SPSS 統計軟體操作手冊

八十七年度人因畢業專題:單元十五

作者

盛啟峰 游麗誌

i

目錄
第一章 前言 ..............................................................................................1
第二章 選擇統計方法 ..............................................................................2
第三章 t 檢定 ...........................................................................................4
第一節 說明 ........................................................................................4
第二節 兩獨立樣本的 t 檢定.............................................................4
1. 基本條件 ..................................................................................4
2. 操作範例 ..................................................................................5
第三節 兩相依樣本的 t 檢定.............................................................7
1. 基本條件 ..................................................................................7
2. 操作範例 ..................................................................................7
第四章 變異數分析 ................................................................................10
第一節 說明 ......................................................................................10
第二節 單因子變異數分析 .............................................................. 11
1. 基本條件 ................................................................................11
2. 操作範例 ................................................................................11
第三節 多因子變異數分析 ..............................................................12
1. 基本條件 ................................................................................12
2. 操作範例 ................................................................................13
第五章 卡方檢定 ....................................................................................20
第一節 說明 ......................................................................................20
第二節 操作範例 ..............................................................................20
第六章 相關性分析 ................................................................................23
第一節 說明 ......................................................................................23
第二節 操作範例 ..............................................................................23
ii

第七章 迴歸分析 ....................................................................................29
第一節 說明 ......................................................................................29
第二節 操作範例 ..............................................................................30
1. 繪製散佈圖 ............................................................................30
2. 簡單線性迴歸分析 ................................................................30
3. 報表解釋 ................................................................................32
4. 殘差圖 ....................................................................................34
5. 簡單線性迴歸線圖 ................................................................35

iii

第一章 前言
人因工程在工工、工管中是一門相當重要的學門,透過此學門可
以依其理論來設計作業的動作,以致於不會使作業員不舒服甚至受傷
,而人因工程的領域尚有許多未知的學術理論,這些未知的學術理論
則必須靠實驗來求得。
人因工程實習就是讓我們以做實驗的方式,透過實驗測量所得到
的數據加以分析,來印證既有的理論,但是往往完成實驗後,獲得了
一筆數據,卻不知以何種統計的方法加以分析,使得可能潛藏著對於
人因工程有顯著影響的資訊,頓時成為一無事處的數字。
此份 SPSS 軟體操作手冊就是因應此問題所撰寫的工具手冊,依
照數據的特性,來選用統計的方法,並且介紹 SPSS 經過分析後的結
果,代表者什麼樣的意義,提供給使用者參考。

1

第二章 選擇統計方法 在選擇統計分析方法之前,必須先瞭解我們測量所得的資料型態 。所謂「測量」 ,是指用數字來表示所測事物或屬性的量,也就是將 所要用的資料量化,而不同的量化程度就會得到不同的測量尺度。一 般測量的尺度分為下列四種: (1) 類別尺度(nominal scale) :類別尺度是資料量化最低的一 種,它是將觀察對象分成幾個集合,一個集合的所有成員都被指 定某一相同的數字。例如將人分為男人和女人兩類,1 代表男人 ,0 代表女人。 (2) 順序尺度(ordinal scale) :順序尺度除了像類別尺度一樣 將對象指定數字來表示外,並且數字的大小更觀察對象與某屬性 間有次序、高低、好壞等順序關係之存在,但屬性間數字大小的 差距相等,並不代表屬性的差距相等。例如比賽結果的名次。 (3) 等距尺度(interval scale) :等距尺度除具有順序尺度的特 性外,它要求尺度上差距相等代表著所測量的特質的量相等,但 並無真正的零點。例如攝氏 20 度恰在攝氏 10 度與 30 度之間的 中點,但我們不能說攝氏 20 度是攝氏 10 度的兩倍,因為 0 度不 代表沒有溫度。 (4) 等比尺度(ratio scale) :等比尺度除具有等距尺度的特性 外,另有一種最重要的特性,就是有絕對的零點。例如高度 0 公 分代表沒高度,重量 0 公斤代表沒重量。 在瞭解資料的性質後,便可以選擇合適的統計分析方法;以 SPSS 2 .

所提供的統計方法來說,我們可以依照資料的性質對照表 2-1,找出 適合的統計的方式,透過 SPSS 進行分析。 檢定目的 樣本個數 樣本特性 資料性質 檢定型態 統計方法 百分比檢定 單 類別尺度 無母數 卡方適合度檢定 一 樣 順序尺度 無母數 K-S 適合度檢定 本 等距尺度/等比尺度 母數 單一樣本 t 檢定 類別尺度 無母數 卡方百分比同質性檢定 中數檢定 K-S 檢定 順序尺度 無母數 兩 獨 Wald-Wolfowitz Runs 檢定 個 立 Mann-Whitney U 檢定 樣 樣 t 檢定 本 本 母數 F 檢定 等距尺度/等比尺度 無母數 Randomization 檢定 母數 Pearson R 檢定 McNemar 檢定 類別尺度 無母數 Bowker 對稱性檢定 兩 相 差 順序尺度 無母數 Sign 檢定 個 依 異 樣 樣 母數 t 檢定 本 本 Randomization 檢定 等距尺度/等比尺度 無母數 Wilcoxon 檢定 卡方檢定 類別尺度 無母數 General Log-liner Model 中數檢定 獨 立 Hierarchical Log-linear 順序尺度 無母數 樣 Model 多 本 Kruskal-Wallis H 個 母數 MANOVA 樣 等距尺度/等比尺度 無母數 Wilcoxon 檢定 本 類別尺度 無母數 Cochran Q 相 順序尺度 無母數 Friedman Two-Way ANOVA 依 Tukey HSD 檢定 樣 等距尺度/等比尺度 母數 Newman-Keuls Procedure 本 Scheffe 檢定 卡方獨立性檢定 Lambda(λ) 類別尺度 Tau-y 關 Gamma 聯 順序尺度 Spearman’s rs Peason’s r 等距尺度/等比尺度 Spearman’s rs 表 2-1 統計方法的選擇分類 3 .

