Una20200519的博客

2.打开zotero点击“工具”下的“附加组件”，单击右上角的设置标志，选择“install add-on from file”，接下来找到刚才保存的文件即可。

打开数据编辑器，在右侧的“变量窗口”找到对应的变量并单击，然后在右下侧的“属性窗口”下的**“标签”**中输入图例名称即可。直接在命令窗口中输入画图的命令后用逗号隔开再加上legend(label(1 高) label(2 低))即可。假设将第一个图例的名称改为“高”，第二个图例的名称改为“低”

假设y为因变量，group为分组变量。

问题分析：可能是在安装的时候被垃圾软件捆绑了解决办法：ctrl+alt+delete打开任务管理器，在“进程”或者“详细信息”中找到该软件，接着右键选择“打开文件所在位置”，先别急着删除，在任务管理器中右键该软件选择“结束进程”，最后在文件夹中delete该exe文件。...

方法一：右键浏览器图标，找到“属性”——在“常规”下取消勾选“只读”——然后在“快捷方式”的“目标”中删除firefox.exe后面多出来的一串网址——确定方法二：右键浏览器图标——找到“打开文件所在的位置”——右键“firefox.exe”——选择“创建快捷方式”欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。新的改变我们对Markdow

1.假设检验2.实操分析—降维—因子—拖入变量—点击右侧的“描述”—勾选“初始解”、“系数”、“KMO和巴特利特球形度检验”、“再生”和“反映像”—继续点击右侧的“提取”—勾选“碎石图”—继续点击右侧的“旋转”—勾选“最大方差法”“旋转后的解”和“载荷图”—继续点击右侧的“得分”—勾选“保存为变量”，方法选择“回归”—继续点击右侧的“选项”—勾选“按大小排序”和“排除小系数”，输入绝对值.303.结果解释变量之间是否存在相关性（1）KMO检验数据总体分析KMO值在0-1之间。当该值大于等于0.

分析—度量—可靠性分析—拖入变量—在下方的“模型”处选择“阿尔法”—点击右侧的“统计”—选择描述中的“项目”，“度量”和内部项目中的“相关性”克隆巴赫系数＞0.7时，我们认为问卷的一致性较高。...

1.适用情境：当多个相关样本的因变量是分类变量如何进行分析？2.假设检验3.准备工作统计各组合出现的频率：数据—汇总—将变量拖入分解变框中—勾选个案数并输入名称frequency加权个案：数据—个案加权—勾选个案加权系数—拖入上面步骤生成的frequency—确定计算样本量：柯克兰样本量=样本总数—4....

1.假设检验2.实操分析—非参数检验—旧对话框—k个相关样本—拖入检验变量—勾选“弗莱德曼”检验3.两两比较双击输出的检验表格，点击右下方“查看”选择”两两比较

1.两种情况（1）多个样本满足独立、正态和方差齐性这三个条件的话，则可使用单因素方差分析。（2）若不满足以上条件，则使用多个独立样本的秩和检验。2.方差齐性检验分析—一般线性模型—多变量—拖入变量—点击右侧的“选项”—勾选“齐性检验”若显著性小于0.05，则方差不齐。3.克鲁斯卡尔沃利斯检验分析—非参数检验—旧对话框—k个独立样本—拖入检验变量和分组变量并定义组—勾选克鲁斯卡尔沃利斯4.两两比较分析—非参数检验—独立样本—在“目标”模块下选择“在各组之间自动比较分布”—在“字段”模块中选择

1.两组配对数据适用的分析方法2.假设检验配对样本的差值服从正态分布时适用配对样本t检验；若差值不服从正态分布，则适用威尔科克森检验。3.实操分析—非参数检验—旧对话框—2个相关样本—拖入待分析变量—勾选“威尔科克森”...

分析—比较均值—平均值—拖入待分析变量—选项—拖入“中位数”等统计量

1.假设检验2.准备工作：观察各组数据分布是否一致分析—比较均值—平均值—拖入因变量和自变量—点击右侧的“选项”—拖入“中位数”3.非参数检验之两独立样本分析—非参数检验—旧对话框—2个独立样本—拖入检验变量和分组变量，并在分组变量下“定义组”—勾选“曼惠特尼U检验”—确定...

