korstabell tre oberoende variabler

Hur man kombinerar fem oberoende variabler att köra en regression


En multipel regression är en statistisk procedur där två eller flera "oberoende" eller "prediktor" variabler används för att förutsäga poängen på en "beroende" eller "kriterium" variabel. I IBM SPSS kan du ange fem oberoende variabler i regressionsekvationen samtidigt, antingen som en distinkt analys eller som ett led i en mer komplex analys. Metoden för regression används beror på hur många andra variabler finns det som skall analyseras.

Instruktioner

1 Ladda upp SPSS. I välkomstfönstret väljer "Öppna en befintlig datakälla" och sedan klicka på "flera filer." Navigera till den mapp som innehåller datafilen och dubbelklicka på den. En utgångsfönster visas, vilket bekräftar att filen laddades, och data visas i huvud datavyn.

2 Klicka på "Analysera", "Regression" och "Linear."

3 Leta upp din beroende variabel från listan till vänster. Klicka på den en gång och sedan på pilen bredvid "Beroende" textrutan. Den rörliga flyttar in i boxen.

4 Bestämma i vilken ordning du vill IBM SPSS för att analysera dina återstående variabler. Om du bara har fem variabler som du vill analysera genast kvar, markera dem och klicka på pilen bredvid "Independent (s)." Om du har andra som du vill sätta in regressionen först, dra dem till "Independent (s) "låda först, klicka på" Nästa "och dra i dina fem variabler av intresse. Om du vill analysera fler variabler efter dessa fem, klicka på "Nästa" igen och dra dem till den nu tomma rutan.

5 Klicka på "OK." Vänta för analys för att slutföra, rulla ned tills du når "Model Summary" tabellen. Denna tabell ger de viktigaste utgångs statistik analysen. Om du har använt mer än ett block av variabler, leta efter etiketter under bordet för att se vilken rad hänvisar till vilket block. Här hittar du "R", "R Square" och "Justerat R Square" statistik. Du ges också "R Square Change" som talar om ytterligare prognosförmåga från varje block vid varje steg.

Genomsnittliga skillnaden i SPSS


SPSS (Statistical Package för samhällsvetenskap) är ett statistikprogram som används av samhällsvetare, inklusive psykologer, sociologer och statsvetare, att analysera data från sin forskning. Samhällsvetenskapliga forskare jämför ofta medel (de aritmetiska medelvärden) av två kategorier av svar. Medel kan jämföras genom T-test eller AVOVAs (variansanalys). Båda dessa analyser kan utföras i SPSS.

T-test

T-test jämför hjälp av poängen från samma grupp av människor vid två tidpunkter --- exempelvis elevernas poäng på deras deltentamen och deras poäng på sin tentamen. T-test kan också jämföra poängen från två olika grupper --- t ex tentamen poäng från manliga studenter och de kvinnliga studenter. Du kan använda SPSS för att genomföra en T-test. SPSS ger utsignal som anger T-värde (provutfallets) och betydelsen (sannolikheten resultaten beror på slumpen snarare än den oberoende variabeln) för jämförelse mellan de medel. En signifikansnivå på mindre än 0,05 indikerar att sannolikheten resultaten beror på slumpen är mindre än 5 100.

One-Way ANOVA

A One-Way ANOVA (variansanalys) används för att jämföra medel när det finns en oberoende variabel och en beroende variabel, som liknar den T-Test. SPSS analyserar data för en One-Way ANOVA. Resultaten är mycket lika resultaten av ett T-test, med samma signifikansnivån.

Två-vägs och trevägs ANOVA

En tvåvägs ANOVA (variansanalys) används för att jämföra medel när det finns två oberoende variabler och en beroende variabel --- till exempel, om forskaren vill jämföra poängen för män och kvinnor i privata och offentliga skolan på deras SATs. SPSS analyserar data för en tvåvägs ANOVA eller tre-Way ANOVA. En trevägs AVOVA används för att jämföra medel när det finns tre oberoende variabler och en beroende variabel --- till exempel om forskaren vill jämföra poängen för män och kvinnor i privat och offentlig skola från två olika stater. När du ökar antalet oberoende variabler, blir det svårare att tolka resultaten.

