SodaPDF-splitted-eBook - A Handbook of Statistical Analyses Using SPSS

Isi
Kata
pengantar
Distributor
1 A Singkat pengantar ke SPSS

1.1 pengantar
1.2 Mendapatkan Membantu
1.3 Data Masuk
1.3.1 Itu Data Melihat Spreadsheet
1.3.2 Itu Variabel Melihat Spreadsheet
1.4 Menyimpan dan Mengambil Data File
1.5 Itu Statistik Menu
1.5.1 Data Mengajukan Penanganan
1.5.2 menghasilkan Baru Variabel
1.5.3 Berlari Statistik Prosedur
1.5.4 Membangun Grafis Menampilkan
1.6 Itu Keluaran Penonton
1.7 Itu Bagan Editor
1.8 Pemrograman di SPSS
2 Deskripsi Data dan Inferensi Sederhana untuk Kontinu

Data: Umur Tikus dan Usia Saat Menikah di KITA
2.1 Keterangan dari Data
2.2 Metode dari Analisis.
2.3 Analisis Menggunakan SPSS
2.3.1 rentang hidup dari Tikus
2.3.2 suami dan istri
2.4 Latihan
2.4.1 menebak itu Lebar dari sebuah Kuliah Aula
2.4.2 Lagi pada rentang hidup dari Tikus: Signifikansi tes
untuk Model Asumsi
2.4.3 Motor Kendaraan Pencurian di itu KITA
2.4.4 Anoreksia Nervosa Terapi
2.4.5 Lagi pada suami dan istri: Akurat Nonparametrik tes
© 2004 by Chapman & Hall/CRC Press LLC

3 Sederhana Kesimpulan untuk kategoris Data: Dari
Keyakinan di itu Akhirat ke itu Kematian Penalti
dan Balapan
3.2 Metode dari Analisis
3.3.1 suami dan istri Ditinjau kembali.
3.3.2 rentang hidup dari Tikus Ditinjau kembali
3.3.3 Keyakinan di itu Akhirat
3.3.4 Insidensi dari Kecenderungan bunuh diri perasaan
3.3.5 Lisan kontrasepsi Menggunakan dan Darah gumpalan
3.3.6 Alkohol dan Bayi Cacat
3.3.7 Kematian Penalti Putusan
3.4 Latihan
3.4.1 Depersonalisasi dan Pemulihan dari Depresi
3.4.2 Obat Perlakuan dari Psikiatrik Pasien: Akurat tes untuk
Dua Arah Klasifikasi
3.4.3 tik dan Jenis kelamin
3.4.4 Rambut Warna dan Mata Warna
4 beberapa Linier Regresi: suhu di Amerika dan

Pembersihan mobil
4.2 beberapa Linier Regresi
4.3.1 Pembersihan mobil
4.3.2 suhu di Amerika
4.4 Latihan.
4.4.1 Udara Polusi di itu KITA
4.4.2 Tubuh Gemuk
4.4.3 Lagi pada Pembersihan mobil: mempengaruhi Diagnostik
5 Analisis dari Perbedaan SAYA: Satu arah Desain;

Kesuburan dari Buah Lalat, Jari Penyadapan, dan
Perempuan Sosial Keterampilan.
5.2 Analisis dari Perbedaan.
5.3.1 Kesuburan dari Buah Lalat .
5.3.2 Jari Penyadapan dan Kafein Konsumsi.
5.3.3 Sosial keterampilan dari Wanita
5.4 Latihan.
5.4.1 Kortisol tingkat di Psikotik: Kruskal-Wallis Uji
5.4.2 Bersepeda dan Sendi lutut sudut
5.4.3 Lagi pada Perempuan Sosial Keterampilan: tidak resmi
Penilaian dari MANOVA Asumsi
© 2004 by Chapman & Hall/CRC Press

6 Analisis dari Perbedaan II: Faktorial Desain; Melakukan
Ganja Lambat Anda Turun? dan Mengerjakan Yg
melangsingkan Klinik Kerja?
6.2 Analisis Varians
6.3.1 Efek dari Ganja Menggunakan
6.3.2 Yg melangsingkan Klinik
6.4 Latihan
6.4.1 Sakit kepala Perawatan
6.4.2 Umpan Balik Bio dan Hipertensi
6.4.3 Pembersihan mobil Ditinjau kembali: Analisis dari kovarians
6.4.4 Lagi pada Yg melangsingkan Klinik
7 Analisis Tindakan Berulang I: Analisis Varians Tipe

Model; Ketergantungan Lapangan dan Stroop
Terbalik Tugas
7.2 Ulang Pengukuran Analisis dari Perbedaan
7.4 Latihan
7.4.1 Lagi pada itu Membalik Stroop Tugas
7.4.2 Visual Ketajaman Data.
7.4.3 Darah Glukosa tingkat
8 Analisis dari Ulang Pengukuran II: Linier Campuran

Efek Model; Komputer Pengiriman dari kognitif
Perilaku Terapi
8.2 Linier Campuran Efek model
8.4 Latihan
8.4.1 Salsolinol tingkat dan Alkohol Ketergantungan
8.4.2 estrogen Perlakuan untuk Setelah kelahiran Depresi
8.4.3 Lagi pada "Mengalahkan itu Biru”: memeriksa itu
Model untuk itu Korelasi Struktur
9 Logistik Regresi: Siapa selamat itu Tenggelamnya

dari itu Raksasa?
9.2 Logistik Regresi
9.4 Latihan
9.4.1 Lagi pada itu Raksasa Penyintas Data
9.4.2 GHQ Skor dan Psikiatrik Diagnosa
9.4.3 Kematian Penalti Putusan Ditinjau kembali

10 Bertahan hidup Analisis: seksual Tonggak sejarah
di Perempuan dan Bidang Ketergantungan dari
Anak-anak.
10.2 Bertahan hidup Analisis dan Cox's Regresi
10.3.1 seksual Tonggak pencapaian Waktu
10.3.2 WISC Tugas Penyelesaian Waktu
10.4 Latihan
10.4.1 lambung Kanker
10.4.2 Heroin pecandu
10.4.3 Lagi pada seksual Tonggak sejarah dari Wanita
11 Analisis Komponen Utama dan Analisis Faktor:

Kejahatan di AS dan Evaluasi Pasien AIDS dari
Milik mereka Klinisi
11.2 Kepala sekolah Komponen dan Faktor Analisis
11.2.1 Kepala sekolah Komponen Analisis
11.2.2 Faktor Analisis
11.2.3 Faktor Analisis dan Kepala sekolah Komponen Dibandingkan
11.3.1 Kejahatan di itu KITA
11.3.2 AIDS Evaluasi Pasien dari Dokter mereka
11.4 Latihan
11.4.1 Udara Polusi di itu KITA
11.4.2 Lagi pada AIDS pasien Evaluasi dari Milik mereka
Dokter: Maksimum Kemungkinan Faktor Analisis
12 Klasifikasi: Gugus Analisis dan diskriminatif

Fungsi Analisis; orang tibet Tengkorak
12.2 Klasifikasi: Diskriminasi dan Kekelompokan
12.3.1 orang tibet Tengkorak: Berasal sebuah klasifikasi Aturan .
12.3.2 orang tibet Tengkorak: Mengungkap Grup.
12.4 Latihan
12.4.1 Tiba-tiba Bayi Kematian Sindroma (SIDS)
12.4.2 Nutrisi di Makanan Data
12.4.3 Lagi pada orang tibet Tengkorak
Referensi

Bab 1
A Singkat
pengantar ke SPSS
1.1 pengantar
“Paket Statistik untuk Ilmu Sosial” (SPSS) adalah paket dari program
untuk memanipulasi, menganalisa, dan menyajikan data; itu kemasan
adalah secara luas digunakan di itu sosial dan perilaku ilmu
pengetahuan. Di sana adalah beberapa bentuk-bentuk SPSS. Program inti
disebut SPSS Base dan ada a nomor dari tambahan modul itu
memperpanjang itu jangkauan dari data masuk, statistik, atau pelaporan
kemampuan. Di kita pengalaman, itu paling penting dari ini untuk
analisis statistik adalah SPSS Advanced Models dan SPSS Regression
Modul tambahan model . SPSS Inc. juga mendistribusikan program yang
berdiri sendiri itu kerja dengan SPSS.
Di sana adalah versi dari SPSS untuk jendela (98, 2000, SAYA, NT,
XP), besar Platform UNIX (Solaris, Linux, AIX), dan Macintosh. Dalam
buku ini, kami jelaskan yang paling populer, SPSS untuk Windows,
meskipun sebagian besar fiturnya adalah bersama oleh itu lainnya versi. Itu
analisis dilaporkan di ini buku adalah berdasarkan pada SPSS versi 11.0.1
berjalan di bawah Windows 2000. Pada saat ini buku diterbitkan, hampir
pasti akan ada versi SPSS yang lebih baru tersedia, tetapi kami adalah
percaya diri itu itu SPSS instruksi diberikan di setiap dari itu bab akan
tetap sesuai untuk itu analisis dijelaskan.
Saat menulis buku ini kami telah menggunakan SPSS Base, Advanced
Models, Model Regresi, dan modul tambahan SPSS Exact Tests . faedah
lainnya- modul tambahan yang dapat digunakan ( Tabel SPSS , Kategori
SPSS , Tren SPSS , SPSS Hilang Nilai Analisis ) adalah bukan digunakan.

1. SPSS Base (Manual: SPSS Base 11.0 untuk Panduan Pengguna
Windows ) : Ini menyediakan metode untuk deskripsi data, inferensi
sederhana untuk data tinuous dan kategoris dan regresi linier dan,
oleh karena itu, cukup untuk melakukan analisis pada Bab 2, 3, dan
4. Ini juga menyediakan teknik untuk analisis data multivariat,
khususnya untuk analisis faktor, analisis klaster, dan analisis
diskriminan (lihat bab 11 dan 12).
2. Modul Advanced Models (Manual: SPSS 11.0 Advanced Models ):
Ini termasuk metode untuk memasang model linier umum dan
model linier Campuran model dan untuk menilai bertahan hidup
data, dan adalah diperlukan ke membawa keluar itu analisis di
bab 5 melalui 8 dan di Bab 10.
3. Modul Regression Models (Manual: SPSS 11.0 Regression Models ):
Ini adalah berlaku Kapan pas nonlinier regresi model. Kami
memiliki digunakan dia ke membawa keluar sebuah logistik regresi
analisis (Lihat Bab 9).
( Modul Exact Tests juga telah digunakan pada kesempatan, khususnya di

itu Latihan untuk bab 2 dan 3, ke menghasilkan akurat nilai-p.)
Itu SPSS 11.0 Sintaksis Referensi Memandu (SPSS, Inc., 2001c) adalah
sebuah referensi untuk sintaks perintah untuk sistem SPSS Base dan
Regression model dan Canggih model pilihan.
Situs web SPSS ( http://www.spss.com/ ) menyediakan informasi
tentang : modul tambahan dan paket yang berdiri sendiri yang bekerja
dengan SPSS, acara, dan kelompok pengguna SPSS. Ini juga memasok
laporan teknis dan memelihara a sering diminta pertanyaan (FAQ)
daftar.
SPSS untuk Windows menawarkan fasilitas spreadsheet untuk
memasukkan dan menelusuri ing file data kerja — Editor Data . Keluaran
dari proses statistik- dures ditampilkan di jendela terpisah — Output Viewer .
Dibutuhkan membentuk dari meja dan grafis itu bisa menjadi
dimanipulasi secara interaktif dan bisa menjadi disalin secara langsung ke
dalam lainnya aplikasi.
Ini adalah antarmuka pengguna grafis (GUI) yang membuat SPSS
begitu mudah dengan cukup memilih prosedur dari banyak menu yang
tersedia. Ini adalah GUI-nya itu adalah digunakan di ini buku ke
membawa keluar semua itu statistik analisis disajikan. Kami juga
menunjukkan bagaimana ke menghasilkan memerintah sintaksis untuk
catatan penyimpanan.
Kami menganggap itu itu pembaca adalah sudah akrab dengan itu
jendela GUI dan kami melakukan bukan membelanjakan banyak waktu
berdiskusi itu data manipulasi dan hasil presentasi fasilitas dari SPSS
untuk jendela. Ini fitur adalah dijelaskan di detail di itu Basis milik
pengguna Memandu (SPSS, Inc., 2001d). Lebih tepatnya kami fokus

pada itu statistik fitur dari SPSS — menunjukkan bagaimana dia bisa
menjadi digunakan ke membawa keluar statistik analisis dari sebuah
variasi dari data set dan pada bagaimana ke menafsirkan itu menghasilkan
keluaran. Ke bantuan di bacaan ini teks, kita punya mengadopsi font
Helvetica Narrow untuk menunjukkan nama kolom spreadsheet, Tidak bisa
perintah, dan teks di dialog kotak sebagai terlihat pada itu SPSS GUI.

1.2 Mendapatkan Membantu
Bantuan online disediakan dari menu Bantuan atau melalui menu konteks
atau Bantuan tombol pada kotak dialog. Kami akan menyebutkan fitur
terakhir ketika berdiskusi itu dialog kotak dan keluaran tabel. Di Sini,
kami konsentrat pada fasilitas bantuan umum. Menu yang dibutuhkan
tersedia dari mana saja jendela dan menyediakan tiga besar Tolong
fasilitas:
Bantuan —Pelatih Statistik membantu pengguna yang tidak terbiasa dengan

SPSS atau statistik prosedur yang tersedia di SPSS untuk memulai.
Fasilitas ini meminta itu pengguna dengan sederhana
pertanyaan di nonteknis bahasa tentang tujuan analisis statistik
dan memberikan contoh visual dari dasar statistik dan memetakan
fitur di SPSS. Itu fasilitas meliputi hanya sebuah terpilih
himpunan bagian dari Prosedur.
Bantuan —Tutorial menyediakan akses ke tutorial pengantar SPSS,
termasuk ing gambaran yang komprehensif tentang dasar-dasar
SPSS. Ini dirancang untuk menyediakan sebuah selangkah demi
selangkah memandu untuk membawa keluar sebuah statistik
analisis di SPSS. Semua file yang ditunjukkan dalam contoh
diinstal dengan tutorial jadi itu pengguna bisa ulang itu analisis
Langkah.
Bantuan — Topik terbuka itu Membantu Topik: SPSS untuk jendela kotak, yang
pro- vides akses ke Contents , Index , dan Find tabs. Di bawah Isi tab,
item yang diklik dua kali dengan simbol buku akan meluas atau
melewatkan kontennya (tombol Buka dan Tutup melakukan hal
yang sama). Itu Indeks tab menyediakan sebuah alfabetis daftar
dari topik. Sekali sebuah tema dipilih (dengan mengklik dua kali),
atau beberapa huruf pertama dari kata diketik, tombol Tampilan
memberikan deskripsi. Temukan _ tab memungkinkan untuk
mencari itu Tolong file untuk spesifik kata-kata dan frase.
1.3 Data Masuk

Ketika SPSS 11.0 untuk Windows pertama kali dibuka, kotak dialog
default muncul yang memberi pengguna sejumlah opsi. Tutorialnya bisa
_ diakses pada tahap ini. Kemungkinan besar pengguna ingin
memasukkan data atau membuka file data yang ada; kami
mendemonstrasikan yang pertama ( Tampilan 1.1 ). Lebih jauh pilihan
akan dibahas nanti dalam bab ini. Kotak dialog ini bisa menjadi dicegah
agar tidak dibuka di masa mendatang dengan mencentang opsi ini di
dasar dari itu kotak.
Ketika Ketik data dipilih, Editor Data SPSS muncul sebagai kosong lembar

kerja. Di bagian atas layar adalah bilah menu dan di bagian bawah a
status batang. Itu status batang menginformasikan itu pengguna tentang
fasilitas saat ini aktif; pada itu awal dari sebuah sidang dia secara
sederhana membaca, “SPSS Prosesor adalah siap."

Menampilkan 1.1 Awal SPSS untuk jendela dialog kotak.
Fasilitas yang disediakan oleh menu-menu tersebut akan dijelaskan

kemudian pada bab ini. SPSS juga menyediakan sebuah bilah alat untuk
cepat dan mudah mengakses ke umum tugas. A singkat keterangan dari
setiap alat bisa menjadi diperoleh oleh penempatan itu kursor lebih itu
alat simbol dan itu menampilkan toolbar dapat dikontrol menggunakan
perintah Bilah Alat… dari menu tarik-turun Lihat (untuk selengkapnya
rincian, Lihat itu Basis milik pengguna Panduan , SPSS Inc., 2001d).
1.3.1 Itu Data Melihat Spreadsheet

Editor Data terdiri dari dua jendela. Secara default Tampilan Data, yang
memungkinkan data untuk dimasukkan dan dilihat, ditampilkan (
Tampilan 1.2 ). Itu lainnya jendela adalah itu Variabel Melihat, yang
memungkinkan itu jenis dari variabel ke ditentukan dan dilihat. Pengguna
dapat beralih di antara jendela dengan mengklik pada itu sesuai tab
pada itu dasar kiri dari itu layar.
Nilai data dapat dimasukkan dalam lembar bentang tampilan data .
Untuk kebanyakan analisis SPSS mengasumsikan bahwa baris mewakili
kasus dan variabel kolom. Misalnya, di Tampilan 1.2 beberapa dari lima
nilai variabel yang tersedia memiliki telah dimasukkan untuk dua puluh
mata pelajaran. Secara default SPSS menyelaraskan data numerik entri
ke sisi kanan sel dan entri teks (string) ke tangan kiri samping. Di Sini
variabel seks , usia , ekstrover, dan mobil mengambil numerik

Menampilkan 1.2 Data Melihat jendela dari itu Data Editor.
nilai-nilai ketika itu variabel mengambil _ rangkaian nilai-nilai. Oleh

bawaan SPSS menggunakan titik/titik penuh untuk menunjukkan nilai
numerik yang hilang. variabel string sel dibiarkan kosong. Di sini,
misalnya, data untuk variabel extrover , car, dan make belum diketik
untuk 20 mata pelajaran jadi itu masing-masing nilai-nilai muncul
sebagai hilang.
Tampilan spreadsheet Data View dikendalikan oleh View menu drop
down. Ini dapat digunakan untuk mengubah font di sel, hapus garis, dan
membuat nilai label bisa dilihat. Kapan label memiliki pernah ditugaskan
ke kode kategori dari variabel kategori, ini dapat ditampilkan oleh
memeriksa Label Nilai (atau dengan memilih pada bilah alat). Sekali
kategori label terlihat, menyorot sel menghasilkan tombol dengan tombol ke
bawah anak panah pada itu tangan kanan samping dari itu sel. Mengklik
pada ini anak panah menghasilkan daftar drop-down dengan semua label
kategori yang tersedia untuk variabel. Mengklik salah satu label ini
menghasilkan kategori dan label masing-masing makhluk dimasukkan di
itu sel. Ini fitur adalah berguna untuk mengedit itu data.
1.3.2 Itu Variabel Melihat Spreadsheet