1.假设检验2.实操分析—回归—线性—拖入因变量和自变量（已知与因变量相关）—点击“下一个”拖入待分析的自变量—点击右侧的“统计”—勾选估算值，置信区间，模型拟合，R方变化量，描述，部分相关性和偏相关性，共线性诊断，德宾沃森和个案诊断—继续点击右侧的“图”—在“标准化残差图”下勾选“直方图”和“正态概率图”，并勾选“生成所有局部图”—继续点击右侧的“保存”—勾选预测值下的“未标准化”，残差下的“学生化”和“学生化删除后”，距离下的“库克距离”和“杠杆值”—完成以上各检验在之前的博文有讲过，可以往前翻

1.相关知识广义估算方程既可以处理连续变量也可以处理分类变量，在传统模型的基础上对相关性数据进行了校正，可以拟合logistic，泊松，probit和一般线性回归等广义线性模型。2.SPSS实操分析—广义线性模型—广义估算方程—在“重复”模块下拖入主体变量，主体内变量，在“工作相关性矩阵”下选择“可交换”结构—在“模型类型”模块下根据因变量的性质选择合适的模型—在“响应”模块下拖入因变量，并指定“参考类别”—在“预测变量”模块下拖入因子或者协变量—在“模型”模块中将因子和协变量拖入右侧模型中—在“统计

References—find duplicates

岭回归SPSS需要安装插件，下节更新

多重线性回归不满足方差齐性假设时，需要使用最小二乘法进行参数估计。

1.假设检验2.实操分析—回归—线性—拖入变量—点击右侧的统计—勾选估计值，置信区间，杜宾沃森检验和个案诊断，偏相关和共线性诊断—继续点击右侧的图—勾选直方图，正态图，和所有偏相关图—继续点击右侧的保存—勾选未标准化的预测值，库克距离，杠杆值，学生化残差，学生化删除后残差—完成3.结果解读杜宾沃森检验用来检验残差之间是否存在自相关，值在0-4之间。该值越接近2，观测值相互独立的可能性越大。个案诊断用来检验是否存在离群点。如果标准化残差值＜3，则不存在离群点。学生化删除残差也可用来判断是否存在离群

1.R方和调整R方的联系：都代表了自变量对因变量变异的解释程度2.R方和调整R方的区别：R方会夸大自变量对因变量变异的解释程度。并且模型中的自变量越多，R方越大。即使这些自变量对因变量的影响并不显著。所以R方的值会随着自变量个数的增多而月接近1.调整R方剔除了自变量个数的影响，其值总是小于R方。...

1.假设检验2.实操分析—回归—线性—拖入变量—点击右侧的统计，勾选估计值、置信区间、杜宾沃森和个案诊断—继续点击右侧的plotsps:杜宾沃森的值在0-4，结果越接近2，观测值相互独立；个案诊断的标准化残差的值小于3时，不存在异常值...

SPSS实操：分析—回归—多项式逻辑回归—将变量拖入右边框中，连续变量拖入协变量框中—点击参考类别，选择参考类别

分类回归的伪决定系数都不会高，没有关系，大可放心。

1.情境：我们在进行研究时，经常遇到这样的情形。收集了一组满意度数据，但是我们只需要考察自变量对满意度高低的影响。例如，我们做如下分割：0—3低满意度，编码为1；4—6中满意度，编码为2；7-9高满意度，编码为3。2.要解决的问题：由于我们选择分割点具有一定的主观性，平均值，中位数，众数都可以作为分割点。那如何判断分割点是否合适呢？合适的分割点输出的自变量的系数是相等的。此时，我们需要进行“平行线检验”。3.SPSS实操：分析—回归—有序—拖入待分析的变量—点击右侧的“输出”—勾选“平行线检验”，

