用spss做kmo检验的变量分析框选择的数据 案例

如果Y近似正态,可以用线性回归GLM模型：x*c即为交互效应procglm;classc;modely=xcx*crun;---------------------------------------

2变量分析可以做的有没有相关关系是由数据决定的,不是用统计方法做出来的再问：如果我有很多变量同时分析两两相关关系也是可以的吗？再答：可以的，spss允许的

SPSS里的测量尺度分3种：第一种：定类变量Nominal,举例性别职业等,只能区分类别,不能比较大小,变量值不能进行加减等运算；第二种：定序变量Ordinal,举例满意度、学历等,具有分类和排序功能

根据学者的相关研究,做因子分析样本容量最好不小于100人,题目与被试比例最好是1:5,最起码样本量不可以小于指标数量（以上内容请参考吴明隆统计实务）,否则因子分析难以得到稳定可靠的结果,虽然操作还是可

直接在因素分析里做analyze——Datareduction——Factor并在descreptives里选择KMO就可以了

分析--回归--线性,选好因变量和自变量.统计量--选上“估计”和“置信区间,默认为95%”.分别对应”相关系数及相关系数t检验“和”置信区间95%“.确定即可,结果都在”系数a“表中.再问：您好，图

不太懂你的意思,你描述的步骤没有问题.但按你说的,开始时候不纳入控制变量应该也是有作用的啊,怎么会回归系数不显著呢再问：开始的时候我纳入了控制变量啊，我把所有的变量一起弄进去做线性回归，各变量之间相关

正相关的话,用相关分析就可以.或者就是在回归分析中看那个系数,系数是正的,并且后面的P值是显著的,不仅说明他们是正相关,还可以说明A的变化会给B带来怎么样的变化

有的啊,发过来吧我替别人做这类的数据统计分析蛮多的

仅作主成分分析是不用看KMO值的,提取主成分中解释方差较大的变量,构建新的指标体系,然后在试图用因子分析,另外注意,主成分分析一般不用来赋权!

分析下面描述性统计探索正态分布检测检测某一变量变量为数值型.再问：不行啊，可否+qq详谈，如果你真的熟悉的话....再答：其实我说的应该比较明白你这2变量是标识+频数的不符合正态检验条件再问：那我复制

是的,这是因子分析的前提条件,通不过这两个东西就说明量表不适合做因子分析再问：可是我看了好多论文上面在做因子分析时都没有做相关检验的，还是在核心期刊上，我把那些数据检验一下救过都是显示Thismatr

做个相关或者偏相关分析看看,把那些与其中任何一个变量相关性都很弱的变量剔除出去,再试下

采用方差分析吧,添加一个变量,分别定义三个水平,然后对应各水平的值为另一个列变量,然后采用单因素方差分析

是说这个矩阵不是正定的,我知道你可能还是不明白,我帮你查了很多资料,正定矩阵意思是说数据特征的特征值不是都大于0的,因此我推测你数据中可能存在问题,有负的特征值,怎么改数据,我还不清楚,我还得学习学习

如果不相关,就没有必要用因子分析,因子分析只在高度相关时才能使用.正确的选择方法才是关键.再问：写论文题目早就定下来了，没法改了，而且我找了好几份参考的论文，也都是用因子分析法分析跟我一样的问题的，我

效度分为很多,你说的应该是结构效度因子分析有标准步骤,不是说你这么做因子分析就不好,他那么做因子分析就好需要对哪些变量做因子分析,要根据你的目的来决定kmo是必须要看的我经常帮别人做这类的数据分析

你这个是独立样本T检验,主要看independentsamplestest里面的两个数据,一个是方差齐性检验,就是levene'stestforofvariances中的sig值,若是大于0.05,则

你看下没出来这个结果的英文提示是什么,这个一般是你的数据有问题的

这里有一个简单的例子,检验变量在这里是生存时间,分组变量是生存结局（用1或者0编码,表示生存组或死亡组）.定义组通常用不到,它有时可以帮你更方便的分组用的,比如指定某些点作为截断点.