MANOVAs

En MANOVA (Multiple variansanalys) jämför hjälp av en eller flera klasser av oberoende variabler --- till exempel kön och typ av skola --- på två eller flera beroende variabler --- t ex SAT poäng och betygspoäng genomsnitt. Eftersom antalet oberoende och beroende variabler ökar blir tolkning svårare.

En av de grundläggande funktionerna i statistisk analys är att bestämma frekvensen av en åtgärd eller egenskap som förekommer i en population. Kanske du vill veta hur många gånger i veckan människor på jobbet äta ut, eller hur många av dem är manliga eller kvinnliga. Men ibland den information vi vill ha är lite mer komplicerat. Vad händer om du vill veta hur många av kvinnorna på ditt jobb äta mer än tre gånger i veckan? Detta innebär analys av två variabler (kön och frekvens av att äta ut) samtidigt. För att få denna information du behöver för att utföra en korstabulering (kallas ibland en kors eller en kontingenstabell.)

Instruktioner

1 Borsta upp på grunderna i statistik och undersökningsmetodik. Även åtgärder som krävs för att göra korstabuleringar är mycket lätt, skulle det vara bäst om du läser upp på grunderna i undersökningsmetoder.

2 Syftet med att samla in och analysera data är att svara på en fråga. Denna fråga är formellt kallas en hypotes. Har din hypotes fast i ditt sinne innan din korstabuleringar.

3 Samla data som du kommer att använda för analys. Detta kan vara från en undersökning som du har genomfört eller från data som hämtats från Internet.

4 Ange dina data i ett statistikprogram. Detta är den mest tråkiga delen. Beroende på storleken av ditt prov, knappa in dina uppgifter kan ta allt från en timme till några dagar.

5 Välj variabler för analys. Välj ett beroende och en oberoende variabel. De måste vara relaterade till din hypotes.

6 Ställ in parametrarna för din korstabulering. I SPSS välj "Analyserade -> Beskrivande statistik -> korstabeller ..." Ställ den oberoende variabeln till "rad" och beroende variabel till "-kolumnen." Aktivera båda dessa punkter och procentsatser som ska visas.

7 Antingen skriva ut tabellen på egen hand eller exportera den till dokumentet. Om kors är ett utkast till en artikel, då kan du kopiera klistra som är i dokumentet. Men om du förbereder ett slutligt utkast till en rapport då kanske du vill skapa en anpassad tabell i ett kalkylprogram som Excel och kopiera data där.

8 Tolka data för att se hur det svarar din hypotes. Skriv upp dina slutsatser klar prosa som upprepar du frågor och svar den.

Tips

  • Förklara korstabell för läsaren. Ge en övergripande slutsats som kan dras från bordet, och peka ut de mest relevanta procentsatser och summor.
  • Ge noggrann eftertanke att välja beroende och oberoende variabler.
  • Det är viktigt att kunna se båda dessa punkter och procentsatser i kors eftersom var och en på egen hand kan vara missvisande. Om i exemplet ovan du såg att 30 män åt ut tre gånger per vecka och 25 kvinnor gjorde samma sak, kan du dra slutsatsen att män var mer som sannolikt att engagera sig i detta beteende. Men vad händer om, totalt fanns 100 män och 50 kvinnor som arbetar på ditt jobb? Om man tittar på de procentsatser som då du ser att 30 procent av män och 42 procent f kvinnor äter ut tre gånger per vecka. Därför kvinnor är mer benägna att engagera sig i detta beteende än män.

Hur man beräknar Betydelse


Statistisk signifikans är en objektiv indikator på huruvida resultaten av en studie är matematiskt "riktiga" och statistiskt försvarbart, snarare än bara en tillfällighet. Vanligen använda signifikanstest leta efter skillnader i form av datamängder eller skillnader i varians av datamängder. Den typ av test som appliceras beror på den typ av data som håller på att analyseras. Det är upp till forskarna att avgöra hur betydande de kräver att resultatet ska bli - med andra ord, hur mycket risk de är villiga att ta för att ha fel. Typiskt, forskare är villiga att acceptera en risknivå fem procent.

