SPSS統計方法及其適用性分析

黃利花

（商丘師范學院外語學院，河南商丘476000）

近些年來，人們逐漸不滿足于思辨式的論述，越來越關注實證性的研究方法。根據高一虹（1999），在中國應用語言學研究中，定量研究呈明顯上升趨勢。這是我國科研方法整體改進的重要表現之一。然而，由于統計學知識抽象難懂，大多數科研工作者面對復雜的數據分析還是感覺無從下手，這直接影響著其科研水平的提高。本文將介紹社科研究中常用的SPSS統計方法，并討論其適用性，目的在于幫助后來者廓清不同分析方法的獨特性，避免發生濫用、誤用的現象。

一、SPSS介紹

SPSS是英文名稱Statistical Product and Service Solutions的首字母縮寫，譯為“統計產品與服務解決方案”，它是一個組合式軟件包，兼具數據整理和數據分析功能，這個軟件由美國斯坦福大學的三位研究生研制開發，并逐步發展成為國際上最有影響的三大統計軟件之一（另外兩個分別為SAS和BMDP）。研發之初，SPSS統計軟件主要應用于企事業單位，上世紀八九十年代SPSS公司推出該軟件的不同語種版本，這使其很快應用于自然科學、社會科學的各個領域，并在國內廣泛流行起來。它通過Windows的窗口方式展示各種管理和分析數據的方法，使用對話框的方式展示各種功能選擇項，因此略懂Windows操作技巧和統計基礎理論的人都可以使用SPSS來分析數據，非常方便。

常用的SPSS統計分析包括描述性統計、假設檢驗、相關分析、方差分析、回歸分析等幾大類，每類中又有不同的統計過程，每個過程中又允許用戶選擇不同的方法及參數。SPSS還有專門的繪圖系統，可以根據數據繪制各種統計圖形和地圖。SPSS for Windows的分析結果清晰、直觀、易學易用，而且可以直接讀取EXCEL數據文件，現已推廣到多種各種操作系統的計算機上。過去一些需要經過手工計算才能得到的數據，現在通過SPSS可由計算機自動算出，它大大降低了研究者應用統計學知識的門檻。

二、常用SPSS統計方法

SPSS的基本功能包括數據管理、統計分析、圖標分析等，統計分析過程包括描述性統計和推斷性統計兩大類。描述性統計主要探討如何根據調查中獲得的大量數據描述一組數據的全貌，表達事物的性質，即是對所收集的數據資料進行加工整理、綜述概括，通過直觀或非直觀的形式對資料進行分析和描述。具體說來，就是通過整理數據計算出集中趨勢、離散趨勢等等，把凌亂無需的數據簡化成為清晰而便于理解的形式，用數字、圖標描述出來。描述統計是統計分析的基礎工作，它便于研究者對受試者的特征有一個總體的清晰把握，為進一步分析數據打下基礎。通常我們根據平均數、中數、眾數等數值了解數據分布集中情況，通過全距、平均差、標準差、變異系數等數值來了解數據分散情況。這些從樣本中計算得來的、能表示樣本分布特點的數據就是統計量。

推斷性統計主要研究如何通過局部數據所提供的信息，經過概括性的分析、論證，在一定可靠程度上推斷總體的情形。推斷統計的前提是研究樣本符合正態分布，根據正態曲線單峰、對稱、雙尾逐漸降低但永不與底線交鋒的特點，可以通過統計檢驗的方法推斷樣本的局部或整體特征。根據統計量推斷出的表示總體分布特點的數據稱為參數，參數的獲得需要個過程，即根據樣本得出統計量后，再用統計量估計出參數。根據參數來推斷研究群體的總體特征就是推斷統計的主要任務。下面要討論的t檢驗、方差分析、相關分析、回歸分析等都屬于推斷性統計方法。