Tampilan Variabel berfungsi untuk mendefinisikan variabel ( Tampilan 1.3 ).
Setiap definisi variabel menempati satu baris dari spreadsheet ini.
Sesegera data dimasukkan di bawah kolom di Tampilan Data , nama default
dari kolom menempati sebuah baris di itu Variabel Lihat .
Menampilkan 1.3 Variabel Melihat jendela dari itu Data Editor.
Di sana adalah 10 karakteristik ke menjadi ditentukan di bawah itu

kolom dari itu
Variabel Melihat (Menampilkan 1.3):
1. Nama — itu terpilih variabel nama. Ini bisa menjadi ke atas ke

delapan karakter alfanumerik tetapi harus dimulai dengan huruf.
Selagi garis bawah (_) diperbolehkan, tanda hubung (-), ampersand
(&), dan spasi tidak bisa menjadi digunakan. Variabel nama adalah
bukan kasus peka.
2. Tipe — tipe data. SPSS menyediakan tipe variabel default sekali
variabel nilai-nilai memiliki pernah masuk di sebuah kolom dari
itu Data Lihat . Jenis dapat diubah dengan menyorot entri masing-
masing di kolom kedua dari VariableView dan mengklik tiga periode
simbol (…) muncul di sisi kanan sel. Hasil ini di kotak Tipe Variabel
sedang dibuka, yang menawarkan sejumlah jenis data termasuk
berbagai format untuk data numerik, tanggal, atau mata uang.
(Perhatikan bahwa kesalahan umum yang dilakukan oleh pengguna
pertama kali adalah ke memasuki kategoris variabel sebagai Tipe
"rangkaian" oleh mengetik teks ke dalam tampilan Data . Untuk
mengaktifkan analisis selanjutnya, kategori harus diberikan buatan
nomor kode dan ditentukan ke menjadi dari Tipe "numerik.")
3. Lebar — lebar entri data aktual. Lebar default entri variabel numerik
adalah delapan. Lebarnya bisa ditambah atau menurun oleh
menyoroti itu masing-masing sel di itu ketiga kolom dan

mempekerjakan itu ke atas atau ke bawah panah muncul pada itu

Menampilkan 1.4 Mendeklarasikan kategori kode label.
tangan kanan samping dari itu sel atau oleh secara sederhana
mengetik sebuah baru nomor di itu sel.
4. desimal — itu nomor dari angka ke itu Baik dari itu desimal
tempat ditampilkan untuk entri data. Ini tidak relevan untuk data
string dan untuk seperti variabel itu masuk di bawah itu keempat
kolom adalah diberikan sebagai sebuah memudar nol. Itu nilai
bisa menjadi diubah di itu sama jalan sebagai itu nilai dari lebar
.
5. Label — label yang dilampirkan ke nama variabel. Berbeda dengan
variabel nama, ini adalah bukan terbatas ke delapan karakter dan
spasi dapat digunakan. Biasanya merupakan ide yang baik untuk
menetapkan label variabel. Mereka sangat membantu untuk
mengingatkan pengguna tentang arti variabel (penempatan itu kursor
lebih itu variabel nama di Tampilan Data akan membuat label
variabel muncul) dan dapat ditampilkan di output dari statistik
analisis.
6. Nilai — label yang dilampirkan ke kode kategori. Untuk variabel
kategori , kode bilangan bulat harus ditetapkan untuk setiap
kategori dan variabel ditentukan ke menjadi dari Tipe “numerik.”
Kapan ini memiliki pernah selesai, mengklik sel masing-masing di
bawah kolom keenam Variabel Lihat membuat simbol tiga periode
muncul, dan klik ini membuka kotak dialog Label Nilai , yang pada
gilirannya memungkinkan penetapan- ment label ke kode kategori.
Misalnya, kumpulan data kami termasuk jenis kelamin variabel
kategoris menunjukkan jenis kelamin subjek. Mengklik simbol
tiga periode membuka kotak dialog yang ditampilkan di
Menampilkan 1.4 di mana numerik kode “0” dulu dideklarasikan
ke mewakili perempuan dan kode “1” laki-laki.
7. Hilang — hilang nilai kode. SPSS mengakui itu Titik simbol
sebagai menunjukkan sebuah hilang nilai. Jika lainnya kode
memiliki pernah digunakan (misalnya, 99, 999) ini harus

dideklarasikan untuk mewakili nilai yang hilang dengan menyoroti
itu masing-masing sel di itu ketujuh kolom, mengklik itu

simbol tiga periode dan mengisi angka Nilai Hilang yang dihasilkan log
kotak demikian.
8. Kolom — lebar kolom variabel di DataView . Standarnya lebar sel
untuk variabel numerik adalah delapan. Perhatikan bahwa ketika
Lebar nilainya lebih besar dari nilai Kolom , hanya sebagian dari
entri data mungkin menjadi terlihat di itu Data Lihat . Itu sel lebar
bisa menjadi berubah di dengan cara yang sama seperti lebar entri
data atau cukup dengan menyeret batas kolom yang relevan.
(Tempatkan kursor pada batas kanan- ary dari judul kolom yang
akan diubah ukurannya. Saat kursor berubah ke dalam sebuah
vertikal garis dengan sebuah Baik dan kiri anak panah, menyeret
itu kursor ke itu Baik atau kiri ke meningkat atau mengurangi itu
kolom lebar.)
9. Align — penyelarasan entri variabel. Default SPSS adalah untuk
menyelaraskan numerik variabel ke itu tangan kanan samping dari
sebuah sel dan rangkaian variabel ke kiri. Biasanya membantu untuk
mematuhi default ini; tetapi jika diperlukan, penyelarasan bisa
menjadi berubah oleh menyoroti itu sel yang relevan di kolom
kesembilan dan memilih opsi dari tarik-turun daftar.
10. Ukur — skala pengukuran variabel. Default dipilih oleh SPSS
bergantung pada itu data Tipe. Untuk contoh, untuk variabel dari
ketik "numerik", skala pengukuran default adalah kontinu atau skala
interval (disebut oleh SPSS sebagai "skala"). Untuk variabel tipe
"rangkaian," itu bawaan adalah sebuah nominal skala. Itu ketiga
pilihan, "urut," adalah untuk kategoris variabel dengan dipesan
kategori tetapi adalah bukan digunakan secara default. Ini adalah
praktik yang baik untuk menetapkan setiap variabel yang tertinggi
skala pengukuran yang sesuai (“skala” > “ordinal” > “nominal”)
sejak ini memiliki implikasi untuk itu statistik metode itu adalah
berlaku. Pengaturan default dapat diubah dengan menyorot sel
masing-masing di kolom kesepuluh dan memilih yang sesuai pilihan
dari itu tarik-turun daftar.
Ringkasan karakteristik variabel dapat diperoleh dari Utilitas menu drop

down. Perintah Variabel… membuka kotak dialog di mana informasi dapat
diminta untuk variabel yang dipilih, saat memilih File Info dari menu tarik-
turun menghasilkan informasi ini untuk setiap variabel di itu Data Melihat.
1.4 Menyimpan dan Mengambil Data File

Menyimpan dan mengambil data file adalah telah membawa keluar melalui
itu tarik-turun Tidak bisa tersedia setelah memilih Mengajukan pada itu
Tidak bisa batang ( Tampilan 1,5 ).

Menampilkan 1.5 Mengajukan tarik-turun Tidak bisa.
A data file ditampilkan di itu Data Editor bisa menjadi diselamatkan oleh
menggunakan itu perintah Simpan atau Simpan Sebagai… . Dalam mode
Windows biasa, Simpan (atau dari toolbar) akan menyimpan itu data file
di bawah -nya saat ini nama, menimpa sebuah ada file atau dorongan untuk
sebuah nama sebaliknya. Oleh kontras, Menyimpan Sebagai selalu membuka
dialog Simpan Data Sebagai tempat direktori, nama file, dan ketik harus
ditentukan. SPSS mendukung sejumlah format data. data SPSS file adalah
diberikan itu perpanjangan *.sav. Lainnya format, seperti sebagai ASCII
teks (*.dat), Unggul (*.xls), atau dBASE (*.dbf), adalah juga tersedia.
Ke membuka ada SPSS data file kami menggunakan itu perintah
Mengajukan – Membuka – Data… dari bilah menu (atau dari bilah alat).
Ini membuka File Terbuka dialog kotak dari yang itu sesuai file bisa
menjadi terpilih di itu biasa cara ( Tampilan 1.6 ). File yang baru-baru ini
digunakan juga dapat diakses dengan menempatkan kursor ke atas Data yang
Baru Digunakan di Menu tarik-turun file dan double- mengklik file yang
diperlukan. Selain itu, file dapat dibuka saat pertama kali memulai SPSS
dengan mencentang Buka sumber data yang ada pada dialog awal kotak (Lihat
Menampilkan 1.1 ).
SPSS dapat mengimpor file data selain format SPSS. Sebuah daftar data
format adalah asalkan oleh memilih panah bawah di sebelah Jenis file bidang
(Tampilan 1.6). Ada beberapa format termasuk spreadsheet (misalnya,
Unggul, *.xls), basis data (misalnya, dBase, *.dbf), dan ACSII teks
(misalnya, *.txt,

Menampilkan 1.6 Pembukaan sebuah ada SPSS data file.
*.dat). Memilih ekstensi file tertentu akan menyebabkan kotak dialog untuk
muncul yang meminta informasi yang relevan dengan format. Di sini kita
sebentar Bahas pengimporan Unggul file dan ASCII teks file.
Memilih ke impor sebuah Unggul lembar kerja di itu Membuka
Mengajukan kotak akan membawa ke atas itu Membuka kotak Opsi File. Jika
itu lembar kerja berisi sebuah baris dengan variabel nama, Membaca Variabel
Nama-nama memiliki ke menjadi diperiksa di ini kotak di memesan itu itu
pertama baris dari itu lembar kerja adalah Baca ke dalam variabel nama. Di
tambahan, jika di sana adalah awal kosong baris atau kolom di itu lembar
kerja, SPSS kebutuhan ke menjadi diberitahukan tentang dia oleh
menentukan itu sel ke menjadi Baca di itu Jangkauan lapangan dari itu
Pembukaan Mengajukan Pilihan kotak (menggunakan itu standar lembar kerja
format, misalnya, B4:H10 untuk itu sel di itu empat persegi panjang
dengan sudut B4 dan H10 inklusif). Memilih ke membuka sebuah ASCII
teks file di itu Buka dialog File kotak (atau memilih Membaca Teks Data dari
itu tarik-turun file secara langsung, Lihat Menampilkan 1.5 ) penyebab itu
Teks Impor Penyihir ke Mulailah. Itu awal dialog kotak adalah
ditampilkan di Menampilkan 1.7 . Itu Penyihir hasil di enam Langkah
meminta pertanyaan terkait ke itu impor format (misalnya, bagaimana itu
variabel adalah diatur, apakah variabel nama adalah termasuk di itu teks
berkas), ketika pada itu sama waktu membuat saran dan menampilkan
bagaimana itu teks file akan menjadi berubah ke dalam sebuah SPSS
lembar kerja. Itu Teks Impor Penyihir adalah sebuah nyaman dan diri
sendiri-
penjelasan ASCII teks impor alat.
(Memilih Baru dari itu Mengajukan tarik-turun Tidak bisa akan bersih itu
Data Editor
lembar kerja untuk masuk dari baru data.)

Menampilkan 1.7 Teks Impor Penyihir dialog kotak.
1.5 Itu Statistik Menu

Menu drop-down tersedia setelah memilih Data , Transform , Analyze , atau
Grafik dari bilah menu menyediakan prosedur yang berkaitan dengan
perbedaan aspek dari sebuah statistik analisis. Mereka mengizinkan
manipulasi dari itu format dari spreadsheet data yang akan digunakan
untuk analisis ( Data ), generasi baru variabel ( Transform ), menjalankan
prosedur statistik ( Analisis ), dan con- konstruksi dari grafis menampilkan
( Grafik ).
Sebagian besar pilihan menu statistik membuka kotak dialog; contoh
tipikal ditunjukkan pada Tampilan 1.8 . Kotak dialog digunakan untuk
memilih variabel dan pilihan untuk analisis. Dialog utama untuk
prosedur statistik memiliki beberapa komponen:
■ A sumber variabel daftar adalah sebuah daftar dari variabel dari itu
Data Melihat
lembar kerja itu bisa menjadi digunakan di itu diminta analisis.
Hanya

variabel jenis itu adalah diizinkan oleh itu prosedur adalah
ditampilkan di itu sumber daftar. Variabel dari Tipe "rangkaian"
adalah sering bukan diizinkan. A

Menampilkan 1.8 Khas dialog kotak.
ikon tanda di sebelah nama variabel menunjukkan jenis variabel. A

hash tanda (#) adalah digunakan untuk numerik variabel dan "A"
menunjukkan itu itu variabel adalah sebuah rangkaian variabel.
■ Target variabel daftar adalah daftar menunjukkan itu
variabel ke menjadi termasuk di itu analisis (misalnya, daftar
dari bergantung dan mandiri
variabel).
■ Tombol perintah adalah tombol yang dapat ditekan untuk
menginstruksikan program untuk melakukan suatu tindakan.
Misalnya, jalankan prosedur (klik Oke ), mengatur ulang semua
spesifikasi ke itu bawaan pengaturan (klik Setel ulang ),
tampilkan bantuan peka konteks (klik Bantuan ), atau buka sub-
dialog kotak untuk menentukan tambahan prosedur pilihan.
Informasi tentang variabel ditampilkan di sebuah dialog kotak bisa

menjadi diperoleh dengan hanya menyorot variabel dengan mengklik kiri
dan kemudian mengklik kanan dan memilih Variabel Informasi di itu
muncul konteks Tidak bisa. Ini hasil di sebuah menampilkan dari itu
variabel label, nama, pengukuran skala, dan nilai label jika berlaku (
Tampilan 1.8 ).
Dia adalah juga bisa jadi ke klik kanan pada setiap dari itu kontrol
atau variabel di sebuah dialog kotak ke memperoleh sebuah pendek
keterangan. Untuk kontrol, sebuah keterangan disediakan secara otomatis
setelah mengklik kanan. Untuk variabel, Apa ini? harus menjadi terpilih dari
itu muncul konteks Tidak bisa.
SPSS menyediakan pilihan antara menampilkan nama variabel atau
variabel label di itu dialog kotak. Ketika variabel label bisa menyediakan
lagi tepat deskripsi dari itu variabel, mereka adalah sering bukan
sepenuhnya ditampilkan

Menampilkan 1.9 Data tarik-turun Tidak bisa.
dalam kotak karena panjangnya (posisikan kursor di atas label variabel akan
menampilkan seluruh teks). Oleh karena itu, kami lebih suka menampilkan
nama variabel dan memiliki dipatuhi ke ini pengaturan di semua itu
dialog kotak ditampilkan nanti di ini buku. Menampilkan adalah
dikendalikan melalui itu Pilihan dialog kotak dibuka oleh menggunakan
itu perintah, Sunting – Opsi… dari itu bilah menu . Ke menampilkan variabel
nama, memeriksa Menampilkan nama di bawah Variabel Daftar pada itu Umum
tab.
1.5.1 Data Mengajukan Penanganan

File data seperti yang ditampilkan pada Spreadsheet Tampilan Data adalah
bukan selalu diatur dalam format yang sesuai untuk penggunaan tertentu.
Data jatuh- _ turun Tidak bisa menyediakan Prosedur untuk reorganisasi
itu struktur dari sebuah data file ( Tampilan 1.9 ).
Empat opsi perintah pertama dari menu tarik-turun Data adalah
berkaitan dengan pengeditan atau pemindahan dalam spreadsheet Tampilan
Data . Tanggal format bisa menjadi ditentukan atau variabel atau kasus
dimasukkan.
Serangkaian prosedur berikut memungkinkan format file data
menjadi: berubah:
■ Sortir Kasus… membuka kotak dialog yang memungkinkan

penyortiran kasus (baris) dalam spreadsheet sesuai dengan nilai
satu atau lebih variabel. kasus bisa menjadi diatur di naik atau
menurun memesan.
Kapan beberapa penyortiran variabel adalah dipekerjakan, kasus
akan menjadi diurutkan oleh setiap variabel dalam kategori variabel
sebelumnya pada Sort dengan daftar. Penyortiran bisa menjadi
berguna untuk menghasilkan grafis (lihat sebuah contoh dari ini di
Bab 10).

■ Mengubah urutan… terbuka sebuah dialog untuk bertukar itu baris
dan kolom dari lembar data. Daftar Variabel berisi kolom untuk
menjadi dialihkan ke dalam baris dan sebuah PENGENAL
variabel bisa menjadi disediakan sebagai
Variabel Nama untuk memberi nama kolom yang baru
ditransposisikan lembar kerja. Perintah dapat berguna ketika
prosedur tidak mally digunakan pada itu kolom dari itu lembar
kerja adalah ke menjadi terapan ke baris, misalnya, untuk
menghasilkan ukuran ringkasan kasus- bijak ulang Pengukuran.
■ Restruktur… memanggil Restrukturisasi Data Wizard , serangkaian
dialog log kotak untuk mengkonversi data spreadsheet di antara Apa
adalah
diketahui sebagai "panjang" dan "lebar" format. Ini format adalah
relevan dalam analisis tindakan berulang dan kami akan membahas
format dan itu menggunakan dari itu Penyihir di Bab 8.
■ Menggabungkan file memungkinkan Tambah Kasus… atau Tambah
Variabel… ke yang sudah ada data file. A dialog kotak muncul itu
memungkinkan pembukaan sebuah kedua
berkas data. File ini dapat berisi variabel yang sama tetapi berbeda
kasus (ke Menambahkan kasus) atau berbeda variabel tetapi itu
sama kasus (ke menambahkan variabel). Persyaratan khusus dari
prosedur ini adalah: dijelaskan di detail di itu Basis milik pengguna
Memandu (SPSS Inc., 2001d). Itu perintah berguna pada tahap
konstruksi basis data suatu proyek dan menawarkan luas pilihan
untuk menggabungkan data file.
■ Agregat… menggabungkan kelompok baris (kasus) menjadi ringkasan
tunggal baris dan menciptakan sebuah baru agregat data file. Itu
pengelompokan variabel
adalah disediakan di bawah itu Break Variable list dari itu Data Agregat
dialog kotak dan itu variabel ke menjadi agregat di bawah itu
Agregat Daftar variabel . Kotak sub-dialog Fungsi … memungkinkan
untuk fungsi gation dari setiap variabel yang akan dipilih dari
sejumlah kemungkinan (rata-rata, median, nilai kasus pertama,
jumlah kasus, dll.). Perintah ini berguna ketika data bersifat hierarkis
struktur, misalnya, pasien dalam bangsal dalam rumah sakit. Itu data
file mungkin menjadi agregat Kapan itu analisis dari karakteristik
dari lebih tinggi tingkat unit (misalnya, bangsal, rumah sakit)
adalah dari minat.
Akhirnya, File Split… , Select Cases…, dan Weight Cases… prosedur

mengizinkan menggunakan itu data file di sebuah tertentu format tanpa
berubah -nya tampilan di spreadsheet Tampilan Data . Perintah ini sering
digunakan dalam analisis data praktis dan kami memberikan beberapa
contoh nanti bab. Di Sini kami akan menggambarkan Pilih Kasus… dan
Membelah File… perintah. Itu Bobot kasus… memerintah (atau dari itu

bilah alat) adalah khas digunakan sehubungan dengan data kategorikal —
secara internal mereplikasi baris sesuai ing ke itu nilai-nilai dari sebuah
Frekuensi Variabel . Dia adalah berguna Kapan data adalah asalkan di itu
membentuk dari sebuah tabulasi silang; Lihat Bab 3 untuk rincian.