Typ I Fel: Felaktigt förkasta nollhypotesen

Hur man beräknar Betydelse

Hypotesprövning används i medicinsk forskning.

Experiment utförs för att testa specifika hypoteser, eller experimentella frågor med ett förväntat resultat. En nollhypotes är en som detekterar någon skillnad mellan de två uppsättningar data som jämförs. I en medicinsk studie, till exempel, kan nollhypotesen vara att det inte finns någon skillnad i förbättring mellan patienter som får studieläkemedlet och patienter som erhåller placebo. Om forskaren förkastar felaktigt denna nollhypotesen när det i själva verket är sant, med andra ord om de "upptäcker" en skillnad mellan de två uppsättningarna av patienter när det verkligen fanns någon skillnad, då de har begått ett typ I fel. Forskare bestämma i förväg hur mycket risk att begå ett typ I fel de är villiga att acceptera. Denna risk är baserad på en maximal p-värde som de kommer att acceptera innan förkasta nollhypotesen, och kallas alfa.

Typ II Fel: Felaktigt Avvisa den alternativa hypotesen

En alternativ hypotes är en som detekterar en skillnad mellan de två uppsättningar data som jämförs. När det gäller den medicinska prov, skulle du förvänta dig att se olika förbättringar hos patienter som fått studieläkemedlet och patienter som fick placebo. Om forskarna inte förkasta nollhypotesen när de borde, med andra ord om de "upptäcker" ingen skillnad mellan de två uppsättning av patienter när det verkligen fanns en skillnad, då de har begått ett typ II fel.

Fastställandet av betydelse

När forskare utföra ett test av statistisk signifikans och det resulterande p-värdet är mindre än den risknivå som anses godtagbar, då testresultatet anses statistiskt signifikant. I detta fall nollhypotesen - hypotesen att det inte finns någon skillnad mellan de två grupperna - avvisas. Med andra ord, tyder resultaten på att det finns en skillnad i förbättring mellan patienter som får studieläkemedlet och patienter som erhåller placebo.

Att välja en signifikanstest

Det finns flera olika statistiska tester att välja mellan. En standard t-test jämför medel från två datamängder, till exempel våra studiedrogdata och våra placebodata. Ett parat t-test används för att detektera skillnader i samma datauppsättning, såsom en före-och-efter studie. En envägs variansanalys (ANOVA) kan jämföra de medel av tre eller flera datamängder och en två-vägs ANOVA jämför medelvärdena för två eller flera datauppsättningar som svar på två olika oberoende variabler, såsom olika styrkor hos studieläkemedlet. En linjär regressions jämför medelvärdena för de datamängder längs en gradient av behandlingar eller tid. Varje statistiskt test kommer att resultera i åtgärder av betydelse, eller alfa, som kan användas för att tolka testresultaten.

Hur man skapar en sofistikerad Graph


Ingenting gör en matematisk eller vetenskaplig presentation eller rapport ser mer professionell än några väl utformade tabeller och diagram. Även om en sofistikerad diagram kan verka komplexa, är relativt enkelt att göra en, med tanke på de rätta verktygen. Grafer kan göras för att se professionell och beskrivande användning av antingen en 2-D eller en 3-D-format, och de flesta matematiska grafiska program låter dig input enkla till komplexa funktioner (av en eller flera oberoende variabler), vilket ger dig en pre-färgad och pre-zoomas tomt. De flesta kan även sätta en legend på grafen för dig och märka axlarna.

Instruktioner

2-D Graphs

1 Starta datorn grafer program (t.ex. lönn, GCalc eller Matlab). Vänta tills programmet att ladda helt och öppna antingen ett nytt kalkylblad (Maple och Matlab) eller öppna ett nytt två-D plot (GCalc). Du kan behöva läsa in en uppsättning graf plug-ins i samband med Rita funktioner (Maple och Matlab).

2 Definiera en funktion med en beroende variabel och en oberoende variabel. Din funktion kan vara i standard y = mx + b form, eller det kan vara mer komplicerad. Så länge du ihåg din syntax (nära alla öppna parenteser, etc.), ska ansökan acceptera någon funktion av formatet y = f (x).