基本條件 (1)樣本是經由隨機抽樣而來的。 4 .第三章 t 檢定 第一節 說明 當我們想比較兩個群組的平均數是否存在差異時,會使用 t 檢定 來進行分析。兩樣本平均數的 t 檢定分析旨在比較變異數相同的兩個 母群之間平均數的差異,或比較來自一同母群之兩個樣本之間的不同 。t 檢定只適用於單一樣本或兩個樣本的差異性比較,如果群組的數 目超過兩個時,就必須使用變異數來進行分析。事實上,t 檢定可視 為變異數分析(請參考第三章)的特例,也就是說我們也可以用變異 數分析進行差異性檢定。 t 檢定因為樣本之間的關係不同分為獨立與相依兩種檢定方法。 兩個相依樣本 t 檢定的使用時機與兩個獨立樣本 t 檢定幾乎相同,都 是比較兩個樣本的平均數,只是樣本的特性不同而已。在此,必須注 意的是,如果兩個樣本彼此有某種關連時,必須使用相依樣本 t 檢定 進行分析;也就是說,當從這兩個樣本所得到的資料之間的「相關性 不等於零」時,不可以使用獨立樣本的 t 檢定。例如: 「比較某班級 學生的期中考與期末考的成績有無差異?」由於兩組樣本都是出自相 同班級的學生,因此應該採取相依樣本的 t 檢定,若將問題改為: 「 比較某班級中男生與女生的期中考成績有無差異?」此時的兩組樣本 相互立獨,所以應採取獨立樣本的 t 檢定。 第二節 兩獨立樣本的 t 檢定 1.

1。 報表解釋 在左手方面,由同質性檢定(Levene’s Test)結果顯示男女生的 資料同質(F=1.1(c)。 (5)回到 Independent-Samples T Test 對話盒後,按下 OK 鈕 便可進行分析。 (6)分析結果報表如表 3-1. 73,P>0.操作範例 範例 3-1:男女生在握距為 4 公分時的握力有什麼差異? (1)開啟已測得的資料表(如附表一) 。 (2)自功能表中拉下 Statistics 選單,並選取 Compare Mean 項目,然後開啟 Independent-Simples T Test 對話盒,如 圖 3-1.(2)每一個觀察值不僅在自己組內是相互獨立的,而且組間 也必須相互獨立。 (3)兩個獨立樣本的母群必須呈常態分配。 (4)兩個獨立樣本的母群的變異數同質【註 1】。 2.1(b)。 (4)開啟 Define Groups 對話盒,在 Group 1 中輸入 1:代表 男生,在 Group 2 中輸入 0:代表女生,然後按下 Continue 鈕,如圖 3-1.1(a)。 (3)將握力測量結果項目加入 Test Variable(s)中,將性別加 入 Grouping Variable 中,如圖 3-1.05) ,所以表示男女生兩個樣本在左手方面 的測量值變異數相近。而 t 檢定摘要表顯示男女的握力有明顯的 【註 1】所謂兩個母群的變異數同質是指兩個母群的變異數相近,通常直 接以σ12 =σ22 =σ2 表示之。 5 .

1±4.01) ,男生 51 名之左手握力的平均值為 29.1 差異(t=4.(a) (b) (c) 圖 3-1.5。 在右手方面,由同質性檢定(Levene’s Test)結果顯示男女生的 資料同質(F=1.91,p<0.6 大於 女生 8 名之右手握力平均值 23.33,P>0.4±3.01) ,男生 51 名之右手握力的平均值為 29.6 大於女生 8 名之左手握力平均值 21.7±4.05) ,所以表示男女生兩個樣本在右手方面 的測量值變異數相近,而 t 檢定摘要表顯示男女的握力有明顯的差異 (t=3.6。 6 .58,p<0.0±3.

6990 4.操作範例 範例 3-2:握距 4 公分與 5 公分時的握力有什麼差異? (1)開啟已測得的資料表(如附表一) 。 (2)自功能表中拉下 Statistics 選單,並選取 Compare Mean 項目,然後開啟 Paired-Simples T Test 對話盒,如圖 32.7235 23.529 11.722 11.00 .7182 3.4213 3.6820 10.4061 4.061 .906 57 .6417 1.7110 1.325 .5830 3.3625 29.0125 Std.067 .8369 表 3-1.7748 1.2644 Independent Samples Test Levene's Test for Equality of Variances F G4L1 G4R1 Equal variances assumed Equal variances not assumed Equal variances assumed Equal variances not assumed Sig. Deviation 4.6350 3.001 6.5852 9.000 7. (2-tailed) Mean Difference Std.576 57 .194 .5763 Std.Group Statistics G4L1 G4R1 SEX 1.000 6.1373 21.3725 11.1517 4.00 .254 t-test for Equality of Means t df Sig.2704 10.00 N 51 8 51 8 Mean 29.00 1.7110 1.5387 4. Error Mean . 1. Error Difference 95% Confidence Interval of the Mean Lower Upper 4.2511 .1 第三節 兩相依樣本的 t 檢定 1.726 1.6490 1.1(a)。 7 .基本條件 (1)樣本是經由隨機抽樣而來的。 (2)每一個觀察值在自己組內是相互獨立的。 (3)兩個獨立樣本的母群必須呈常態分配。 2.1770 5.8675 3.7748 1.000 7.

1(b),然後按下 OK 鈕便可進行分析。 (a) (b) 圖 3-2.1。 報表解釋 在左手方面,由 t 檢定摘要表中顯示,握距為 4 公分與 5 公分的 8 .(3)選取變項 g4l1,此時在 Current Selections 方塊中的 Variable 1 會顯示出該選定變項 g4l1。 (4)選取變項 g5l1,此時在 Current Selections 方塊中的 Variable 2 會顯示出該選定變項 g5l1。 (5)將選定的配對變項加入 Paired Variables 方塊中。 (6)若要繼續分析右手在 4cm 及 5cm 時的握力有什麼差異 ,可以重覆第 3、4 項步驟,將 g4r1 與 g5r1 配對變項 加入 Paired Variables 方塊,如圖 3-2.1 (7)分析結果報表如表 3-2.