Menampilkan 1.10 Memilih kelompok dari kasus untuk nanti analisis.
Perintah Split File … membagi baris menjadi beberapa grup dengan efek
itu setelah analisis akan menjadi telah membawa keluar untuk setiap
kelompok secara terpisah. Menggunakan perintah ini dari menu tarik-turun
(atau memilih dari toolbar) menghasilkan kotak dialog yang
ditunjukkan pada Tampilan 1.10 . Secara default Analisis semua kasus, jangan
buat grup dicentang. Pengelompokan baris dapat berupa diperkenalkan oleh
memeriksa antara Bandingkan grup atau Atur keluaran berdasarkan grup
(Menampilkan 1.10). Itu variabel (atau variabel) itu menentukan itu
kelompok adalah ditentukan di bawah Grup Berdasarkan daftar. Misalnya, di
sini kami meminta semua analisis data yang ditampilkan pada Tampilan 1.2
akan dilakukan dalam kelompok gender mata pelajaran. Baris dari
spreadsheet Data View perlu diurutkan berdasarkan nilai variabel
pengelompokan untuk rutinitas File Split bekerja. Oleh karena itu, yang terbaik
adalah selalu mencentang Sortir file dengan mengelompokkan variabel pada
dialog Split File . Setelah File Split diaktifkan, bilah status ditampilkan
"Membelah Mengajukan Pada" pada itu tangan kanan samping ke
memberitahukan itu pengguna tentang ini.
Perintah Select Cases… (atau memilih dari bilah alat) terbuka dialog
yang ditunjukkan pada Tampilan 1.11 . Secara default Semua Kasus dipilih,
yang cara itu semua kasus di itu data file adalah termasuk di setelah analisis.
Memeriksa Jika kondisi terpenuhi memungkinkan untuk subset dari kasus
(baris) ke menjadi terpilih. Itu kondisi untuk pilihan adalah ditentukan
menggunakan itu Jika… tombol. Ini membuka Pilih Kasus: Jika kotak sub-
dialog di mana logika ekspresi untuk evaluasi bisa menjadi disediakan.
Misalnya, kami memilih untuk Pilih mata pelajaran lebih tua
dibandingkan 40 dari itu jenis kelamin kelompok berkode “1” (laki-
laki) dari data yang ditunjukkan pada Tampilan 1.2 yang diterjemahkan
menjadi menggunakan logika ekspresi usia > 40 & jenis kelamin = 1
(Tampilan 1.11). Sekali Lanjutkan dan OK adalah ditekan, itu pilihan adalah
diaktifkan; SPSS kemudian “salib keluar" tidak dipilih baris

Menampilkan 1.11 Memilih himpunan bagian dari kasus untuk analisis nanti.
di spreadsheet Tampilan Data dan mengabaikan baris ini dalam analisis

berikutnya ya. Ini juga secara otomatis menyertakan variabel filter, berlabel
filter_$ di lembar kerja yang mengambil itu nilai “1” untuk terpilih baris
dan “0” untuk baris yang tidak dipilih. Variabel filter disimpan untuk
mengaktifkan replikasi kasus seleksi pada tahap selanjutnya hanya dengan
memilih kasus yang membutuhkan filter_$ itu nilai “1.” Sekali itu pilihan
adalah aktif, itu status batang menampilkan "Saring Pada" untuk
informasi. (Dia adalah juga bisa jadi ke menghapus tidak dipilih kasus
permanen oleh memeriksa Kasus yang Tidak Dipilih Dihapus di Pilih Kasus dialog
kotak, Menampilkan 1.11 .)
1.5.2 menghasilkan Baru Variabel

Menu tarik-turun Transform menyediakan prosedur untuk menghasilkan
variabel atau berubah itu nilai-nilai dari ada yang ( Tampilan 1.12 ).
Perintah Compute… sering digunakan untuk menghasilkan variabel yang
sesuai dengan mampu untuk statistik analisis atau itu penciptaan dari grafis.
Itu menghasilkan Dialog komputasi dapat digunakan untuk membuat
variabel baru atau mengganti nilai dari ada yang ( Tampilan 1.13 ). Itu
nama dari itu variabel ke menjadi dibuat atau untuk yang nilai-nilai
adalah ke menjadi berubah adalah diketik di itu Target Variabel daftar.
Untuk variabel baru, kotak sub-dialog Type&Label memungkinkan
spesifikasi dari variabel Tipe dan label. Itu ekspresi digunakan ke
menghasilkan baru nilai-nilai dapat diketik langsung di bidang Ekspresi
atau dibuat secara otomatis dengan menempelkan fungsi dari Daftar fungsi
atau memilih aritmatika operator dan angka dari itu "Kalkulator daftar"
terlihat di Tampilan 1.13. Kapan menempelkan di fungsi, itu argumen
ditunjukkan dengan tanda tanya harus menjadi lengkap. Di Sini, untuk
contoh, kami meminta sebuah baru variabel, itu usia seseorang dalam
bulan (bulan variabel ) , yang akan dihasilkan dengan mengalikan itu ada
usia variabel di bertahun-tahun ( umur ) oleh itu faktor 12 (Menampilkan
1.13).

Menampilkan 1.12 Mengubah tarik-turun Tidak bisa.
Menampilkan 1.13 menghasilkan baru variabel atau berubah itu nilai-nilai dari ada
variabel.
Itu mengikuti berlaku ke ekspresi:
■ Itu berarti dari paling hitung operator adalah jelas (+, -, *, /).
Mungkin lebih sedikit intuitif adalah dobel bintang (**) untuk
"oleh itu kekuatan dari."
■ Paling dari itu logis operator menggunakan terkenal simbol (>, = ,
dll.). Di tambahan:
■ Simbol untuk 'dan (&) adalah digunakan ke menunjukkan "dan"
■ Vertikal batang (|) mengindikasikan "atau"
■ ~= berdiri untuk "bukan setara"

■ ~ cara "bukan" dan adalah digunakan di konjungsi dengan sebuah
logis ekspresi

■ A besar nomor dari fungsi adalah didukung, termasuk
■ Hitung fungsi, seperti sebagai LN (angka ekspr), ABS (jumlah
ekspr)
■ Statistik fungsi, seperti sebagai BERARTI (jumlah, numexp,…),
termasuk distribusi fungsi, seperti sebagai CDF.NORMAL
(q,rata-rata,stddev), IDF.NORMAL (p,rata-rata, stddev),
PDF.NORMAL (q,rata-rata,stddev); dan acak angka, untuk contoh,
RV.NOR- MAL (rata-rata, stddev)
■ Tanggal dan fungsi waktu, Misalnya, XDATE.JDAY(nilai
tanggal)
■ A penuh daftar dari fungsi dan penjelasan bisa menjadi diperoleh
oleh Cari- ing untuk "fungsi" di itu on line Sistem bantuan indeks.
penjelasan
fungsi individu juga disediakan setelah memposisikan kursor atas
fungsi yang dimaksud pada kotak dialog Hitung dan klik kanan.
Variabel Hitung: Jika kotak sub-dialog Kasus diakses dengan menekan itu
Jika… tombol dan bekerja di itu sama jalan sebagai itu Pilih Kasus: Jika sub-
dialog (lihat Tampilan 1.11 ). Ini memungkinkan transformasi data untuk
diterapkan pada yang dipilih himpunan bagian dari baris. Ekspresi logis
dapat diberikan di bidang ini sub-dialog kotak jadi itu itu transformasi
ditentukan di itu Variabel Komputasi dialog utama hanya akan diterapkan
pada baris yang memenuhi kondisi ini. Baris untuk yang itu logis ekspresi
adalah bukan BENAR adalah bukan diperbarui.
Selain Compute… , perintah Recode… dapat digunakan untuk
menghasilkan variabel untuk analisis. Seperti halnya perintah Compute… ,
nilai-nilai yang ada variabel dapat diubah (pilih untuk recode Into Same
Variables ) atau yang baru variabel yang dihasilkan (pilih Into Different
Variables… ). Dalam prakteknya, Recode… memerintah adalah sering
digunakan ke mengkategorikan kontinu hasil variabel dan kami akan
menunda deskripsi kami tentang perintah ini sampai Bab 3 pada kategori
mengerikan data analisis.
Perintah yang tersisa dari menu drop-down Transform digunakan lebih
jarang. Kami hanya memberikan ringkasan singkat tentang ini dan
mengecualikan waktu seri perintah:
■ Random Number Seed… memungkinkan pengaturan seed yang

digunakan oleh pseudo- acak nomor generator ke sebuah spesifik
nilai jadi itu sebuah urutan dari acak angka — untuk contoh,
dari sebuah normal distribusi
menggunakan itu fungsi RV.NORMAL(rata-rata,stddev) — bisa
menjadi direplikasi.
■ Hitung… terhitung itu kejadian dari itu sama nilai di sebuah daftar dari
variabel untuk setiap baris dan menyimpannya dalam variabel baru.
Ini bisa berguna untuk menghasilkan ringkasan, untuk contoh, dari
ulang Pengukuran.
■ Kategorikan Variabel… secara otomatis mengonversi variabel kontinu
ke dalam sebuah diberikan nomor dari kategori. Data nilai-nilai
adalah dikategorikan
menurut kelompok persentil dengan masing-masing kelompok
mengandung kira- tepat itu sama nomor dari kasus.

Menampilkan 1.14 Prosedur statistik tertutupi di dalam buku.
■ Peringkat Kasus… memberikan peringkat ke nilai variabel. Peringkat

dapat ditetapkan dalam urutan menaik atau menurun dan peringkat
dapat dilakukan di dalam kelompok ditentukan Oleh sebuah
kategoris variabel.
■ Pengodean Ulang Otomatis… menyembunyikan variabel string dan
numerik ke dalam kon- berturut-turut bilangan bulat.
1.5.3 Berlari Statistik Prosedur

Melakukan berbagai analisis statistik menggunakan SPSS adalah fokus dari
ini buku pegangan dan kami akan menggunakan prosedur statistik secara
ekstensif ditawarkan di bawah menu drop-down Analisis di bab-bab
selanjutnya. Tampilan 1.14 memberikan gambaran. (Ada banyak prosedur
statistik lain yang tersedia dapat di SPSS yang tidak kami bahas dalam buku
ini — pembaca yang tertarik adalah dirujuk ke itu relevan manual.)
1.5.4 Membangun Grafis Menampilkan

Banyak (mungkin sebagian besar) analisis statistik akan dimulai dengan
membangun satu atau lebih tampilan grafis dan begitu banyak perintah yang
tersedia di bawah menu tarik-turun Grafik juga akan digunakan di bab-bab
selanjutnya. Menampilkan 1.15 menyediakan sebuah gambaran.

Menampilkan 1.15 Grafik Prosedur didemonstrasikan di ini buku.
Perintah Galeri menyediakan daftar grafik yang tersedia dengan contoh

menampilkan. Perintah Interaktif menyediakan grafik interaktif baru
fasilitas yang belum kami gunakan dalam buku ini terutama karena ruang
keterbatasan. Tertarik pembaca Sebaiknya merujuk ke itu sesuai SPSS
manual.
1.6 Itu Keluaran Penonton

Setelah prosedur statistik dijalankan, jendela Output Viewer dibuat yang
memegang itu hasil. Untuk contoh, meminta sederhana deskriptif
ringkasan untuk hasil variabel usia dan jenis kelamin di jendela output yang
ditunjukkan pada Tampilan 1.16 . Seperti Editor Data, jendela ini juga
memiliki bilah menu dan a toolbar dan menampilkan status bar. Menu drop-
down File , Edit, View dan Utilities memenuhi fungsi yang sama seperti di
bawah jendela Data Editor , meskipun dengan beberapa fitur tambahan untuk
output tabel dan grafik. Analisis , Grafik , _ Menu drop-down Window dan
Help hampir identik. ( Jendela menu tarik-turun memungkinkan berpindah
di antara jendela yang berbeda, misalnya di antara itu Penampil Keluaran dan
itu J e n d e l a Editor Data dengan cara biasa.) Itu Menyisipkan dan Format
menu menyediakan baru perintah untuk keluaran mengedit. A bilah alat
adalah asalkan untuk cepat mengakses.

Menampilkan 1.16 Keluaran Penonton jendela.
Itu Penampil Keluaran adalah terbagi ke dalam dua panel. Itu tangan
kanan panel mengandung statistik tabel, grafik, dan teks keluaran. Itu
tangan kiri panel mengandung sebuah pohon struktur serupa ke itu
digunakan di jendela Penjelajah, yang menyediakan sebuah garis besar
melihat dari itu isi. Di Sini, untuk contoh, kami memiliki telah
membawa keluar dua SPSS perintah, itu Deskriptif memerintah, dan
itu frekuensi memerintah, dan ini menentukan itu tingkat 1 simpul dari
itu pohon struktur itu kemudian "cabang keluar" ke dalam beberapa
keluaran tabel/judul/catatan setiap pada tingkat 2. Level 2 menampilkan
bisa menjadi tersembunyi di itu pohon oleh mengklik pada itu
dikurangi simbol (–) dari itu relevan tingkat 1 simpul. Sekali
tersembunyi, mereka bisa menjadi diperluas lagi oleh mengklik itu
sekarang plus simbol (+). Mengklik pada sebuah barang pada itu pohon
di itu tangan kiri panel secara otomatis highlight itu relevan bagian di itu
tangan kanan panel dan menyediakan sebuah cara dari navigasi melalui
keluaran. Itu isi dari itu tangan kanan panel atau bagian dari dia bisa
juga menjadi polisi- ied/ditempel ke dalam lainnya jendela aplikasi
melalui itu Sunting tarik-turun Tidak bisa atau itu utuh keluaran
diselamatkan sebagai sebuah file oleh mempekerjakan itu Menyimpan
atau Menyimpan Sebagai perintah dari itu Mengajukan tarik-turun Tidak
bisa. Itu perpanjangan digunakan oleh SPSS ke menunjukkan penonton
keluaran adalah *.spo. (Sebuah keluaran file bisa kemudian menjadi
dibuka
lagi oleh menggunakan Mengajukan – Membuka – Keluaran… dari itu Tidak bisa
batang.)

Lebih dari satu Output Viewer dapat dibuka pada satu waktu. Dalam hal ini
SPSS mengarahkan itu keluaran ke dalam itu ditunjuk Keluaran Penonton
jendela. Oleh bawaan ini adalah jendela yang terakhir dibuka, bukan yang
aktif (saat ini dipilih) jendela. Jendela yang ditunjuk ditunjukkan dengan
tanda seru (!) makhluk ditampilkan pada itu status batang pada itu dasar
dari itu jendela. A jendela dapat dibuat jendela yang ditunjuk dengan
mengklik di mana saja di jendela dan memilih Utilitas – Tentukan jendela dari
bilah menu atau dengan memilih itu seruan titik simbol pada itu bilah
alat.
Itu Keluaran Penonton menyediakan luas fasilitas untuk mengedit isi. Tabel
dapat dipindahkan, konten baru ditambahkan, font atau ukuran diubah, dll.
rincian dari fasilitas adalah asalkan di itu Basis milik pengguna Memandu
(SPSS Inc., 2001). Tampilan tabel default dikendalikan oleh dialog Opsi yang
tersedia dari menu drop-down Edit , khususnya oleh Viewer , Output Labels, dan
Pivot Tab tabel . Tabel keluaran yang ditampilkan dalam buku ini dibuat oleh :
menjaga pengaturan default awal, misalnya, label variabel dan variabel
kategori label adalah selalu ditampilkan di keluaran meja Kapan tersedia.
Informasi tentang tabel keluaran dapat diperoleh dengan memposisikan
kursor di atas tabel, klik kanan untuk mengakses menu konteks pop-up dan
memilih Pelatih Hasil . Ini terbuka itu SPSS Pelatih Hasil, yang
menjelaskan tujuan tabel dan isi selnya, dan menawarkan informasi pada
terkait masalah.
Setiap kali perintah analisis dijalankan, SPSS menghasilkan "Catatan"
tabel di Output Viewer . Secara default tabel ini disembunyikan di sebelah
kanan tampilan panel, tetapi setiap bagian dari output dapat dialihkan antara
back- ground (tersembunyi) dan foreground (terlihat) dengan mengklik dua
kali pada bukunya ikon di struktur pohon di panel sebelah kiri. Tabel
"Catatan" menyediakan informasi tentang analisis yang dilakukan — file
data yang digunakan, perintah analisis sintaksis, waktu dari eksekusi, dll.
adalah semua tercatat.
Paling keluaran ditampilkan di meja (di disebut poros tabel) bisa
menjadi dimodifikasi dengan mengklik dua kali pada tabel. Ini membuka Editor
Tabel Pivot, yang menyediakan fasilitas canggih untuk mengedit tabel
(untuk lebih jelasnya lihat Panduan Pengguna Dasar , SPSS Inc., 2001d).
Misalnya, entri sel tabel bisa menjadi diedit oleh mengklik dua kali ke itu
masing-masing sel atau kolom runtuh dengan menyeret perbatasan mereka.
Opsi tampilan dapat diakses dari bilah menu editor sendiri atau dari menu
konteks yang diaktifkan oleh kanan- mengklik di mana saja dalam Editor
Tabel Pivot . Salah satu pilihan dalam konteks Tidak bisa secara otomatis
menciptakan sebuah bagan. Ketika ini mungkin muncul nyaman pada
pertama, dia jarang menghasilkan sebuah sesuai grafik. A lagi berguna
pilihan adalah untuk memilih Apa ini dari menu konteks pop-up untuk sel
dengan tabel judul itu akan menyediakan sebuah penjelasan dari itu
relevan meja entri.

Output teks yang tidak ditampilkan dalam tabel pivot juga dapat diedit
ke beberapa cakupan. Mengklik dua kali pada output akan membuka Editor
Output Teks, yang memungkinkan untuk mengedit itu teks dan berubah
itu fon karakteristik.