3 Ange kommandot plot att generera en 2-D diagram över din funktion. Om du använder GCalc, är detta så enkelt som att klicka på "Graph!" knapp. Lönn och Matlab kräver att du skriver in en plot () kommando, inklusive alla de specifika attribut du vill att diagrammet för att ha (typ axlar, domän och räckvidd, färgen på din funktion, etc.).

4 Rotera, luta eller panorera grafen genom att klicka med musen och dra. I GCalc, om du släpper musknappen samtidigt flyttar, kommer grafen att fortsätta att röra sig med den hastighet den släpptes.

3-D Grafer

5 Starta datorn grafer program och vänta på att ladda helt. Du kommer att behöva läsa en plug-in, oavsett vilket program du använder (om du använder en av de tre som nämns i föregående avsnitt).

6 Definiera en multivariat funktion med en beroende variabel och två oberoende variabler. Det vill säga om din funktion är av formen z = f (x, y), sedan se till att värdet av x inte ändras med y och vice versa. Detta är viktigt så att graf motorn kan ge dig ett värde av z för varje kombination av x och y, vilket resulterar i en 3-D yta.

7 Ange tomten kommando 3-D för att generera 3-D diagram över din multivariata funktion. När det gäller de två-D diagram, gör detta enkelt genom att klicka på Gchat "Graph!" knapp. I Maple använder kommandot samma syntax som tomten () funktion, men 3-D diagram kräver plot3d funktionen ().

8 Rotera diagrammet i tre dimensioner genom att klicka och dra muspekaren över diagrammet. I 3-D, kan du faktiskt rotera diagrammet i vilken riktning som helst, även så diagrammet är upp och ned eller bakåt.

Tips

  • Ge 3-D plug-ins en stund att ladda helt. Dessa plug-ins använda mer systemminne, och graf motorn måste konfigurera sin minnesanvändning för att rymma dem.
  • Om den grafiska programmet vägrar dina funktioner, se till att din 2-D-funktionen är en variabel och din 3-D diagram är multivariat.
  • Beroende på den funktion du anger, kan generera en tomt ta lång tid, särskilt för funktioner inklusive trigonometriska eller rekursiva argument.

Hur hittar man effekten av storlek i ANOVA SPSS


Samhällsvetare använder SPSS (Statistical Package för samhällsvetenskap) att analysera data med en ANOVA (variansanalys) för att jämföra effekten av oberoende variabler på beroende variabler. De rapporterar betydelsen, sannolikheten skillnaden beror på slumpen (en betydelse av mindre than.05 innebär att det finns färre än 5 chanser av 100 resultatet beror på slumpen). Samhällsvetare bestämmer också Eta Squared, effekten storlek eller procentandelen av den beroende variabeln förklaras av den oberoende variabeln.

Instruktioner

Access Data

1 Klicka på "File" längst upp på SPSS skärmen för att dra upp data från en befintlig datafil. Välj "Open" från rullgardins dialogrutan.

2 Klicka på "Look in" från katalogen visas. Välj "Data" från "typ av filer."

3 Klicka på namnet på det datum du vill analysera fil; till exempel, "Jury.sav."

ANOVA

4 Klicka på "Statistik" längst upp på SPSS skärmen. Välj sedan "General Linear Model" i dialogrutan och "Simple Fakultet" från rullgardinsmenyn.

5 Markera din beroende variabel (till exempel nivå av skuld) från listan till vänster och tryck på pilen pekar åt höger för att flytta den i boxen märkt "Beroende".

6 Markera dina oberoende variabler (till exempel kön och ras) från listan över variabler till vänster och klicka på pilen pekar åt höger för att flytta var och en av dem i boxen märkt "Faktorer."

7 Klicka på "Definiera Range" och skriv in din minsta värde för den beroende variabeln (t ex 1) och det högsta värdet för variabeln (t ex 12).

effektstorlek

8 Klicka på "Alternativ" från de tre knapparna på botten av dialogrutan som består av "Kontraster", "post hoc" och "Alternativ".

