2022-11-12 16:51来源：m.sf1369.com作者：宇宇
先做相关性分析：如果y是连续型变量，且符合正态分布，那么y和a的相关性可用两样本t检验，y与b的相关性可用方差分析，y与c的相关性可用Pearson相关系数。
如果y不符合正态分布，则y与a、b的相关性可用秩和检验，与c用spearson相关系数。
如果y是离散型变量，则y与a、b的相关性可用关联表卡方检验，y与c的相关性用t检验或方差分析。其实y与c的相关性还因y和c是否为等级变量而不同，就不详细说了。SPSS的操作问题去网上搜或买本张文彤老师的书看。
卡方检验用于：推断两个及两个以上总体率或构成比是否有差别，两个分类变量间有无相关关系，多个率的趋势检验，以及两个率的等效检验等。此外，也用于频数分布的拟合优度检验。
对不同的设计类型的资料，检验的应用条件不同：
(1) 完全随机设计两样本率的比较
1) 当n＞40，且T≥5时，用非连续性校正值；
若所得P≈α，则改用四格表的确切概率法。
2) 当n≥40，且有1≤T＜5时，用连续性校正值。
3) n＜40，或有T＜1时，不能用检验，应当用四格表的确切概率法。
(2) 配对设计四格表
1) 当b+c≥40，
2) 当b+c<40，需作连续性校正，
(3) 行列表资料
1) 不宜有1/5以上格子的理论频数小于5，或有1个格子的理论频数小于1；
2) 单向有序行列表，在比较各处理组的效应有无差别时，应该用秩和检验或Ridit检验；
3) 多个样本率（或构成比）比较的检验时，结论为拒绝无效假设时，只能认为各总体率（或总体构成比）之间总的说来有差别，但不能说明它们彼此之间都有差别，或某两者间有差别。若想进一步了解哪两者的差别有统计学意义，可用分割法。
我们想要在Excel文件中输入平方，首先打开Excel文件。我们以输入平方米为例子，首先在Excel表格中输入m2。之后用鼠标选中m2中的数字2，然后右键点击后会看到有一个【设置单元格格式】功能，此时再选择【设置单元格格式】按键。
此时Excel文件中会弹出【设置单元格格式】对话框，之后找到【上标】后在【上标】栏前打上勾。
待【上标】的左侧出现√的符号后接着点击【确定】按键。
设置好后返回到Excel文件页面，此时就会发现m2显示变成为平方米的符号了。
利用其中的CHITEST和CHINV两个统计函数可以进行卡方(χ2 )检验。
Excel中的CHITEST统计函数具有返回相关性检验值的功能，利用该函数可以计算出卡方(χ2 )检验的概率值P，但未能计算出卡方值；CHIINV统计函数具有返回给定概率收尾×2分布区间点的功能，利用这一统计函数可以通过CHITEST统计函数计算出的概率值P，反过来求出卡方值。也就是说，将此两统计函数结合起来应用就可以轻松完成卡方检验的运算。该方法适用于四格表资料、行×列表资料和列联表资料的卡方检验。但是当理论频数(T )小于1，或总例数(n)小于40，或当卡方值处于临界值附近时，最好改用四格表的确切概率法,而不使用该法。
如果建立好四格表资料卡方检验通用的工作表并保存下来，以后应用此方法进行四格表资料的卡方检验时，只要先填写上a、b、e、d 4个实际频数，再分别运行CHITEST和CHIINV这两个统计函数就可以轻松地完成卡方统计检验的运算。该方法操作简便，结果直观，非常适合在基层单位推广应用。
利用其中的CHITEST和CHINV两个统计函数可以进行卡方(χ2 )检验。
Excel中的CHITEST统计函数具有返回相关性检验值的功能，利用该函数可以计算出卡方(χ2 )检验的概率值P，但未能计算出卡方值；CHIINV统计函数具有返回给定概率收尾×2分布区间点的功能，利用这一统计函数可以通过CHITEST统计函数计算出的概率值P，反过来求出卡方值。也就是说，将此两统计函数结合起来应用就可以轻松完成卡方检验的运算。该方法适用于四格表资料、行×列表资料和列联表资料的卡方检验。但是当理论频数(T )小于1，或总例数(n)小于40，或当卡方值处于临界值附近时，最好改用四格表的确切概率法,而不使用该法。
如果建立好四格表资料卡方检验通用的工作表并保存下来，以后应用此方法进行四格表资料的卡方检验时，只要先填写上a、b、e、d 4个实际频数，再分别运行CHITEST和CHIINV这两个统计函数就可以轻松地完成卡方统计检验的运算。该方法操作简便，结果直观，非常适合在基层单位推广应用
1.
首先打开Excel2016,输入X、Y两列数据,选中X、Y数据列,依次点击 插入、散点图...
2.
鼠标右击数据点,添加趋势线。
3.
接着在打开的窗口中,“显示R平方值”,可相关系数R的平方。
4.
这时得到R平方,小数位数为4位。
你是不是没学过计量…… 第一个，手动输，或者复制/粘贴，或者import from txt/lotus/excel 第二个没看懂意思…… 第三个，一般默认5%的显著性水平，根据变量个数查t,F分布表，大于临界值拒绝原假设，认为参数显著。t是局部检验，针对个别参数的，F是整体性检验，针对所有参数的。异方差的检验方法比较多，white,ARCH，glser吧。如果不需要修正的话，对截面数据white检验就够了，建立辅助回归分为要不要包含交叉项。然后根据算出来的数据：obs R－squared(大概是这么写的），查卡方分布表。如果辅助项有P项，观察样本值有n个，查（n-P)的卡方值，大于则表明有异方差。小于表明没有。如果要修正，那就比较麻烦了，函数形式需要一个个试。 至于D.W检验，是有前提要求的，要求大样本，非自回归的一阶才行。查DW表，根据模型参数的个数，样本数量，确定dl,du.然后比较DW和dl,du的关系。有几个判定区域，这个查一查就知道了……
您的数据应该是交叉链接的，数据输入格式是:创建两个变量，变量1是组。正常对照组使用数据1、病例组用数据2、变量2是效能的分类变量，1表示分类属性1,2表示分类属性2。然后还有另一个变量3、也就是，箱子的数量。在数据录入完成后，加权频率将被分析的分析-统计-统计-交叉---和变量1被选择成行。所以，我要选择变量2到列中，然后点击统计信息，打开对话框，我要检查卡方，然后点击“继续”，然后点击“确定”，第三张表是卡方测试，第一行的第一行是卡方值，接着是自由度，最后是P值。卡方检验就是统计样本的实际观测值与理论推断值之间的偏离程度，实际观测值与理论推断值之间的偏离程度就决定卡方值的大小，卡方值越大，越不符合，偏差越小，卡方值就越小，越趋于符合，若量值完全相等时，卡方值就为0，表明理论值完全符合。