Menampilkan 1.17 Bagan Editor jendela.
1.7 Itu Bagan Editor

Itu menggunakan dari Prosedur dari itu Grafik drop-down Tidak bisa dan
beberapa prosedur dari menu Analisis menghasilkan output grafik di Output
Penampil . Setelah menciptakan sebuah bagan, dia adalah sering diperlukan
ke memodifikasi dia, untuk contoh, untuk meningkatkannya untuk presentasi
atau untuk mendapatkan informasi tambahan. Di SPSS ini dapat dilakukan
dengan mengaktifkan Editor Bagan dengan mengklik dua kali pada grafik
awal di Output Viewer . Sebagai contoh, diagram batang usia rata-rata di dalam
jenis kelamin memiliki pernah dibuat untuk itu data di Menampilkan 1.2
dan adalah ditampilkan di itu Bagan Editor ( Tampilan 1.17 ).
Itu Bagan Editor memiliki -nya memiliki Tidak bisa batang dan bilah alat.
(Namun, itu menganalisis , Grafik , dan menu tarik-turun Bantuan tetap tidak
berubah.) Setelah grafik dibuka di itu Bagan Redaktur , dia bisa menjadi
diedit secara sederhana oleh mengklik dua kali pada bagian yang akan
diubah, misalnya label sumbu. Klik dua kali membuka kotak dialog yang
alternatifnya dapat diakses melalui menu. Secara khusus, menu drop-down
Galeri menyediakan fasilitas untuk mengkonversi antara berbagai jenis
grafik; menu tarik-turun Bagan terutama menangani dengan sumbu, grafik
dan tampilan teks; dan drop-down Format dengan warna, simbol, garis

gaya, pola, teks font, dan ukuran.

Fasilitas Editor Bagan dijelaskan secara rinci dalam Panduan Pengguna
Dasar (SPSS Inc., 2001). Di Sini kami menyediakan hanya sebuah
pengantar mengedit contoh. Di nanti bab kami akan menjelaskan lagi
fasilitas sebagai itu membutuhkan muncul.
Sebagai sebuah contoh kami percobaan ke menambah itu batang bagan
di Menampilkan 1.17 .
Di tertentu, ini grafis menampilkan:
1. Sebaiknya bukan menjadi di sebuah kotak

2. Sebaiknya memiliki sebuah judul
3. Sebaiknya memiliki berbeda kapak judul
4. Sebaiknya menjadi dikonversi ke dalam hitam dan putih
5. Sebaiknya memiliki sebuah sumbu y itu
dimulai pada itu asal membuat ini perubahan
memerlukan itu mengikuti Langkah:
1. Hapus centang Batin Bingkai pada itu Bagan tarik-turun Tidak bisa.
2. Gunakan _ memerintah Judul… dari itu Tarik -turun grafik Tidak
bisa. Ini terbuka itu Judul dialog kotak di mana kami Tipe di kita
terpilih judul "Batang bagan" dan mengatur Judul Justifikasi ke Pusat .
3. Klik dua kali pada judul sumbu y , ubah Judul Sumbu di hasil Skala
kotak dialog Sumbu, dan juga atur Justifikasi Judul ke Pusat di dalamnya
kotak. Kami kemudian klik dua kali pada itu sumbu x label dan
lagi mengubah Judul Sumbu di kotak dialog Sumbu Kategori yang
dihasilkan dan juga atur Judul Justifikasi ke Tengah di itu kotak.
4. Pilih bilah (dengan satu klik kiri), pilih Warna… dari Format menu
drop-down dan pilih isian putih di palet Warna yang dihasilkan .
Kami juga memilih Fill Pattern… dari menu drop-down Format dan
menerapkan sebuah bergaris pola dari itu menghasilkan Mengisi
Pola palet.
5. Klik dua kali pada itu sumbu y dan ubah Rentang Minimum ke "0"
dan Rentang Maksimum hingga "60" dalam dialog Sumbu Skala yang
dihasilkan kotak. Dengan peningkatan jangkauan ini, kami juga
memilih untuk menampilkan Divisi Utama dengan kenaikan "10."
Akhirnya, kami menggunakan sub-dialog Label kotak ke mengubah
itu Desimal Tempat ke “0.”
Itu akhir batang bagan adalah ditampilkan di Menampilkan 1.18 .

Grafik dapat disalin dan ditempel ke aplikasi lain melalui Edit menu
tarik-turun dari Editor Bagan (inilah yang telah kami lakukan dalam hal ini
buku) atau dari Data Viewer . Grafik juga dapat disimpan dalam beberapa
format dengan menggunakan File – Ekspor Bagan dari bilah menu Editor

Bagan . Itu format yang mungkin terdaftar di bawah daftar Simpan sebagai tipe
dari Bagan Ekspor kotak dialog. Dalam SPSS versi 11.0.1 mereka
menyertakan JPEG (*.jpg), PostScript (*.eps), Ditandai Gambar
Mengajukan (*.tif), dan jendela Metafil (*.wmf).

Batang bagan
60
50
40
30
Mean age
20
10
0
Peremp
uan pria
Jenis kelamin
Menampilkan 1.18 Batang bagan.
1.8 Pemrograman di SPSS

Paling perintah adalah dapat diakses dari itu menu dan dialog kotak.
Namun, beberapa perintah dan opsi hanya tersedia dengan menggunakan
SPSS memerintah bahasa. Dia adalah di luar itu cakupan dari ini buku ke
menutupi itu sintaks perintah; kami merujuk pembaca ke Panduan
Referensi Sintaks (SPSS, Inc., 2001c) untuk ini tujuan.
Dia adalah berguna, namun, ke menunjukkan bagaimana ke
menghasilkan, menyimpan, dan Lari memerintah sintaksis. Dari sebuah
organisasi titik dari melihat, dia adalah sebuah bagus ide ke menyimpan
sebuah catatan dari perintah telah membawa keluar selama itu analisis
proses. Seperti sebuah catatan (“SPSS program") memungkinkan untuk
cepat dan bebas kesalahan pengulangan dari itu analisis pada sebuah nanti
panggung, untuk contoh, ke memeriksa analisis hasil atau memperbarui
mereka di garis dengan perubahan ke itu data file. Ini juga
memungkinkan untuk mengedit itu memerintah sintaksis ke memanfaatkan
spesial fitur dari SPSS bukan tersedia melalui dialog kotak. Tanpa penuh arti
itu SPSS memerintah sintaksis, sebuah sintaksis file bisa menjadi
dihasilkan oleh mempekerjakan itu Tempel fasilitas asalkan oleh semua
dialog kotak digunakan untuk aspek dari statistik analisis. Untuk contoh,
itu utama dialog kotak ditampilkan di Menampilkan 1.8 , 1.10 , 1.11 , dan
1.13 semua memiliki sebuah Tempel memerintah tombol. Memilih ini
tombol menerjemahkan itu isi dari sebuah dialog kotak dan terkait sub-
dialog kotak ke dalam memerintah sintaksis. Itu memerintah dengan

Menampilkan 1.19 Sintaksis Editor menunjukkan memerintah sintaksis untuk itu
dialog kotak di Menampilkan 1.8 .
pilihan adalah ditempel ke dalam sebuah Sintaksis Editor jendela. Sebaiknya

seperti sebuah jendela bukan ada pada saat itu, SPSS akan secara otomatis
membuatnya. Misalnya, memilih Tempel pada itu dialog kotak ditampilkan
di Menampilkan 1.8 menghasilkan itu Sintaksis Editor jendela diberikan di
Menampilkan 1.19. Jika sebuah Jendela Editor Sintaks sudah ada, kemudian
SPSS akan menambahkan itu terbaru memerintah ke itu isi dari itu
jendela.
Itu perintah berisi di sebuah Sintaksis Editor jendela bisa menjadi
dieksekusi dengan memilih perintah Semua… dari menu tarik-turun
Jalankan di bilah menu editor atau dengan memilih dari itu bilah alat.
Ini menghasilkan output di Output Viewer dengan cara biasa. Dimungkinkan
juga untuk dieksekusi hanya perintah yang dipilih di jendela sintaks dengan
menyorot yang relevan perintah dan kemudian menggunakan perintah
Seleksi dari drop- down Run Tidak bisa atau oleh mengklik itu Lari simbol
pada itu bilah alat.
Itu isi dari itu Sintaksis Editor jendela bisa menjadi diselamatkan sebagai
sebuah sintaksis file oleh menggunakan itu Menyimpan atau Menyimpan
Sebagai memerintah dari itu Mengajukan tarik-turun Tidak bisa dari itu
Sintaksis Editor . Itu perpanjangan digunakan oleh SPSS ke menunjukkan
sintaksis adalah *.sps. File sintaks dapat dibuka kembali dengan
menggunakan perintah File – Open – Sintaksis… dari itu Editor Data , Keluaran
Penampil , atau Sintaksis Editor Tidak bisa batang.
Lebih dari satu Editor Sintaks dapat dibuka pada satu waktu. Dalam hal ini,
SPSS mengeksekusi perintah dari jendela Editor Sintaks yang ditunjuk .
Secara default, itu jendela dibuka terakhir adalah itu ditunjuk jendela. Itu
penamaan adalah ditunjukkan dan dapat diubah dengan cara yang sama
seperti pada Output Viewer jendela (Lihat Bagian 1.6 ).

Bab 2
Deskripsi Data dan
Inferensi Sederhana
untuk Kontinu Data: Itu
rentang hidup dari Tikus
dan usia pada Pernikahan
di itu KITA

Dalam bab ini, kami mempertimbangkan dua set data. Yang pertama,
ditunjukkan pada Tabel 2.1 , melibatkan itu masa hidup dari dua
kelompok dari tikus, satu kelompok diberikan sebuah terbatas diet dan
itu lainnya sebuah iklan libitum diet (itu adalah, "Gratis makan"). Minat
berbohong di menilai apakah masa hidup adalah terpengaruh oleh diet.
Itu kedua data mengatur, ditampilkan di Meja 2.2 , memberi itu usia
pada pernikahan untuk sampel 100 pasangan yang mengajukan
permohonan surat nikah di Cum- berland County, PA, pada tahun 1993.
Beberapa pertanyaan menarik tentang ini: data adalah sebagai berikut:
■ Bagaimana adalah usia pada pernikahan didistribusikan?

■ Adalah di sana sebuah perbedaan di rata-rata usia pada pernikahan dari
laki-laki dan perempuan?
■ Bagaimana adalah itu usia pada pernikahan dari Suami dan istri
terkait?

Meja 2.1 rentang hidup dari Tikus (di hari) Diberikan Dua Diet
sebuah) Terbatas diet ( tidak = 105)

105 193 211 236 302 363 389 390 391 403 530 604 60.5 630 716
718 727 731 749 769 770 789 804 810 811 833 868 871 848 893
897 901 906 907 919 923 931 940 957 958 961 962 974 979 982
1101 1008 1010 1011 1012 1014 1017 1032 1039 1045 1046 1047 1057 1063 1070
1073 1076 1085 1090 1094 1099 1107 1119 1120 1128 1129 1131 1133 1136 1138
1144 1149 1160 1166 1170 1173 1181 1183 1188 1190 1203 1206 1209 1218 1220
1221 1228 1230 1231 1233 1239 1244 1258 1268 1294 1316 1327 1328 1369 1393
1435
b) Iklan libitum diet ( tidak = 89)

89 104 387 465 479 494 496 514 532 536 545 547 548 582 606
609 619 620 621 630 635 639 648 652 653 654 660 665 667 668
670 675 677 678 678 681 684 688 694 695 697 698 702 704 710
711 712 715 716 717 720 721 730 731 732 733 735 736 738 739
741 743 746 749 751 753 764 765 768 770 773 777 779 780 788
791 794 796 799 801 806 807 815 836 838 850 859 894 963
Sumber: Berger, Bos, dan Tebakan, 1988. Dengan izin dari itu Biometrik Masyarakat.

Analisis data umumnya dimulai dengan perhitungan sejumlah ringkasan
statistik seperti sebagai itu berarti, median, standar penyimpangan , dll.,
dan oleh membuat tampilan grafis informatif dari data seperti histogram,
kotak plot, dan plot batang dan daun . Tujuan pada tahap ini adalah untuk
menggambarkan umum distribusi properti dari itu data, ke mengenali setiap
tidak biasa pengamatan ( pencilan ) atau pola pengamatan yang tidak biasa
yang mungkin menimbulkan masalah untuk selanjutnya dilakukan analisis
terhadap data tersebut. (Deskripsikan- tion dari semua itu ketentuan di
huruf miring bisa menjadi ditemukan di Altman, 1991.)
Setelah eksplorasi awal data, uji statistik mungkin: terapan ke
menjawab spesifik pertanyaan atau ke uji tertentu hipotesis tentang data.
Untuk data tikus, misalnya, kami akan menggunakan sampel independen
uji-t dan alternatif nonparametriknya, uji-U Mann-Whitney untuk menilai
apakah rata-rata masa hidup tikus pada kedua diet berbeda. Untuk
kumpulan data kedua kami akan menerapkan uji-t sampel berpasangan
(dan Wilcoxon tes peringkat yang ditandatangani ) untuk menjawab
pertanyaan apakah pria dan wanita memiliki berbeda rata-rata usia pada
pernikahan. (Lihat kotak 2.1 dan 2.2 untuk sebuah singkat Akun dari itu
metode tersebut.)
Akhirnya, kita akan memeriksa hubungan antara usia suami dan istri
mereka dengan membuat scatterplot , menghitung jumlah korelasi lasi

koefisien , dan pas sebuah sederhana linier regresi model (Lihat Kotak 2.3).

Meja 2.2 usia (di bertahun-tahun) dari suami dan istri pada Pernikahan
Suami Istri Suami Istri Suami Istri Suami Istri Suami Istri
22 21 40 46 23 22 31 33 24 25
38 42 26 25 51 47 23 21 25 24
31 35 29 27 38 33 25 25 46 37
42 24 32 39 30 27 27 25 24 23
23 21 36 35 36 27 24 24 18 20
55 53 68 52 50 55 62 60 26 27
24 23 19 16 24 21 35 22 25 22
41 40 52 39 27 34 26 27 29 24
26 24 24 22 22 20 24 23 34 39
24 23 22 23 29 28 37 36 26 18
19 19 29 30 36 34 22 20 51 50
42 38 54 44 22 26 24 27 21 20
34 32 35 36 32 32 27 21 23 23
31 36 22 21 51 39 23 22 26 24
45 38 44 44 28 24 31 30 20 22
33 27 33 37 66 53 32 37 25 32
54 47 21 20 20 21 23 21 32 31
20 18 31 23 29 26 41 34 48 43
43 39 21 22 25 20 71 73 54 47
24 23 35 42 54 51 26 33 60 45
Sumber: Rossman, 1996. Dengan izin dari Springer-Verlag.
Kotak 2.1 Murid ' s t-tes
(1) Independent samples t-test
■ The independent samples t-test is used to test the null

hypothesis that the means of two populations are the
same, H0: 1 =
2, when a sample of observations from each population is
available. The observations made on the sample members
must all be independent of each other. So, for example,
individuals from one population must not be individually
matched with those from the other population, nor should the
individuals within each group be related to each other.
■ The variable to be compared is assumed to have a normal
distribution with the same standard deviation in both

■ Itu uji-statistik
adalah
1
_ y2
ty
1 1
sn n2
1
di mana
dan y adalah itu cara di kelompok 1 dan dan n 2
y– 1–
2, n 1
2
adalah itu Sampel ukuran, dan s adalah itu dikumpulkan standar
deviasi
dihitung sebagai
n _ 1s
1
2
2
_ n _ 1s
2_
2
_
s1
n1 n22_
di mana s 1 dan s 2 adalah itu standar penyimpangan di itu dua

kelompok.
■ Di bawah itu batal hipotesa, itu t -statistik memiliki sebuah
siswa
t -distribusi dengan n 1 + n 2 – 2 derajat dari kebebasan.
■ Itu kepercayaan diri selang sesuai ke pengujian pada itu
arti penting tingkat, untuk contoh, jika = 0,05, sebuah 95%
kepercayaan diri
selang adalah dibangun sebagai
y _ kamu t s 1 1
1 2 _
n1 n2
Kapan t _ adalah itu kritis nilai untuk sebuah dua sisi uji,
dengan n 1 + n 2 – 2 derajat dari kebebasan.
(2) berpasangan sampel uji-t
■ t berpasangan digunakan untuk membandingkan rata-rata dua

populasi ketika sampel dari populasi tersedia, di mana: setiap
individu di satu Sampel adalah berpasangan dengan sebuah
individu di
itu lainnya Sampel. Bisa jadi contoh adalah gadis anoreksia dan
milik mereka sehat saudara perempuan, atau itu sama pasien
sebelum dan setelah perlakuan.
■ Jika itu nilai-nilai dari itu variabel dari minat kamu untuk itu
anggota dari itu saya ini pasangan di kelompok 1 dan 2
adalah dilambangkan sebagai y 1 saya dan y 2 saya , kemudian itu
perbedaan aku _ = y 1 saya – y 2 saya adalah diasumsikan ke
memiliki sebuah normal
distribusi.