9 Klicka på "Effect Size" på rullgardinsmenyn. Klicka på "Fortsätt."

10 Granska utgången märkt "Tester av Mellan-ämnen Effects." Rutan till vänster listar varje av de oberoende variablerna och samspelet variabel under rubriken "Source".

11 Följ raden bredvid varje variabel till kolumnen "Sig." Den här kolumnen anger signifikansnivå (sannolikheten resultatet beror på slumpen). Ju lägre betydelse, desto mindre sannolikt skillnaderna mellan grupperna beror på slumpen och desto mer sannolikt beror på den oberoende variabeln. Till exempel, en signifikansnivå eller sannolikhet på mindre än 0,01 innebär att det finns en mindre än en möjlighet i 100 att resultaten beror på slumpen.

12 Följ raden bredvid varje variabel till kolumnen "Eta Squared" den viktigaste informationen. Eta kvadrat är ett mått på effektstorleken. Det är den procentuella andelen av den beroende variabeln förklaras av den oberoende variabeln. Ju högre procent (ju närmare 1), desto viktigare är det effekten av den oberoende variabeln. Till exempel, en Eta Squared av 0,65 innebär att 65% av den oberoende variabeln förklaras av den oberoende variabeln.

Tips

  • Spara dina data ofta.
  • Var noga med att använda General Linear Model för din analys.

Faktoranalys är en statistisk metod som används för att identifiera konstruktioner, eller faktorer, som statistiskt förklara mönster av variationer bland flera värden. I korthet innebär faktoranalys genererar ett eller flera obemärkt oberoende variabler som korrelerar med de observerade åtgärderna. Vanligen används i undersökningen forskning och andra applikationer, kan faktoranalys anses vara en datareduktion teknik eftersom det minskar ett stort antal variabler som ofta överlappar varandra till ett mindre antal faktorer. Denna teknik kräver användning av en dator med specialiserad statistikprogram.

Instruktioner

Faktor Extraction och Rotation

1 Bestäm syftet med din faktoranalys innan du kör förfarandet och tolka utgången. Ett vanligt användningsområde faktoranalys är att definiera en uppsättning dimensioner (faktorer) bakom en uppsättning av befintliga åtgärder. Anta till exempel att du vill definiera de bakomliggande faktorerna för en uppsättning av svar på ett frågeformulär som är utformad för att bedöma en persons politiska attityder. Din hypotes kan vara att ett visst antal underliggande faktorer bidrar form attityder om politik och regering.

2 Undersök din faktor utvinning utgång. Faktor extraktion är den första av två etapper i faktoranalys; den andra är faktorn rotation. Extraction hjälper till att identifiera antalet bakomliggande faktorer. Du bestämmer detta genom att undersöka två delar av utskrifterna: de första egenvärden och den rasbranter tomt. Egenvärden mäta mängden av variation i en grupp av åtgärder som förklaras av en viss faktor. En användbar riktlinje är att inkludera alla faktorer med ett egenvärde som är större än ett.

3 Vänd er uppmärksamhet på rasbranter tomten, en grafisk framställning av den relativa storleken av egenvärden. Behålla alla faktorer med egenvärden i kraftigt fallande del av handlingen. Antag för detta exempel, har du tre sådana egenvärden i ytan, och de är var större än ett. Detta innebär att du har tre faktorer.

4 Genomföra en tre-faktor-rotation av de tre faktorer som extraherats. Rotation manipulerar statist de faktorer för att göra dem mer meningsfullt. Din statistisk programvara eller statistik guide kommer att ge steg på hur man genomför en faktor rotation. Köra faktor rotation kommer att producera ytterligare utgång.

Analysera Faktor Struktur

5 Undersök korrelationsmönster i faktorn rotationsmatrisen en del av utskriften. Denna matris kommer att visa korrelationen poäng, eller faktor lastning, mellan varje variabel och den underliggande faktorn. Produkter med höga faktor - mellan mellan 0,300 och 1,00, till exempel (plus eller minus) är relaterade till motsvarande faktor.

6 Identifiera för alla dina tre faktorer de åtgärder som är positivt korrelerade. Du kanske upptäcker att vissa objekt kan uteslutas på grund av låga faktorladdningar över alla faktorer.