3507 Paired Samples Test Paired Differences Mean Pair 1 Pair 2 G4L1 G5L1 G4R1 G5R1 Std.1793 10.98,p<0.8638 -9.01) ,由於檢定方式為第一個樣本 減去第二個樣本進行分析,所以 t 值為負值,代表握距 5 公分的握力 比 4 公分的握力平均約大出 10.1285 5.1 9 .0475 8.6566 1.6743 1.2311 -7.3746 Std.0432 10.21,p<0.000 -12.0831 38. Error Mean .8 公斤。 Paired Samples Statistics Pair 1 Pair 2 G4L1 G5L1 G4R1 G5R1 Mean 28.3794 1.0909 -12. Deviation Std.3186 .8000 8.000 表 3-2.01) ,亦即握距 5 公分的握力比 4 公分的握力平均約大出 12.210 58 .1659 -15.6136 N 59 59 59 59 Std. Deviation 5. (2-tailed) df -10.8136 41. Error Mean 95% Confidence Interval of the Difference Lower Upper t Sig.0 公斤。 在右手方面,由 t 檢定摘要表中顯示,握距為 4 公分與 5 公分的 握力有明顯的差異(t = -10.1338 -10.1305 28.握力有明顯的差異(t = -9.9554 1.979 58 .4662 -10.

第四章 變異數分析 第一節 說明 變異數分析簡稱為 ANOVA,它是用來檢定三個或三個以上母體 平均數相等的假設。其實使用變異數分析這個名詞似乎不太恰當,因 為我們要檢定的是母體平均數而非變異數;然而事實上變異數分析的 檢定過程是根據樣本資料的變量分析(analysis of variation)為基礎的 。變異數分析之目的主要在於考驗若干母群之平均數是否相等,亦即 兩組資料比較平均數的差異時,是使用 t 檢定,而比較二組以上的平 均數時,就需使用到變異數分析。 變異數分析依據因子的數目可區分為單因子變異數分析及多因 子變異數分析。單因子變異數分析是研究一個因子或自變項對依變項 的影響,例如: 「不同教學方法對學習成績的影響。」而多因子變異 數分析則是研究兩個或兩個以上因子或自變項對依變項的影響,例如 : 「教學方法(A 因子)與教室氣氛(B 因子)對學習成績的影響」 。 我們除了會遭遇到須比較兩組或兩以上數據在一個依變項以上 之平均數差異外,還會遇到同一組受試者重複接受 n 個實驗處理的情 形,稱之為重複量數(repeated measures) 。像這樣利用「單一組法」 使同樣受試者在 n 個實驗條件被重複觀察,其所得的 n 組量數之間有 相關存在,為非獨立樣本,乃相依樣本 t 檢定的延伸。除了實驗變數 之外,若還有其他變項也會影響依變項,則會產生混淆效果,因此我 們可加入共變數的分析,以排除這些變數的影響。 10 .

基本條件 (1)各樣本之母群體為常態分配 (2)各樣本之母群體為獨立 (3)各組樣本之母群體變異同質 2.1 11 .第二節 單因子變異數分析 1.操作範例 範例 4-1:不同的握距對於左手的握力有沒有差異? (1)開啟已測得的資料表(如附表一) 。 (2)自功能表中拉下 Statistics 選單,並選取 General Liner Model 項目,然後開啟 GLM – Repeated Measure 對話 (a) (b) (c) 圖 4-1.

05,達 顯著水準,表示不同的握距對握力有所差異。 第三節 多因子變異數分析 1.1(b)。 (4)接著按下 Define 鈕,進入定義選單。 (5)在左方測量值選項的選單中,依序將左手 4、5、6、7 公分握距的各組測量值加入 Within-Subjects Variables 中,然後按下 OK 鈕即可進行分析。如圖 4-1. .05 表 4-1.518 Observed Powera 1.1。 Tests of Within-Subjects Effects Measure: MEASURE_1 Sphericity Assumed Type III Sum of Source Squares FACTOR1 4272. Computed using alpha = .1 報表解釋 在 Test of Within-Subjects Effects 表中顯示 F=50.000 Noncent.1(a)。 (3)在 Within-Subject Factor Name 項目中假設握距的子變 數名稱為 factor1,在 Number of Levels 中設定測量值的 數目為 4 種,然後先按下 Add 鈕,完成因子的設定, 如圖 4-1.012 F 50.000 a.37 Error(FACTOR1) 4874.1(c)。 (6)分析結果報表如表 4-1.基本條件 與單因子變異數分析相同。 12 .盒,如圖 4-1. Parameter 152.12 28.839 Sig.12 df 3 174 Mean Square 1424.84,p<0.

操作範例 範例 4-2:男女生在不同的握距對於左手的握力有沒有差異? (1)開啟已測得的資料表(如附表一) 。 (2)自功能表中拉下 Statistics 選單,並選取 General Liner Model 項目,然後開啟 GLM – Repeated Measure 對話盒 ,如圖 4-2.2.1(a)。 (a) (b) (c) 圖 4-2.1(b)。 13 .1 (3)在 Within-Subject Factor Name 項目中假設握距的子變 數名稱為 factor1,在 Number of Levels 中設定測量值的 數目為 4 種,然後先按下 Add 鈕,完成因子的設定, 如圖 4-2.