The null hypothesis here is that the mean difference is zero, i.e., H0:d = 0.
The paired t-statistic is
d
t
sd n
–
where d is the mean difference between the paired groups
and sd is the standard deviation of the differences di and n the number of pairs. Under
A 100(1 – )% conﬁdence interval can be constructed as follows:
where t is the critical value for a two-sided test with n – 1 degrees of freedom
Kotak 2.2 Tes Nonparametrik
(1) Mann-Whitney U-test
■ The null hypothesis to be tested is that the two

populations being compared have identical distributions. (For
two normally distributed populations with common
variance, this would be
equivalent to the hypothesis that the means of the two
populations are the same.)
■ The alternative hypothesis is that the population distributions
differ in location (the median).
■ Samples of observations are available from each of the two
populations being compared.
■ The test is based on the joint ranking of the observations from
the two samples (as if they were from a single sample). If
there are ties, the tied observations are given the average
of
the ranks for which the observations are competing.
■ The test statistic is the sum of the ranks of one sample

■ Untuk sampel kecil, nilai p untuk statistik uji dapat ditemukan
dari sesuai meja (Lihat orang Belanda dan serigala, 1999).
■ Sebuah pendekatan sampel besar tersedia yang cocok ketika: itu
dua Sampel ukuran n 1 dan n 2 adalah keduanya lebih besar
dibandingkan 15, dan di sana adalah Tidak ikatan. Itu uji-
statistik z adalah diberikan oleh
S n 1 n 1_ n 2 1 _ / 2
z
n 1n 2 n 1 _ n 2 1 _ / 1 2
di mana S adalah itu uji-statistik berdasarkan pada itu Sampel

dengan n 1 pengamatan. Di bawah itu batal hipotesa, z
memiliki sekitar sebuah standar normal distribusi.
■ A dimodifikasi z -statistik adalah tersedia Kapan di sana adalah
dasi (Lihat orang Belanda dan serigala, 1999).
(2) Wilcoxon tertanda peringkat uji
■ Asumsikan, kita memiliki dua pengamatan, y i 1 dan y i 2 pada

masing-masing n mata pelajaran di kita Sampel, misalnya,
sebelum dan setelah pengobatan. Kami pertama menghitung itu
perbedaan z saya = y saya 1 – y saya 2 , di antara setiap pasangan
dari pengamatan.
■ Ke menghitung itu Wilcoxon statistik peringkat bertanda T + ,
bentuk nilai mutlak dari perbedaan z i dan kemudian
memesannya dari paling sedikit ke terbesar.
■ Jika di sana adalah dasi antara itu dihitung perbedaan,
menetapkan setiap dari pengamatan dalam kelompok terikat
rata-rata bilangan bulat peringkat itu adalah terkait dengan itu
terikat kelompok.
■ Sekarang menetapkan sebuah positif atau negatif tanda ke itu
peringkat dari itu perbedaan menurut ke apakah itu sesuai
perbedaan
adalah positif atau negatif. (Nilai nol dibuang, dan Sampel
ukuran n diubah demikian.)
■ Statistik T + adalah jumlah pangkat positif. Tabel adalah tersedia
untuk menugaskan nilai-p (Lihat Meja A.4 di orang Belanda
dan serigala, 1999).
■ A besar Sampel perkiraan melibatkan pengujian itu statistik z
sebagai sebuah standar normal:
T nn _ 1_ / 4
z
nn _ 12 n _ _ 1 _ / 24

Kotak 2.3 Sederhana Linier Regresi
■ Simple linear regression is used to model the relationship

2.3 Analisis
betweenMenggunakan SPSS y, and a single explanatory
a single response variable,
variable, x; the model is
2.3.1 rentang hidup dari Tikus
Data umur dari Tabel 2.1 dapat yi  0  langsung
diketik 1xi  ke Data SPSS Melihat
sebagai ditampilkan di Menampilkan 2.1 i
. SPSS mengasumsikan itu itu
baris dari itu menyebar- lembaran menentukan itu unit pada yang
pengukuran adalah
where (xi, diambil.
yi ), i = 1,Dengan
…, n demikian itu tikus
are the sample memiliki
values of the ke
sesuai ke response
baris dananditu exploratory
masa hidupvariables
nilai-nilaiandmemiliki ke
i are randommenjadi
termasuk dalam satu kolom panjang. Untuk identifikasi selanjutnya,
disturbance terms assumed to be normally distributed with sebuah
nomor jugamean
diberikan ke setiap tikus.
zero and variance  . 2
Jenis
■ diet yang diberikan
The intercept kepada
parameter, o, is setiap tikuspredicted
the value harus ditetapkan
for the
sebagai faktor
response variable when the explanatory variable hal
, yaitu, variabel kategori dengan, dalam takesini,thedua
tingkat, "Diet
value terbatas"
zero. dan “ Diet ad libitum ”. Seperti disebutkan
sebelumnya
■ The(lih.
slopeBab 1), tingkat
parameter, 1, is faktor
the changeperlu diberi
in the kode variable
response dan label
buatan yang
predicted when the explanatory variable is increased diketik
dilampirkan ke kode level daripada teks yang by
langsung ke
onedalam
unit. spreadsheet Tampilan Data . Oleh karena itu kami
gunakan kode “1” dan “2” di spreadsheet Tampilan Data (Tampilan 2.1) dan
■ The parameters, also known as regression coefﬁcients, can be
gunakan kolom Nilaiby
estimated dari spreadsheet
least squares (seeTampilan Variabel
Rawlings, untuk
Pantula, andmelampirkan
Dickey,
label “Diet terbatas”
1998). dan "Iklan libitum diet" ke kode (Lihat
Menampilkan 1.4 ).

Menampilkan 2.1 Data Melihat lembar kerja untuk tikus data dari Meja 2.1 .
Analisis hampir setiap kumpulan data harus dimulai dengan

pemeriksaan statistik ringkasan yang relevan, dan berbagai tampilan grafis.
dukungan SPSS menerapkan langkah-langkah ringkasan standar lokasi dan
penyebaran distribusi dari variabel kontinu bersama-sama dengan berbagai
tampilan grafis yang berguna. Itu termudah jalan ke memperoleh itu data
ringkasan adalah ke Pilih itu perintah
Menganalisa – Deskriptif statistik – Mengeksplorasi
dari itu Tidak bisa batang dan ke isi di menghasilkan dialog kotak sebagai
ditunjukkan di Menampilkan 2.2 . Di ini kotak, itu Bergantung Daftar

menyatakan itu kontinu variabel

Menampilkan 2.2 Menghasilkan deskriptif statistik dalam kelompok.
membutuhkan deskriptif statistik, dan di itu Faktor Daftar kami menentukan

itu kategori di mana ringkasan terpisah akan dihitung - dalam contoh ini,
setiap kelompok makanan. Memberi label pengamatan dengan nomor ID
tikus akan memungkinkan bisa jadi terpencil pengamatan ke menjadi
diidentifikasi.
Untuk tampilan grafis dari data, kita membutuhkan dialog Explore
kotak; sebenarnya, dengan memeriksa Baik di kotak ini, kita bisa
mendapatkan deskriptif kita statistik dan plot yang kita butuhkan. Di sini
kami memilih Boxplots dan Histogram ke menampilkan itu distribusi dari
itu rentang hidup jumlah tikus, dan probabilitas plot (lihat Everitt dan
Wykes, 1999) untuk menilai lebih langsung asumsi dari normalitas di
dalam setiap diet kelompok.
Tampilan 2.3 menunjukkan statistik deskriptif yang disediakan secara
default (lebih lanjut statistik dapat diminta dari Jelajahi melalui kotak sub-
dialog Statistik ). Kami Lihat, untuk contoh, itu itu median masa hidup
adalah singkat untuk tikus pada itu diet ad libitum (710 hari dibandingkan
dengan 1035.5 hari untuk tikus pada itu terbatas diet). A serupa
kesimpulan adalah dicapai Kapan antara itu berarti atau rata - rata
terpangkas 5% (lihat Everitt dan Wykes, 1999) digunakan sebagai ukuran
dari lokasi. "Penyebaran" rentang hidup yang diukur dengan interkuartil
rentang (IQR) (lihat Everitt dan Wykes, 1999) tampaknya bervariasi

dengan diet, dengan rentang hidup di itu terbatas diet kelompok makhluk
lagi variabel (IQR di itu terbatas diet kelompok adalah 311.5 hari, tetapi
hanya 121 hari di itu perbandingan

Deskriptif
diet Statistik Std.

Kesalahan
masa hidup di hari Terbatas diet Berarti 968.75 27,641
95% Keyakinan Batas bawah 913,94
Selang untuk Atas 1023,55
Berarti Melompat
988.31
5% Dipangkas 1035.50
Berarti median 80985.696
Perbedaan 284.580
105
Std. Deviasi
1435
Minimum
1330
Maksimum
311,50
Jangkauan -1.161 .235
Jarak interkuartil 1.021 .465
Kecondongan
Kurtosis
Iklan libitum Berarti 684.01 14.213
diet 95% Keyakinan Batas bawah 655.77
Selang untuk Atas 712.26
Berarti Melompat
695.05
710.00
5% Dipangkas
17978.579
Berarti median
134.084
Perbedaan
89
Std. Deviasi 963
Minimum 874
Maksimum 121.00
Jangkauan -2.010 .255
Jarak interkuartil 7.027 .506
Kecondongan
Kurtosis
Menampilkan 2.3 Deskriptif keluaran untuk tikus data.
kelompok). Ukuran penyebaran lainnya, seperti standar deviasi dan rentang

sampel, konfirmasi peningkatan variabilitas dalam diet terbatas kelompok.
Akhirnya, SPSS memberikan ukuran dari dua aspek "bentuk" dari:
distribusi umur di setiap kelompok makanan, yaitu, skewness dan kurtosis
(Lihat Everitt dan Wykes, 1999). Itu indeks dari kecondongan
mengambil itu nilai nol untuk distribusi simetris . Nilai negatif
menunjukkan negatif distribusi miring , nilai positif a distribusi miring
positif - Angka 2.1 menunjukkan sebuah contoh dari setiap Tipe. Itu
kurtosis indeks Pengukuran sejauh mana puncak dari distribusi frekuensi
unimodal berangkat dari bentuk distribusi normal. Nilai nol sesuai dengan
normal distribusi; positif nilai-nilai menunjukkan sebuah distribusi itu
adalah lagi menunjuk dari distribusi normal dan nilai negatif distribusi datar
tion — Angka 2.2 menunjukkan contoh dari setiap Tipe. Untuk kita
data kami temukan itu itu dua membentuk indeks menunjukkan
beberapa derajat dari negatif kecondongan

Angka 2.1 Contoh dari miring distribusi.
Angka 2.2 kurva dengan berbeda derajat dari kurtosis.
dan distribusi yang lebih runcing daripada distribusi normal. Seperti temuan
memiliki bisa jadi implikasi untuk nanti analisis itu boleh menjadi telah
membawa keluar pada itu data.
Kami bisa sekarang pindah pada ke meneliti itu grafis menampilkan
kami memiliki terpilih. Itu kotak petak adalah ditampilkan di
Menampilkan 2.4 . (Kami memiliki diedit itu

1600
1400
1200
1000 195
Lifespan in
800
600
110
400 89170 109
6
5
342
200 1
0 1087
N= 106
89
Terbatas diet Iklan libitum diet
Kelompok diet
Menampilkan 2.4 Kotak plot untuk tikus rentang hidup dihasilkan oleh perintah di
Tampilan 2.2 .
grafik asli agak menggunakan Editor Bagan untuk meningkatkan

penampilannya.) Jenis plot ini (juga dikenal sebagai plot kotak-dan-kumis )
memberikan "gambar" ringkasan lima poin dari pengamatan sampel di
setiap kelompok. Itu ujung bawah kotak mewakili kuartil bawah dan
ujung atas kuartil atas; jadi lebar kotak adalah IQR dan menutupi 50%
bagian tengah dari datanya. Garis horizontal di dalam kotak ditempatkan
pada median dari contoh. "Kumis" bawah meluas ke titik data minimum
di itu Sampel, kecuali jika ini titik adalah dianggap sebuah orang asing
oleh SPSS. (SPSS panggilan sebuah titik sebuah “pencilan” jika itu titik
adalah lagi dibandingkan 1.5 IQR jauh dari itu kotak dan menganggap
dia sebuah "ekstrim nilai" Kapan dia adalah lagi dibandingkan 3 IQR
jauh.) Di itu yang terakhir kasus, itu kumis meluas ke itu kedua
terendah kasus, kecuali jika ini ditemukan sebagai outlier dan
sebagainya. Kumis atas memanjang ke maksimum nilai di itu Sampel,
lagi asalkan ini nilai adalah bukan sebuah orang asing.
Itu kotak petak di Menampilkan 2.4 memimpin ke itu sama kesimpulan
sebagai itu ringkasan deskriptif. Rentang hidup dalam kelompok diet
terbatas tampaknya lebih lama "rata-rata" tetapi juga lebih bervariasi.
Sejumlah tikus telah diindikasikan sebagai kemungkinan outlier dan untuk
diet ad libitum ; beberapa bahkan ditandai sebagai ekstrim pengamatan.
Karena kami telah menggunakan label kasus, kita dapat mengidentifikasi
tikus dengan rentang hidup yang sangat pendek. Di sini tikus dengan umur

terpendek (89 hari) adalah tikus nomor 107. (Umur yang pendek relatif ke
itu dalam jumlah besar dari itu data bisa timbul sebagai sebuah hasil dari
negatif kecondongan dari itu distribusi — pengamatan berlabel
“pencilan” oleh SPSS melakukan bukan

a) Kelompo b) Kelompok 2
k1
Iklan libitum
Diet terbatas diet
30 40
30
20
20
Absolute
Absolute
10
10
Std. Dev = 284.58 Std. Dev = 134.08
Berarti = 969 Berarti = 684
N = 106.00 N = 89.00
0 0
150 350 550 750 950 1150 1350 150 350 550 750 950 1150 1350
Masa hidup di hari umur di hari
Menampilkan 2.5 histogram untuk tikus rentang hidup dihasilkan oleh perintah di
Menampilkan 2.2 .
harus dihapus sebelum analisis lebih lanjut, meskipun mereka

melakukannya layak untuk dipertimbangkan dengan cermat. Di sini kami
tidak akan menghapus tersangka pengamatan sebelum lebih jauh analisis.)
Bukti dari kedua ringkasan statistik untuk pengamatan di setiap
kelompok makanan dan plot kotak adalah distribusi rentang hidup di itu
mendasari populasi adalah tidak simetris dan itu itu varians dari itu
rentang hidup bervariasi di antara itu diet kelompok. Seperti informasi
adalah penting dalam memutuskan uji statistik mana yang paling tepat
untuk menguji hipotesis. eses dari minat tentang itu data, sebagai kami
sebaiknya Lihat nanti.
Sebuah alternatif ke itu kotak merencanakan untuk menampilkan
Sampel distribusi adalah histogramnya . _ Tampilan 2.5 menunjukkan
histogram untuk rentang hidup di bawah setiap diet. Setiap histogram
menampilkan itu frekuensi dengan yang pasti rentang (atau "tempat
sampah") rentang hidup terjadi dalam sampel. SPSS memilih tempat
sampah lebar secara otomatis, tapi di sini kami memilih lebar tempat
sampah kami sendiri (100 hari) dan itu jangkauan dari itu sumbu x (100
hari ke 1500 hari) jadi itu histogram pada kedua kelompok sebanding.
Untuk mengubah default pengaturan ke mencerminkan kita pilihan, kami
Pergilah melalui itu mengikuti Langkah:
■ Membuka itu Bagan Editor oleh dobel mengklik pada itu grafik di itu
Keluaran Penampil .
■ Dobel klik pada itu sumbu x label.
■ Memeriksa Kebiasaan dan Pilih Tentukan… di itu menghasilkan
Selang kotak sumbu ( Tampilan 2.6 ).
■ Mengubah itu Selang Sumbu: tentukan Kebiasaan Di… sub-dialog kotak
sebagai ditampilkan di Menampilkan 2.6 dan klik Melanjutkan.
■ Pilih Label… di itu Sumbu Interval kotak.
■ Mengubah itu pengaturan dari itu Selang Sumbu: Label sub-dialog
kotak sebagai ditampilkan di Menampilkan 2.6 dan akhirnya klik
Melanjutkan diikuti oleh Oke .

Menampilkan 2.6 Pengaturan untuk mengendalikan itu tempat sampah lebar di itu
histogram ditampilkan di Menampilkan 2.5 .
Seperti yang kita duga, histogram menunjukkan frekuensi miring negatif

distribusi quency dengan ekor kiri lebih menonjol di terbatas diet
kelompok.
Akhirnya, normalitas bisa menjadi dinilai lagi secara resmi dengan
itu Tolong dari sebuah kuantil-kuantil kemungkinan merencanakan
(QQ merencanakan); ini melibatkan sebuah merencanakan dari itu
kuantil mengharapkan dari sebuah standar normal distribusi melawan
itu diamati kuantil (untuk lagi detail Lihat Everitt, 2001b). Seperti
sebuah merencanakan untuk itu pengamatan di setiap kelompok adalah
ditampilkan di Menampilkan 2.7 . A grafik di yang itu poin berbohong
sekitar pada itu referensi garis menunjukkan normalitas. Poin di atas
itu garis menunjukkan itu itu diamati kuantil adalah lebih rendah
dibandingkan mengharapkan dan keburukan sebaliknya. Untuk itu tikus
masa hidup data kami temukan itu itu sangat kecil dan sangat besar
kuantil adalah lebih kecil dibandingkan akan menjadi mengharapkan
— dengan ini makhluk paling jelas untuk itu terendah tiga kuantil di
itu iklan libitum kelompok. Seperti sebuah gambar adalah ciri dari
distribusi dengan sebuah berat kiri ekor; dengan demikian lagi kami
mendeteksi beberapa derajat dari negatif kecondongan. Memiliki
lengkap sebuah awal penyelidikan dari itu masa hidup data, kami
sekarang melanjutkan ke menilai lagi secara resmi apakah itu rata-rata
masa hidup adalah itu sama di bawah setiap diet rezim. Kami bisa
melakukan ini menggunakan sebuah sesuai arti penting

a) Kelompok 1 b) Kelompok 2
Diet terbatas Iklan libitum diet
3 3
2 2
1 1
Expected value
Expected value
from normal
from normal
0 0
-1 -1
-2 -2
-3 -3
0 200 400 600 800 1000 1200 1400 1600 1800 0 200 400 600 800 1000 1200 1400 1600 1800
Diamati nilai yang diamati nilai
Menampilkan 2.7 QQ petak untuk tikus rentang hidup dihasilkan oleh perintah di
Menampilkan 2.2 .
uji dan oleh membangun itu relevan kepercayaan diri selang. Ke mulai,
kami harus menerapkan sampel independen Uji- t Student (lihat Kotak 2.1),
konve- dengan sengaja mengabaikan indikasi yang diberikan oleh
pendahuluan kami pemeriksaan data bahwa dua dari asumsi uji, normalitas
dan Homogenitas dari perbedaan, mungkin bukan menjadi dengan ketat
sah.
t sampel independen menilai hipotesis nol bahwa populasi cara dari
masa hidup di setiap dari itu dua diet kelompok adalah setara (Lihat
Kotak 2.1). Itu uji bisa menjadi diakses di SPSS oleh memilih itu perintah
Analisis – Membandingkan Cara – Independen-Sampel T Uji
dari itu Tidak bisa batang ke memberi itu dialog kotak ditampilkan di
Menampilkan 2.8 . Itu Daftar Variabel Uji berisi variabel yang akan
dibandingkan antara dua level dari itu Pengelompokan Variabel . Di Sini itu
variabel umur adalah ke menjadi dibandingkan antara tingkat "1" dan "2" dari
variabel diet pengelompokan . Itu tentukan Grup… sub-dialog kotak adalah
digunakan ke menentukan itu level dari minat. Dalam contoh ini, variabel
pengelompokan hanya memiliki dua level, tetapi berpasangan kelompok
perbandingan adalah juga bisa jadi untuk variabel dengan lebih dari dua
kelompok tingkat.
Tampilan 2.9 menunjukkan output SPSS yang dihasilkan. Ini dimulai
dengan angka dari deskriptif statistik untuk setiap kelompok. (Catatan itu
di kontras ke itu keluaran dalam Tampilan 2.3 kesalahan standar sarana
diberikan, yaitu standar penyimpangan umur dibagi dengan akar kuadrat
dari ukuran sampel kelompok.) Itu Selanjutnya bagian dari itu
menampilkan memberi itu hasil dari melamar dua versi dari itu mandiri
sampel uji- t ; itu pertama adalah itu biasa membentuk, berdasarkan asumsi
setara varians di itu dua kelompok (yaitu, Homogenitas dari perbedaan),