7 Baserat på innehållet i de poster med hög faktor, namn eller märka vart och ett av de tre faktorerna.

Tips

  • Mest populära kalkylprogram, såsom Microsoft Excel, inte kan köra en faktoranalys utan extra program som utför en sådan analys. Ett sådant program, XLSTAT gör Excel för att köra faktoranalys och andra avancerade statistiska metoder.

Hur man kör en multivariat regression i Excel


Multivariata regressioner är komplicerade men användbara statistiska tekniker som ofta kräver dyra program för att köra. Dock har Microsoft Excel 2007 ett inbyggt verktyg för att köra en grundläggande regression som returnerar alla relevanta statistiska uppgifter för varje variabel.

Instruktioner

1 Öppna Excel.

2 Installera Data Analysis verktygsenheten. Klicka på Microsoft-knappen i det övre vänstra hörnet. Klicka på "Excel-alternativ" välj "Add-Ins" till vänster, välj "Hantera Tillägg" i nedre rutan och välj "Go". Klicka på "Analysis Tookpack" och välj "OK". Data Analysis pack installeras.

3 Ange dina data i Excel. Varje instans av uppgifter bör vara en rad, och varje kolumn bör vara en annan variabel. Gör din första kolumnen din beroende variabel, och alla andra kolumner din oberoende variabeln.

4 Välj "Data" fliken högst upp och klicka på "Data Analysis" knappen till höger. Välj "Regression" och klicka på "OK".

5 Ange din beroende variabel i "Y" intervall genom att klicka på rutan till höger om fältet och markera kolumnen din beroende variabel. Gör samma sak i "X" -serien för dina oberoende variabler, och markera alla kolumner av dina oberoende variabler.

6 Välj några andra alternativ som du vill, och klicka sedan på "OK".

7 Excel utgång regressionsresultaten.

Excel, kalkylprogram som är en del av Microsofts populära Office programpaket, är en gynnad verktyg för att hantera, analysera och rapportera ekonomiska data. Med sina användarvänliga funktioner, inklusive diagram guiden och dataanalys kapacitet, är Excel ett populärt medium i många Principles of Economics kurser för att införa studenter till grundläggande dataanalys. Många datamängder förekommer i Excel-färdiga format för studenter att få praktisk erfarenhet av att tillämpa ekonomiska teorier och begrepp.

Instruktioner

1 Importera dina ekonomiska data till ett Excel-ark. Om dina uppgifter redan i Excel, behöver du bara öppna filen för att visa data i ett kalkylblad. Ekonomiska data kan också vara i tabellform i ett Word-dokument eller kanske i ett PDF-dokument. I fallet med en Word-tabell, kan du klippa och klistra in data från Word i ett tomt Excel. Om dina data är i ett PDF-dokument, måste du ange dem för hand i ett kalkylblad.

2 Skapa en visuell visning av data med hjälp av diagramguiden Excel. Genom att klicka på "Infoga" -menyn och välja "Chart" kommer att öppna diagramguiden, som ger dig en rad diagram alternativ att välja. Populära diagram i ekonomisk analys inkluderar cirkeldiagram, stapeldiagram, linjediagram och scatterplots. Cirkeldiagram ger ett effektivt sätt att visa budgetuppgifter, medan stapeldiagram är effektiva för att jämföra frekvenser. Ekonomer använder linjediagram för att skildra förändringar över tid i en variabel av intresse, såsom arbetslöshet, bruttonationalprodukt eller aktiekurser. Under tiden tillhandahåller en spridningsdiagram en visuell visning av datapunkter. Ekonomer använder ofta scatterplots som en del av en regressionsanalys (diskuteras i Steg 4).

3 Välj typ av diagram du vill att diagrammet guiden för att skapa. Varje diagram alternativ ger dig ett antal visuella alternativ. Efter att ha valt en, kommer kartguiden ber dig att ange ett intervall av data i kalkylbladet som du vill sammanfattas av diagrammet. Du kan ange ett intervall genom att klicka och dra över cellerna och kolumner med data du vill inkludera. När du är klar klickar du bara på "Finish", då Excel kommer att skapa och visa den färdiga diagrammet.