1.为什么要设置哑变量如果将分类变量直接纳入回归模型中，它将被自动识别为连续变量。2.设置哑变量的个数哑变量的个数=类别-1。如这里有三种水果：苹果为1、芒果为2、香蕉为3.此时我们需要设置2个哑变量。3.方法（1）如果是线性回归，则需要手动设置哑变量。SPSS实操：转换—重新编码为不同变量—将分类变量拖入框中—在输出变量框中输入新的变量名称—点击“旧值和新值”—在“旧值”中输入该变量的编码。如芒果为2。在“新值”中输入1。—点击“添加”—勾选“旧值”下的“所有其他值”，在“新值”处输入0—点击添

在文中Endnote选项卡下进行以下操作：在Tools栏目下找到“Export to Endnote”—点击右侧的倒三角—点击“Export Word Citations”OK完成啦

别慌！！！在文档中的Endnote选项卡下进行一下操作：Bibliography栏中点击“Update citations and bibliography”就行啦

不要手动编辑！！！（曾经有个傻乎乎的人这么做了，别问是谁，问了就是本傻瓜）其实只要在文档里的Endnote下选择合适的Style就可以了，比如AAA Style Guide和APA 6th就可以实现

1.下载好style（上篇博文有讲）—保存后缀ens的style文件到Endnote文件夹下的“Style”文件夹中2.打开Endnote—找到工具栏中的“Edit”—点击output style—open style manager—勾选保存过的style文件—关闭完成以上步骤就能在Endnote中找到相应的style啦...

方法一：打开Endnote—找到工具栏中的Help—点击Endnote Output Styles—在Keyword中输入期刊名称（简称搜不到，输入全称就可以了）—下载方法二：打开Endnote—找到工具栏中的Output Styles—点击“open style manager”—点击右下角的“get more on the web of science”—在Key word中输入期刊名称—下载...

1.假设检验2.如何判断连续自变量与因变量的logit转换值之间存在线性关系首先，创建连续自变量的自然对数值。方法在上一条博文。其次，请依次点击：分析—回归—二元逻辑—拖入因变量，拖入自变量到协变量框中，构建交互项：按住ctrl选择自变量和自变量的自然对数值，选择＞a*b＞，拖入交互项到协变量框中。最后，输出结果，显著性＞0.05，则两者存在线性关系。3.二元逻辑回归SPSS实操请依次点击：分析—回归—二元逻辑—拖入待分析变量...

请依次点击：分析—回归—线性—拖入待分析的变量—点击右侧的“统计”—勾选“共线性诊断”结果解读：容忍度＞0.1，即方差膨胀因子VIF＜10，则变量之间不存在多重共线性。PS：由于我们考察的自变量之间的关系，因变量的形式与方差膨胀因子无关。当因变量为分类变量时可以直接代入线性回归模型求得方差膨胀因子。...

请依次点击：转换—计算变量—输入目标变量—在“函数组”中选择“算数”—在“函数和特殊变量”中双击选择“Lg10”或者“Ln”—拖入要转换的变量—确定

请依次点击我—设置—通用—辅助功能—微信运动—停用关闭腾讯新闻的操作同上

1.适用情形两个有序分类变量之间的相关性2.假设检验3.实操分析—相关—双变量—拖入待分析变量—勾选肯德尔相关系数4.结果解释

1.适用情形两个非正态分布的连续变量之间的相关性2.假设检验3.实操分析—相关—双变量—拖入待分析变量—勾选“斯皮尔曼”相关系数4.结果解读

1.适用情形两个连续变量之间的相关性2.假设检验3.实操分析—相关—双变量—拖入两个待分析变量—勾选“皮尔逊”相关系数4.结果解读

1.适用情形超过两位的观察者观察连续变量或者有序分类变量2.假设条件3.实操分析—非参数检验—相关样本—在“目标”下选择“自动比较实测数据和假设数据”—在“字段”下拖入要检验的变量—在“设置”下勾选“定制检验”，选择“肯德尔协同系数检验”4.结果该系数属于0-1，值越大一致性越强...

1.假设条件

情境：选择100名乳腺癌患者和900名非患者进行胸部门诊。结果检测出80名患者，20名患者并未检验出；800名非患者，1.灵敏度（真阳性率）2.特异度（真阴性率）