Menampilkan 2.8 menghasilkan sebuah mandiri sampel uji- t .
Kelompok Statistik
Std.
diet N Berarti Std. Deviasi
Kesalah
an
Berarti
masa hidup di hari Terbatas diet 106 968.75 284.580 27,641
Iklan libitum diet 89 684.01 134.084 14.213
Mandiri sampel Uji

Tes Levene untuk
uji-t untuk Persamaan dari
Persamaan dari
Cara
Varians
95% Kepercayaan
diri Interval dari
Berarti Std. Perbedaan
F Tand t df Sig.(2-ekor) Perbedaan Kesalahan Lebih Atas
a Perbedaan rendah
tang
an
masa hidup di hari Setara varians 33.433 .000 8.664 193 .000 284.73 32.866 219.912 349.556
diasumsikan
Varians yang
9.161 154.940 .000 284.73 31,081 223.337 346.131
sama bukan
diasumsikan
Menampilkan 2.9 Mandiri sampel uji- t keluaran.
yang kedua memungkinkan varians menjadi berbeda (versi tes ini adalah
dijelaskan di detail di Everitt dan Rabe-Hesketh, 2001).
Itu hasil diberikan di itu pertama baris ( untuk = 8.7, df = 193, p <
0,001), di bawah judul kolom “uji-t untuk Kesetaraan Sarana” adalah yang
untuk standar uji- t dan menganggap Homogenitas dari perbedaan. Itu
kesimpulan dari itu uji adalah itu di sana adalah kuat bukti dari sebuah

perbedaan di itu berarti masa hidup di bawah dua rezim diet. Output lebih
lanjut memberikan perkiraan untuk mean perbedaan di rentang hidup di
antara itu dua diet (284,7 hari), dan menggunakan itu

kesalahan standar estimator ini (32,9 hari) untuk membuat 95% CI
untuk perbedaan rata-rata (dari 219,9 menjadi 349,6 hari). Rata-rata
umur di kelompok diet terbatas adalah antara sekitar 220 dan 350 hari
lebih lama dari sesuai nilai di itu iklan libitum diet.
Tabel "Pengujian Sampel Independen" juga mencakup signifikansi
statistik uji icance yang diusulkan oleh Levene (1960) untuk menguji
hipotesis nol bahwa varians pada kedua kelompok adalah sama. Dalam hal
ini, tes menyarankan itu di sana adalah sebuah signifikan perbedaan di itu
ukuran dari itu di dalam diet varians ( p < 0,001). Akibatnya, mungkin
lebih tepat di sini untuk menggunakan versi alternatif dari uji- t yang
diberikan pada baris kedua tabel. Ini Versi: kapan dari itu uji- t
menggunakan memisahkan varians sebagai gantinya dari sebuah
dikumpulkan perbedaan ke membangun itu standar kesalahan dan
mengurangi itu derajat dari kebebasan ke memperhitungkan perkiraan
varians ekstra (untuk perincian lengkap, lihat Everitt dan Rabe-Hesketh,
2001). Itu kesimpulan dari menggunakan itu kedua Tipe dari uji- t adalah
hampir identik di ini kasus.
Sejak lebih awal analisis menunjukkan di sana dulu beberapa bukti
dari kelainan dalam data rentang hidup, mungkin berguna untuk melihat
hasil yang sesuai nonparametrik uji itu melakukan bukan mengandalkan
pada ini anggapan. SPSS persediaan uji-U Mann-Whitney (juga dikenal
sebagai uji jumlah peringkat Wilcoxon ), a uji untuk perbandingan itu
lokasi dari itu distribusi dari dua kelompok berdasarkan pada peringkat
pengamatan (lihat Kotak 2.2 untuk rinciannya). Nonpara- metrik tes bisa
menjadi diakses di SPSS menggunakan
Menganalisa – Nonparametrik tes
dari bilah menu. Memilih Dua Sampel Independen kemudian memasok Kotak
dialog ditunjukkan pada Tampilan 2.10 . Pengaturannya analog dengan itu
untuk itu mandiri sampel u j i - t .
Output yang dihasilkan ditampilkan di Display 2.11 . Semua
pengamatan adalah peringkat seolah-olah mereka berasal dari satu sampel
dan uji Wilcoxon W statistik adalah itu jumlah dari itu peringkat di itu
lebih kecil kelompok. SPSS menampilkan itu jumlahkan pangkat bersama-
sama dengan pangkat rata-rata sehingga nilainya dapat menjadi
dibandingkan di antara kelompok. Oleh bawaan, itu perangkat lunak
menggunakan itu normal perkiraan (tetapi Lihat juga Latihan 2.4.5). Itu
Mann-Whitney uji ( z = 8,3, p <0,001) juga menunjukkan perbedaan
kelompok yang signifikan secara konsisten dengan itu lebih awal hasil dari
itu u j i - t .
2.3.2 Suami dan istri

Itu data di Meja 2.2 bisa menjadi diketik secara langsung ke dalam
sebuah Data Melihat lembar kerja seperti yang ditunjukkan pada Tampilan
2.12 . Dalam kumpulan data ini, penting untuk menghargai “berpasangan”
alam dari itu usia timbul dari setiap pasangan. Di memesan untuk SPSS
ke Sepakat dengan ini berpasangan struktur dengan tepat, itu usia pada
pernikahan dari sebuah

Menampilkan 2.10 menghasilkan sebuah Mann-Whitney U-tes.
Peringkat
diet N Berarti Jumlah dari

Pangkat Peringkat
masa hidup di hari Dibatasi diet 106 128,85 13658.50
Iklan libitum diet 89 61.25 5451.50
Total 195
Uji Statistik sebuah
masa
hidup di
hari
Mann-Whitney kamu 1446.500
Wilcoxon W 5451.500
Z -8.332
asim. Tanda tangan (2- .000
ekor)
sebuah. Pengelompokan Variabel: diet
Menampilkan 2.11 Keluaran dihasilkan oleh perintah di Menampilkan 2.10 .
Suami dan miliknya istri harus muncul di itu sama baris. Untuk identifikasi
tujuan, dia adalah berguna ke termasuk sebuah pasangan nomor.
Seperti pada contoh sebelumnya, langkah pertama dalam analisis data
ini akan menjadi ke menghitung ringkasan statistik untuk setiap dari itu
dua variabel, usia pada pernikahan dari suami dan usia pada pernikahan
dari istri. Contoh ini berbeda dari itu sebelumnya satu di itu itu
observasional unit, yaitu, pasangan suami istri, tidak terbagi dalam dua

kelompok. Sebaliknya, kami memiliki dua usia hasil. Karena itu, ini waktu
kami Pilih itu perintah

Menampilkan 2.12 Data Melihat lembar kerja untuk usia pada pernikahan data dari
Tabel 2.2 .
Menganalisa – Deskriptif Statistik – Frekuensi…
dari itu Tidak bisa batang ke mengizinkan kita ke menghitung beberapa

ringkasan Pengukuran untuk keduanya usia variabel ( Tampilan 2.13 ).
Menampilkan 2.14 menunjukkan itu menghasilkan keluaran. Itu
median usia pada pernikahan dari suami adalah 29 bertahun-tahun, itu
dari istri agak lebih rendah pada 27 bertahun-tahun. Di sana variabilitas
yang cukup besar baik di usia suami dan istri, mulai sebagai mereka
melakukan dari terlambat remaja ke lebih awal 70-an.
Itu pertama pertanyaan kami ingin ke alamat tentang data ini adalah
apakah di sana adalah setiap bukti dari sebuah sistematis perbedaan di
itu usia dari suami dan istri. Keseluruhan, istri adalah lebih muda pada
pernikahan di kita Sampel. Bisa perbedaan yang diamati ini terjadi secara

kebetulan ketika usia yang khas perbedaan di antara suami dan istri di
Cumberland daerah adalah nol?

Menampilkan 2.13 menghasilkan deskriptif statistik untuk beberapa variabel.
Statistik
suami usia
di usia istri
pernikahan pada
pernikahan
N Sah 100 100
Hilang 0 0
Berarti 33.0800 31.1600
Std. Deviasi 12.31053 11.00479
Minimum 18.00 16.00
Maksimum 71.00 73.00
Persentil 25 24.0000 22.2500
50 29.0000 27.0000
75 39.5000 38.0000
Menampilkan 2.14 Deskriptif keluaran untuk usia pada pernikahan.

BERBEDA Batang-dan-Daun
Merencanakan Batang
Frekuensi & Daun
5.00 -7 . 00000
1.00 -6 . 0
4.00 -5 . 0000
4.00 -4 . 0000
1.00 -3 . 0
4.00 -2 . 0000
8.00 -1 . 00000000
.00 -0 .
6.00 0 . 000000
20.00 1 . 00000000000000000000
15.00 2 . 0000000000000000
6.00 3 . 000000
4.00 4 . 0000
4.00 5 . 0000
2.00 6 . 00
4.00 7 . 0000
2.00 8 . 00
2.00 9 . 00
1.00 10 . 0
7,00 Ekstrem (>=12.0)
Tangkai lebar: 1.00

Setiap daun: 1 kasus
Menampilkan 2.15 Batang-dan-daun merencanakan untuk usia perbedaan.
Kemungkinan untuk menjawab pertanyaan-pertanyaan ini adalah uji- t

sampel berpasangan (lihat Kotak 2.1). Ini pada dasarnya adalah tes apakah,
dalam populasi, perbedaan di usia dari itu suami dan istri di telah
menikah pasangan memiliki sebuah nol berarti. Pengujian mengasumsikan
bahwa perbedaan populasi memiliki normal distribusi. Untuk menilai
asumsi ini, pertama-tama kita perlu menghitung usia perbedaan dari setiap
pasangan di kita Sampel. Kami termasuk sebuah baru variabel, berbeda ,
dalam spreadsheet Tampilan Data kami dengan menggunakan perintah Hitung
dengan itu rumus berbeda = suami istri (Lihat Bab 1, Menampilkan 1.13 ).
Perbedaan yang diamati sekarang dapat diperiksa dalam beberapa cara,
termasuk menggunakan box plot atau histogram seperti yang telah
dijelaskan sebelumnya. Tapi untuk menghindari pengulangan di sini, kita
akan menggunakan plot batang-dan-daun. SPSS menyediakan plotnya dari
kotak Jelajahi seperti yang ditunjukkan pada Tampilan 2.2 . Dalam hal ini, Daftar
Tanggungan hanya berisi perbedaan variabel , Daftar Faktor dibiarkan kosong
dan Opsi batang-dan-daun dipilih dalam kotak sub-dialog Plot . yang
dihasilkan merencanakan adalah diberikan di Menampilkan 2.15 .
Itu batang-dan-daun merencanakan adalah serupa ke sebuah histogram

diputar oleh 90 . _ Namun, selain bentuk distribusi, juga mencantumkan
nilai sebenarnya diambil oleh setiap pengamatan, oleh memisahkan setiap
nomor ke dalam yang cocok "tangkai" dan "daun." Di itu contoh disajikan
di sini, semua itu daun-daun adalah nol

secara sederhana karena usia adalah diukur hanya ke itu terdekat tahun.
Kami Lihat itu perbedaan usia berkisar antara -7 tahun (yaitu, istri 7 tahun
lebih muda dibandingkan itu Suami sejak kami dihitung itu perbedaan
sebagai usia suami dikurangi istri usia) ke 10 bertahun-tahun dengan 12
usia perbedaan makhluk "ekstrim" (yaitu, >12 tahun). Mengesampingkan
pengamatan ekstrem, distribusi terlihat normal, tetapi penyertaan nilai-nilai
ini membuat penampilannya positif miring.
Jika kita puas bahwa perbedaan usia setidaknya memiliki perkiraan
normal distribusi, kami bisa melanjutkan ke menerapkan itu sampel
berpasangan t -test menggunakan itu
Menganalisa – Membandingkan Cara – Sampel Berpasangan T Uji…
perintah dari bilah menu seperti yang ditunjukkan pada Tampilan 2.16 .
Variabel yang Dipasangkan daftar memerlukan itu berpasangan dari variabel
itu adalah ke menjadi dibandingkan. Memilih Pilihan memungkinkan untuk
pengaturan itu arti penting tingkat dari itu uji.
Tampilan 2.17 menunjukkan output yang dihasilkan. Sedangkan untuk
samples t -test, SPSS menampilkan statistik deskriptif yang relevan,
hubungan p-value dikutip dengan itu uji statistik, dan sebuah kepercayaan
diri selang untuk itu berarti perbedaan. Hasilnya menunjukkan bahwa ada
perbedaan yang signifikan dalam berarti usia pada pernikahan dari laki-
laki dan perempuan di telah menikah pasangan ( t (99) = 3,8, p < 0,001).
Interval kepercayaan menunjukkan perbedaan usia adalah di suatu tempat
di antara satu dan tiga bertahun-tahun.
Tampilan 2.16 M e m b a n g k i t k a n u j i - t sampel berpasangan .

berpasangan sampel Statistik
Std.
Berarti N Std. Deviasi Kesalah
an
Berarti
pasangan suami usia di
1 33.0800 100 12.31053 1.23105
pernikahan
istri' usia saat menikah 31.1600 100 11.00479 1.10048
berpasangan sampel korelasi

N Korelasi Tand
a
tang
an
1 pernikahan & istri' 100 .912 .000
usia saat menikah
berpasangan sampel Uji

berpasangan Perbedaan
95% Keyakinan
Interval dari itu
Std. Perbedaan
Berarti Std. Deviasi Kesalah Lebih Atas t df Sig.(2-ekor)
an rendah
Berarti
1 pernikahan - istri 1.9200 5.04661 .50466 .9186 2.9214 3.805 99 .000
usia pada
pernikahan
Menampilkan 2.17 berpasangan sampel uji- t keluaran untuk usia pada

pernikahan.
Jika kami adalah bukan bersedia ke menganggap normalitas untuk itu

usia perbedaan, kami bisa mempekerjakan sebuah nonparametrik
prosedur seperti sebagai Wilcoxon tertanda peringkat uji (lihat Kotak 2.2)
daripada uji t sampel berpasangan . Ujiannya bisa dipekerjakan oleh
pertama memilih
Analisis – Nonparametrik tes – Dua Sampel Terkait …
dari itu Tidak bisa batang dan kemudian menyelesaikan itu menghasilkan
kotak dialog sebagai ditampilkan di Menampilkan 2.18 .
Tampilan 2.19 menunjukkan output SPSS yang dihasilkan. Jajaran yang
ditandatangani Wilcoxon uji peringkat itu mutlak nilai dari itu
perbedaan dan kemudian menghitung itu jumlah dari itu peringkat di
dalam itu kelompok dari berpasangan itu semula menunjukkan positif atau
negatif perbedaan. Di Sini, 67 pasangan menunjukkan negatif perbedaan
(yang menurut ke itu legenda dari itu pertama meja cara itu istri' usia
adalah lebih muda dibandingkan suami usia, sejak SPSS dihitung itu
perbedaan sebagai usia istri dikurangi usia suami), 27 perbedaan positif dan
enam pasangan telah Tidak usia perbedaan. Itu negatif perbedaan
memiliki lebih besar berarti peringkat daripada perbedaan positif.
Konsisten dengan uji t sampel berpasangan , uji menunjukkan bahwa
perbedaan usia rata-rata pria dan wanita dalam menikah pasangan adalah
bukan nol ( z = 3.6, p < 0,001).
Itu normal perkiraan untuk itu Wilcoxon uji adalah sesuai Kapan itu
nomor dari berpasangan adalah besar dan itu perbedaan nilai-nilai bisa
menjadi peringkat unik. Di kita contoh, itu usia adalah tercatat di penuh
bertahun-tahun dan di sana adalah banyak dasi di itu perbedaan variabel
— untuk contoh, di 20 pasangan, itu

Menampilkan 2.18 menghasilkan sebuah Wilcoxon tertanda peringkat uji.
Peringkat
N Berarti Jumlah dari

Pangkat Peringkat
istri' usia di Negatif Peringkat 67 sebuah 47.52 3184.00
pernikahan - positif suami Peringkat 27 b 47.44 1281.00
usia pada ikatan pernikahan c
6
Total 100
a.
istri' usia pada pernikahan < suami usia pada pernikahan
b.
istri' usia pada pernikahan > suami usia pada pernikahan
c.
suami usia pada pernikahan = istri' usia pada pernikahan
b
Uji Statistik
usia istri pada

pernikahan -
suami usia di
pernikahan
Z -3.605 _
asim. Tanda tangan (2- .000
ekor)
a.
Berdasarkan pada positif peringkat.
b.
Wilcoxon Tertanda Peringkat Uji
Menampilkan 2.19 Wilcoxon tertanda peringkat uji keluaran untuk usia pada
pernikahan.

Menampilkan 2.20 menghasilkan sebuah menyebarkan grafik.
suaminya satu tahun lebih tua dari istrinya. Akibatnya, pendekatan boleh
bukan menjadi dengan ketat sah — untuk sebuah bisa jadi alternatif Lihat
Latihan 2.4.5.
Terakhir, kita akan menguji hubungan antara usia suami dan istri dari
pasangan dalam data kami dan mengukur kekuatan hubungan ini hubungan
kerja. Sebuah scatterplot ( plot xy dari dua variabel) sering memberikan
berguna grafis menampilkan dari itu hubungan di antara dua variabel.
Itu merencanakan adalah diperoleh dari itu Tidak bisa batang oleh
memilih
Grafik – Menyebarkan… – petak sebar Sederhana
dan menentukan variabel daftar sebagai ditampilkan di Menampilkan 2.20 .

