spss课程学习心得体会

spss课程学习心得体会（共7篇）

spss课程学习心得体会 篇1

本科的时候有概率统计和数理分析的基础，但是从来没有接触过应用统计分析的东西，spss也只是听说过，从来没有学过。一直以为这一块儿会比较难，这学期最初学的时候，因为没有认真看老师给的英文教材，课下也没有认真搜集相关资料，所以学起来有些吃力，总感觉听起来一头雾水。老师说最后的考核是通过提交学习报告，然后我从图书馆里借了些教材查了些资料，发现很多问题都弄清楚了。结合软件和书上的例子，实战一下，发现spss的功能相当强大。最后总结出这篇报告，以巩固所学。spss，全称是statistical product and service solutions，即“统计产品与服务解决方案”软件，是ibm公司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称，也是世界上公认的三大数据分析软件之一。spss具有统计分析功能强大、操作界面友好、与其他软件交互性好等特点，被广泛应用于经济管理、医疗卫生、自然科学等各个领域。具体到管理方面，spss也是一个进行数据分析和预测的强大工具。这门课中也会用到amos软件。

关于spss的书，很多都是首先介绍软件的。这个软件易于安装，我装的是19.0的，虽然20.0有一些改变和优化，但是主体都是一样的，而且都是可视化界面，用起来很方面且容易上手。所以，我学习的重点是卡方检验和t检验、方差分析、相关分析、回归分析、因子分析、结构方程模型等方法的适用范围、应用价值、计算方式、结果的解释和表述。

首先是t检验这一部分。由于参数检验的基础不牢固，这部分也是最初开始接触应用统计的东西，学起来很多东西拿不准，比如说原假设默认的是什么。结果出来后依然分不清楚是接受原假设还是拒绝原假设。不过现在弄懂了。这部分很有用的是t检验。t检验应用于当样本数较小时，且样本取自正态总体同时做两样本均数比较时，还要求两样本的总体方差相等时，已知一个总体均数u，可得到一个样本均数及该样本标准差，样本来自正态或近似正态总体。t检验分为单样本t检验、独立样本t检验、配对样本t检验。其中，单样本t 检验是样本均数与总体均数的比较的t检验，用于推断样本所代表的未知总体 均数μ与已知的总体均数uo有无差别；独立样本t检验主要用于检验两个样本是否来自具有相同均值的总体，即比较两个样本的均值是否相同，要求两个样本是相互独立的；配对样本t检验中，要正确理解“配对”的含义，主要用于检验两个有联系的正态总体的均值是否有显著差异，跟独立检验的区别就是样本是否是配对样本。这几个方法用软件操作起来都是相对简单的，关键是分清楚什么时候用这个什么时候用那个。

然后是方差分析。方差分析就是将索要处理的观测值作为一个整体，按照变异的不同来源把观测值总变异的平方和以及自由度分解为两个或多个部分，获得不同变异来源的均值与误差均方，通过比较不同变异来源的均方与误差均方，判断各样本所属总体方差是否相等。方差分析主要包括单因素方差分析、多因素方差分析和协方差分析等。这一部分在学习的过程中出现一些问题，就是用spss来操作的时候分不清观测变量和控制变量，如果反了的话会导致结果的不准确。其次，对bonferroni、tukey、scheffe等方法的使用目的不清楚，现在基本掌握了多重比较方法选择：一般如果存在明确的对照组，要进行的是验证性研究，即计划好的某两个或几个组间（和对照组）的比较。宜用bonferroni(lsd)法；若需要进行多个均数间的两两比较，且各组个案数相等，适宜用tukey法；其他情况宜用scheffe法。最后，对方差齐性检验、多重比较检验、趋势检验理解不够透彻，在方差检验中，post hoc键有lsd的选项：当方差分析f检验否定了原假设，即认为至少有两个总体的均值存在显著性差异时，须进一步确定是哪两个或哪几个均值显著地不同，则需要进行多重比较来检验。lsd即是一种多因变量的三个或三个以上水平下均值之间进行的两两比较检验。相关分析是研究现象之间是否存在某种依存关系，并对具体有依存关系的现象探讨(转载于:spss课程学习心得体会)其相关方向以及相关程度，是研究随机变量之间的相关关系的一种统计方法。相关分析研究现象之间是否相关、相关的方向和密切程度，一般不区别自变量或因变量。主要有双变量相关分析、偏相关、距离相关几个方法。双变量相关分析是相关分析中最常使用的分析过程，主要用于分析两个变量之间的线性相关分析，可以根据不同的数据类型和条件，选用pearson积差相关、spearman等级相关和kendall的tau-b等级相关。当数据文件包括多个变量时，直接对两个变量进行相关分析往往不能真实反映二者之间的关系，此时就需要用到偏相关分析，从中剔除其他变量的线性影响。距离相关分析是对观测变量之间差异度或相似程度进行的测量，其中距离需要弄清楚，距离分析是对观测量之间相似或不相似程度的一种测度，是计算一对观测量之间的广义距离。这些相似性或距离测度可以用于其他分析过程，例如因子分析、聚类分析或多维定标分析，有助于分析复杂的数据集。接着是回归分析。相关分析研究的是现象之间是否相关、相关的方向和密切程度，一般不区别自变量或因变量。而回归分析则要分析现象之间相关的具体形式，确定其因果关系，并用数学模型来表现其具体关系。比如说，从相关分析中我们可以得知“质量”和“用户满意度”变量密切相关，但是这两个变量之间到底是哪个变量受哪个变量的影响，影响程度如何，则需要通过回归分析方法来确定。回归分析的目的在于了解两个或多个变量间是否相关、相关方向与强度，并建立数学模型以便观察特定变量来预测研究者感兴趣的变量。运用十分广泛，回归分析按照涉及的自变量的多少，可分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。应用回归分析时应首先确定变量之间是否存在相关关系，如果变量之间不存在相关关系，对这些变量应用回归预测法就会得出错误的结果。正确应用回归分析预测时应注意：①用定性分析判断现象之间的依存关系；②避免回归预测的任意外推；③应用合适的数据资料； 接下来是因子分析。因子分析是指研究从变量群中提取共性因子的统计技术。最早由英国心理学家c.e.斯皮尔曼提出。他发现学生的各科成绩之间存在着一定的相关性，一科成绩好的学生，往往其他各科成绩也比较好，从而推想是否存在某些潜在的共性因子，或称某些一般智力条件影响着学生的学习成绩。因子分析可在许多变量中找出隐藏的具有代表性的因子。将相同本质的变量归入一个因子，可减少变量的数目，还可检验变量间关系的假设。因子分析的主要目的是用来描述隐藏在一组测量到的变量中的一些更基本的，但又无法直接

测量到的隐性变量。从显性的变量中得到因子的方法有两类。一类是探索性因子分析，另一类是验证性因子分析。探索性因子分析不事先假定因子与测度项之间的关系，而让数据“自己说话”。而验证性因子分析假定因子与测度项的关系是部分知道的，即哪个测度项对应于哪个因子，虽然我们尚且不知道具体的系数。这一部分不能用spss来操作，要用amos，用起来也很方便。

最后一部分学习的是结构方程模型。结构方程模型是一种融合了因素分析和路径分析的多元统计技术。它的强势在于对多变量间交互关系的定量研究。在近三十年内，其大量应用于社会科学及行为科学的领域里，并在近几年开始逐渐应用于市场研究中。结构方程模型是对顾客满意度的研究采用的模型方法之一。其目的在于探索事物间的因果关系，并将这种关系用因果模型、路径图等形式加以表述。结构方程模型与传统的回归分析不同，结构方程分析能同时处理多个因变量，并可比较及评价不同的理论模型。与传统的探索性因子分析不同，在结构方程模型中，我们可以提出一个特定的因子结构，并检验它是否吻合数据。通过结构方程多组分析，我们可以了解不同组别内各变量的关系是否保持不变，各因子的均值是否有显著差异。这门课要学习完了，整个学习的过程是充满曲折和挑战的，我见证了自己从一无所知到困惑迷茫再到略懂再到会用的过程。甚至学完之后有些问题还没有彻底搞清楚，自己接下来还会不断的探索的。spss是个很神奇的工具，结合amos和excel更是如虎添翼，相信学习了spss在以后的论文和数据分析中很有用。这门课给我的感觉是看起来很难，但是实际学起来就好很多，因为当我结合具体实例和软件的时候，很多抽象的问题就豁然开朗了。但是想给老师一个建议，这门课需要很强的统计和概率论的基础，要不然就会很难听懂或者听得半懂。然后这门课的很多方法的相关资料都是用在医疗卫生、自然科学领域的，在管理中的应用的资料不怎么多。老师希望我们上课的时候结合在管理中的应用来学习，但是资料有限，希望老师在这个方面多给学生一些引导。篇二：spss心得体会

学习spss在教育统计中的应用心得体会

一、什么是spss？为什么要学习spss？

新学期开始时，在信息化教育测量与评价的课程中第一次接触

到spss这个软件，作为本科是计算机专业出身的我，当时只知道spss是一套统计软件，就是一套根据统计学原理所编写出来的统计分析软件，至于统计什么？分析什么？我一无所知，尤其是看到老师推荐的《spss在教育统计中的应用》这本书的时候，就简单的把它理解为用spss软件来统计、分析与教育相关的数据，最终得出想要的结论而已，而现在看来，我当初的想法未免有点简单与无知。下面就来让我们了解一下spss。spss软件是一组专业的、通用的统计软件包，同时它也是一个组合式软件包，兼有数据管理、统计分析、统计绘图和统计报表功能。它广泛用于教育、心理、医学、市场、人口、保险等研究领域，也用于产品质量控制、人事档案管理和日常统计报表等。spss软件对计算机硬件系统的要求较低；对运行的软件环境要求宽松，有各种版本可运行在windows xp、win7系统环境下，spss统计软件采用电子表格的方式输入与管理数据，能方便地从其他数据库中读入数据（如dbase，excel，lotus等）。

我为什么要学习spss呢？其实很简单，一方面，做为一名 研究生，要具备一定的科研能力，如今量化研究的方法大行其道，一切要以事实说话、要以数据说话，有了数据支持的研究才能更容易被认可、被推论。另一方面，根据对aect94定义的理解，教育技术