1、t 檢驗

t檢驗是用來比較不同數據的平均值，看它們之間的差異是隨機差異還是本質差異的參數檢驗方法。它的前提條件是數據服從正態分布且總體方差未知。t檢驗有三種情況：獨立樣本t檢驗，配對樣本t檢驗和單樣本t檢驗。獨立樣本t檢驗旨在比較兩個不同的樣本在一個變量上的差異，配對樣本t檢驗比較的是同一樣本在兩個變量上的差異，而單樣本t檢驗比較的則是一個樣本的平均值與某個指定的數值的差異。t檢驗常用于檢驗兩個樣本的平均數是否存在差異，它把一個復雜問題分成多組平均數兩兩之間差異的檢驗。

2、方差分析

通常我們用t檢驗來檢驗兩個總體均值相等的假設是否成立，但實際科研中，實驗條件可能不是兩組，而是三組或三組以上，這時候就需要進行方差分析。方差分析是一種非常常用的統計分析方法。它旨在檢驗兩個或多個樣本均數間差異的顯著性意義。通過它我們不僅可以分析一個因素對實驗結果的影響，還可以分析兩個、三個及三個以上因素的影響。另外，它不僅可以對多個影響因素下的測量值進行分析，還可以檢驗幾個影響因子之間是否存在交互作用。根據影響因子的多少，方差分析可分為如單因素方差分析和雙因素方差分析兩種；根據影響因子之間是否存在交互作用，方差分析可分為單因素重復測量方差分析和雙因素混合方差分析兩種。

3、相關分析

在科學研究中往往涉及多種變量，它們之間存在的非確定性關系就被稱為相關關系，即兩個變量共同發生變化。引起變化的變量即自變量，受到影響而發生變化的變量即因變量。不同變量之間的相關關系可分為三種：正相關，負相關和零相關。正相關表示兩個變量變化方向相同，即一個變量變大時，另一個變量也變大。負相關指兩個變量變化方向相反，即一個變量變小時，另一個變量變大。零相關表示兩個變量之間的變化無規律可言。相關程度的高低通過相關系數（correlation coefficient）體現，它的取值在+1和-1之間，相關系數前面的正負號表示相關方向，其絕對值表示相關程度。統計學中把低于±0.20以下的相關系數稱為最低相關，±0.20～±0.40之間為低相關，±0.4～±0.7之間為顯著相關，絕對值在0.9以上為最高相關。相關分析包括Pearson相關分析、Spearman相關分析、偏相關分析等等。在進行相關分析的顯著性檢驗時，只有P值小于0.05相關系數才具有統計學意義。

4、回歸分析

與相關分析一樣，回歸分析也是對變量依存關系的分析。一般來說，相關程度越高，回歸分析的結果就越可靠，因此多數研究在做回歸分析之前先要做相關分析，這是判別回歸分析結果的一個重要依據。相比而言，相關分析是探討變量之間的共變關系，即非因果關系，而回歸分析則要區分變量之間的因果關系。相關分析檢驗變量之間的關系的密切程度和變量的變化方向，而回歸分析對具有相關關系的變量建立回歸模型來描述變量之間的具體變動關系，通過控制或給定自變量的數值來估計因變量的數值（秦曉晴，2003）。根據變量之間的關系，回歸分析有線性回歸或非線性回歸之分。根據自變量的多少，回歸分析有一元回歸和多元回歸之分。只有一個自變量的回歸分析就是一元回歸分析，多于一個自變量的回歸分析被稱作多元回歸分析。

5、非參數檢驗

上述統計方法都屬于參數檢驗。進行參數檢驗必須滿足如下條件：總體服從正態分布；數據為定距或定比數據；數據的方差具有穩定性即齊性方差；來自不同受試者的數據必須是獨立的(車宏生等，2006)，也就是說，一個受試者的行為不能收其他受試者的影響。只有滿足上述條件才可以用參數檢驗的方法，否則只能選用非參數檢驗的方法。非參數檢驗是用來檢驗數據資料是否來自同一總體假設的檢驗方法。它不要求數據為定距或定比，因而也適用于推斷定類或定序數據。他也不要求總體服從正態分布。非參數檢驗一般不涉及總體參數，不要求很大的樣本。常用的非參數檢驗有Wilcoxon檢驗（雙樣本配對檢驗）,Friedman檢驗（多組配對檢驗）,Mann-Whitney檢驗（獨立雙樣本檢驗）,Kruskal-Wallis檢驗（獨立多樣本檢驗），Spearman相關檢驗等。