6 1 SEX 7749.85 df 3 3 171 Mean Square 220.146 10.000 .667 F 953.35 1 Error 5681.663 77.996 .(4)接著按下 Define 鈕,進入定義選單。 (5)在左方測量值選項的選單中,依序將左手 4、5、6、7 公分握距的各組測量值加入 Within-Subjects Variables 中,接著在 Between-Subjects Factor(s)中加入性別的因 子,然後按下 OK 鈕即可進行分析。如圖 4-2.05 表 4-2.753 Observed Powera 1. Computed using alpha = . Parameter 953.000 Noncent. Parameter 27.1(c)。 (6)分析結果報表如表 4-2.403 Sig. Computed using alpha = .01 57 Mean Square 95048.40,p<0. .437 31.05,達顯著水準,表示男女生對於不 同的握距所產生握力有所差異。 14 .000 Noncent.000 .6 7749.999 a.05,達顯著水準,表示不同的握距對握力 有所差異。 (2)在 Test of Within-Subjects Effects 表中,FACTOR1*SEX 的 F=10.663 77.757 24.450 250.209 Observed Powera .270 Error(FACTOR1) 4121.15,p<0.349 FACTOR1 * SEX 752.000 a.753 Sig.000 1.104 F 9. .35 99.1。 Tests of Within-Subjects Effects Measure: MEASURE_1 Sphericity Assumed Type III Sum of Source Squares FACTOR1 661.05 Tests of Between-Subjects Effects Measure: MEASURE_1 Transformed Variable: Average Type III Sum of Source Squares df Intercept 95048.1 報表解釋 (1)在 Test of Within-Subjects Effects 表中,FACTOR1 的 F=9.

75,p<0.(3)在 Test of Between-Subjects Effects 表中,在 SEX 項的 F=77.1 15 .05,達顯著水準,表示男女生的握力有 所差異。 範例 4-3:男女生的左右手對於不同的握距有沒有差異? (1)開啟已測得的資料表(如附表一) 。 (a) (c) (b) ) (d) 圖 4-3.

(2)自功能表中拉下 Statistics 選單,並選取 General Liner Model 項目,然後開啟 GLM – Repeated Measure 對話盒 ,如圖 4-3.1(a)。 (3)在 Within-Subject Factor Name 中設定第一個因子握距 的變數名稱為 factor1,在 Number of Levels 中設定測量 值的數目為 4 種,按下 Add 鈕。 (4)重覆上項步驟,將左右手加入第二個因子,設定其變數 名稱為 factor2,測量值為 2 種,然後按下 Define 鈕, 如圖 4-3.2) g7r1(4.1) g7l1(4.2) 表 4-3.2) g5r1(2.34,p<0.1(d)。 (7)分析結果報表如表 4-3.1) g6l1(3.1) (2)右手 g4r1(1.05,達顯著水準,表示不同的握距對握 力有所差異。 16 .1) g5l1(2.1。 (1)握距為 4 (2)握距為 5 (3)握距為 6 (4)握距為 7 (1)左手 g4l1(1.1(c) ,其變數的意義如表 4-2.1(b)。 (5)在 Within-Subjects Variables 中,會出現 8 個尚未設定的 變數,如圖 4-3.2。 報表解釋 (1)在 Test of Within-Subjects Effects 表中,FACTOR1 的 F=16.2) g6r1(3.1 (6)依照上表,依序將各組測量組加入 Within-Subjects Variables 中,接著在 Between-Subjects Factor(s)中加入 性別的因子,然後按下 OK 鈕即可進行分析,如圖 43.

Computed using alpha = .000 1.068 1. .000 1.163 5.05,達顯著水準,表示兩手對握力有所 差異。 (4)在 Test of Between-Subjects Effects 表中,在 SEX 項的 F=85.78 436.031 47. .84,p<0.160 .616 1. Computed using alpha = .446 .043 3 3 171 1 1 57 3 Mean Square 621.348 3.039 38.691 20.5 186.800 .000 Noncent.731 .838 .360 1812. Parameter 1121.000 20.079 3 6.000 .5 57 Mean Square 208749 15957.12 6503.5 1 Error 10610.348 3.000 .838 .000 Noncent.173 a.05 表 4-3.192 .725 Observed Powera 1.41 85.73,p<0.67,p<0.014 Observed Powera 1.2 (3)在 Test of Within-Subjects Effects 表中,FACTOR2 的 F=20.160 .610 596.344 15.83 1788.99 171 10.60 55.347 1193.000 a. Parameter 49.671 Sig.000 .05,達顯著水準,表示男女生的握力有 所差異。 17 .725 Sig.347 20.411 85.348 19.602 df F 16.05 Tests of Between-Subjects Effects Measure: MEASURE_1 Transformed Variable: Average Type III Sum of Source Squares df Intercept 208749 1 SEX 15957.940 18.(2)在 Test of Within-Subjects Effects 表中,FACTOR1*SEX 的 F=15.148 F 1121.05,達顯著水準,表示男女生對於不 同的握距所產生握力有所差異。 Tests of Within-Subjects Effects Measure: MEASURE_1 Sphericity Assumed Source FACTOR1 FACTOR1 * SEX Error(FACTOR1) FACTOR2 FACTOR2 * SEX Error(FACTOR2) FACTOR1 * FACTOR2 FACTOR1 * FACTOR2 * SEX Error(FACTOR1*FAC TOR2) Type III Sum of Squares 1864.994 .034 436.600 .

1。 報表解釋 (1)在 Test of Within-Subjects Effects 表中,FACTOR1 * WEIGHT 的 F=4.05,達顯著水準,表示在受 到體重的影響下,不同的握距對握力有所差異。 (2)在 Test of Within-Subjects Effects 表中,FACTOR1*SEX 的 F=8.30,p<0.05,未達顯著水準,表示對於 握力沒有明顯的差異。 範例 4-4:在範例 4-3 中,若假設體重對握力有影響,試以體重 為共變數再進行分析。 (1)步驟如同範例 4-3(請參考圖 4-3.1) ,但在 GLM – Repeated Measure 對話盒中的 Covariates 項內加入體重 這個因子,如圖 4-4.05,達顯著水準,表示男女生對於不同 的握距所產生握力有所差異。 18 .1。 圖 4-4.(5)其他項目因 p 值皆大於 0.21,p<0.1 (2)分析結果報表如表 4-4.