学研究的对象是学习过程和学习资源，包含大量的偶然现象和非精确现象。因此，要深入研究教育技术现象及其规律，必须运用统计描述、统计分析方法和模糊数学分析方法，才可能使这门学科达到真正完善的地步。教育技术学研究的现象多数是偶然的现象，其变化发展往往具有几种不同的可能性，究竟出现哪一种结果，那是带有偶然性的，是随机的。这类偶然现象是遵循统计规律的，当随机现象是由大量的成份组成，或者随机现象出现大量的次数时，就能体现统计平均规律。我们只有对数据资料作统计处理，才可能可以发现它们的内在规律，掌握现象的特征，检验研究的假设，才能得出准确的、可靠的研究结果。

二、对本spss各章节学习的心得

新课程老师带领下，采取一种新的学习方式，老师讲解了基础部分后，全班同学采取小组分工、协作学习，然后对全班同学进行讲解学习内容，教师进行当堂指导，这种方法改变了同学们的学习态度，同学们不再是课前不预习，课下不复习的状态，每组都有自己的任务，课前有一定的压力，同学间的讨论也明显的增多，例如：一次课下同学们在一起吃饭，有几位同学还在调侃说“两个菜之间用spss进行分析后得出的结果不接受h0假设，也就是两个菜之间不相关”，虽然这只是一个课下的玩笑，但是这也可以体现出对学习的态度的转变。下面就本学期的所学spss的各章节做一下归纳，这些归纳也是基于本人平时在课前预习，课上及课后的一些所思所想，也许会有一些理解上的偏颇在内，但这仅限于心得而已。本学期学习各个章节 及分工如下表：

章节名称

1.spss的认识

及数据文件的处理

2.数据清理与

基本统计及测

量质量分析 3.t检验 4.方差分析1、2人 3人 7.聚类分析 8.统计图形 2人 1人 2人 6.卡方检验 3人 2人 5.相关分析 3人 分工人数 章节名称 分工人数 spss的认识及数据文件的处理心得体会

可能是由于是同学们第一次讲，万事开头难，压力很大，在大家认为最为简单的内容讲解上，两位同学并没有完全展现出二人实际水平，大家在这一节课上都感觉到很压抑，总的感觉是这节内容很简单，但是内容又很松散，可讲的东西太多，讲的东西多就没有突出重点和难点，所以听过之后就有种无数的碎片漂浮在脑海中一样，很难将知识系统化，课后总结一下无非就是两块，一块是了解spss软件的历史及基本功能，还有一块就是spss软件当中一个模块叫做数据文件的处理，在认识spss软件当中了解到它是一组社会科学统计软件包，诞生于1968年，当时美国的3位大学生开发出了它，经过这么多年的后续开发，spss已经有了很多的版本，具有了更的兼容性、和更友好的操作界面，也在很多的学科领域得到了应用，而在教育中的应用

只是它的一个分支。此外它对硬件的要求也很低，当前一般的电脑都能安装它，安装的过程中也没有什么特殊的方法，傻瓜式的安装方式完全就可以满足。在数据文件的处理方面，主要是要学会定义变量、处理变量两方面；定义变量是要注意根据自己实际采集的数据来定义变量，例如是数值型的变量还是文本型的变量及变量的长度，小数点保留尾数等，总之就是一句话，根据实际调查的数据要求来定义相应变量。变量定义只有只要细心的将实际调查的数据录入到spss当中即可，当然也可以在spss软件之外进行数据编制，可以通过execel等编辑后可以直接导入到spss中。在处理变量模块当中，可以对变量进行添加、删除、拆分与合并等操作，只要根据实际调查数据，细心调整变量，使操作更加简便和明了。

2、数据清理与基本统计及测量质量分析的心得体会

数据的清理与基本统计及测量质量分析由两名同学进行讲解，由于吸取了上节课两名同学的经验，本节讲授的明显好于上节课，这里我也是把它分为两块进行学习，一块是数据的清理，另一块是相关统计理论的学习。在数据清理方面主要学习了奇异数据的检查与清理，在这里本人觉得非常有必要进行数据清理，在实际的调查数据时难免会出现错误或者碰到极为特殊的典型案例，所以这些数据很难符合大众规律，在统计、分析过程中可能会造成分析结果异常，从而直接影响最终的结论。所以觉得非常有必要进行数据检查与清理。而我认为本节的难点不是怎样熟练运用spss软件，而是在第二块中的，相关统计理论的学习，学习这些理论需要一定的数学基础，只有明确这些

理（论如均值、标准误差、中数、众数、全距、四分位等）原理，知其然，知其所以然，这才是关键，在spss中想要实现对数据进行以上分析只需要轻轻点击一下按钮就可以是轻松实现，但是如果不清楚到底用它们来做什么就无从谈起做数据分析了，所以本节内容知道分析原理的重要性要远远大用spss对数据做出相关分析的重要性。总结为一句话“知道它们是做什么的后才会让它们去做该做的工作”。

3、t检验的心得体会 t检验由两名同学讲解，在学习t检验时，首先要明确什么样的数据适合t检验，t检验的结果要说明什么问题？经过学习可以知道，t检验是对两组数据间的平均水平或均数的比较，通过比较可以得出两组数据间的显著性水平，而这两组数据都要符合正态分布，方差具有齐同性，t检验由两种情况，一种配对提检验，要求两组数据不可以独立颠倒顺序，如果颠倒顺序就会改变问题的性质，这种t检验称为配对t检验；另一种情况下的t检验是两组数据可以任意颠倒顺的检验称为独立样本的t检验。但是这两种情况都必须符合最先的要求，即都是符合正态分布，方差都具有齐同性。通过spss的相关操作可以轻松完成检验，但是在检验的过程中必须设置置信区间，一般设置为95%，在设置置信区间时必须要考虑到所做分析的数据，如果像要得到显著性差异的结果则可尽量将置信区间设置小些，如果想要得到不显著差异就要将置信区间甚至大些，本人的理解为若置信区间小，则可以理解为在小范围内是可以相信的，但如果将分析结果的置信区间值调大则说明在很大的范围内这个结果可信，反之则不可信，篇三：spss课程学习感悟(交)spss学习总结与反思 财管132 1330443233 王天茜 在这学期以前我并没有学过统计学，甚至没有接触过它，因此对它的认识可谓是从零开始的，但经过这一段的学习，也算是受益良多，下面我就简单说下感想吧。

第一节课老师简单讲述了下这门课的概况，当时只觉得毫无头绪，对于没接触过的事物人总有莫名的恐惧，这门课看似还很难，就比较担忧。

接着说说学习过后对spss的整体认识吧，我专门去百度了下它的全称，定义为spss是“社会科学统计软件包”（statistical package for the social science）的简称，是一种集成化的计算机数据处理应用软件。之前看论文的时候会经常看到各种表格图形，各种结果输出，当时并不明白，以前也没见过，因此总会跳过实验整个设计直接看结果。在学了这门课后总算对其有了初步的认识。

1、spss的认识及数据文件的处理心得体会

一块是了解spss软件的历史及基本功能，还有一块就是spss软件当中一个模块叫做数据文件的处理，在认识spss软件当中了解到它是一组社会科学统计软件包，诞生于1968年，当时美国的3位大学生开发出了它，经过这么多年的后续开发，spss已经有了很多的版本，具有了更的兼容性、和更友好的操作界面，也在很多的学科领域得到了应用，而在教育中的应用只是它的一个分支。此外它对硬件的要求也很低，当前一般的电脑

都能安装它，安装的过程中也没有什么特殊的方法，傻瓜式的安装方式完全就可以满足。在数据文件的处理方面，主要是要学会定义变量、处理变量两方面；定义变量是要注意根据自己实际采集的数据来定义变量，例如是数值型的变量还是文本型的变量及变量的长度，小数点保留尾数等，总之就是一句话，根据实际调查的数据要求来定义相应变量。变量定义只有只要细心的将实际调查的数据录入到spss当中即可，当然也可以在spss软件之外进行数据编制，可以通过execel等编辑后可以直接导入到spss中。在处理变量模块当中，可以对变量进行添加、删除、拆分与合并等操作，只要根据实际调查数据，细心调整变量，使操作更加简便和明了。

2、数据清理与基本统计及测量质量分析的心得体会

这里我也是把它分为两块进行学习，一块是数据的清理，另一块是相关统计理论的学习。在数据清理方面主要学习了奇异数据的检查与清理，在这里我觉得非常有必要进行数据清理，在实际的调查数据时难免会出现错误或者碰到极为特殊的典型案例，所以这些数据很难符合大众规律，在统计、分析过程中可能会造成分析结果异常，从而直接影响最终的结论。所以觉得非常有必要进行数据检查与清理。而我认为本节的难点不是怎样熟练运用spss软件，而是在第二块中的，相关统计理论的学习，学习这些理论需要一定的数学基础，只有明确这些理（论如均值、标准误差、中数、众数、全距、四分位等）原理，知其然，知其所以然，这才是关键，在spss中想要实现对数据进行以上分析只需要轻轻点击一下按钮就可以是轻松实现，但是如果不清楚到底用它们来做什么就无从谈起做数据分析了，所以本节内容知道分析原理的重要性要远远大用spss对数据做出相关分析的重要性。总结为一句话“知道它们是做什么的后才会让它们去做该做的工作”。

3、t检验的心得体会

在学习t检验时，首先要明确什么样的数据适合t检验，t检验的结果要说明什么问题？经过学习可以知道，t检验是对两组数据间的平均水平或均数的比较，通过比较可以得出两组数据间的显著性水平，而这两组数据都要符合正态分布，方差具有齐同性，t检验由两种情况，一种配对提检验，要求两组数据不可以独立颠倒顺序，如果颠倒顺序就会改变问题的性质，这种t检验称为配对t检验；另一种情况下的t检验是两组数据可以任意颠倒顺的检验称为独立样本的t检验。但是这两种情况都必须符合最先的要求，即都是符合正态分布，方差都具有齐同性。通过spss的相关操作可以轻松完成检验，但是在检验的过程中必须设置置信区间，一般设置为95%，在设置置信区间时必须要考虑到所做分析的数据，如果像要得到显著性差异的结果则可尽量将置信区间设置小些，如果想要得到不显著差异就要将置信区间甚至大些，我的理解为若置信区间小，则可以理解为在小范围内是可以相信的，但如果将分析结果的置信区间值调大则说明在很大的范围内这个结果可信，反之则不可信，也就是说范围越大，不可

