属性，此类回归问题，可以使用多分类Logistic回归进行分析。多分类Logistic有时也称为多元Logistic回归，从因变量的多个类别中选一个水平作为对照，拟合其他类别水平相较于该对照水平的Logistic回归模型，因此k个分类水平的因变量，最终得到k-1个Logistic回归模型。
2024-11-06 18:13:17
2302
原创 13类高频数据分析方法分类汇总
第一次写论文的同学，常面临这样的难题：多种看似相近的方法让人难以抉择，不确定每种方法的适用情境，也难以区分它们之间的细微差异，稍不留神就可能做出错误的选择。若你也遭遇此类困惑，不妨参考本篇文章，总结了14类超高频数据分析方法，帮助你明确不同方法的特点及其适用场景，从而确保你能够选择恰当的分析方法。1、基本描述统计基本描述统计分析包括频数分析、描述分析、分类汇总；是对收集的数据进行基本的说明。2、差异关系研究常见的差异关系研究方法包括。
2024-11-06 18:11:11
1158
原创 二元logistic回归分析原理及案例教程
二元Logistic回归中因变量只有两种结局，且两个结局是互斥的。举个例子进行说明，现在假设y=1为死亡，y=0为未死亡，Logistic回归最终可以做到的是病例判定为死亡或未死亡，以及出现该结局的概率。死亡的概率为P，则未死亡的概率为1-P，令ln(P/1-P)=logit(P)，这一过程称为logit对数变换。当有多个因素时，Logistic回归的一般形式为：称为比值或优势(odds)，ln(P/1-P)=logit(P)称为优势的对数，大量实践证明logit(P)与定量自变量呈线性关系。
2024-10-30 17:53:31
3283
原创 Logistic回归分析概述——类型、适用条件、一般步骤
Logistic回归有多种类型，包括二元Logistic回归、多分类Logistic回归、有序Logistic回归，以及条件Logistic回归，在SPSSAU中对应有【二元Logit】、【有序Logit】、【多分类Logit】，以及【条件Logit回归】功能模块。本节主要介绍这四种类型的Logistic回归原理及应用。首先检查因变量是否为二分类、多分类、有序分类的其中一种，是则采用对应的二元Logistic回归、多分类Logistic回归、有序Logistic回归，如果因变量为定量数据则采用线性回归。
2024-10-28 17:53:20
5552
原创 自变量为定类数据的多元线性回归分析，哑变量转化与分析
依次选择【数据处理】→【生成变量】模块，先在左侧的变量列表中选中“智商等级”，然后在右侧【生成变量】功能下拉框内选择常用的【虚拟(哑)变量】功能，最后单击底部的【确认处理】，操作设定如图 5-21所示。如表5-17所示，哑变量“血型_1”的编码1对应的是“A型”，编码0则表述“非A型”，该哑变量代表的就是“A型”血型；哑变量“血型_4”则对应“O型”。例如，我们可选择“O型”作为参照，此时参与回归的仅包括“血型_1”、“血型_2”、“血型_3”这三个哑变量，而哑变量“血型_4”作为参照不纳入回归模型。
2024-10-28 17:52:31
1373
原创 逐步线性回归分析实例研究，三种逐步回归法
因变量“Ln_工资”为定量数据，自变量“年龄”、“教育年限”、“现雇佣年”、“工龄”、“智商”、“世界观”、“母亲受教育年限”为定量数据，“婚否”、“是否住美国南方”以及“是否住大城市”二水平分类变量，如果进行哑变量处理仍为自身，因此二水平分类变量也可以直接进行线性回归，数据类型符合线性回归的基本要求。综述所述，本次逐步回归发现，“年龄”、“教育年限”、“智商”、“婚否”、“是否住美国南方”以及“是否住大城市”这6个自变量对工资有显著影响，可解释工资变异的42%，整个回归方程有统计学意义。
2024-10-28 17:51:11
1924
原创 线性回归模型与检验 & 6个适用条件