481 2. .827 .316 20.194 .22 168 10.053 .432 3 3 3 168 1 1 1 56 3 Mean Square 93.828 .467 24.227 15.227 a.160 . .04 1 WEIGHT 317.134 . Parameter 30.656 df F 2.211 a.467 24.1 19 Sig.728 58.199 9.546 2.645 1 SEX 10699.371 6049.728 58.901 1.(3)在 Test of Between-Subjects Effects 表中,在 SEX 項的 F=58.590 .851 .604 4.05,未達顯著水準,表示對於 握力沒有明顯的差異。 Tests of Within-Subjects Effects Measure: MEASURE_1 Sphericity Assumed Source FACTOR1 FACTOR1 * WEIGHT FACTOR1 * SEX Error(FACTOR1) FACTOR2 FACTOR2 * WEIGHT FACTOR2 * SEX Error(FACTOR2) FACTOR1 * FACTOR2 FACTOR1 * FACTOR2 * WEIGHT FACTOR1 * FACTOR2 * SEX Error(FACTOR1*FAC TOR2) Type III Sum of Squares 281.811 22.253 1.000 Noncent.054 .296 .416 298.298 Sig.323 454.770 3 7.493 .800 F 30.000 .21,p<0.1 183.286 .316 1169.712 .645 10699.790 36.992 3.137 .211 Observed Powera 1.009 81.157 .471 3 3.05 表 4-4. Computed using alpha = .201 1.205 8.106 1790.04 317.8 56 Mean Square 5551.247 896.889 .882 8.000 Noncent.37 26.395 3.227 15.480 .53 81.733 .007 .185 .774 151.05,達顯著水準,表示男女生的握力有 所差異。 (4)其他項目因 p 值皆大於 0.615 24. Computed using alpha = .000 .631 .05 Tests of Between-Subjects Effects Measure: MEASURE_1 Transformed Variable: Average Type III Sum of Source Squares df Intercept 5551. Parameter 7.000 .1 1 Error 10292.733 .901 1.893 Observed Powera .201 1.813 12.160 .

第五章 卡方檢定 第一節 說明 統計資料中,有些是數量資料,有些是類別資料,而卡方檢定正 是最常用來檢定這些資料的,因為類別資料無法以其數值的平均數或 變異數來描述資料的特性,而是以各類別的比例或等級順序來描述。 卡分檢定因為不需要假設母體分配的型態,因此為無母數統計學的一 部分。卡方分配主要用在進行下列三種檢定: 配合度檢定(test of goodness of fit) 。 獨立性檢定(test of independence) 。 齊一性檢定(test of homogeneity) 。 這三種檢定基本上是檢定資料的次數分配或比例是否合乎某一 特性。配合度檢定是檢定母體是否為某一特定分配的檢定方法,例如 : 「檢定某班級學生的英文成績是否成常態分佈」 。獨立性檢定是研究 二個屬性間有無關係,例如: 「男女性別與體重分佈是否有關係」 。齊 一性檢定是檢定二個母體分配是否相同,例如: 「檢定 A、B 兩班的 國文成績分佈是否接近或相同」。 第二節 操作範例 範例 5-1:請問男女生對滑鼠的使用看法是否一致? (1)開啟已測得的資料表(如附表一) 。 (2)自功能表中拉下 Statistics 選單,並選取 Summarize 項 目,然後開啟 Crosstabs 對話盒,如圖 5-1.1(a)。 20 .

(3)將性別變數項目加入 Row(s)中,將滑鼠變數項目加入 Column(s)中,如圖 5-1.1(c)。 (5)回到 Crosstabs 對話盒後,按下 OK 鈕便可進行分析。 (a) (b) (c) 圖 5-1.1 (6)分析結果報表如表 5-1.1。 報表解釋 在 Chi-Square Tests 表中顯示,Pearson 卡方檢定的結果 21 .1(b)。 (4)開啟 Statistics 對話盒,選取 Chi-square 項目,按下 Continue 鈕,如圖 5-1.

為 3.754 3 . Sig. The minimum expected count is .5%) have expected count less than 5.1 22 .648 59 a. 5 cells (62.373 2.41.05,未達顯著水準,所以接受虛無假設 ,即男女生對滑鼠的使用看法一致。 Chi-Square Tests Value Pearson Chi-Square Likelihood Ratio Linear-by-Linear Association N of Valid Cases Asymp. 表 5-1.12,而 p>0.121 3 . (2-tailed) df a 3.431 .209 1 .

第六章 相關性分析 第一節 說明 在宇宙萬物中,總覺得事事變化複雜,難以掌控,但若能加以分 析,不難發現萬物本身仍有其一定的規律,而透過統計方法中的相關 性分析就能從雜亂無章的現象中找出相互間是否存在著關係。 在統計學上,相關性分析分為簡單相關、複相關及偏相關,簡單 來說:要判定兩組變數間是否有關係,就使用簡單相關,例如:探討 年齡的大小與聽力的好壞是否有關係?而複相關就是要了解許多變 數間是否有關係,例:溫度、溼度、室內或室外、年齡與聽力的好壞 是否有關係?比較符合現實世界的是偏相關,偏相關就是在其他變數 固定條件下,而去檢定兩組變數間是否有關係,例:年齡及溼度固定 ,比較聽力與溫度的關係。 而判定變數間是否有關係,乃依據相關係數(r);相關係數為-1 到 1 之間的實數,在簡單線性相關性分析中,以相關係數的絕對值來 說,相關係數越接近 1,表示變數之間有一線性增加或減少的趨勢, 然而,相關係數越低,則表示變數間線性相關的程度也就越小,相關 係數為 0,並不表示變數間全然無關,也可能是相關的趨勢呈現一種 非線性的樣子(如何判定,在第六章迴歸分析中會介紹),但若變數 間無關,則相關係數必為 0。 第二節 操作範例 範例 5-1:探討握力的大小,是受到那些因素的影響最大,是身 高?體重?還是手呢? 23 .