信的因素就会越多，做出可信的结果的可能性就会越小，所以在用spss的进行t检验时，一定要提前考虑想要得到的检验结果，尽可能将预想结果与实际结果吻合。本节课最主要的是学会进行t检验，根据数据选择适合的t检验，值得思考的是，两组数据是否符合正态分布、方差的齐同性都需要在t检验前明确，不然无法进行t检验，但是在t检验的过程中spss也提供了一项进行是否符合正态分布的选项，是否也可以理解为在未知两组数据的分布情况时也可以进行t检验？只要先证明两组数据方差具有齐同性后，就进行t检验，检验后spss会输出两组数据是否符合正态分布，如果符合则结果可取，否则结果不可取。

4、方差分析的心得与体会 t检验和方差分析是有很大关联的，t检验是分析两组间数据的关系，而方差分析则是分析两组以上的组间的关系，两组方法都是要求数据符合正态分布，方差具有齐同性。其各组间要同质，组内异质，这样数据才具有说服力。本节课方差分析包括四部分，分别为单因素方差分析、无重复实验的双因素方差分析、重复试验的双因素方差分析及协方差分析。分为以上四种主要是基于分析的问题所包含的变量个数和各变量间有无相互影响，还有就是排除无法控制的协变量的影响的分析来区分分析方法。例如，只有一个变量的分析就用单因素分析；基于问题中的两个变量间没有相互影响的分析就用无重复实验的双因素方差分析，两个变量有影响就用重复试验的双因素方差分析，要排除无法控制 的因素进行分析就用协方差分析。以上各种方差分析情况都基于不同的统计公式，要是学习这些理论则需要很好的数学基础。对最终分析结果的解读则需要t检验的解读结果知识。归结为一点：最终想得到差异性显著的结果还是差异不明显的结果则要再分析前就有预设。以此来证明自己的结果分析。

5、相关分析的心得与体会

事物间的相互联系与影响大致分为两种，一种是函数关系即一一对应关系，而另一种是统计关系。函数关系比较容易分析和测量，而实际数据并不都像函数关系那样简单，这时则需要另一种测量方法----相关分析，衡量事物之间或变量间的线性相关程度的强弱，并用适当的统计指标表示出来，这个过程就是相关分析。相关分析分多种情况，分为联系变量的相关分析、等级变量的相关分析、偏相关分析和距离相关分析，之所以分为几种也是根据要分析的对象的变化而定，如连续变量的相关分析主要是只变量不是函数关系，而是统计关系且变量数据间可以比较大小，可以加减来计算差异的数据，此外其依据的是pearson相关系数，还有就是因为数据小于30次分析无意义，所以就要求分析数据要大于30个。如果数据小于30则用等级相关分析，且两种方法分析的数据都要符合正态分布。当数据小于30且符合正态分布且又是表达为有序或顺序（等级、方位、大小等）时则用等级变量的相关分析。与协方差分析类似，二元变量无法有效真实反映事物间的相关关系时，且数据都符合以上要求是则用偏相关分篇四：spss学习心得 spss学习心得

本学期是我在大学学习的最后一个学期。在这个学期里，学校根据我系专业特点开设了一些专业应用性课程，其中有一门课程便是spss。spss的中文名称是社会科学统计软件包，是世界上最早的统计软件。我们学期学习所使用的软件为英文版，起初接触时由于我英语水平问题，spss软件的操作让我很是头疼。但是通过对这门课程的学习，我了解到spss具有完整的数据输入、编辑、统计分析、报表、图形制作等功能。在日常的工作与学习中，我所接触到的数据比较多，但是我想从中获得有用的数据却很难，通过spss软件应用，使我处理数据的时间大幅度的缩短，另外也能客观直接的对我所需要的数据进行简单分析。

在我平日课下进行统计调查技能培训的时候，我起初分析数据所用的软件是excel。虽然使用excel可以对数据进行透视、分类、筛选以及计算相关系数等，但是这些操作都需要自己每一步每一步的进行手动操作，而使用spss软件在对数据进行整理时，只需对软件某选项内设置变量条件，系统便自动的进行整理。而且，在学习与应用spss过程中，我了解到应用spss软件只要了解统计分析的原理无需知晓统计方法的各种算法就能得到自己所需要的统计分析结果。另外对于常见的统计方法，spss的命令语句、子命令及选择项的选择绝大部分在软件内的对话框操作完成，我们无需花费大量的时间记忆大量的命令和选择项。在这方面，spss软件的应用可以使我们节省大量时间，而且软件操作比较容易上手，在当今这个时间就是金钱的社会上，我们掌握spss软件的应用，也就是为自己赚取了不少金钱。

另外在与spss的接触中，我逐渐了解到spss软件的强大与方便。spss提供了从简单的统计描述到复杂的多因素统计分析方法，其中有数据的统计分析、统计描述、交叉表分析、二维相关、方差分析、多元回归、因子分析、聚类分析、降维等分析方法。利用这些方法可以得出计算数据和统计图形，看出数据的离散程度、集中趋势和分散程度，单变量的比重，还有对数据进行标准化处理。利用这个软件对问卷数据进行分析是极好的。虽然，这些方法大部分我还是不会使用，能够让我利用并成功分析的方法只有寥寥几种，但是这种简单便捷的操作让我对spss的兴趣却是越来越浓。

这门课程是我们这学期从始至终一直开设的课程，在课堂上我们的导师马杰老师针对各种案例对我们进行讲解，让我们了解spss的各种应用，在课下系内陈主任对我进行指点，让我能够利用多种spss的方法进行数据处理与数据分析。

现在，学期即将结束，同样的这门课程也到了尾期，在这学期学到了很多，并且还有很多没有学到。我们学习时所操作的软件是英文版，这对英语基础不好的我来说是个考验。同时，由于我们所学专业并非必须拥有计算机，导致我们平时能够练习的机会比较少，造成了掌握不牢固，前学后忘现象比较严重。现在呢，很是希望能够把spss的应用熟练操作，并且能把它变为自己的一种本能，使自己在今后的工作与学习中，可以轻松运用。篇五：spss学习总结

学习spss感想

以前学统计学的时候就听老师讲过spss有非常强大的统计功能，对我们学习、工作有很大的帮助，所以我一直认为spss很神秘。通过这个学期周老师的课让我对此清楚了许多，也学到了spss强大的统计功能，更加让我明白了spss与excel的区别。spss是“社会科学统计软件包”（statistical package for the social science）的简称，是一种集成化的计算机数据处理应用软件。1968年，美国斯坦福大学h.nie等三位大学生开发了最早的spss统计软件，并于1975年在芝加哥成立了spss公司，已有30余年的成长历史，全球约有25万家产品用户，广泛分布于通讯、医疗、银行、证券、保险、制造、商业、市场研究、科研、教育等多个领域和行业。spss是世界上公认的三大数据分析软件之一（sas、spss和systat）。

在学习spss期间，我主要遇到的问题是后面几章，spss的参数检验、方差分析、相关分析、线性回归分析、聚类分析、因子分析等。

在参数检验中我不知道原假设是什么，导致分析的时候不知道该拒绝原假设还是接受原假设，不能分析出统计结果。不会区分单样本t检验和两配对样本t检验的区别，现在懂得了它们都要服从正态分布，基本思想是小概率反证法，反证法思想是先提出假设（检验假设h0），再用适当的统计方法确定假设成立的可能性大小，如果可能性小，则认为假设不成立，否则，还不能认为假设不成立。

在学习方差分析中，开始常常把观测变量和控制变量弄混淆，在分析的时候应分别送入哪个对应框中，如果反了的话会导致结果的不准确。其次，对lsd、bonferroni、tukey、scheffe等方法的使用不清楚，现在基本掌握了多重比较方法选择：一般如果存在明确的对照组，要进行的是验证性研究，即计划好的某两个或几个组间（和对照组）的比较。宜用bonferroni(lsd)法；若需要进行多个均数间的两两比较，且各组个案数相等，适宜用tukey法；其他情况宜用scheffe法。最后，对方差齐性检验、多重比较检验、趋势检验理解不够透彻，在方差检验中，post hoc键有lsd的选项：当方差分析f检验否定了原假设，即认为至少有两个总体的均值存在显著性差异时，须进一步确定是哪两个或哪几个均值显著地不同，则需要进行多重比较来检验。lsd即是一种多因变量的三个或三个以上水平下均值之间进行的两两比较检验。

在学习相关分析的过程中，在绘制散点图时，不知道哪个该做横坐标，哪个该做纵坐标，明白了横坐标是解释变量，纵坐标是被解释变量，还有对相关系数的种类分析不熟练等。在学习回归分析的过程中，对dw可检验的含义不理解，不记得对应的dw表示的残差序列的相关性。对解释变量向前筛选、向后筛选、逐步帅选策略不能熟练掌握，特别是对向前向后筛选时到处的结果不会进行分析。

学习聚类分析中，变量的选择分不清，无关变量有时会引起严重的错分，应当只引入在不同类间有显著差别的变量，尽量只使用相同类型的变量进行分析。分类数不明确，从实用角度讲，2~8 类比较合适。掌握了k-means cluster 分析，样本量大于100时有必要考虑，只能使用连续性变量。

学习因子分析的过程中，对提取出来的因子的实际含义不清晰，不能使因子具有命名解释性。

学习了spss后，我不禁想到了spss与excel的区别，这一点是针对像我这样开始只懂得用excel的人来说。从个人的体会来说，二种软件有一定相似，操作都简便，同时又有一些可以互补的地方。但是spss又比excel更加强大：

一、图型的表现力是spss的主要优点之一

应该说，excel的图型表现主要是简便，对许多的人来说基本够用，但对于科学的表现，spss就更为详细和准确，这一点据说在所有统计软件中都突出。

二、通过spss检验方差齐性和数据分布

spss课程学习心得体会 篇2

关键词：教学质量,SPSS,频数分析,难度系数,区分度

1 引言

计算机基础课程是高等职业院校的一门十分重要的基础应用课程,它不仅提高了学生对计算机的实际操作能力,而且直接影响学生的专业学习。因此,定期评估计算机基础课程的教学质量在教学过程中是十分必要的。教师往往通过考试诊断学生的学习,考试后,会对考试成绩进行分析,以便于帮助教师发现教学活动中的薄弱环节,及时调整教学,提高教学质量。然而,在实际工作中,试卷分析的工作量非常大,目前也还没有较好的试卷分析软件。经过一段时间的研究和尝试,在这里,向大家介绍一套使用SPSS统计软件进行试卷分析的方法,其具有实用、简单、直观、全面,可操作性强等特点,能满足试卷分析全部指标的分析计算。