此处所说的定量关系，并非严格的因果关系，而是自变量X对因变量Y的影响或预测的作用。例如分析广告费、产品单价、产品满意度、服务满意度对销售收入的影响，如果各自变量与因变量间存在线性相关关系，可建立以销售收入作为因变量，其他4个变量作为自变量的线性回归模型，用于分析它们之间的线性相关关系，或者说研究销售收入的影响因素，并对销售收入进行预测。
2024-10-28 17:49:10
2184
原创 相关分析入门知识与分析步骤，三类相关系数：Pearson、Spearman、Kendall
而不确定性的相关关系，通俗理解即一个为自变量，另一个为随机变量或者两个都是随机变量，当一个变量变化时，另一变量的取值有一定的随机性变化。本章节介绍研究分析中的相关与影响关系，主要包括相关分析、线性回归、Logistic回归，以及非线性回归，各方法数据要求及使用场景举例如表 5-1所示，接下来在各节内容中结合具体案例展开阐述。散点图能直观观察变量间的变化关系，开始相关分析前先绘制两个变量的散点图，观察和判断两变量存在线性相关还是非线性相关，本节介绍的内容适于线性相关的情况。，见上图中的(3)。
2024-10-28 17:48:08
2232
原创 Kruskal-Wallis检验、配对Wilcoxon检验、Friedman检验案例教程
Kruskal-Wallis检验全称为Kruskal-Wallis H 检验，简称为“K-W检验”或“H检验”，中文一般翻译为克鲁斯卡尔-沃利斯检验。是单因素方差分析在不满足正态性、方差齐性条件时，Kruskal-Wallis检验用作其非参数检验的替代方法。也可用于单向有序的R×C列联表差异检验。Kruskal-Wallis检验总体达到显著后，可通过多重比较进一步比较各组间差异。常见的非参数类多重比较方法比如Nemenyi、Dunn´s t 检验和Dunn’s t 检验(校正p。
2024-10-28 17:46:59
3375
原创 Fisher卡方检验 & 配对卡方检验案例教程
Fisher确切概率法是由R.A.Fisher(1934)提出的，其理论依据是超几何分布，是一种直接计算概率的假设检验方法。由于其在四格表中应用最为广泛，所以也直接称为四格表确切概率，此外它也可在R×C表卡方检验条件不满足时使用。当2×2四格表资料出现E≤1或n﹤40情况时，可使用Fisher确切概率进行假设检验。此外当四格表卡方检验后所得概率p值接近检验水平α时，亦可使用Fisher确切概率。【例4-11】四格表Fisher确切概率。
2024-10-28 17:44:54
2103
原创 分层卡方检验 & 卡方拟合优度 案例教程
对各层OR值进行齐性检验，如果各层OR值同质或一致，说明当前纳入的分层因素没有混杂干扰作用或干扰很弱，各层的OR可进行合并，相当于消除分层因素影响后用一个统一的OR值评价行与列变量的影响关系；当上一步检验出OR值具有一致性时，提示可对各层OR值进行合并计算，合并后得到一个调整后的OR值，它的大小反映的是排除分层因素影响后，行变量对列变量的影响程度。【例4-15】某高校研究生招生，原计划招生的男女性别比例为7:3，实际招男研究生50名，女研究生35名，分析实际研究生性别比例是否与原计划相符。
2024-10-28 17:43:49
1357
原创 单因素方差 | 分析思路与案例教程
只有一个分类型自变量X和一个因变量Y的方差分析称为单因素方差分析，例如要检验四种饲料喂猪对猪体重增加值的均值是否相等，只涉及“饲料类型”一个类别因子，这就是单因素方差分析。从试验设计的角度，一般采用的是完全随机设计。单因素方差分析思路如图 4‑8所示。
2024-10-28 17:41:02
2211
原创 方差分析入门知识 | 分析方法概述与方差分析类型
1. 原理与概念方差分析的基本思想是对误差的分解，总误差被分解为组间误差和组内误差，组内误差用于估计抽样的随机误差，而组间误差可能是由抽样的随机误差造成，更多的是组间自身差异的系统误差导致。我们需要证明的是系统误差不等于0，所以组间误差除以组内误差大到一定程度时可认为组间效应显著。为消除个案数的影响，给分母和分子同时引进自由度，构造F统计量，根据F分布计算概率p值，利用p值推断原假设是否成立。所以，方差分析等价于F检验，中间计算的统计量为F统计量。