1 24 .1(a) (3)開啟一個 Bivariate Correlation 的對話盒,如圖 6-1.依據上述的題目,將握力的資料與可能會有相關的變數一起放進 來分析即可。 (1)開啟 SPSS 並載入資料表格 (2)選取 Statistics 裡的 Correlate 下的 Bivariate,如圖 6-1.1(b) (4)將要比較的變數一一的選入 Variable 的欄位,或是在左 側的待選區以框選的方式加入皆可,本次的比較中除加 入握力資料外尚加入身高、體重、掌寬、上臂長及下臂 長的資料 (a) (b) (c) 圖 6-1.

1(c) (6)回到 Bivariate Correlation 的對話盒按下 OK 即可在 SPSS Viewer 看到報表 報表解釋 在 SPSS Viewer 中會見到兩個表,如表 5-1.值(也就是 p 值),當然 p<0.(5)可按下在 Bivariate Correlation 的對話盒右下方之 Options… 按鈕,勾選 Statistics 中的 Means and Standard Deviations,再按下 Continue 按鈕,其作用在報表輸出 時可一併列出各項變數資料的平均值、標準差及樣本數 (非必要) ,如圖 5-1.05 我們才接受,相 對的,p 值越小,相關係數則越大,經過仔細的搜查之後發現,不管 是身高、體重、掌寬或是上、下臂長,都看不出與握力有明顯的關係 ,(所有的相關係數皆不超過 0.1,是平均值及標準 差以及樣本數大小的表,接下來便是個資料間的相關係數表,如表 5-2,基本上從左上角到右下角為變數自己對自己的相關係數,故通 通都是 1,而我們只要看右上半邊或是左下半邊即可,因為兩邊是彼 此對稱的,在相關係數表中,左側的表頭中有兩項指標,依上而下分 別是:相關係數及 Sig.7),但是在掌寬與各項握力的相關係 數中,每一個相關係數的 p 值皆有到達顯著水準,而且當握距增加, 相關係數有提高的趨勢,所以,可以下一個推論:掌寬的大小在不同 的握距下對施力大小都有影響,但是影響的多寡,就必須還要再進一 步的分析了。 25 .

5542 Std.9186 37.3763 30.3062 6.1285 10.Descriptive Statistics G4L1 G4R1 G5L1 G5R1 G6L1 G6R1 G7L1 G7R1 HANDWIDE HEIGHT UNDERARM UPPERARM WEIGHT Mean 28.1034 41.0432 10.2 所示,這三種不同的相關係數分別應用在不同圖 6-1.6315 9.0831 28.225 26.6136 38.5750 .1793 5.8710 10.2288 169.8983 64.3746 9.5893 7.2407 8.2 的資料性質上,可依照表 2-1 選用。在先前的操作範例中,我們採用 26 .3186 41.1 表 6-1.6053 2. Deviation 5.4206 9.1305 41.8136 38.5978 N 59 59 59 59 59 59 59 59 59 59 59 59 59 表 6-1.1079 9.2 此外,對於不同資料性質的相關性分析,可用不同的相關係數加 以分析,有關於資料的性質請參考「第二章 統計選擇方法中的表 2-1 統計方法的選擇分類」 ,在 SPSS 相關分析中提供了三種不同的相 關分析係數可供選擇,分別是:Person、 Kendall’s tau-b 和 Spearman ,如圖 6-1.

230 .250 . (2-tailed) G4L1 G4R1 G5L1 G5R1 G6L1 G6R1 G7L1 G7R1 HANDWIDE HEIGHT UNDERARM UPPERARM WEIGHT G4L1 G4R1 G5L1 G5R1 G6L1 G6R1 G7L1 G7R1 HANDWIDE HEIGHT UNDERARM UPPERARM WEIGHT G4L1 1.388** .000 .177 .000 .000 .315* .446** .349** .056 .235 .000 .509** .908** .624** .301* . .001 .752** .000 .558** .413** .000 .259* .000 .395** .460** .001 .000 .036 .340** 1.048 .533** .000 .649** .493** .624** 1.000 .732** . .227 .291* .001 .011 .080 .000 .301* .657** 1.000 .000 .694** .340** .752** .000 .803** .003 .733** . .000 .000 .559 G5L1 .016 .803** .007 .198 .握力作為分析的資料,而握力的資料屬於「等比尺度」 ,可採用的相 關係數為:Person 及 Spearman 兩種,在先前的範例中,已使用 SPSS 中內定的 Person 係數分析過,接著我們以 Spearman 係數分析相同的 資料,看看兩者之間有何差異。 操作步驟與範例相同,只是在步驟(4)加上在 Correlation Coefficient 選項中將 Person 拿掉,在 Spearman 前的框框上打勾,按 下 OK 即可。 圖 6-1.064 .000 .080 .005 .000 .657** .000 .311* . .180 .000 .000 .078 .415** .000 .493** .000 .362** .000 .001 .509** .445** .424** .001 .000 .360** .359** .000 .602** .424** . .016 .433** .723** .000 .000 .472** .357** .006 .000 . .000 .000 .357** .000 .000 .466** .493** 1.012 .418** .293* .132 . *.000 .002 .538** .392** .078 .291* .000 .020 .769** .624** .816** 1.392** .064 G6L1 .723** .340** .851** .015 .000 .000 .056 .559 .534** 1. Correlation is significant at the .274* .805** .737** .003 .433** .533** .177 .466** .259* .000 .413** .002 .460** .464** .495** .464** .534** .000 .002 .084 .002 .001 .273* .006 .05 level (2-tailed). .000 .537** 1.356** .415** .000 .025 .189 .001 . .558** .011 .000 .180 .256 .538** .256 .388** .000 **.000 .329* .274* .227 .359** .2 Correlations Spearman's rho Correlation Coefficient Sig.243 .012 .315* .000 .009 .729** 1.009 .908** 1.000 .024 .000 .006 G5R1 .000 .000 .000 .008 .000 .443** .805** .000 .001 G7L1 .419** .198 .074 .461** . .020 .000 . .000 .000 .443** .733** .000 .152 .679** .000 .012 .000 .649** .037 .000 .005 . Correlation is significant at the .395** .311* .002 G6R1 .250 .338** .732** .016 .326* .000 .566** .000 .418** .293* .000 .602** .000 .314* .3 27 G7R1 HANDWIDE HEIGHT UNDERARM UPPERARM WEIGHT .000 .024 .445** .679** .446** 1.01 level (2-tailed).015 . 表 6-1.000 .329* .326* 1.037 .001 .384** .000 . .048 .000 .694** .472** .362** .000 .314* .005 .008 .050 .025 .084 .851** .326* .001 .000 .566** .816** .235 .537** .002 .000 .000 .152 .000 .230 .000 .000 .000 .006 .189 .036 . .132 G4R1 .000 .000 .493** .419** .000 .000 .243 .000 .624** . .005 .360** .000 .005 .729** .000 .495** .737** .016 .340** .012 .005 .000 .007 .349** .050 .000 .461** .000 .338** .356** .000 .001 .326* .384** .769** 1.008 .273* .001 .074 .008 .000 .