SPSS是社会科学统计软件包的简称,它可以用对话框的方式实现各种管理和分析数据的功能,拥有数据管理、统计分析、图表分析、输出管理等多项基本功能,可以进行描述性统计、均值比较、一般线性模型、相关分析、回归分析、聚类分析等几大类统计分析。而且它易学易用,下面就利用SPSS软件对兰州石化职业技术学院机修071班的学生进行计算机基础课程试卷的成绩分析,以此来改善教学方式,提高教学质量。

2 试卷分析指标

试卷分析包括试卷成绩分析和试卷质量分析两部分,根据教育评价理论,试题、试卷分析的指标有:难度、区分度、信度、效度等。

2.1 试卷成绩分析

试卷成绩分析包括学生总数、参加考试人数、最高分、最低分、平均分、优秀、良好、中等、及格与不及格各分数段的人数分布及百分比等。

2.2 试卷质量分析

试卷质量分析包括:频数分析、难度指数P、区分度D等。

定性指标:试卷覆盖面、内容效度、卷面失分原因分析,试题的表述是否科学、正确;名词术语是否准确;选择备选答案设计是否合适、排列是否随机,参考答案是否正确,卷中内容是否对答案有提示等。

3 实例分析

3.1 实例背景

实例主要针对高职高专院校学生必须通过的全国计算机信息技术考试办公软件应用模块(Windows平台)操作员级考试来说,所选取的试题也是该考试的真题。在进行试卷分析的时候只选择频数分析、难度分析和区分度分析,不考虑信度和效度。

3.2 试卷成绩的录入,建立数据文件

数据文件的建立可选用Excel,dBase,SPSS软件进行,Excel,dBase数据文件可以转换到SPSS数据文件。如图1所示的SPSS数据编辑界面,它酷似Excel的界面。

用鼠标左键单击数据编辑器下方的Variable View(变量表)字样,就进入变量命名及定义界面:在第一行的第一个单元格中输入“学号”,Type设置为String,其余的均用SPSS的默认值,在第二行的第一个单元格中输入“姓名”,以此类推。

3.3 基本信息分析

原始数据准备好之后,就可以进行题目分析,首先是基本信息分析。选择菜单栏的Analyze?Descriptive Statistics?Descriptives,把第1题、第2题、第3题、第4题、第5题、第6题、第7题、第8题、总分选入“Variable(s)”框内,即完成基本信息分析,其结果见表1。

表1提供了题目的基本统计分析的信息,第一列是题目的名称,第二列是考生的人数,第三列是该题目的最低得分,第四列是该题目的最高得分,第五列是题目的平均分值,最后一列是标准差。

3.4 题目的频数分析

选择数据菜单中的Analyze→Descriptive Statistics→Frequencies,把“总分”选入“Variable(s)”框内,单击Charts→Histograms,With normal curve→Continue,然后单击OK钮,其输出结果频数表(如表2)和成绩分布直方图(如图2)所示。

在频数表中体现了每个分数值的学生人数及所占百分比。

直方图根据数据分布情况,判断项目过程是否稳定,将数据根据差异进行分类,使教师可以明察秋毫地掌握各个分数段的差异。由图2可以看出80分分数段的人数是最多的。其他各分数段的人数也可以是一目了然。

3.5 题目的难度系数

试题的难度是指全体被试对象对该题的失分率,计算公式为:P=X/W,其中P为难度值,X为均值,W为该题满分值。在SPSS中选择菜单栏中的Analyze→Descriptive Statistics→Descriptives,分别将各题和总分字段选入Variables中,得到总分和各题的最大最小值及均值见表3。

然后,根据算出的平均值,可以算出每道题的难度系数,难度是指试题或试卷的难易程度,是评估试卷质量的主要指标之一。

设Pi为试卷中第i题的难度系数,i为全体考生第i题平均分,Wi为第i题的满分,则第i题的难度为:Pi=1-xi/Wi。

注:Minimum,最小值;Maximum,最大值;Mean,平均值;Std.Deviation,标准方差。

设P为试卷的难度系数,为试卷平均分,W为试卷满分,则试卷的难度为:Pi=1-i/W。

难度系数越趋近于0,难度就越小;难度系数越趋近于1,难度就越大。当P≤0.3时说明试卷难度过低;当0.3

得出的每道题的难度如表4所示。

3.6 区分度分析

区分度是指试题或试卷对学生实际水平的区分程度或鉴别能力。区分度高的试题或试卷能对不同知识水平和能力的学生加以区分,使能力高的学生得高分,能力低的学生得低分;区分度低的试题则不能对学生的能力进行很好的鉴别,使水平高和水平低的学生得分相差不大或没有规律可循。一般认为,di>0.4的试题区分度为“优”;0.3≤di≤0.4的试题区分度为“良”;0.2≤di≤0.3的试题区分度为“可”;di<0.2的试题区分度为“差”。

由于例题选取的是全国计算机信息技术考试办公软件应用模块(Windows平台)操作员级考试中的试题,所以它的区分度不是很大。在SPSS中选择菜单Analyze→Correlate→Bivariate,在弹出的“Bivariate Correlations”窗口中,选中Correlation Coefficients选项下的Pearson前的复选框,选择每道题和总分字段,单击OK按钮得到试卷区分度,见表5。

4 数据处理结果分析

1)由上面的分析可知道,此次考试的平均分为81.44,标准差为7.4783,平均分属于较高水平,证明这个班在对应试试题的操作上的掌握还是比较好的标;准差不算大,说明学生的个体之间存在的差异不大。除此之外,第六题的标准方差为2.2066,为题目中方差值最大的,第六题恰好又是所有题目中分值最大的,那么在日后的教学工作中,应该针对第六题对学生多做辅导,加强讲解。

2)从频数表和直方图中可以看到,大部分的学生都可以达到80分,即这个班考前进行了认真的复习,准备充分,考试成绩是比较理想的,教学效果较好。

3)根据对试卷难度的分析,可以知道第六题和第八题的难度系数分别为0.252和0.220,是所有题目中难度系数最大的,那么就要把第六题与第八题包含的知识点作为日后教学工作中的重点问题来讲,使得学生在应试的时候能够正确操作。

4)由于这次考试有较强的针对性,而且该考题主要是针对高职高专院校学生或其他工作人员进行的一种职业能力考试,属于取证考试,所以它的区分度不会很大,这一点可以通过区分度分析表看到。

5 SPSS在教学工作中的应用展望

利用SPSS软件通过科学的试卷分析理论,很大的提高了教学质量评估的办公效率,节省了时间,增加了分析结果的可靠性,这对提高教学质量促进教学改革是非常必须和重要的。SPSS软件界面友好,不需要编程,适合任何教师使用,通过一次次的教学分析总结,慢慢地就会构成自己或者学校的一套教学方式方法,并且会积累更加优秀的试题,形成一个较完善的题库。以后,SPSS软件一定会因为它诸多的优越性在教学质量评估中发挥愈来愈重要的作用。

参考文献

[1]郭志刚.社会统计分析方法与spss软件应用[M].中国人民大学出版社,1999.

[2]陈平雁,黄浙明.SPSS10.0统计软件应用教程[M].人民军医出版社,2002.

[3]胡昌军,李晓阳.SPSS在教学管理中的应用[J].实用预防医学,2006,(4):1049-1051.

spss课程学习心得体会 篇3

［关键词］体育统计 SPSS 自主实验教学

［作者简介］许莉（1958- ），女，广西博白人，玉林师范学院体育系，副教授，研究方向为体育教学、体育统计和教育管理。（广西 玉林537000）

［中图分类号］G642［文献标识码］A［文章编号］1004-3985（2007）29-0182-02

一、前言

体育统计是理论统计学的方法在体育领域中的应用，它以体育运动中随机现象的规律为研究对象。高校体育专业普遍开设了体育统计课程，但由于教学计划和时数的限制，许多因素分析方法在体育教学中无法充分应用。为了解决教学中的问题，我们在教学过程中将体育统计的基本理论与SPSS的自主实验有机结合，激发学生的学习积极性，使学生既了解相应统计方法的理论基础，又能快速得出统计分析的结果，培养学生运用统计方法解决实际问题的能力，从而提高学生的综合能力。

二、自主实验教学模式的内涵和优点

自主实验教学模式是指在整个实验过程中贯穿以学生为主体的指导思想，实验中以培养学生理论联系实际、加强合作交流的能力和努力提高学生实践能力和创新意识为宗旨，倡导一种学生自觉、主动、手脑并用的教学方式。它使学生获得进行终身学习的基本技能和方法，具有独立探索新知识和掌握新技术的本领，着眼于促进学生全面、和谐的发展。与传统实验教学相比，自主实验教学模式具有以下优点：

1.改变传统的实验思维方式。传统教学模式的封闭式认知思维过程可以归纳为：已知理论——实验过程——验证理论。这种模式最大的弊端在于使学生养成盲从的习惯，难以举一反三地解决今后遇到的问题。而自主实验教学模式的认知思维过程则可归纳为：已知理论——实践过程——应用、验证或否定理论。学生在这种发散性思维的教学模式中，从已知理论开始，最终达到不确定的结果，从而使学生在研究统计中不断反思其过程。这种思维模式正是运用知识解决问题和生产新知识所必备的。

2.突出学生的学习自主性。长期以来，传统教学模式以书本知识为本位，以教师为中心，注重灌输，这容易使学生产生唯书本、教师至上的盲从。而自主实验课程要求学生在整个教学过程中始终处于主体地位，极大地调动了学生的求知欲和能动性。在实验过程中，不在于简单地了解和组合实验步骤，更重要的是分析每一步骤的功能和如何组织、应用程序来实现这一功能。在分析实验结果时，不再满足于按照固定的公式计算出固定值，更重要的是这一结果与最初的假设或理论推导之间是否吻合。当统计实验结果成功时，要用审慎的眼光重新评价实验方案的经济可行性；当实验失败时，更要自我检讨其中的症结何在。所有这一切都有利于促使学生把学习变成一种自我维持、自我发展的过程。