2024-10-28 17:39:54
1216
原创 一文理清4类t检验分析步骤，软件操作与分析结果解读
数据文档见“例4-4.xls”，试分析肥胖组与非肥胖组儿童的腰围有无不同。将“组别”数据拖拽至右侧【Y(定量)】框内，“腰围”数据拖拽至右侧【X(定类,仅两组)】框内，操作界面如图 4‑5所示，最后单击【开始分析】。数据文档中的“身高”为定量数据，用于记录120名男孩的身高数据，研究目的是比较120个身高数据平均值与“142.5”的差异，从分析目的上选择单样本。检验】模块，将“身高”变量数据拖拽至右侧【分析项(定量)】框内，分析框顶部输入对比数字“142.5”，操作界面见下图，单击【开始分析】。
2024-10-28 17:38:39
1303
1
原创 t检验的几种常见类型及其应用条件
t检验用于两组定量数据资料的均数差异比较，在一般背景资料分析、基线分析中应用较为广泛。数据资料要求有一个两水平的定类数据用于分组，因变量要求为定量数据(连续型数据)。例如某研究欲比较不同性别新生儿体重有无差别，此时性别为定类数据用于分组，体重作为定量数据，作为目标变量或因变量。由于t检验要求数据正态性，因此在t检验前应当先检验正态分布情况。一般来说，只要不是严重偏态，则t检验基本适用。否则可考虑对数据进行转换使其近似正态后再做检验，或者使用对应的非参数检验方法。
2024-10-28 17:37:18
2322
原创 问卷是否要做信效度分析，5类信度与4类效度常用指标及评价标准
了解了什么样的问卷题目适合进行信效度分析，接下来介绍信度与效度分析常用指标与评价标准。问卷分析一般先进行信度分析，再进行效度分析。这是因为一个可靠的测量工具是进行有效测量的前提。
2024-09-24 17:56:24
12219
原创 深度解析 | 二元Logistic回归模型（单因素筛查、软件操作及结果解读）
划重点二元Logistic回归分析因变量为二分类变量，自变量可以为定量数据或者定类数据，定类数据时需要进行哑变量处理再分析。当自变量较多时，先通过单因素分析筛选自变量，然后仅保留有显著影响的自变量进行多因素Logistic回归。同时为避免遗漏重要变量，差异的显著性水平可以适当放宽。进行回归分析时，针对定类变量生成的哑变量，需要留一项作为参照项，一般为最低水平。解读的时候需要注意二者的关系，定量变量与定类变量解读方式略有不同。
2024-09-10 17:56:22
12158
原创 空间计量 | 似不相关回归SUR
通常情况下，研究X对于Y的影响时，Y只能为一个，如果有多个则重复进行多次，即每次都只考虑单一方程估计，如果有多个Y时，将多个Y同时进行联合估计有可能会提高估计效率，即模型的拟合能力更加接近于实际数据。如果有多个Y需要同时估计，当前有两种处理方式，第一种是使用联立方程组进行估计，第二种方式则是使用似不相关回归（seemingly unrelated regression estimation，sur）进行估计。
2024-08-30 14:29:42
1352
原创 空间计量 | 空间面板模型
空间计量研究中，如果为截面数据，可使用比如空间滞后模型、空间误差模型、空间杜宾模型等。当为面板数据时则稍有不同，面板数据进行空间计量分析时，主要有三个注意点，1是数据格式的整理，包括空间权重矩阵的数据格式和面板数据的数据格式（此处需要为平衡面板数据），以及空间权重矩阵与面板数据的ID匹配；2是面板模型的选择，是固定效应还是随机效应，应该使用Hausman检验进行检验并且得出结论；3是空间计量模型的选择，应该是面板滞后模型还是面板误差模型，此处默认提供LM检验得出结果。
2024-08-30 14:27:12
2483
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人