Bukan heran, itu menghasilkan petak sebar (ditampilkan di
Menampilkan 2.21 ) menggambarkan kecenderungan (setidaknya dalam
sampel kami) untuk wanita yang lebih muda untuk menikah laki-laki yang
lebih muda dan sebaliknya. Seringkali berguna untuk meningkatkan
scatterplot dengan menunjukkan sebuah sederhana linier regresi cocok
untuk itu dua variabel (Lihat nanti). Bahkan lebih berguna dalam banyak
kasus adalah menambahkan apa yang dikenal sebagai a lokal regresi
berbobot cocok (atau kurva Lowess ) ke plot. Yang terakhir memungkinkan
data ke mengungkap itu membentuk dari itu hubungan di antara itu dua
usia lebih tepatnya daripada berasumsi bahwa ini linier; teknik ini
dijelaskan secara rinci dalam Cleveland (1979). Di sini, kurva Lowess dapat
ditambahkan ke grafik dengan mengedit itu awal grafik dan memilih

Bagan – Pilihan

suami dan istri usia saat menikah
80
70
60
Husbands' ages (years)
50
40
30
20
10
10 20
30 40 50 60 70 80
istri' usia (bertahun-tahun)
Menampilkan 2.21 Menyebarkan grafik dari suami dan istri' usia pada pernikahan.
Menampilkan 2.22 menambahkan sebuah terendah melengkung ke sebuah petak

sebar.

suami dan istri usia saat menikah
80
70
60
Husbands' ages (years)
50
40
30
20
10
10 20
30 40 50 60 70 80
istri' usia (bertahun-tahun)
Menampilkan 2.23 Ditingkatkan menyebarkan grafik menghasilkan dari perintah di

Menampilkan 2.22 .
dari bilah menu Editor Bagan . Ini menciptakan kotak dialog lain yang
kebutuhan ke menjadi terisi di sebagai ditampilkan di Menampilkan
2.22. Itu menghasilkan ditingkatkan merencanakan adalah ditampilkan di
Menampilkan 2.23 . Kami sebaiknya kembali ke ini merencanakan di
bawah.
Kami bisa mengukur itu hubungan di antara usia pada pernikahan dari
itu suami dan istri pada setiap pasangan dengan menghitung beberapa jenis
korelasi koefisien. SPSS penawaran beberapa di bawah
Menganalisa – Menghubungkan – Bivariat…
Di sini, untuk tujuan ilustrasi saja, kami memilih semua koefisien yang
tersedia ( Tampilan 2.24 ). Daftar Variabel berisi nama-nama variabel yang
harus dikorelasikan — di mana lebih dari dua variabel terdaftar, matriks
dari berpasangan korelasi koefisien akan menjadi dihasilkan (Lihat Bab
4). Dalam contoh ini, output yang dihasilkan, meskipun agak panjang,
cukup sederhana ( Tampilan 2.25 ), pada dasarnya memberi itu nilai-nilai dari
tiga korelasi koefisien — itu Pearson korelasi ( r = 0.91), Tombak rho ( _ =
0,90), dan sebuah Versi: kapan dari tau Kendall ( = 0,76) . (Semua koefisien
korelasi ini dijelaskan dan ditentukan di Everitt, 2001.)
Perkiraan ini disertai dengan nilai-p dari signifikansi statistik tes
pembatalan yang menguji hipotesis nol bahwa korelasi yang mendasarinya
populasi adalah nol — yaitu, itu di sana adalah Tidak terarah
hubungan. Di Sini

Menampilkan 2.24 menghasilkan korelasi.
kami memilih untuk mempertimbangkan hipotesis alternatif dua sisi yang

ada korelasi, positif atau negatif. Untuk korelasi Pearson “parametrik”
koefisien, tes ini bergantung pada asumsi normalitas bivariat untuk dua
variabel. Tidak ada asumsi distribusi yang diperlukan untuk menguji
Spearman's rho atau Kendall's tau. Tetapi, sebagai kami akan
mengharapkan, itu tes pada setiap dari itu tiga koefisien menunjukkan
itu itu korelasi di antara usia dari suami dan istri pada pernikahan adalah
sangat signifikan (itu nilai-p dari semua tiga tes adalah lebih sedikit
dibandingkan 0,001).
Kurva halus pas yang ditunjukkan pada Tampilan 2.23 menunjukkan
bahwa garis linier hubungan antara usia suami dan usia istri adalah asumsi
yang masuk akal. tion. Kami bisa temukan detail dari ini cocok oleh
menggunakan itu perintah
Menganalisa – Regresi – linier…
Ini membuka kotak dialog Regresi Linier yang kemudian selesai seperti
yang ditunjukkan pada Tampilan 2.26 . (Di sini usia suami digunakan
sebagai tanggungan variabel ke menilai apakah dia bisa menjadi diprediksi
dari istri usia.) SPSS menghasilkan sebuah nomor dari meja di itu
keluaran jendela itu kami akan Bahas secara rinci di Bab 4. Untuk saat ini
kita berkonsentrasi pada tabel perkiraan regresi koefisien ditampilkan di
Menampilkan 2.27 .
Tabel keluaran ini menyajikan perkiraan koefisien regresi dan standar

kesalahan di itu kolom berlabel "B" dan “Std. Kesalahan," masing-
masing.

a) “Parametrik” korelasi koefisien
korelasi
suami usia
pada usia istri
pernikahan pada
pernikahan
suami usia pada Pearson Korelasi 1 .912*
*
pernikahan Tanda tangan (2-ekor) . .000
N 100 100
istri' usia pada pernikahan Pearson Korelasi .912* 1
*
Tanda tangan (2-ekor) .000 .
N 100 100
**.
Korelasi adalah penting pada itu 0,01 tingkat (2-ekor).
b) “Non-parametrik” korelasi koefisien
korelasi
suami usia
pada usia istri
pernikahan pada
pernikahan
Kendall's tau_b usia suami pada Korelasi Koefisien Tanda 1.000 .761**
pernikahan tangan (2-ekor) . .000
N 100 100
istri' usia pada pernikahan Korelasi Koefisien Tanda .761** 1.000
tangan (2-ekor) .000 .
N 100 100
Tombak rho usia suami pada Korelasi Koefisien Tanda 1.000 .899**
pernikahan tangan (2-ekor) . .000
N 100 100
istri' usia pada pernikahan Korelasi Koefisien Tanda .899** 1.000
tangan (2-ekor) .000 .
N 100 100
**.
Korelasi adalah penting pada itu .01 tingkat (2-ekor).
Tampilan 2.25 korelasi antara suami dan istri usia saat menikah.
Tabel tersebut juga memberikan uji- t lain untuk menguji hipotesis nol
bahwa regresi koefisien adalah nol. Di ini contoh, sebagai adalah itu kasus
di paling aplikasi, kami tidak tertarik dengan intersep. Sebaliknya,
kemiringan parameter memungkinkan kita ke menilai apakah suami usia
pada pernikahan adalah diprediksi dari usia istri saat menikah. Nilai p yang
sangat kecil terkait dengan itu uji memberi bersih bukti itu itu regresi
koefisien berbeda dari nol. Itu ukuran dari itu diperkirakan regresi
koefisien menyarankan itu untuk setiap tahun tambahan usia istri saat
menikah, usia suami juga meningkat satu tahun (untuk lebih banyak
komentar tentang menafsirkan regresi koefisien Lihat Bab 4).

Tampilan 2.26 Pas regresi linier sederhana.
Koefisien sebuah
Tidak Standar
terstandarisasi Koefisien
Model Koefisien t Tan
B Std. Beta da
Kesalahan tang
an
1 (Konstan) 1.280 1.528 .837 .404
istri' usia pada pernikahan 1.021 .046 .912 22,053 .000
sebuah.
Bergantung Variabel: suami usia pada pernikahan
Menampilkan 2.27 koefisien regresi perkiraan untuk usia di pernikahan.
2.4 Latihan
2.4.1 menebak itu Lebar dari sebuah Kuliah Aula
Segera setelah metrik unit dari panjang adalah secara resmi diperkenalkan
di Australia, sebuah kelompok dari 44 siswa dulu diminta ke Tebak, ke
itu terdekat meter, itu lebar ruang kuliah tempat mereka duduk. Kelompok
lain yang terdiri dari 69 siswa di itu sama ruang dulu diminta ke Tebak
itu lebar di kaki, ke itu terdekat kaki ( Tabel 2.3 ). (Lebar sebenarnya
dari aula adalah 13,1 meter atau 43 kaki.) Selidiki dengan menggunakan
tampilan grafis sederhana atau cara lain kelompok mana diperkirakan itu

lebar dari itu kuliah aula lagi akurat.

Meja 2.3 tebakan dari itu Lebar dari sebuah Kuliah Aula
a) di meter ( tidak = 44)
8 9 10 10 10 10 10 10 11 11 11 11 12 12 13
13 13 14 14 14 15 15 15 15 15 15 15 15 16 16
16 17 17 17 17 18 18 20 22 25 27 35 38 40
b) di kaki ( tidak = 69)

24 25 27 30 30 30 30 30 30 32 32 33 34 34 34
35 35 36 36 36 37 37 40 40 40 40 40 40 40 40
40 41 41 42 42 42 42 43 43 44 44 44 45 45 45
45 45 45 46 46 47 48 48 50 50 50 51 54 54 54
55 55 60 60 63 70 75 80 94
Sumber: Tangan et al., 1994.
2.4.2 Lagi pada rentang hidup dari Tikus:

Signifikansi tes untuk Model Asumsi
Di Bagian 2.3.1, kami digunakan beberapa ringkasan statistik dan grafis
proses- paksaan ke menilai itu asumsi dari
■ Normal distribusi di setiap kelompok

■ Homogenitas dari perbedaan
untuk itu tikus' rentang hidup diberikan di Meja 2.1 . Menggunakan resmi
arti penting uji ke menilai ini model asumsi; secara khusus:
■ Menggunakan Kolmogorov-Smirnov tes (untuk rincian, Lihat

konversi, 1998) ke uji hipotesis nol bahwa rentang hidup di setiap
kelompok mengikuti normal distribusi.
■ Menggunakan sebuah Levene uji (Levene, 1960) ke uji itu batal
hipotesa itu itu perbedaan dari itu rentang hidup adalah itu sama
di keduanya kelompok.
(Petunjuk: Menggunakan itu perintah Menganalisa – Deskriptif statistik –

Mengeksplorasi dan itu Plot… sub-dialog kotak ke menghasilkan
Kolmogorov-Smirnov tes dan sebuah Levene tes . )
2.4.3 Motor Kendaraan Pencurian di itu KITA

Itu data di Meja 2.4 menunjukkan tarif dari motor kendaraan pencurian di
menyatakan di itu
KITA (di pencurian per 100.000 penduduk), terbagi ke dalam dua

kelompok tergantung pada apakah itu menyatakan adalah terletak ke itu
timur atau itu Barat dari itu Mississippi

Meja 2.4 Motor Kendaraan Pencurian di itu KITA
Timur Negara Barat Negara

(n = 26) Pencurian (n = 24) Pencurian
Kecepatan Kecepatan
Alabama 348 Alaska 565
Connecticut 731 Arizona 863
Delaware 444 Arkansas 289
Florida 826 California 1016
Georgia 674 Colorado 428
Illinois 643 hawaii 381
Indiana 439 Idaho 165
Kentucky 199 rendah 170
Maine 177 Kansas 335
Maryland 709 Louisiana 602
Massachusetts 924 minnesota 366
Michigan 714 Missouri 539
Mississippi 208 montana 243
Baru Hampshire 244 Nebraska 178
Jersey baru 940 nevada 593
Baru York 1043 Baru Meksiko 337
Utara Carolina 284 Utara Dakota 133
Ohio 491 Oklahoma 602
pennsylvania 506 Oregon 459
Rhode Pulau 954 Selatan Dakota 110
Selatan Carolina 386 Texas 909
Tennessee 572 Utah 238
Vermont 208 Washington 447
Virginia 327 Wyoming 149
Barat Virginia 154
Wisconsin 416
Sumber: Rossman, 1996. Dengan izin dari Springer-Verlag.
Sungai. Buat plot kotak tingkat pencurian untuk negara bagian Timur dan
Barat, dan menerapkan sebuah sesuai arti penting uji ke menentukan
apakah itu rata-rata kecepatan berbeda di itu dua lokasi.
2.4.4 Anoreksia Nervosa Terapi

Tabel 2.5 berisi pengukuran berat badan pada sekelompok gadis anoreksia
yang: diterima kognitif-perilaku terapi (CBT). Itu bobot dulu diukur di
pon sebelum itu perlakuan dan setelah 12 minggu dari perlakuan.

Meja 2.5 Bobot (Pound) dari
anoreksia Cewek-cewek
Sebelum Terapi Setelah 12

Minggu
80.5 82.2
84.9 85.6
81.5 81.4
82.6 81.9
79.9 76.4
88.7 103.6
94.9 98.4
76.3 93.4
81 73.4
80.5 82.1
85 96.7
89.2 95.3
81.3 82.4
76,5 72,5
70 90.9
80.4 71.3
83.3 85.4
83 81.6
87.7 89.1
84.2 83.9
86.4 82,7
76,5 75.7
80.2 82.6
87.8 100,4
83.3 85.2
79.7 83.6
84.5 84.6
80.8 96.2
87.4 86.7
■ Dengan asumsi normalitas perubahan berat, gunakan sampel

berpasangan t -test box untuk menghasilkan 95% CI untuk rata-rata
perubahan berat badan waktu.
■ Menghasilkan itu sama hasil melalui sebuah satu sampel uji- t
untuk pengujian itu batal hipotesa itu itu kelompok berarti bobot
mengubah adalah nol.
■ Menilai apakah di sana adalah pelacakan di itu data, yaitu,
melakukan itu cewek-cewek yang memulai dengan berat badan
rendah juga cenderung memiliki berat badan yang relatif rendah
setelah terapi?

2.4.5 Lagi pada suami dan istri: Akurat
Nonparametrik tes
Nonparametrik tes untuk perbandingan kelompok itu beroperasi pada
peringkat gunakan normal perkiraan ke menghasilkan sebuah nilai-p. Itu
perkiraan dipekerjakan oleh SPSS adalah sesuai Kapan itu Sampel ukuran
adalah besar (mengatakan n > 25) dan tidak ada ikatan. Untuk uji U Mann-
Whitney, yang kedua anggapan cara itu setiap pengamatan hanya terjadi
sekali di itu data mengatur jadi itu itu utuh Sampel bisa menjadi peringkat
secara unik. Untuk Wilcoxon tertanda peringkat uji, ini anggapan
menyiratkan itu itu mutlak perbedaan antara pengamatan berpasangan dapat
diberi peringkat secara unik. Ketika ada hanya sebuah sedikit dasi di
sebuah besar Sampel, itu normal perkiraan mungkin tetap menjadi
digunakan. Namun, Kapan itu Sampel adalah kecil atau di sana adalah
banyak ikatan, sebuah tes yang tepat - sebuah uji itu melakukan bukan
mengandalkan pada perkiraan — adalah lagi sesuai (Konversi, 1998).
SPSS menyediakan akurat Mann-Whitney U-tes dan akurat Wilcoxon
tertanda
peringkat tes dari kotak sub-dialog Exact dari Two-Independent-Samples Tes
(lihat Tampilan 2.10 ) atau kotak dialog Tes Dua Terkait-Sampel (lihat
Menampilkan 2.18 ). Ini akurat tes beroperasi oleh membangun itu
distribusi dari itu uji statistik di bawah itu batal hipotesa oleh permutasi
dari itu kasus atau berpasangan. Itu prosedur adalah secara komputasi intensif
sejak dia mengevaluasi semua bisa jadi permutasi. SPSS set sebuah waktu
membatasi dan penawaran ke Sampel sebuah mengatur dari permutasi. Di
itu yang terakhir kasus, SPSS mengevaluasi itu presisi dari itu nilai-p oleh
sebuah kepercayaan diri selang.
Dalam kumpulan data usia menikah ( Tabel 2.2 ), usia suami dan istri
dicatat dalam tahun penuh dan ada banyak ikatan dalam perbedaan variabel
— untuk contoh, sebuah perbedaan nilai dari satu (itu pria makhluk
satu tahun lebih tua dari istrinya) telah diamati selama 20 pasangan. Itu
akan, karena itu, menjadi lebih baik bukan ke menggunakan itu atau mal
perkiraan sebelumnya dipekerjakan di Menampilkan 2.20. Diperbarui
sebuah Wilcoxon tertanda peringkat uji untuk itu usia pada pernikahan
data — ini waktu menggunakan sebuah akurat Versi: kapan dari itu uji.

Bab 3
Sederhana
Kesimpulan untuk
Kategori data: Dari
Keyakinan pada
Akhirat ke itu
Kematian Penalti
dan Balapan

Dalam bab ini, kita akan mempertimbangkan beberapa aspek yang relatif
sederhana dari analisis data kategoris. Kami akan mulai dengan
menjelaskan bagaimana membangun klasifikasi silang dari mentah data
menggunakan itu masa hidup dari tikus dan usia pada data pernikahan yang
digunakan pada bab sebelumnya. Kemudian kita akan melanjutkan ke
meneliti sebuah nomor dari data set di yang itu pengamatan adalah sudah
ditabulasikan di ini jalan. rincian dari ini adalah sebagai berikut:
■ Keyakinan akan kehidupan setelah kematian menurut jenis

kelamin — data dari Jenderal 1991 Survei Sosial
mengklasifikasikan sampel orang Amerika menurut jenis kelamin
dan milik mereka pendapat tentang sebuah akhirat (diambil dari
Agresti, 1996,
dengan izin dari itu penerbit). Itu data muncul di Meja 3.1 .
■ Timbulnya perasaan ingin bunuh diri dalam sampel psikotik
dan neurotik pasien — diberikan di Meja 3.2 (diambil dari
Everitt, 1992).