3.沟通学习知识与解决问题的桥梁。“为学患无疑，疑则有进”。自主实验课程研究的问题并非全都有“解”或“解”并非唯一。当学生亲身调查、研究存在的诸多问题，亲手实践解决这些问题，他们自然会在内心深处激发出更强的责任感、求知欲和创造欲，从而沟通了知识与问题的联系，使学生在不断探索中自觉地使用否定规律来更新知识，充实自己。因此，自主实验教学为学生思考、探索、发现和创新提供了充分的自由空间。

三、体育统计课程中SPSS自主实验教学模式的实施

（一）体育统计课程中实施SPSS自主实验教学模式的可行性分析

1.SPSS软件提供了合适的自主实验教学平台。SPSS（Statistical Package For Social Science）即社会科学统计软件包。目前，SPSS是世界通用并具有权威性的统计分析软件包。它除了在社会科学领域中发挥巨大作用外，在自然科学的各个领域也得到越来越广泛的应用。SPSS具有以下特点：（1）采用窗口方式管理程序运行的全过程，简捷直观，易于操作。（2）对于常用的统计分析方法可以通过对“菜单”“对话框”的操作完成，并不需要自己编写程序。（3）SPSS的命令语句、子命令及选择项的选择，绝大部分由“对话框”的操作完成，教学中不需要花大量时间记忆统计分析的各种命令、过程、选择项等。（4）具有第四代语言的特点，只要通过菜单的选择、对话框的操作告诉系统要做什么而不需要告诉怎么做。只要初步掌握统计分析原理，就可以得到具有专业水准的统计分析结果。（5）该软件系统的组合结构可以根据使用者自身分析工作的需要，根据计算机设备的实际情况选择、装配模块，灵活方便。（6）与其他软件有数据转换接口，能够与其他软件实现资源共享。其他软件生成的数据文件，如关系数据库生成的DBF文件、文本编辑软件生成的ASCII码数据文件等都可以方便地转换成可供分析的SPSS数据文件；SPSS文件也可以相应转换成其他形式的数据文件。（7）分析方法丰富，提供了从简单描述统计到多因素统计分析等各种不同的统计分析方法，还具备强大的因素生成和编辑功能，可以产生各种统计报表和形象直观的统计图形。以上特点决定了SPSS软件与高校体育统计课程结合的可行性，为学生在体育统计课程中提供了自主实验的教学平台。

2.实施SPSS自主实验教学模式的优点。定量分析在体育科学实验中的重要性已经得到了越来越多的人的认可。据统计，在正式发表的体育类论文中，近一半论文使用统计分析方法，其中核心期刊中有1/3左右的论文使用了多因素分析方法，这表明统计分析在体育科学研究中已被广泛应用。与此相比，目前高校体育专业的体育统计教学状况不容乐观，学生的毕业论文能应用统计学知识解决实际问题的寥寥无几。因此，在体育统计教学中应将SPSS自主实验课与体育统计的教学相结合，加强学生应用统计的实践训练，强化体育统计课程理论与实践相结合，培养学生的综合素质。这样做至少有以下两方面的优点：

第一，激发学生的学习积极性，促成体育统计教学的良性循环。长期以来，学生学习积极性不高是一直困扰着体育统计教学的难题。我们让学生亲自动手，用他们熟悉的、喜欢“玩”的计算机知识解决实际的数据处理问题，使他们亲身感受利用所学的统计方法解决实际问题的愉悦。在培养学生解决实际问题的同时，激发他们进一步学好统计的愿望，促成体育统计教学的良性循环。开设体育统计SPSS自主实验课程正是朝着这个目标的努力与尝试。

第二，促进体育统计课程的教学改革，培养学生解决实际问题的能力。统计理论与实际应用是体育统计学科的主要矛盾，在体育统计的教学中怎样处理好这对矛盾一直是人们探讨的课题，而开设SPSS自主实验课则是解决该矛盾的有效方法。在体育统计的教学中增开自主實验课后，就可以运用统计软件包来完成那些既繁琐又枯燥的计算，更有效地利用有限的课时，将教学重点放在实验设计、资料收集、统计方法原理和统计结果的分析上，注重培养学生运用统计方法解决实际问题的能力，全面提高学生统计素质，使学生吃透统计思想，并在此基础上灵活运用，更好地达到体育统计课程的教学目的。

（二）体育统计课程中SPSS自主实验模式的实施策略

首先，创设民主、宽松的教学环境，引导学生积极参与。教师要充分地发扬教学民主，尊重学生的人格和个体差异，对学生要信任、理解和宽容，经常调查了解学生的需要，给学生选择空间、活动空间、思维空间和表现空间，引导学生积极参与教学实验。其次，改革实验内容，更新实验组织形式，吸引学生积极参与。选择适宜的实验内容，采用丰富的实验组织形式，淡化实验操作技能，重视过程体验。再次，提供良好的硬件设施，开放计算机实验场所，鼓励学生积极参与。设立专门为学生开放的自主式计算机实验室，尽可能配备完善的可供开展实验的软、硬件设备，使实验教学更具有研究性、实践性，拓宽学生的实验选题范围，支持学生积极参与实验。最后，建立科学的实验评价反馈机制，促使学生积极参与。实验教学评价对实验教学有导向作用。为了充分挖掘和利用学生实验的教学功能，学生实验考核不应该是单一的知识和技能的考核，而应该是过程和结果的统一，具有分析性、诊断性和发展性。

（三）体育统计课程中SPSS自主实验教学模式的实施内容

1.明确SPSS自主实验教学的目的与定位。在体育统计教学中，利用统计软件包来完成繁琐的计算，将教学重点放在实验设计、资料收集、统计方法原理与应用、统计结果的分析上，以便更好地培养学生运用统计方法解决实际问题的能力，全面提高学生素质，这是开设体育统计自主实验课的主要目的。利用SPSS等统计软件包可以极大地提高学生数据处理能力，但那种认为只需学好SPSS统计软件，不必再去学习体育统计的看法是有失偏颇的。因为统计软件包只是一种数据处理工具而已，至于如何去收集数据、应该用什么样的统计方法对数据进行处理、如何对处理结果进行分析等诸多方面都需用运用统计学的基本知识与原理。因此，轻视或放弃体育统计的学习是舍本逐末的做法，其结果必将是乱用统计方法。

2.精心设计SPSS自主实验教学内容。SPSS自主实验教学是体育统计课程的实践部分，其目的是培养学生运用所学的统计方法、借助统计软件包进行数据处理与分析的能力。实验课内容设计尤为重要，内容准备的好坏决定了实验课的效果与质量。SPSS自主实验教学内容应与体育统计课堂教学相结合。按照“已知理论——实践过程——应用、验证或否定理论”的实施步骤。每个实验由三部分组成：第一部分是收集实验素材。学生可以自行设计实验，在课外采集样本，提供需要处理的原始数据，要求学生按统计资料整理的要求进行数据处理。第二部分是实验过程。要求学生活学活用统计思想，熟练统计软件的操作，可用频数统计、描述统计、探索性分析、独立样本的均值比较、单因素方差分析、多因素方差分析、可靠性分析、绘制直方图、饼图等方法进行实践，教师通过启发、引导学生积极探索、讨论，采用不同的方法分析比较。第三部分是实验结果分析。要求学生对SPSS的输出结果进行分析，得出统计结论。另外，在实验课内容安排上，除将教材中的一些统计习题作为实验内容外，还应将平时收集的实际数据作为实践作业交给学生处理、分析，这样可以将体育统计的教学与实际应用相结合，提高学生学习的主动性和积极性，更好地达到体育统计的教学目的。

四、结论

体育统计是一门应用性和实践性较强的学科。教学实践表明，在體育统计教学中设置SPSS自主实验课程是必要的和有益的。SPSS自主实验课程丰富了体育统计的教学内容，加强了理论联系实践的教学环节，改变了传统的实验思维方式，突出了学生的自主性，架起了学习知识与解决问题的桥梁。同时，SPSS自主实验教学提高了对教师的要求，有利于教师进一步钻研教材，掌握更系统、更全面的专业知识和技能，实现教学相长，对提高体育统计课程的教学质量具有积极作用。

［参考文献］

［1］丛湖平.体育统计［M］.北京：高等教育出版社，2003.

［2］廖时人.教育学［M］.北京：人民教育出版社，1994.

［3］（美）加涅.教学设计原理［M］.上海：华东师范大学出版社，2001.

［4］余建英，等.数据统计分析与SPSS应用［M］.北京：人民邮电出版社，2003.

［5］魏宗舒，吕乃刚.统计思想［M］.上海：上海翻译出版公司，1987.

SPSS课程学习感悟(交) 篇4

财管132 1330443233 王天茜

在这学期以前我并没有学过统计学，甚至没有接触过它，因此对它的认识可谓是从零开始的，但经过这一段的学习，也算是受益良多，下面我就简单说下感想吧。

第一节课老师简单讲述了下这门课的概况，当时只觉得毫无头绪，对于没接触过的事物人总有莫名的恐惧，这门课看似还很难，就比较担忧。

接着说说学习过后对SPSS的整体认识吧，我专门去百度了下它的全称，定义为SPSS是“社会科学统计软件包”（Statistical Package for the Social Science）的简称，是一种集成化的计算机数据处理应用软件。之前看论文的时候会经常看到各种表格图形，各种结果输出，当时并不明白，以前也没见过，因此总会跳过实验整个设计直接看结果。在学了这门课后总算对其有了初步的认识。

1、SPSS的认识及数据文件的处理心得体会

一块是了解SPSS软件的历史及基本功能，还有一块就是SPSS软件当中一个模块叫做数据文件的处理，在认识SPSS软件当中了解到它是一组社会科学统计软件包，诞生于1968年，当时美国的3位大学生开发出了它，经过这么多年的后续开发，SPSS已经有了很多的版本，具有了更的兼容性、和更友好的操作界面，也在很多的学科领域得到了应用，而在教育中的应用只是它的一个分支。此外它对硬件的要求也很低，当前一般的电脑都能安装它，安装的过程中也没有什么特殊的方法，傻瓜式的安装方式完全就可以满足。在数据文件的处理方面，主要是要学会定义变量、处理变量两方面；定义变量是要注意根据自己实际采集的数据来定义变量，例如是数值型的变量还是文本型的变量及变量的长度，小数点保留尾数等，总之就是一句话，根据实际调查的数据要求来定义相应变量。变量定义只有只要细心的将实际调查的数据录入到SPSS当中即可，当然也可以在SPSS软件之外进行数据编制，可以通过EXECEL等编辑后可以直接导入到SPSS中。在处理变量模块当中，可以对变量进行添加、删除、拆分与合并等操作，只要根据实际调查数据，细心调整变量，使操作更加简便和明了。

