传媒毕业论文spss

选择什么分析方法，主要依据研究数据的数据类型以及研究目标选择。

可以分为几个步骤：1）确定分析目标、2）判断数据类型、3）选择分析方法。

一、 确定分析目标

确定研究目标，即确定研究的思路，也就是你想研究什么，从哪些题中得到什么结果？

一般在开始分析前都需要先对自己的问卷确定一个大致的研究思路，这也是最重要的部分。

缺少思路，或者不知道从哪里开始入手，可以查看spssau关于问卷思路框架的总结。

参考资料：分析思路总结-SPSSAU

二、 判断数据类型

有了基本框架后，就进入到具体的分析方法选择。

所有数据大致可以分为两种：定量数据和定类数据。

定量数据是年龄、身高这类数字大小有具体意义的。定类数据如性别、职业数字大小没有实际意义。

三、选择分析方法

变量的关系最常见有：相关关系、影响关系、差异关系，及其他关系。

结合数据类型和所要研究的目的，即可选出分析方法，spssau中就有详细的方法选择说明。

参考资料：分析方法选择-SPSSAU

最后就是分析数据，spssau提供标准三线表格式结果和智能文字分析，方便快速解读结果撰写分析报告。

操作设备：戴尔电脑

操作系统：win10

操作软件：SPSS 版

1、首先打开SPSS 版软件，找到要编辑的数据，可以从下图中找到方框。

2、在接下来的过程中需要在上方菜单栏中找到分析菜单，将鼠标移动到一般线性模型，然后选择单个变量，单击鼠标左键选择。

3、可以看到界面中的红色框。在单变量对话框中，将变量分别移动到因变量和协变量。在这里，将高度移动到因变量，将药物移动到协变量。

4、单击右侧菜单中的选项，将鼠标移动到单变量选项，选择参数估计值，并将参数估计值标记为勾号。

5、选择完成后，点击选项中的继续选项，然后可以选择在单变量对话框中点击确定，即可查看编辑后的操作。

6、最后可以看到界面上的方框显示在SPSS查看器中可以看到药物对身高影响的显着性分析，红框内的显着性为0<，为显着。

t检验

适用于计量资料、正态分布、方差具有齐性的两组间小样本比较，检验两个处理平均数的差异是否显著。

spss提供的T检验有3种形式，分别是单样本T检验（One-Sample T Test），独立样本T检验(Independent-Sample T Teat)和成对样本T检验(Paired-Sample T Test）。

1、首先打开SPSS版本软件，找到想要进行编辑处理的数据，如下图所示。

2、找到上方菜单栏中的分析菜单，鼠标移动至一般线性模型，然后选择单变量，点击鼠标左键选择。

3、在单变量对话框中，将变量分别对应移至因变量和协变量，这里将身高移动至因变量，药物移动至协变量。

4、点击右侧菜单的选项，鼠标移动至单变量选项中，选中参数估算值，将参数估算值标记为打勾状态。

5、选中完成后，单击选项中的继续选项，然后在单变量对话框中单击确定，进行编辑之后的查看操作。

6、最后在SPSS的查看器中,可以看到药物对身高影响的显著性分析，红框中显著性为0＜，具有显著性。

首先来回答你的问题：1. 非标准化系数就是回归方程的斜率，表示每个自变量变化1个单位，因变量相应变化多少个单位，该系数与自变量所取的单位有关，一般不用来衡量自变量的影响力大小。2. 标准化系数消除了自变量单位的影响，其大小可以衡量每个自变量对因变量的影响力之大小，一般来说，标准化系数的绝对值越大，该自变量对因变量的影响力就越大。其次，大致给你提出点分析和建议（2-4条的前提是样本量够大）：1. 样本太小，只有5组数据，得到的结果往往不可靠，强烈建议增大样本量，否则统计分析可能毫无意义，甚至造成错误。2. 从自变量t检验结果来看，逗其来石含量地与逗颈部密度地对应的sig值均超过了，用统计专业的话来说，这意味着逗在的显著性水平下，这两个自变量与因变量不显著相关地，通俗的说，在自变量平均孔径存在的前提下，这两个变量基本可以排除出方程了。3. 从偏相关性来看，3个自变量之间有极强的相关性（或共线性），因为强相关的自变量往往会导致不合理的统计分析结果，因此理论上他们不可以一起放入方程。4. 建议你在做多元线性回归分析的时候采用多元逐步回归，这样可以按自变量影响力的大小自动排除强相关的变量，也可以自动排除对因变量无显著影响的自变量，从而得到更可靠的分析结果。