格格党

手机浏览器扫描二维码访问

四连续数据的分析（第1页）

四、连续数据的分析

banner"

>

连续数据包含等距数据和等比数据。

教育科学研究中收集到的连续数据多为能力分数、心理素质及其他诸如年龄、收入、时间等数据。

连续数据的统计分析方法比离散数据丰富很多，但对数据的分布形态的要求也比较高。

在教育科学研究常用的统计分析方法中，大多要求数据的分布为正态分布，当然也会涉及其他的条件，这些都是在选择统计分析方法时需要考虑的。

（一）描述分析

连续型数据的描述分析主要是对数据分布的基本情况进行统计分析，展示数据的基本特征，常用的统计指标有集中量、离散量、百分位分数、分布形态等。

下面以关于学生情绪智力调查结果的数据为例进行说明。

1.分布形态的判断

分布形态是决定进一步统计分析的基础，在对一个数据进行分析之前，需要基本了解数据的分布形态。

数据的正态分布判断方法有两类。

一类是通过绘制数据实际分布与理论正态分布的拟合图，根据拟合图的形状进行直观的判断。

另一类则是统计数据分布的偏态系数，根据偏态系数值进行判断。

由于偏态系数的统计包含在集中量、离散量分析过程中，将放在该过程介绍中进行说明。

正态分布P-P图的SPSS操作过程如下：

选择AiveStatistics→P-PPlots，打开P-P图绘制的对话框，将情绪智力变量放入右侧“Variables”

框，如图12-9所示。

研究者的目的是检验被调查者的情绪智力分布是否为正态分布，无须再做任何其他的操作；如果研究的目的是想检验变量是否为其他分布，如二项分布、卡方分布等，则可以在右上方“TestDistribution”

的下拉菜单中进行选择。

SPSS程序默认的是正态分布（Normal）检验，选择了要检验的变量后，直接点击“OK”

键，可以得到图12-10所示的P-P图。

图12-10中的圆圈代表的是样本数据中每一个观测值，黑色的对角线由满足正态分布的理论数据构成，如果观测数据基本分布在该条对角线附近，则认为数据满足正态分布。

图12-10显示情绪智力的分布基本接近正态分布。

图12-9P-P图绘制对话框

图12-10P-P图示例

2.基于Frequencies过程的分析

前面介绍过，Frequencies过程是离散数据频次分析的主要实现渠道，除了基本的频次分析外，Frequencies过程还可以分析一个数据次数分布的基本情况，包括平均数、标准差、百分位分数等基本统计量，以及次数分布形态的统计量指标的分析。

Frequencies过程对连续变量进行描述统计分析的SPSS操作如下：

选择AiveStatistics→Frequencies，打开Frequencies的对话框，将情绪智力变量放入右侧“Variable（s）”

框，点击右侧“Statistics”

选项（可参考图12-4），打开如图12-11所示对话框。