Meja 3.1 Keyakinan di itu Akhirat
Keyakinan di Akhirat?
Ya Tidak
Jenis Perempuan 435 147

kelamin
Pria 375 134
Tabel 3.2 Timbulnya Perasaan Bunuh Diri di

sampel dari Gila dan Neurotik pasien
Jenis dari Sabar
Gila Neurotik
Kecenderungan Ya 1 4
bunuh diri perasaan?
Tidak 19 16
Meja 3.3 Lisan Kontrasepsi
Kontrol
Kontrasepsi Oral Kontrasepsi Oral
Digunakan Bukan
Digunakan
Kasus yang 10 57
Digunakan
Bukan 13 95
digunakan
Psikiater mempelajari neurotik dan gila pasien, diminta setiap

sampel 20 dari setiap kategori tentang apakah mereka menderita dari
kecenderungan bunuh diri perasaan.
■ Lisan kontrasepsi menggunakan dan darah gumpalan — data
diberikan di Meja
3.3 . Ini data timbul dari sebuah belajar dilaporkan oleh Sartwell et Al.
(1969).
Penelitian dilakukan di sejumlah rumah sakit di beberapa rumah
sakit besar kota-kota Amerika. Di rumah sakit tersebut, semua
wanita yang sudah menikah diidentifikasi sebagai menderita dari
idiopatik tromboemboli (darah gumpalan) lebih sebuah tiga tahun
Titik adalah secara individu cocok dengan sebuah sesuai kontrol, ini
adalah pasien wanita yang dipulangkan hidup-hidup dari tempat
yang sama rumah sakit dalam interval waktu enam bulan yang sama
dengan kasus. Tambahan, mereka adalah secara individu cocok ke

kasus menurut umur, status perkawinan, balapan, dll. pasien dan
kontrol kemudian ditanya tentang penggunaannya dari lisan
kontrasepsi.
■ Alkohol dan bayi cacat — data dari sebuah prospektif
belajar dari keibuan minum dan bawaan malformasi (diambil
dari Agresti, 1996, dengan izin dari itu penerbit). Setelah itu pertama

Meja 3.4 Alkohol Konsumsi dan Bayi Cacat
Cacat
Hadiah Absen
Rata-rata nomor dari minuman per hari 0 48 17066

<1 38 14464
1-2 5 788
3-5 1 126
6_ 1 37
Meja 3.5 Balapan dan itu Kematian Penalti di itu KITA
Bukan
Kematian Penalti
Kematian
Penalti
Putih korban
Putih terdakwa ditemukan bersalah dari 192 1320
pembunuhan
Hitam terdakwa ditemukan bersalah dari 110 520
pembunuhan
Hitam korban
Putih terdakwa ditemukan bersalah dari 0 90
pembunuhan
Hitam terdakwa ditemukan bersalah dari 60 970
pembunuhan
tiga bulan dari kehamilan, itu perempuan di itu Sampel lengkap

kuesioner tentang konsumsi alkohol. Setelah melahirkan,
pengamatan dicatat pada ada atau tidak adanya kongen- italia seks
organ malformasi. Itu data adalah ditampilkan di Meja 3.4 .
■ Kematian penalti putusan oleh terdakwa balapan dan milik
korban balapan — data di Meja 3.5 (diambil dari Everitt, 1999).
Itu data adalah dikumpulkan
ke mencoba ke melemparkan lampu pada apakah di sana adalah
rasial persamaan di itu aplikasi dari itu kematian penalti di itu
KITA

Kemungkinan meja adalah satu dari itu paling umum cara ke meringkaskan
pengamatan pada dua variabel kategori. Tabel 3.1 , 3.2 , dan 3.3 semuanya
contoh dari 2 2 kemungkinan meja (meskipun Meja 3.3 muncul di
lumayan cara yang berbeda seperti yang akan kita bahas nanti). Tabel 3.4

adalah contoh dari 5 2 tabel kontingensi di mana klasifikasi baris dipesan.
Tabel 3.5 dasarnya terdiri dari dua, 2 2 tabel kontingensi . Untuk semua
tabel seperti itu, minat umumnya berbohong di menilai apakah atau bukan
di sana adalah setiap hubungan atau asosiasi di antara itu baris variabel
dan itu kolom variabel itu

membuat ke atas meja. Paling umum, tes independensi chi-kuadrat adalah
digunakan ke menjawab ini pertanyaan, meskipun alternatif seperti Fisher's
uji eksak atau uji McNemar mungkin diperlukan ketika ukuran sampel kecil
(Nelayan uji) atau itu data terdiri atas dari cocok sampel (McNemar's
uji). Selain itu, dalam tabel 2 2, mungkin diperlukan untuk menghitung
kepercayaan interval untuk rasio proporsi penduduk. Untuk deret 2 2 tabel
, itu Mantel-Haenszel uji boleh menjadi sesuai (Lihat nanti). (Singkat
akun dari masing-masing pengujian yang disebutkan diberikan dalam Kotak
3.1. Sejumlah lainnya topik ke menjadi dipertimbangkan nanti di itu bab
adalah dijelaskan di Kotak 3.2.)
Kotak 3.1 tes untuk Dua Arah Tabel
A umum 2 2 kemungkinan meja bisa menjadi tertulis sebagai
Variabel 2 Kategori
1 2 Total
Variabel 1 1 sebuah b sebuah + b

kategori 2 c d c+d
Total sebu b+d sebuah + b + c +

ah + d=N
c
(1) Chi-kuadrat uji untuk sebuah 2 2 kemungkinan meja
■ Ke uji itu batal hipotesa itu itu dua variabel adalah mandiri-
lekuk, itu relevan uji statistik adalah
N iklan _ b c
2
_
X2
a _ bc _ _ da _ _ cb _ _ d
■ Di bawah itu batal hipotesis independensi, statistik memiliki

distribusi chi-kuadrat asimtotik dengan satu derajat kebebasan.
■ Sebuah anggapan dibuat saat menggunakan distribusi chi-
kuadrat sebagai sebuah perkiraan ke itu distribusi dari X2 , _
adalah itu itu frekuensi mengharapkan di bawah kemerdekaan
Sebaiknya bukan menjadi "juga
kecil." Istilah yang agak kabur ini secara historis telah
ditafsirkan sebagai arti tidak kurang dari lima, meskipun ada
cukup banyak bukti itu ini aturan adalah sangat konservatif.

(2) Chi-kuadrat uji untuk sebuah r c kategori meja
■ Sebuah r c kemungkinan meja bisa menjadi tertulis sebagai
Kolom Variabel
1 L c Total
Baris 1 n 11 L n 1c n 1•
variabel 2 n 21 L n 2c n 2•
kan kan kan kan kan
r n r1 L n rc n r•
Total n •1 L n •c N
■ Di bawah hipotesis nol bahwa klasifikasi baris dan kolom

tion adalah mandiri, diperkirakan mengharapkan nilai-nilai, E
ij , untuk itu aku tahu sel bisa menjadi ditemukan sebagai
saya
E ij
__
n.
j
 N
■ Itu uji statistik untuk menilai kemerdekaan adalah
n_ 2
_
r c
E
X

2
ij
E
say ij _
a1
_
■ Di bawah hipotesis nol independensi, X 2 memiliki asimtotik chi-

kuadrat distribusi dengan ( r – 1) ( c – 1) derajat dari
kebebasan.
(3) nelayan akurat uji untuk sebuah 2 2 meja
■ Itu kemungkinan, P , dari setiap tertentu pengaturan dari itu

bebas quencies sebuah , b , c, dan d di sebuah 2 2
kemungkinan meja, Kapan
itu marjinal total adalah tetap dan itu dua variabel adalah
memang- tergantung, adalah

a_ b!_a _ c!_c _ d! _b _ d! _
P sebuah ! b ! ! _ d ! N !


■ Ini dikenal sebagai distribusi hipergeometrik (lihat Everitt,
2002a).
■ Uji eksak Fisher menggunakan distribusi ini untuk menemukan
probabilitas kemampuan pengaturan frekuensi yang diamati dan
setiap pengaturan memberi sebagai banyak atau lagi bukti
dari sebuah keberangkatan
dari kemerdekaan, Kapan itu marjinal total adalah tetap.
(4) McNemar's uji
■ Itu frekuensi di sebuah cocok sampel data mengatur bisa menjadi

tertulis sebagai
Sampel 1
Hadiah Absen Total
Sampel 2 Hadiah sebuah b sebuah + b

Absen c d c+d
Total sebua b+d sebuah + b + c +

h+c d=N
di mana N , di ini kasus, adalah itu total nomor dari berpasangan.

■ Di bawah itu hipotesa itu itu dua populasi melakukan bukan
berbeda dalam kemungkinan mereka memiliki karakteristik
yang ada, tes- statistik
b_ c
2
X 2
_b c
memiliki sebuah asimtotik chi-kuadrat distribusi dengan
sebuah lajang derajat dari kebebasan.
■ Sebuah akurat uji bisa menjadi berasal dari oleh
mempekerjakan itu Binomium di- iuran (Lihat orang Belanda
dan serigala, 1999).
(5) Mantel-Haenszel uji
■ Untuk sebuah seri dari k 2 2 kemungkinan tabel, itu Mantel-

Haenszel statistik untuk pengujian itu hipotesa dari Tidak
asosiasi adalah
k
a _ ba _ _ c2 __
k_
saya _ _1 _
aku
_ say


a _1_ saya
N
saya saya
__
saya
saya
saya _ _ b saya c i _ _ aku _ a i _ _ c saya b i _ _
2 _
X k
aku _
saya _1 _ N2N _ 1_
i

where ai, bi, ci, di represent the counts in the four cells of
the ith table and Ni is the total number of observations in the
ith table.
■ Under the null hypothesis, this statistic has a chi-squared dis-
tribution with a single degree of freedom.
■ The test is only appropriate if the degree and direction of the
association between the two variables is the same in each
stratum. A possible test of this assumption is that due to
Breslow
and Day (see Agresti, 1996).
(Full details of all these tests are given in Everitt, 1992.)
Kotak 3.2 Mempertaruhkan perkiraan dari sebuah 2 2 Meja
2 2 kemungkinan meja sering timbul di medis studi menyelidiki itu

hubungan di antara bisa jadi "mempertaruhkan faktor” dan itu
kejadian dari sebuah tertentu medis kondisi; sebuah nomor dari
ketentuan timbul dari milik mereka menggunakan di ini konteks itu
kami akan menentukan di sini jadi itu mereka bisa menjadi
digunakan di itu teks.
(1) Relatif mempertaruhkan
■ Itu mempertaruhkan dari Variabel 2 jatuh ke dalam kategori “1”

Kapan Variabel
1 mengambil kategori “1” adalah
diperkirakan oleh r 1 = sebu
ah
sebu
ah b
■ Demikian pula, itu mempertaruhkan dari Variabel 2 jatuh ke dalam
kategori “1” Kapan
Variabel 1 mengambil kategori “2” adalah c c
diperkirakan oleh r 2 =d
■ Itu relatif mempertaruhkan (RR) dari Variabel 2 jatuh ke
dalam kategori “1” perbandingan Variabel 1 kategori “1” dengan
kategori “2” adalah diperkirakan
oleh RR =
sebuah a _ b_

c c_ d
■ Itu relatif mempertaruhkan dari mendapatkan sebuah penyakit
perbandingan individu terkena ke sebuah mempertaruhkan
faktor dengan tidak terpapar individu bisa hanya
menjadi diperkirakan dari sebuah prospektif belajar (Lihat tidak
tahu dan Everitt, 1993).

Odds ratio
The odds of Variable 2 falling into category “1” when Variable

1 takes category “1” is estimated by o = a
1
b
Similarly, the odds of Variable 2 falling into category “1” when
Variable 1 takes category “2” is estimated by o = c
2
d
The odds ratio (OR) of Variable 2 falling into category “1”
comparing Variable 1 category “1” with category “2” is estimated
by OR = a b
c d
The odds ratio of a disease comparing individuals exposed to
a risk factor with nonexposed individuals can be estimated
from both prospective and retrospective studies. (Again, see Dunn and Everitt, 1993.)
When the disease is rare (say, less than 5% of the population are affected), the populat
OR (Dunn and Everitt, 1993).

Adalah umum di banyak bidang penelitian untuk variabel kontinu menjadi
dikonversi ke kategoris variabel oleh mengelompokkannya, sebelum
dianalisis, ke dalam dua atau lagi kategori, meskipun dia adalah dengan
baik diketahui itu ini adalah bukan selalu sebuah bijak prosedur (Lihat
Altman, 1998). Di itu Selanjutnya dua bagian kami menggunakan kontinu
variabel dari itu data set diperkenalkan di itu sebelumnya bab untuk
menggambarkan bagaimana variabel kontinu dapat dikategorikan dalam
SPSS dan bagaimana, sekali kategoris hasil adalah tersedia, ini bisa menjadi
dengan mudah diringkas menggunakan tabulasi silang.
3.3.1 suami dan istri Ditinjau kembali

A cukup luas kategorisasi dari itu usia pada pernikahan ( Tabel 2.2 )
adalah diberikan oleh itu tiga kategori "Lebih awal pernikahan" (sebelum
itu usia dari 30 bertahun-tahun), "Pernikahan di tengah usia" (pada sebuah
usia di antara 30 dan 49 bertahun-tahun inklusif), dan "Terlambat
pernikahan" (pada itu usia dari 50 atau nanti). Itu Kode ulang memerintah
di SPSS adalah berguna untuk menciptakan seperti sebuah pengelompokan.
Ke mengkategorikan keduanya usia variabel, kami bisa menggunakan itu
mengikuti Langkah:
Menampilkan 3.1 Pengodean ulang variabel.
■ Mengakses itu perintah Mengubah – Kode ulang – Ke dalam Berbeda Variabel….

■ Mengisi di itu menghasilkan dialog kotak sebagai ditunjukkan di
Menampilkan 3.1 (kami memiliki berlabel itu baru kategoris
variabel).
■ Klik itu tombol Tua dan Baru Nilai… ke membuka sebuah sub-dialog
kotak.
■ Menggunakan ini kotak ke peta rentang dari itu asli variabel ke
bilangan bulat angka sebagai ditunjukkan di Menampilkan 3.1.
■ Klik Melanjutkan dan Oke ke menjalankan itu pengodean ulang
Prosedur ini menghasilkan dua variabel baru, husCAT dan wifCAT,

menjadi ditambahkan ke spreadsheet Tampilan Data . Untuk setiap
pasangan, spreadsheet sekarang menunjukkan usia suami dan istri saat
menikah, serta kategori yang sesuai. (Untuk memastikan bahwa analisis
selanjutnya akan berisi penjelasan negara dari kategori daripada hanya
mencetak kode kategori, itu adalah a bagus ide ke selalu label itu kategori
kode menggunakan itu Variabel Lihat .)

Menampilkan 3.2 Klasifikasi silang dua kategoris variabel.
Tabulasi silang berfungsi untuk meringkas kelompok usia pernikahan

untuk keduanya suami dan istri sebagai dengan baik sebagai milik
mereka hubungan. A tabulasi silang dari itu dikategorikan usia data bisa
menjadi dibangun oleh menggunakan itu perintah
Menganalisa – Deskriptif Statistik – Tab silang…
Ini terbuka itu dialog kotak ditampilkan di Menampilkan 3.2 . Kami

membutuhkan ke menentukan variabel mana yang menentukan baris dan
kolom mana dari persilangan tabulasi. Di Sini kami memilih kelompok usia
bagi suami untuk menentukan baris meja dan istri kolom. Mengklik Sel…
tombol membuka kotak sub-dialog Tampilan Sel ; ini mengontrol angka apa
akan ditampilkan untuk setiap sel klasifikasi silang yang dibangun. Memilih
itu diamati mutlak frekuensi dari setiap sel sebagai dengan baik sebagai
itu frekuensi sebagai sebuah persentase dari itu total nomor dari
pasangan di itu belajar petunjuk ke itu keluaran meja ditampilkan di
Menampilkan 3.3 .
Itu tabulasi silang menampilkan itu frekuensi distribusi dari usia band
untuk suami dan istri di itu terakhir kolom dan baris, masing-masing.
Seperti yang terlihat sebelumnya (misalnya, Bab 2, Tampilan 2.14 ),
sebagian besar dari orang yang menikah menikah sebelum usia 30.
Hubungan antara usia suami dan istri saat menikah juga terlihat. Sejak 48%
+ 27% + 8% = 83% dari pasangan, Suami dan istri adalah di itu sama
usia pita pada waktu pernikahan. Sel-sel kosong di tabel menunjukkan

bahwa istri "lebih tua" telah melakukan bukan Dapatkan telah menikah ke
"lebih muda" laki-laki dan itu laki-laki lebih tua dibandingkan 50
bertahun-tahun

SodaPDF-splitted-eBook - A Handbook of Statistical Analyses Using SPSS

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

SodaPDF-splitted-eBook - A Handbook of Statistical Analyses Using SPSS

Diunggah oleh

Hak Cipta:

Format Tersedia

Isi

1 A Singkat pengantar ke SPSS

2 Deskripsi Data dan Inferensi Sederhana untuk Kontinu

© 2004 by Chapman & Hall/CRC Press LLC

4 beberapa Linier Regresi: suhu di Amerika dan

5 Analisis dari Perbedaan SAYA: Satu arah Desain;

© 2004 by Chapman & Hall/CRC Press

7 Analisis Tindakan Berulang I: Analisis Varians Tipe

8 Analisis dari Ulang Pengukuran II: Linier Campuran

9 Logistik Regresi: Siapa selamat itu Tenggelamnya

© 2004 by Chapman & Hall/CRC Press

11 Analisis Komponen Utama dan Analisis Faktor:

12 Klasifikasi: Gugus Analisis dan diskriminatif

© 2004 by Chapman & Hall/CRC Press

© 2004 by Chapman & Hall/CRC Press

( Modul Exact Tests juga telah digunakan pada kesempatan, khususnya di

© 2004 by Chapman & Hall/CRC Press

© 2004 by Chapman & Hall/CRC Press

Bantuan —Pelatih Statistik membantu pengguna yang tidak terbiasa dengan

1.3 Data Masuk

© 2004 by Chapman & Hall/CRC Press

© 2004 by Chapman & Hall/CRC Press

Fasilitas yang disediakan oleh menu-menu tersebut akan dijelaskan

1.3.1 Itu Data Melihat Spreadsheet

© 2004 by Chapman & Hall/CRC Press

nilai-nilai ketika itu variabel mengambil _ rangkaian nilai-nilai. Oleh

1.3.2 Itu Variabel Melihat Spreadsheet

Di sana adalah 10 karakteristik ke menjadi ditentukan di bawah itu

1. Nama — itu terpilih variabel nama. Ini bisa menjadi ke atas ke

© 2004 by Chapman & Hall/CRC Press

© 2004 by Chapman & Hall/CRC Press

© 2004 by Chapman & Hall/CRC Press

© 2004 by Chapman & Hall/CRC Press

Ringkasan karakteristik variabel dapat diperoleh dari Utilitas menu drop

1.4 Menyimpan dan Mengambil Data File

© 2004 by Chapman & Hall/CRC Press

© 2004 by Chapman & Hall/CRC Press

© 2004 by Chapman & Hall/CRC Press

1.5 Itu Statistik Menu

© 2004 by Chapman & Hall/CRC Press

© 2004 by Chapman & Hall/CRC Press

ikon tanda di sebelah nama variabel menunjukkan jenis variabel. A

Informasi tentang variabel ditampilkan di sebuah dialog kotak bisa

© 2004 by Chapman & Hall/CRC Press

1.5.1 Data Mengajukan Penanganan

■ Sortir Kasus… membuka kotak dialog yang memungkinkan

© 2004 by Chapman & Hall/CRC Press

Akhirnya, File Split… , Select Cases…, dan Weight Cases… prosedur

© 2004 by Chapman & Hall/CRC Press

© 2004 by Chapman & Hall/CRC Press

© 2004 by Chapman & Hall/CRC Press

di spreadsheet Tampilan Data dan mengabaikan baris ini dalam analisis

1.5.2 menghasilkan Baru Variabel

© 2004 by Chapman & Hall/CRC Press

Itu mengikuti berlaku ke ekspresi:

© 2004 by Chapman & Hall/CRC Press

© 2004 by Chapman & Hall/CRC Press

■ Random Number Seed… memungkinkan pengaturan seed yang

© 2004 by Chapman & Hall/CRC Press

■ Peringkat Kasus… memberikan peringkat ke nilai variabel. Peringkat

1.5.3 Berlari Statistik Prosedur

1.5.4 Membangun Grafis Menampilkan

© 2004 by Chapman & Hall/CRC Press