2、数据清理与基本统计及测量质量分析的心得体会

这里我也是把它分为两块进行学习，一块是数据的清理，另一块是相关统计理论的学习。在数据清理方面主要学习了奇异数据的检查与清理，在这里我觉得非常有必要进行数据清理，在实际的调查数据时难免会出现错误或者碰到极为特殊的典型案例，所以这些数据很难符合大众规律，在统计、分析过程中可能会造成分析结果异常，从而直接影响最终的结论。所以觉得非常有必要进行数据检查与清理。而我认为本节的难点不是怎样熟练运用SPSS软件，而是在第二块中的，相关统计理论的学习，学习这些理论需要一定的数学基础，只有明确这些理（论如均值、标准误差、中数、众数、全距、四分位等）原理，知其然，知其所以然，这才是关键，在SPSS中想要实现对数据进行以上分析只需要轻轻点击一下按钮就可以是轻松实现，但是如果不清楚到底用它们来做什么就无从谈起做数据分析了，所以本节内容知道分析原理的重要性要远远大用SPSS对数据做出相关分析的重要性。总结为一句话“知道它们是做什么的后才会让它们去做该做的工作”。

3、T检验的心得体会

在学习T检验时，首先要明确什么样的数据适合T检验，T检验的结果要说明什么问题？经过学习可以知道，T检验是对两组数据间的平均水平或均数的比较，通过比较可以得出两组数据间的显著性水平，而这两组数据都要符合正态分布，方差具有齐同性，T检验由两种情况，一种配对提检验，要求两组数据不可以独立颠倒顺序，如果颠倒顺序就会改变问题的性质，这种T检验称为配对T检验；另一种情况下的T检验是两组数据可以任意颠倒顺的检验称为独立样本的T检验。但是这两种情况都必须符合最先的要求，即都是符合正态分布，方差都具有齐同性。通过SPSS的相关操作可以轻松完成检验，但是在检验的过程中必须设置置信区间，一般设置为95%，在设置置信区间时必须要考虑到所做分析的数据，如果像要得到显著性差异的结果则可尽量将置信区间设置小些，如果想要得到不显著差异就要将置信区间甚至大些，我的理解为若置信区间小，则可以理解为在小范围内是可以相信的，但如果将分析结果的置信区间值调大则说明在很大的范围内这个结果可信，反之则不可信，也就是说范围越大，不可信的因素就会越多，做出可信的结果的可能性就会越小，所以在用SPSS的进行T检验时，一定要提前考虑想要得到的检验结果，尽可能将预想结果与实际结果吻合。本节课最主要的是学会进行T检验，根据数据选择适合的T检验，值得思考的是，两组数据是否符合正态分布、方差的齐同性都需要在T检验前明确，不然无法进行T检验，但是在T检验的过程中SPSS也提供了一项进行是否符合正态分布的选项，是否也可以理解为在未知两组数据的分布情况时也可以进行T检验？只要先证明两组数据方差具有齐同性后，就进行T检验，检验后SPSS会输出两组数据是否符合正态分布，如果符合则结果可取，否则结果不可取。

4、方差分析的心得与体会

T检验和方差分析是有很大关联的，T检验是分析两组间数据的关系，而方差分析则是分析两组以上的组间的关系，两组方法都是要求数据符合正态分布，方差具有齐同性。其各组间要同质，组内异质，这样数据才具有说服力。本节课方差分析包括四部分，分别为单因素方差分析、无重复实验的双因素方差分析、重复试验的双因素方差分析及协方差分析。分为以上四种主要是基于分析的问题所包含的变量个数和各变量间有无相互影响，还有就是排除无法控制的协变量的影响的分析来区分分析方法。例如，只有一个变量的分析就用单因素分析；基于问题中的两个变量间没有相互影响的分析就用无重复实验的双因素方差分析，两个变量有影响就用重复试验的双因素方差分析，要排除无法控制的因素进行分析就用协方差分析。以上各种方差分析情况都基于不同的统计公式，要是学习这些理论则需要很好的数学基础。对最终分析结果的解读则需要T检验的解读结果知识。归结为一点：最终想得到差异性显著的结果还是差异不明显的结果则要再分析前就有预设。以此来证明自己的结果分析。

5、相关分析的心得与体会

事物间的相互联系与影响大致分为两种，一种是函数关系即一一对应关系，而另一种是统计关系。函数关系比较容易分析和测量，而实际数据并不都像函数关系那样简单，这时则需要另一种测量方法----相关分析，衡量事物之间或变量间的线性相关程度的强弱，并用适当的统计指标表示出来，这个过程就是相关分析。相关分析分多种情况，分为联系变量的相关分析、等级变量的相关分析、偏相关分析和距离相关分析，之所以分为几种也是根据要分析的对象的变化而定，如连续变量的相关分析主要是只变量不是函数关系，而是统计关系且变量数据间可以比较大小，可以加减来计算差异的数据，此外其依据的是Pearson相关系数，还有就是因为数据小于30次分析无意义，所以就要求分析数据要大于30个。如果数据小于30则用等级相关分析，且两种方法分析的数据都要符合正态分布。当数据小于30且符合正态分布且又是表达为有序或顺序（等级、方位、大小等）时则用等级变量的相关分析。与协方差分析类似，二元变量无法有效真实反映事物间的相关关系时，且数据都符合以上要求是则用偏相关分析，也就是说提出其他相关因素影响的情况下再来分析。以上三种相关分析都是分析事物间的相关关系，而距离相关分析则是分析对观测量之间或变量之间相似或不相似的程度的一种测量，它可以用于同一变量内也可以用于变量之间的测量。对以上四种相关分析简单总结为分的对象分为两种，一种是对象间，另一种是变量间。被分析的对象都符合正态分布，针对数量（30个）采用不同分析方法，针对对象的性质不同采用不同的方法。以上为对前三种相关分析方法提出，最后一种距离相关分析是分析观测值的相似性。

6、卡方检验的心得体会

卡方检验与以上的分析有很大不同，跨度较大，卡方检验主要是分析品质相关问题，所谓品质相关问题其特征是每个个体都有至少两个特征或变量，每个特征的取值可以是顺序型的（可比大小，不能加减）或者是名义型的（连大小都不能比）例如：不同文化程度的人对莫伊政策的态度或工作业绩是否相关？。可以简单将其理解为是用来专门分析品质相关的检验，它是一种非参数检验，而在此之前的检验都是参数检验即：分布形态已知（正态分布或近似正态分布）方差具有齐同性等。卡方检验由多种，即一般卡方检验、配对卡方的一致性检验、分层卡方检验。在一般卡方检验中应注意由原始数据得出的评述数据应给各类数据加权。而配对卡方的一致性检验则要注意如何区分什么情况用配对卡方的一致性检验，如两位专家对一批大学独自做出等级判断，问他们的判读是否一致，判断水平有无差异？这则是一个典型的配对资料，及看是否一致，有看差异在哪里。而分层卡方检验可以理解为对多种情况下的多个样本进行逐次比较，最终分析各样本在不同情况下的关系。总之，本节应注意什么样的数据是品质相关的。卡方检验是用来分析什么样情况的数据。

7、聚类分析的相关心得体会

聚类分析简而言之就是在没有先验的情况下将收集的数据进行分类。所谓的“物以类聚”，本节分两块，一种是在数据在200个以内的层次聚类分析，就是按照逐次聚合的方式进行比较最终分为所要求的几类。还有一种就是数据超过200个时为了省时而采用的快速聚类，但快速聚类只能进行连续变量的聚类。分层聚类可以针对样本进行分类，也可以针对变量进行分类。在分层聚类和快速聚类的分析结果解释中不同于以上其他分析，之前主要分析相关性，而聚类分析则主要看数据最终分成几类及聚类的过程。其实最终是要根据分类的情况提出对策才是关键。至于快速聚类分析基本与分层聚类分析相似，唯一不同就是快速聚类分析的分析范围受限，不如分层聚类分数广泛，还有就是快速聚类的输出结果中，有一项输出是分析各项与最终分成的类之间的相关性检验，如果显著则说明原始数据与各类间差异大，说明分类成功，否则说明不成功。

学习了SPSS后，我不禁想到了SPSS与Excel的区别，这一点是针对像我这样开始只懂得用EXCEL的人来说。从个人的体会来说，二种软件有一定相似，操作都简便，同时又有一些可以互补的地方。但是SPSS又比Excel更加强大：

一、图型的表现力是SPSS的主要优点之一

应该说，Excel的图型表现主要是简便，对许多的人来说基本够用，但对于科学的表现，SPSS就更为详细和准确，这一点据说在所有统计软件中都突出。

二、通过SPSS检验方差齐性和数据分布

假设检验中，采用的t检验和方差检验都需要满足二个要求，即

1．样本方差齐性

2．样本总体呈正态分布

在Excel中，提供了F检验来检验方差齐性问题，也就是可以先通过F检验确定方差齐性与否来选择下一步用哪个T检验或方差检验分析工具。但只要数据多于二组则无从下手；通过描述统计大约能从峰度和偏度来了解样本的分布实际工作中，只要分布单峰且近似对称分布，也可应用，但要具体确定样本的分布也有难度。这二个问题在SPSS就可以解决。