3 中,其實與之前的 Person 並沒有相當大的差別,只是 相關係數比較低。在這個例子中,只是要告訴使用者,在相關分析中 尚有不同的分析方法可供選擇,使用者可依照資料的性質或現實的狀 況選用適當的分析方法,所得的結果將會較有意義,且較有價值。 28 .在表 6-1.

第七章 迴歸分析 第一節 說明 在第六章曾經提到,可利用相關性分析判定變數之間是否有關係 ,但是就算是了解某幾組變數間有關係,只是知道關係的深淺,若要 進一步了解各變數間相關的性質,就必須使用迴歸分析。 迴歸分析是一種統計分析方法,其目的是用來尋找以一個或多個 自變數來作為預測另一個因變數的數學關係,也就是說:期望能由一 群變數中整理出一個較佳的關係式,進而應用這個方程式配合已知的 變數,去「預測」未知的變數;例如:身高與體重之間就有可能存在 一個關係,使得在一般的狀況下,體重乘上某個固定數值,再加上一 個常數,會與身高的值相當接近,故可由一個人的體重來預測他的身 高。以簡單線性迴歸分析來說,就是要找到一個函數ƒ去滿足 而 稱為簡單線性迴歸模式,在此迴歸模式中的 我們稱 y = f ( x) f ( x) = β 0 + β 1 x y = β 0 + β 1x 作為迴歸係數。 β1 一般而言,在迴歸分析之前,首先會將把變數的分布情形畫在散 佈圖上,在圖上可以先看出可能形成的趨勢,然後找出迴歸係數,接 下來便是作殘值分析,所謂殘值就是觀察值減去預測值,繪出殘差圖 ,以殘差圖可看出變數的趨勢,再進一步決定要用線性或非線性的模 式來作迴歸,直到擬合(fit)出真正可以代表的迴歸模式為止。 29 .

繪製散佈圖 (1)開啟 SPSS 並載入資料表格 (2)選取 Graphs 裡的 Scatter… ,如圖 7-1.1 (c) (7)以滑鼠選取 g6r1 加入 Y Axis 及選取 g6l1 加入 X Axis 後按下 OK (8)就可看到散佈圖(圖 7-1.1 (a) (3)開啟一個 Scatterplot 的對話盒,如圖 7-1.3(c) 30 .1 (b) (4)在 Simple 的圖示上按滑鼠左鍵 (5)再按下 Define 按鈕 (6) 這時又會出現一為 Simple Scatterplot 的對話盒,如圖 7-1.3(b) (3)以滑鼠選取 g6r1 加入 Dependent 及選取 g6l1 加入 Independent(s) (4)按下對話盒下方 Save… 按鈕,開啟 Linear Regression:Save 的對話盒,如圖 7-1.第二節 操作範例 範例 7-1:在握力計握距為六公分時以右手的施力大小為應變數 ,左手的施力大小為預測變數,作迴歸分析。 1.3(a) (2)開啟一個 Linear Regression 的對話盒,如圖 7-1.簡單線性迴歸分析 (1)選取 Statistics 裡的 Regression 中的 Linear… ,如圖 71.2),此散佈圖為一典型的正向增 加趨勢,所以接下來,就以線性迴歸來擬合模式。 2.

(a) (b) (c) 圖 7-1.2 31 50 60 .1 70 60 50 40 30 G6R1 20 10 10 20 30 40 G6L1 圖 7-1.

(5)在 Residuals 中勾選 Unstandardized 後按下 Continue 按 鈕 (6)回到 Linear Regression 的對話盒後,按下 OK 按鈕 ( a) (a) (b) b) (c) ( c) 圖 7-1.3 3.報表解釋 即可在 SPSS Viewer 看到報表,報表如下頁,我們關心的是下列 的數值: 32 ( .

Dependent Variable: G6R1 表 7-1.907 a. B Error 5.929 .013 .1,Coefficients 中,看到 G6L1 的 Sig.086 Sig.058 a Standar dized Coeffici ents Beta . Residual 4.000 a.853 t 3. Dependent Variable: G6R1 表 7-1.577 16. .60 a.901 2.2,Casewise Diagnostics,這個 Case Number 38 就是所謂的 Outline 值,這個數值也可以在殘差圖中看出,因為它的 33 .000 t 2. .872 .05,也就是 說 p 值小於 0.513 2.452 a G6R1 53.Coefficients Model 1 a Standar dized Coeffici ents Unstandardized Coefficients Std. 值<0.290 .323 Sig.071 (Constant) G6L1 Beta .05,故代表 G6L1 與 G6R1 間有明確的關係存在,再看 到 Bate 值為 0.1 Casewise Diagnostics Case Number 38 Std.051 12.853,表示可以接受此迴歸模式的信賴度;而 G6L1 所 對應的 B 值就是迴歸係數 β,而 1 Constant 所對應的 B 值就是 β 0, 接下來再看到表 7-1.790 . B Error 8.003 . Dependent Variable: G6R1 表 7-1.3 在表 7-1.2 Coefficients Model 1 (Constant) G6L1 Unstandardized Coefficients Std.