三、SPSS統計方法的適用性分析

分析定量數據必然需要選擇合適的統計檢驗方法。統計檢驗方法的確定是根據研究目的和數據類型來決定的，首先要明白自己希望得到什么樣的結果，其次要根據數據類型的不同來選擇合適的統計方法（秦曉晴，2003）。具體說來就是要回答下述問題：1.是要確定不同數據之間是否存在差異還是要弄清楚它們之間是否存在什么樣的聯系？2.所使用的是從不同群體的受試者得到的數據還是從同組受試者中收集到的不同的數據？3.是要分析一組數據還是兩組數據，亦或是更多組的數據？4.因變量是用哪種量表測量？定類、定序量表，還是定距、定比量表？也就是說，要確定用參數檢驗還是非參數檢驗法？上述問題涉及統計方法的選擇。下面筆者將分析不同統計方法的適用條件。

1、分析不同數據間的差異

如果研究的目的是了解不同數據間的差異，首先要弄清是將單個變量的平均值與制定的標準值進行差異比較，還是進行不同數據組之間的差異比較。如果是均值與標準值之間的差異比較就采用單一樣本檢驗（one-sample t-test），如果是組間數據差異比較，還要確定數據是來自相同的調查對象，還是不同的調查對象，之后才能確定分析方法。如果數據來自相同的對象，比較的是兩組數據，參數檢驗就用配對樣本t檢驗（paired-samplet-test），非參數檢驗就用Wilcoxon檢驗。如果數據來自相同的對象，比較的是三組或三組以上數據間的差異，參數檢驗就采用多因方差分析（MANOVA），非參數檢驗就使用Friedman檢驗。如果數據來自不同的調查對象，比較的是兩組數據，參數檢驗就采用獨立樣本t檢驗（independent samplet-test），非參數檢驗就選擇Mann-Whitney檢驗。如果數據來自不同的對象，比較的是三組或三組以上數據間的差異，參數檢驗就使用一維方差分析（one-way ANOVA）,非參數檢驗就選擇Kruskal-Wallis檢驗。

2、分析不同數據間的聯系

如果研究目的是弄清不同數據間的聯系，那么就要采用相關分析、回歸分析等。如果分析的是兩組數據間的聯系，參數檢驗選擇Pearson相關，非參數檢驗采用Spearman相關（馬廣惠，2003）。如果分析的是三組或三組以上的數據，探討的是它們之間一般的因果關系，即多個自變量與因變量之間的關系，就采用多元回歸分析（multiple regression）。如果關心的是多重因果關系，即在分析自變量與因變量之間的關系時也檢驗不同自變量之間的關系，就可采用路徑分析方法，如果這種分析中還存在潛在變量，就可使用線性結構關系模型分析方法（linear structural modeling）。

四、結語

SPSS已經成為量化研究的一種重要統計工具，能很好地分析研究中得來的數據。然而，由于人們對SPSS還不是特別熟悉，所以使用過程中也表現出一定的局限性，如對不同統計方法的適用性缺乏清晰的認識、對研究結果不能給予充分的解釋等等，因而存在誤用的情況。當然，SPSS只是一種統計手段，它不能完全保證研究的科學性，研究的科學性意味著從理論構建到數據收集再到數據整理最后到數據分析、數據解釋，每一步驟都要科學嚴謹，有理有據。最后值得一提的是，SPSS是一種研究工具，是否使用和怎么使用還有賴于研究者的研究目的和研究類型，決不能為了嘩眾取寵而盲目套用，那樣只會適得其反。

[1] 高一虹，等. 中西應用語言學研究方法發展趨勢[J].外語教學與研究， 1999，（2）：8-16.

[2] 秦曉晴. 外語教學研究中的定量數據分析[M]. 華中科技大學出版社，2003.

[3] 車宏生，王愛平，卞冉.心理與社會研究統計方法[M].北京師范大學出版社，2006.

[4] 馬廣惠. 外國語言學及應用語言學統計方法[M].陜西：西北農林科技大學出版社，2003.