个人总结SPSS 篇5

1、数据编辑窗口

2、结果浏览/输出窗口

3、程序编辑器窗口：语法 编写

4、脚本编写窗口

系统参数设置 编辑-选项

第二章 数据挖掘 省略

OLAP on-line analytical processing 在线分析处理

第三章 数据文件、变量与函数

数据的编辑（插入个案、插入变量）

SPSS函数 即生成新变量

算数函数（软件中的“算术”）当然还包括类似计算器的简单加减乘除

统计函数（软件中的“统计量”）变异系数 滞后变量 最大值平均值 最小值 缺失数量 标准差 方差 和累积和

我们发现主要是横向比较 对一个“个案”而言 所以函数式中的括号必须包含至少两个变量以上

逻辑函数（软件中的“检索”）

Any 判断

Range（变量名，下限、上限）数值型变量在下限和上限中为1 true 否则为0

时期和时间函数 数值型函数

定义时间格式（软件中的“日期创建”）

DMY 日/月/年 括号中（日、月、年）

XDATE.？？难点

随机变量函数（软件中的“随机数字”）

RV.分布名（参数）

缺失值函数

第四章 预处理

数据编辑、整理几张在D数据和T转换两个菜单

D标题栏中 分组、合并、加权等

spss期末复习总结范文 篇6

2、Spss界面窗口：数据编辑窗口、结果管理窗口、结果编辑窗口、语法编辑窗口、脚本窗口。

3、在数据预处理中应用最广泛的是计算变量。

4、Spss基本模块不能直接实现的功能：统计分析、数据计划、数据收集。1-

6、spss不能直接打开*.html文件。

1、spss数据文件格式：每一行的数据成为一个记录；每一列为一个变量。

2、Spss数据编辑器界面为数据视图界面和变量视图界面（定义数据集的数据字典）。2-

3、变量名命名准则：必须以英文字母开口，其他部分可以含有字母、数字、下划线；变量名尽量避免和spss已有的关键字重复（sum、compute、anova）；变量名最长为64个英文字符或者32个中文字符；spss变量名不区分大小写。

4、变量的度量类型不是固定不变的，可以分局分析过程来改变变量的度量类型。2-

5、spss中字符型数据值区分大小写；字符型数据可以设置值标签。

6、对于数据的处理缺省值默认为”.”，字符串默认为空，若空字符串有意义，需在变量是同对缺省值进行定义。

7、spss只读入数据（excel）。

8、添加变量合并文件：一对一合并，一对多合并；合并相同个案数，不同属性的数据文件，为添加变量；合并数据之前，需按关键变量进行排序，合并的诗句恩见必须是.sav或已经在spss中打开的文件，并确保两个文件中需要合并的变量名称不同。

1、可视化分段方法：直接输入分割点；根据条件自动生成分割点。

2、填补缺失数据方法：序列均值、临近点均值、临近点的中位数、线性插值法、点处线性趋势。

3、在做统计分析之前一般要做数据效验，如果是录入错误则重新录入；若数据确实错误，则可将这些数据设置成缺失值。

4、“标记异常个案”过程基于个案偏离聚类组中心的大小来判断异常个案，一般用于探索性数据分析步骤中。

5、可视化变量分段是对连续数据进行离散化。

1、描述数据特征的统计量，一类表示数据的中心位置（均值、中位数、众数），一类表示数据的离散程度（方差、标准差、极差）。进行数据分析第一步往往是进行描述性统计分析。4-

2、频率分析：对于给定的类，落入这个类的个案数成为频率，落入该类中的个案数和个案总数的比例成为相对频率——直方图、条形图、集中趋势和离散趋势的统计量来描述数据的分布特征。

3、饼图和条形图使用于分类变量类别个别数较少的情况，如果个别数较多，选择直方图。4-

4、中心趋势的描述：均值、中位数、众数、5%截尾均值，指一组数据向某个中心值靠拢的倾向。对于连续变量（尺度变量）和定序变量，描述中心趋势的有均值、中位数、众数、5%截尾均值（升序排序，剔除最小和最大的5%后的算术均值）；对于定性数据（名义数据），指标只有众数。（尺度变量——连续变量；名义变量——定性数据；名义变量和定序变量——分类变量）

5、离散趋势的描述：极差、方差、标准差、分位数、变异指标。4-

6、总结五数：最小值、下四分位数、中位数、上四分位数、最大值。（箱图）4-

7、偏度：α∈（-3,3），α>0，左偏，在左拖尾。α=0对称分布。峰度：β>3，高峰度，β=0，正太峰。

8、分析/描述统计/频率（条形图、饼图、直方图）/描述/探索（箱图、茎叶图、直方图、Q-Q图），输出统计量（均值、中值、众数、标准差、方差、偏度、峰度、全距、极值、百分位数）

9、定性数据图形的描述：条形图、帕累托图（从高到低排序条形图）、饼图。（首先加权个案）

10、定量数据图形的描述：直方图（用于连续型数据）、茎叶图、箱图。

11、在探索图里面勾选带检验的正态图可以输出选定变量的QQ图、变量正态性的K-S检验和S-W检验。

12、IQR（四分位距）=Q3-Q1，最下面的短线Q1-1.5IQR，最上面短线Q3+1.5IQR，离群值（圆圈表示）落入[Q3+1.5IQR，Q3+3IQR）或者（Q1-3IQR，Q1-1.5IQR],极端值（※表示）大于等于Q3+3IQR或Q1-3IQR。

13、如果只有一个因变量，茎叶图或者箱图按因子各个水平输出，选择不分组的输出结果和选择“按因子水平分组”的输出结果只在标题的组织形式上略有不同，如果有两个因变量，则两种选项的结果差异较大。

1、因为假设检验有何能犯两类错误：拒真、受伪。

2、假设检验的步骤：确定恰当的原假设和被择假设；选择检验统计量；计算检验统计量观测值发生个概率（P）；给定显著性水平α，并作出决策。5-

3、分析/比较均值/均值，输出表格“案例处理摘要”（看缺失值）、“均值报告表”（看均值列，趋势与增加幅度，如随着工作年限增加，小时工资也增加，增加幅度不均匀，列举每阶段增加幅度）、“方差分析表（ANOVA表）”（线性显著性<0.05,有线性关系，线性偏差>0.05，非线性关系成分不显著）、“相关性度量表”（R方值不大，线性关系不十分强）

4、双因素分析：在均值对话框—下一张，均值过程只对第一层的自变量进行方差分析和线性相关检验（只有描述性统计表，即均值分析报告不一样，均值列分析：同等经验下，病房护士小时工资比办公室高，随着工作经验增加，差距变小；标准差列分析：同等经验的办公室护士，小时工资差距大于同等经验的医院护士）。5-

5、单样本T检验即检验某个变量的总体均值和某指定值之间是否存在显著性差异。T检验的稳健性好。数据准备：数据—拆分文件—分割文件—比较组（完成分析之后要关闭文件分割）、单样本T检验：分析/比较均值/单样本T检验（输入检验值）—— “单个样本统计量”——均值，偏离检验值、“单个样本检验”——t为T统计量，df为自由度，sig（双侧）为P值，均值差值为各数据减去检验值，上限下限位该均值差95%的置信区间的上限和下限。sig值<0.05，拒绝原假设，不等于检验值，不满足要求。

6、两个样本的T检验分为：独立样本T检验和配对样本T检验。独立样本T检验分析两个独立样本的均值是够有显著性差异（男女身高、不同行业的起始工资）。配对样本T检验比较同一个总体的两次不同的测量（医学研究中药物疗效、被调查者父亲和母亲的受教育程度）。

7、独立样本T检验的前提条件：独立性、正态性、方差齐性；数据初探：分析/描述性统计/探索（直方图、带检验的正态图）—— “描述”（比较均值大小、标准差比接近于1，初步认定方差齐性）、“直方图”（初步判断正态分布）、“正态性检验”（K-S检验和S-W检验，sig>0.05，接受正态性假设）——判定是够满足T检验前提条件，满足则进行T检验； 分析/比较均值/独立样本T检验（定义分组变量）—— “组统计量”（显示均值、标准差及均值的标准误，均值的标准误即为标准差除以样本N的平方根）、“独立样本检验”（方差方程的Leven检验，即方差齐性检验，和均值方程的t检验，p>0.05接受方差齐性假设，选择“假设方差相等”，sig（双峰）<0.05，说明新促销方法消费金额显著不同于标准促销消费金额，再比较均值大小，说明新方案有效）。

5-8 配对样本T检验配对设计方法：同一受试对象处理前后的数据/两个部位数据/两种方法测试数据/配对的两个收拾对象分别接受两种处理后的数据。

9、配对样本T检验的前提条件：两个样本配对、两个样本所来自的总体服从正太分布；分析/比较均值/配对样本T检验——“成对样本统计量”（均值、标准量、标准差、均值的标准误），“成对样本相关系数”（样本量N、相关系数、相关系数P值sig<0.05,相关系数明显大于0，有强线性相关），“成对样本检验”（差值的均值、差值的标准差、差值均值的标准误，t统计量和相对应的显著性，t=差值的均值/均值的标准误，分析：对1的差值均值及为减轻量，由于对1均值及均值的标准误远远高于对2，所以对2的t值远远大于对1的t值，从显著性来看，对2的减轻是显著的，因此该计划最终的评估结果为可以减轻体重但不确定可以减轻脂肪）。注意：配对样本T检验之前需要检查两样本是否服从正态分布（直方图、QQ图、k-s检验，注意分析变量中的离群值，用箱图检验）。

1、非参数检验的优点：稳健性、使用范围广。缺点：检验能效较差。适用场合：参数检验方法的条件不满足，研究定类变量和定序变量之间的关系。单样本非参检验方法：二项检验、卡方检验、k-s检验。

2、卡方检验——对总体分布进行检验（心脏病猝死人数与日期关系、人口结构、血型和性格等），原假设：样本来自的总体分布于假设的分布无显著性差异。卡方统计量服从自由度为k-1的卡方分布，如果卡方值较大，说明期望频数与观测频数分布差距较大，拒绝原假设。

3、二项式检验（首先定义成功或失败的类别，默认第一类为成功类）

1、相关关系分为线性相关和非线性相关，相关变量的研究根据变量的度量类型分为定类变量之间的相关，定序变量之间的相关，尺度变量之间的相关。

2、相关分析在统计分析中的作用：判断变量之间有无联系、确定相关关系的表现形式及相关分析方法、把握相关关系的方向与密切程度、进一步采取其他统计方法进行分析提供依据、用来描述变量之间的关系状况和进行预测。7-

3、相关分析的主要方法：图示法（散点图）、计算相关系数法。图形/散点图/简单散点图，偏离大部分的点为离群值。

4、相关系数为0只能说明没有线性相关关系，相关系数适用于样本量大于30且两个变量的总体是正态分布的情况。

5、相关系数检验，原假设为ρ=0；分析/相关/双变量——“相关性”（相关系数<0.3、显著性>）0.05，线性相关不显著；剔除离群值：数据/选择个案/如果、分割文件：数据/拆分文件、分析/相关/双变量——“相关性”（相关系数、显著性）（散点图——相关系数检验——回归）