Residual)過高,所以在作迴歸分析時應該特別注意此 種資料,若為人為疏失,則應修正後,再作一次迴歸分析,若並不是 人為疏失,則可能有相當的研究價值;因求證後得知,此筆資料乃人 為上的疏失,故將此筆資料剔除,表 7-1.853 要好,表示此簡 單線性迴歸分析更加的擬合。 之前提到 Sig. 值大於 0. 值若大於 0.05 並不表示兩變數間無明確的關係存在,以線性迴 歸來說,若線性迴歸的 Sig.05,則表示兩變數間無明確的 「線性」關係存在,則可再以非線性迴歸作迴歸模式加以測試。 4.殘差圖 記不記得剛才在作簡單線性迴歸分析時,在 Linear Regression:Save 對話盒中 Residuals 裡加入的 Unstandardized 這個選項 ,也就是將每一筆的殘差值加入 SPSS Data Editer 裡,欄位為 res-1, 我們也就是要用這些資料來畫殘差圖。 殘差圖的做法與先前的散佈圖相同,只是 Y Axis 及 X Axis 要分 別換成 Unstandardized Residual [res_1] 及資料表編號(number),如圖 7-1.05 即應變數即自變數有明確的關係,但 Sig.3 就是剔除第 38 筆資料後的 Coefficients 表,其 Bate 值為 0.6 乃是未剔除第 38 筆資料的殘差圖,可發現有一點特別的高,距離 0 點最遠。 34 .4,圖 7-1.5 就是剔除第 38 筆資料後的殘差圖,很明顯的,殘值 的分布都接近 0 點,並沒有特殊的分布,而圖 7-1.907,比之前的 0. 值小於 0.標準後殘值(Std.

8(a) (2)以滑鼠選取 g6r1 加入 Dependent 及選取 g6l1 加入 Independent 的 variable,如圖 6-1.6 5.8(b) (3)在 Model 中勾選 Linear,然後按下 OK 按鈕 35 .簡單線性迴歸線圖 在殘差圖中,若對此模式感到滿意,即可依據迴歸係數畫出回歸 線。 (1)選取 Statistics 裡的 Regression 中的 Curve Estimation, 如圖 7-1.4 20 30 20 10 Unstandardized Residual Unstandardized Residual 10 0 -10 -20 0 10 20 30 40 50 60 0 -10 -20 0 NUMBER 10 20 30 40 50 60 NUMBER 圖 7-1.圖 7-1.5 圖 7-1.

7 圖 7-1.7 中的紅線就是迴歸線,藉由先前找出的 β 0 及 β 1 就可找 出簡單線性迴歸模式 yˆ = 5.901 + 0.929 再加上 5.901 就大約能估計 出其右手的握力。 附帶一提,進行殘差分析時,若 Sig. 值及 Bate 都在可接受的範 圍時,若殘差圖的分布過廣,也就是說,分布於 0 點上下的距離過高 36 .G6R1 70 60 50 40 30 20 Observed 10 Linear 10 20 30 40 50 60 G6L1 圖 7-1.8 也就是說,以左手的握力乘以 0.929 x (a) (b) 圖 7-1.

,仍然可繪出一迴歸線,但是否要接受此迴歸模式,則需再考量或以 另一種的模式加以迴歸。 以上就是簡單線性迴歸分析的介紹,至於複迴歸;或是非線性的 迴歸分析,可逕自參考有關 SPSS 的書籍,就不在此多作贅述。 37 .

參考文獻 [1] 李正源,SPSS for Windows 統計分析與應用,碁峰資訊股份 有限公司,一九九七年九月。 [2] 李金泉,如何精通 SPSS for Windows 統計分析,統計分析篇 ,松崗電腦圖書資料股份有限公司,一九九七年七月。 [3] 林元興,統計理論與方法,華泰書局,中華民國七十六年八 月。 [4] 林進田,抽樣調查:理論與應用,國立編譯館,民國八十二 年七月。 [5] 林惠玲,陳正倉,統計學-方法與應用(下冊),雙葉書廊有 限公司,民國八十五年五月。 [6] 韋從序,統計學(二)-推理統計學,中正書局,民國六十二 年。 [7] 陳順宇,迴歸分析,華泰書局,民國八十五年五月。 [8] 張紹勳,林秀娟,SPSS For Windows 統計分析:初等統計與 高等統計(下冊),松崗電腦圖書資料股份有限公司,一九九 八年十月,三版。 38 .

附錄 此資料表於民國八十五年,由朝陽科技大學工業工程與管理系 87 級 B 班同學男生 51 人、女生 8 人;共計 59 人,於人因工程實驗課 程,以類比式握力計,分別以左右手量測握距為 4 公分、5 公分、6 公分、7 公分時的最大握力;並量測身高、體重、掌寬、上下臂長做 為統計分析時的參考資料。 滑鼠測量採用羅技鼠一至四代,由每個人個別操作使用,並記錄 每個人在使用過程中感覺最順手的滑鼠種類。 附表一 附表補充說明 欄位 Numb Sex G4r1 G4l1 G5r1 G5l1 g6r1 g6l1 g7r1 全名 Number Sex g4r1 g4l1 g5r1 g5l1 g6r1 g6l1 g7r1 說明 資料表編號 性別 握距 4 公分時慣用手的握力 握距 4 公分時非慣用手的握力 握距 5 公分時慣用手的握力 握距 5 公分時非慣用手的握力 握距 6 公分時慣用手的握力 握距 6 公分時非慣用手的握力 握距 7 公分時慣用手的握力 39 備註 .

g7l1 heigh weigh Hand_h uppe unde mous g7l1 height weight handwide upperarm underarm mouse 握距 7 公分時非慣用手的握力 受測者身高 受測者體重 受測者掌寬 受測者上臂長 受測者下臂長 滑鼠種類 用於卡方檢定 本手冊中所有之統計圖表乃採用 SPSS 8.0 for Windows 版本。 40 .