4 Aktivera Data Analysis funktionen i Excel för att ta din ekonomiska analysen ytterligare. Klicka på menyn "Verktyg" och välj "Add-ins." Excel kommer då att visa en uppsättning av tillgängliga tillägg. Välj "Analysis ToolPak" och klicka på OK, som kommer att lägga alternativet Data Analysis till Verktyg-menyn.

5 Välj ett förfarande analys från de tillgängliga alternativen i alternativet Data Analysis i Verktyg-menyn. Populära statistiska metoder i nationalekonomi inkluderar t-test, variansanalys (ANOVA) och regressionsanalys. Den t-test jämför hjälp av två variabler att bedöma om skillnaderna är statistiskt signifikanta. ANOVA tar detta ett steg längre genom att jämföra medel för mer än två grupper. Ekonomer använder regression för att förutsäga i vilken utsträckning en eller flera oberoende variabler påverkar variationen i ett resultat, eller beroende variabel. Till exempel kan ekonomer använda en regressionsekvation för att uppskatta effekterna av ålder, utbildning, etnicitet, kön, arbetserfarenhet och sektor sysselsättning (offentlig kontra privat) på genomsnittslönen.

Efter att ha valt ett förfarande analys kommer Excel leder dig steg för steg genom att välja olika data för att analysera, liknande diagrammet guiden.

Tips

  • Klick-och-dra-funktionen i Excel för att ange data som ska analyseras kräver att de variabler du vill analysera placeras intill varandra i ditt Excel-ark. Detta kan kräva att du fysiskt klippa och klistra in data från en kolumn till en annan för att placera data för analys.

Statistiska paket för samhällsvetenskap (SPSS) är ett program för att analysera data som samlats in av forskare inom samhällsvetenskaperna. En ANCOVA (kovariansanalys) används för att analysera data där det finns en eller flera oberoende variabler och en beroende variabel när forskaren vill ta bort påverkan av en eller flera prediktorvariabler på den beroende variabeln.

Instruktioner

Access Data

1 Välj "File" längst upp på SPSS skärmen i syfte att dra upp data från en befintlig fil. Klicka på "Öppna" från rullgardinsmenyn.

2 Klicka på "Look in" från katalogen visas. Välj "Data" från "typ av filer."

3 Markera filen med det datum du vill analysera. Till exempel, "Trial.sav."

ANCOVA

4 Klicka på "Analysera" i toppen av SPSS-skärmen. Välj "General Linear Model" i dialogrutan och "Univariat" från rullgardinsmenyn.

5 Rulla ner variabellistan till vänster och markera ditt beroende variabel (till exempel "längd mening"). Klicka på pilen som pekar åt höger för att flytta den i boxen märkt "Beroende".

6 Markera dina oberoende variabler (till exempel "brott" och "våldsnivån") från listan över variabler till vänster och klicka på pilen pekar åt höger för att flytta var och en av dem i boxen märkt "fasta faktorer." Markera din kovariat (till exempel "Age of Deltagare") från listan över variabler till vänster. Klicka på pilen pekar åt höger för att flytta variabeln i boxen märkt "kovariat (s).

7 Klicka på "Post hoc" -knappen till höger i dialogrutan. Välj kategoriska variabler såsom "brott" och "våldsnivån" till exempel, och lägg dem i rutan "Post hoc test." Välj post hoc test du vill använda i listan, till exempel "Bonferroni." Klicka på "Fortsätt" och sedan "OK".

8 Undersök "Tester av Mellan-ämnen effekter" i den utgående lådan. Titta på "Source" kolumn som listar de oberoende variabler och interaktionsvariabel. Läs hela raden bredvid varje variabel tills du kommer till kolumnen "Sig." (Betydelse) som talar om sannolikheten resultaten (skillnaden mellan grupperna) beror på slumpen. Till exempel, en signifikansnivå på mindre än 0,001 betyder att det är mindre än en möjlighet i 1000 att resultaten beror på slumpen.

Tips

  • Spara data ofta
  • Använd General Linear Model för analys

© 2021 Astrixsoft.com | Contact us: webmaster# astrixsoft.com