1、确定变量之间线性相关后，通过回归分析找出线性关系。线性回归是指回归系数为线性，不是非相关变量和预测变量之间的的关系。

2、回归分析的步骤：写出研究的问题和分析的目的、选择潜在相关变量、收集数据、选择合适拟合优度、模型求解、模型验证和评价、应用模型解决研究问题。

3、简单线性回归：Y=β0+β1X+ε（X为预测变量，可控，Y为因变量，随机，ε为随机误差，ε~N(0, σ²)，且假设σ²与X无关）。8-

4、决定系数R²=SSR/SST=1-SSE/SST，残差平方和SSE，回归平方和SSR，总平方和SST=SSR+SSE，0<=R²<=1。决定系数越大，回归方程的拟合程度越高，0.6以上即可以接受回归直线。

5、分析/回归/线性——“系数”（B列，写出方程Y=常量B+UnitsBX，注意Y的帽子）、“模型摘要（汇总）”（调整）R²小于R²，一元看R²，多元看调整R²，分析：R²=0.978，说明该线性模型可以解释自变量97.8%的变差，拟合效果好、“模型拟合优度检验Anova”（F=回归平方和/残差均方，sig<0.05，方程整体有效，分析：F检验中的显著性小于0.05，一元线性回归模型显著）

6、COOK距离和Leverage值（杠杆值）能给出个案对回归影响大小的信息。

7、进行线性回归需要对回归进行的条件验证：因变量和自变量的因果关系、残差具有方差齐性、残差之间不相关（自变量不需要服从正太分布）。

8、在一元的情况下，回归方程的显著性和斜率的显著性检验是等价的。

1、三个或三个以上样本均值的差异——方差分析（ANOVA）。方差分析的因变量必须是尺度类型数据（连续数据）。因素分为观测因素（因变量，最终结果）、控制因素（潜在原因，可选择）。方差分析的条件：每个处理的因变量为正态分布（正态性）；每个处理的因变量具有相同的方差（方差齐性）。

3、描述性数据分析：检验方差分析的前提条件是否满足，如果不满足，看偏离是否严重，决定使用方差分析还是非参数检验。

4、单因素方差分析（四表一图）：分析/比较均值/单因素ANONA，选择因变量和因子，两两对比，假定方差齐性部分18种（LSD—精度最高、S-N-K输出同类子集、Tukey—各组大小相等，及组等容量时使用）、未假定方差齐性4种，选项/单因素勾选“描述性”（输出方差分析描述性统计量“描述”）、“方差同质性检验”、均值图。9-

5、总体均值之间是够显著差异： “描述”（均值、标准差，分析：培训时间越长，成绩越好越稳定）； “方差齐性检验”（显著性希望>0.05，<0.05说明方差不齐，分析：在比较各个组别样本量相差不大，且各组分别的分布形态类似的情况下，方差分析对方差不等具有稳健性，案例中内个组个案数相等，峰度和偏度相等，分布形态类似，可进行方差分析，建议方差分析后进行相应非参检验验证方差分析结果）“ANOVA表”（均方=相应平方和/自由度，F=组间均方/组内均方，一共三个组，组间自由度2,60个个案，3个组，组内自由度57。分析：显著性<0.05，没有证据说明三种方式的效果相同）

spss课程学习心得体会 篇7

1课程相关性研究的意义

1.1优化课程结构,促进学科发展

通过对课程设置中各科目之间的相关性分析,找出哪些课程具有相关关系,具体是什么样的关系,哪些课程之间无相关关系,具体原因是什么,从而调整课程的设置,突出成人教育的特点,优化课程结构。合理化的课程设置能使学生在学习中更加轻松地获得扎实的理论知识基础和独特的专业思维,优化的课程设置还能促进学科的发展。因此,对成人教育的课程进行相关性分析,找出课程设置的合理与不合理之处,可以为高校成人教育学院管理者提出课程改革的建议。

1.2提高人才培养的质量

成人教育相较于普通高等教育,实践性、社会性更强,培养面向社会的技能型人才是其关键目标。课程设置规定了所培养学生的学习内容和发展方向,影响学生未来所形成的知识架构,因此课程设置的合理与否将直接影响到所培养人才的质量,关系到学生知识面的宽度、深度、动手实践和研究能力的高低。不合理的课程设置将严重影响学生的就业。社会对人才的要求越来越高,成人教育学院必须从需求出发,调整课程设置,才能给学生提供更好的就业机会。

1.3指导学生选课,找到提高成绩的突破口

成人教育的生源广泛,学生个体差异较大,学习的侧重点不尽相同。通过课程相关性分析可以找出有关联性的课程,方便学生选择他们感兴趣的有关联的课程。另外可以找出所有课程中的关键课程,为学生提高学习效率找到突破口。

2成人教育课程相关性分析

2.1相关性分析的概念

相关分析是研究现象之间是否存在某种依存关系,并对具体有依存关系的现象探讨其相关方向以及相关程度。相关关系是一种非确定性的关系,相关系数是研究变量之间线性相关程度的量。相关系数,r>0代表两个变量为正相关,即两个变量之间的变化方向一致;当r<0时则为负相关,即两个变量变化趋势相反;r=1为完全正相关;r=-1为完全负相关,r=0则不相关。r的范围在0.3~0.5称为低度相关,在0.5~0.8称为显著相关,在0.8以上是高度相关。成人教育课程之间必定存在一些关联性,学习一门课程会对另一门课程的学习产生影响。学生根据这种相关性,方便选课。

本文主要以某高校成人教育学院英语专业的课程为例。该专业的主要公共课程有毛泽东邓小平三个代表重要思想、思想道德修养与法律基础和大学语文;基础课程有:综合英语(一)、综合英语(二)、英语阅读、英语听力、英语口语;专业课程有:英语写作实务、BEC商务英语阅读、秘书实务、英语国家文化、公关礼仪和涉外秘书概论。针对成人教育的特点,本文主要考察该专业的基础课和专业课。具体编号如表1。

2.2结果分析与建议

教学研究中的分析对象与重要数据来源主要是学生的课程成绩。学生的课程成绩不仅可以反映个体学习情况,而且还包括其他因素的相关信息,比如专业课程设置。通过SPSS分析学生成绩发现课程之间的相关性联系,不仅能挖掘出学生成绩中的有价值的信息,也可以将分析结果应用到课程设置中。在日常教学以及教学研究工作中运用SPSS,可以将教学分析与研究水平提升一个层次,改进教学方式,保证专业课程设置的科学性和合理性,为课程改革和专业建设提供必要的支持。

本文借助SPSS软件计算11门课成绩之间的相关系数,其结果如表2。

从表2可以看出,该专业成人教育的11门课程之间相关性系数普遍较低,说明这11门课程之间的相关性较弱,可能是该专业在课程设置上存在一定欠缺。其中具有显著相关性的课程有综合英语一和英语写作实务,相关系数为0.733;英语写作实务与涉外秘书,相关系数为0.683;英语阅读和英语国家文化的相关系数0.599;综合英语一和涉外秘书相关系数为0.595;英语口语和英语国家文化相关系数为0.575。通过分析可以看出,综合英语一和英语写作实务这两门课程与其他课程的相关性较大,这两门课程即是上述所说的关键课程。可能原因是综合英语一注重英语专业全面能力的锻炼,特别是写作能力,对该专业各方面能力都进行了考查,只要综合英语一的成绩有所提高,必定会带动其他课程成绩的进步。英语写作实务也应用到了口语、国家文化等方面的知识,使得这门课也成为关键课程。

通过以上分析就可以得出英语专业所开设课程的相关性,可以了解应该先学哪些课程,应该后学哪些课程,只有学好相关的先行课程才能学好后续相关的课程,这就为教育管理工作者制定教学计划和教学方案提供了决策支持,也为学生选课和获取某门课程好成绩提供了方向性的指导意见。

合理的课程结构设置在结构上应具有顺序性、整体性,在内容上应该具有关联性、连续性。对于以上分析结果,建议重新调整课程结构,完善课程内容。针对成人教育的较强社会性,建议应该多加入实践性的课程,实务性的课程对基础课有促进作用。另外,要把握该专业的关键课程,从综合英语一和写作实务出发,加强这两门课的学习可以有效提高整体学习成绩。

3结语

成人教育目标主要呈现两种趋势:一种是特别重视社会需要;一种是重视个人发展。欧美地区的成人教育课程目标比较倾向于后一种趋势,彰显学生主体地位,强调个性发展,我国的成人教育则比较重视前一种,也就是以社会需要为中心,着力满足社会需求。因此,我们应该将个人发展价值和社会需要价值结合起来,作为成人教育课程设置的发展方向,建立起一个既满足当代社会发展需要的,又能满足成人学员个体需求的,具有成人教育特色的课程体系,鼓励学生“终身学习”,最终促进教育事业的发展。建立成人教育特色的课程体系最基础的环节便是如何设置成人教育课程,科学合理地设置课程至关重要,在一定程度上决定着教学质量,完善课程内容与结构有助于进一步推进成人教育改革。课程设置改革是成人教育改革的重中之重,有利于提高成人教育的教学质量水平,有利于培养适应社会主义市场经济建设、社会发展与科学文化技术进步需要的高质量人才。通过对课程相关性的分析,可以找出课程结构和内容存在的问题,针对问题完善课程设置,从而提高成人教育的教学质量。

摘要：随着终身教育概念的普及,成人教育的重要性愈发凸显。成人教育课程设置是成人教育人才培养的关键要素,也是提高成人教育质量的前提条件。本文分析了课程相关性研究的重要性,通过对成人教育某专业课程进行分析,找出课程设置中存在的问题,提出改进意见。

关键词：成人教育,相关性分析,课程设置

参考文献

[1]刘赛赛.终身教育背景下的成人教育课程开发[J].教育与职业,2014(23):121-122.

[2]宋小敏,张国防,等.数据挖掘技术在课程相关性分析中的应用[J].中国校外教育,2012(30):155-156.

[3]杨明霞.课程相关性分析探讨——教育技术学课程关联分析[D].华东师范大学,2008.

[4]黄秋勇.基于关联规则挖掘的课程设置合理性分析[J].电脑学习,2010(5):57-58.

[5]金悦奇.运用SPSS对学生成绩与课程设置进行相关分析[J].科技教育,2014(276):62-63.