简介单样本变量值的随机性检验通过游程（Run）数来实现。所谓游程是样本序列中连续出现的变量值的次数。游程检验的分析目的是用于判断观察值的顺序是否随机。这一点非常重要，因为，许多遇到的实际问题中并不只是使研究者关心分布的位置或者形状，也包括样本的随机性。如果样本不是从总体中随机抽取的，则所做的任何推断都将没有价值。游程检验是最简单的判断随机性的方法。统计量参数检验H0：序列是随机的H1：序列是非随

假设SPSS二项分布检验就是根据收集到的样本数据，推断总体分布是否服从某个指定的二项分布。其零假设是H0：样本来自的总体与所指定的某个二项分布不存在显著的差异。方法SPSS中的二项分布检验，在样本小于或等于30时，按照计算二项分布概率的公式进行计算；样本数大于30时，计算的是Z统计量，认为在零假设下，Z统计量服从正态分布。Z统计量的计算公式如下SPSS将自动计算Z统计量，并给出相应的相伴概率值。如

简介某一个要素对另一个要素的影响或相关程度时，把其他要素的影响视为常数，即暂不考虑其他要素的影响，而单独研究那两个要素之间的相互关系的密切程度时，称为偏相关。在排除了其他变量的影响情况下再计算两变量的(简单)相关系数数学模型偏相关系数的检验参数设置数据源 health_funding.sav散点图结果分析Health care funding和Reported diseases 的零阶相关

简介K-S检验是以两位苏联数学家Kolmogorov和Smirnov的名字命名的,它是一个拟合优度检验，研究样本观察值的分布和设定的理论分布是否吻合，通过对两个分布差异的分析确定是否有理由认为样本的观察结果来自所假定的理论分布总体原理与方法K-S检验的基本思路是：先将顺序分类资料数据的理论累积频率分布与观测的经验累积频率分布加以比较，求出它们最大的偏离值，然后在给定的显著性水平上检验这种偏离值是否

描述性统计量分类集中趋势分析——中心趋势的数值度量反映一组数据向某一位置聚集的趋势，主要的统计量有均数（mean）、中位数（median）、众数（mode）、总和（sum）以及分位数。均数适用于正态分布和对称分布的数据，中位数适用于所有类型。如果各个数据之间差异程度较小，用平均值就有很好的代表性；而如果数据之间的差异程度较大，特别是有个别的极端值的情况下，用中位数或众数有较好的代表性离散趋势分析

菜单除了可以计算基本的统计量之外，也可以给出一些简单的检验结果和图形，有助于用户进一步的分析数据。使得用户能够从大量的分析结果之中挖掘到所需要的统计信息。适用范围对资料的性质、分布特点等完全不清楚的时候Analyze -> Descriptive Statistics -> Expore数据源ceramics.sav因变量列表用于选入待分析的变量因子列表用于选择分组变量，根据

什么是列联表列联表又称交互分类表，所谓交互分类，是指同时依据两个变量的值，将所研究的个案分类。交互分类的目的是将两变量分组，然后比较各组的分布状况，以寻找变量间的关系。这里是按两个变量交叉分类的，该列联表称为两维列联表，若按3个变量交叉分类，所得的列联表称为3维列联表，依次类推。3维及以上的列联表通常称为“多维列联表”或“高维列联表”，而一维列联表就是频数分布表。列联表的结构二维列联表r * c

方差分析基本原理样本要求独立性各样本必须是相互独立的随机样本样本含量尽可能相等或相差不大可比性样本均值不相同，可比较正态性样本的总体符合正态分布，偏态分布不适用于方差分析。对偏态分布应考虑用对数转换、平方根变换、倒数变换、平方根反正弦变换等变量变换方法变为正态或接近正态分布后再进行方差分析方差齐性各组样本具有相同的方差基本原理由于各种因素的影响，方差分析研究的数据呈

简介和描述性统计分析相比，均值过程可以按指定条件分组计算均值和标准差等统计量，还可以执行单因素方差分析和相关分析菜单参数设置数据源：hourlywagedata.sav统计量最大值 (Maximum). 数值变量的最大值。平均值 (Mean). 集中趋势的测量。算术平均，总和除以个案个数。中位数 (Median). 第 50 个百分位，大于该值和小于该值的个案数各占一半。如果个案个数为偶数，

简介相关分析属于数据分析流程前端的探索性分析，探究变量间关系及性质，其结果在于指导下一步采取何种方法，是数据挖掘之前的基础工作；场景相关分析之前，有必要搞清楚变量的类型，根据具体类型选择合适的相关系数。Pearson相关系数适用于两变量的度量水平都是尺度数据，并且两变量的总体是正态分布或者近似正态分布的情况，还有说法认为其样本量应大于30，可供参考，在这些条件之外的，考虑选择spearman系数或