怎样用SPSS做各个处理下的正态性检验和方差齐性检验
1这种方差齐性检验的操作方法如下：打开SPSS，加载数据集。在菜单栏中，选择“分析”-“描述性统计”-“探索”。在弹出的窗口中，将想要进行方差齐性检验的变量添加到“因变量”列表中。点击“图”按钮，选择“盒形图”和“正态性图以及测试”，然后点击“继续”。
2spss正态性检验操作方法如下：正态曲线直方图在分析选项卡下，选择描述频率，在频率页面，在绘图选项选择带正态曲线的直方图。绘制带正态曲线的直方图通过对比直方图与正态曲线的拟合程度，判定数据序列的分布形态是否接近正态分布。
3正态性检验：然后使用分析—描述统计—探索，在弹出的对话框中，选择xxx3为因变量，并选择绘制直方图以及带检验的正态图，点击确定就可以实现对xxx3的正态性检验。
4检验不同性别的“数学成绩”的方差齐性。用“探测性描述统计”检验方差齐性【分析】——【描述统计】——【探索】，打开“探索”窗口，将变量“数学成绩”选入【因变量列表】框，将变量“性别”选入【因子列表】框，注意：勾选【输出】可选项的“两者都”。
在SPSS里怎么进行方差齐性检验
检验不同性别的“数学成绩”的方差齐性。用“探测性描述统计”检验方差齐性【分析】——【描述统计】——【探索】，打开“探索”窗口，将变量“数学成绩”选入【因变量列表】框，将变量“性别”选入【因子列表】框，注意：勾选【输出】可选项的“两者都”。
第一步：将数据录入到SPSS的数据视图中，这一步与前面t检验相同，输入数据后，选择【分析】→【比较均值】→【单因素ANOVA】。第二步：点击后，出现下图的单因素方差分析的窗口，将【value】→【因子】，【group】→【因变量列表】。
打开SPSS的对应页面，在分析那里点击比较均值中的单因素。这个时候会弹出新的界面，直接设置因变量列表和因子。下一步打开选项窗口，如果没问题就需要勾选方差质性检验进行确定。这样一来等生成相关的结果以后，即可做各个处理下的正态性检验和方差齐性检验了。
在多元线性回归分析中，实际上是考察残差的方差齐性，就是残差的大小不随自变量取值水平的变化而变化，在具体的操作过程呈现的是一张残差图，就是残差对标准化预测值的散点图。
①点击“分析”--“一般线性模型”--“单变量”（图2），将α指标选入右侧因变量栏，将治疗方式水平测试时间选入右侧固定因子栏（图3）图2 图3 ②设置参数。点击右侧“对比”按钮，将3个因子的对比全部选为“简单”，点击“变化量”按钮。
One-Way ANOVA对话方块中，点击Options…（选项…）按扭，勾Homogeneity-of-variance即可。它会产生 LeveneCochran CBartlett-Box F等检验值及其显著性水平P值，若P值于0.05，便拒绝方差整齐的假设。
spss显著性检验怎么做
各处理间差异都显著。在处理1的时候，把它们分别标成abc就可以了。如果一个子集中包含了两个或以上的处理，就标成一样的字母。如果一个处理包含在两个子集中，就将两个子集的字母都标注。由这个图看的话，也可以，只是费劲些，显著性的值0.05就表示显著。
打开SPSS版本20软件，找到想要进行编辑处理的数据，这里以药物对身高的影响做显著性分析。找到上方菜单栏中的分析菜单，鼠标移动至一般线性模型，然后选择单变量，点击鼠标左键选择。在单变量对话框中，将变量分别对应移至因变量和协变量，这里将身高移动至因变量，药物移动至协变量。
显著性检验有很多方法，比如t检验，卡方检验，方差分析等。
分别把这两组数据分别设为x和y，打开SPSS，点击左下角的Variable View选项卡，在Name列那里的第一行输y，第二行输x，返回Data View选项卡，输入对应的数据。
如何用SPSS软件来做检验两组的差异是否具有显著性
上传数据后，点击通用方法的t检验，然后将分析项拖拽到对应分析框内，点击开始分析。
各处理间差异都显著。在处理1的时候，把它们分别标成abc就可以了。如果一个子集中包含了两个或以上的处理，就标成一样的字母。如果一个处理包含在两个子集中，就将两个子集的字母都标注。由这个图看的话，也可以，只是费劲些，显著性的值0.05就表示显著。
凡相差不显著的，都标上字母a，直至某一个与之相差显著的平均数则标以字母b。一般是看下面的同类子集表格，在同一列就是差异不显著，不在同一列就是差异显著。一般前面的标题是按平均数由小到大排列的。如此重复下去，直至最小一个平均数被标记比较完毕为止。
用SPSS输入相关数据，按照分析→比较均值→单因素的顺序进行点击。这个时候如果没问题，就直接在因变量列表和因子中添加对象。下一步打开选项对话框，通过勾选方差质性检验来确定。这样一来等看到图示的结果以后，即可检验两个相关系数之间是否具有显著性差异了。
如何用spss做r检验
1打开SPSS软件，在提示符后输入因变量y和自变量x的数据。接下来使用R中作线性模型的函数lm（）函数，lm（yx+1）表示做有截距的线性回归模型，接下来lm（yx）也是表示有截距的线性回归模型，lm（yx+0）和lm（yx-1）则表示过原点的线性回归模型，红色部分即为输出结果。
2将数据录入到SPSS软件中，也可以是Excel表格直接导入，不要忘记把“变量视图”设置成数值型。选择你要处理的值，进行“相关性分析”，观察两者间有没有存在相关性。因为有了相关性才能做回归分析。如果检验得出存在相关性，就可以做回归分析了。
3点击Descriptive Statistics → Crosstabs。Crosstabs对话框中，将Disease选入行变量Row（s）框中，将Smoke选入列变量Column（s）框中，将分层因素Gender选入Layer框中作为分层依据。点击Statistics，勾选Chi-squareRisk和Cochran’s and Mantel-Haenszel statistics，点击Continue返回，点击OK完成操作。
4设置统计量的参数。选中估计可输出回归系数B及其标准误，t值和p值，还有标准化的回归系数beta。选中模型拟合度复选框：模型拟合过程中进入退出的变量的列表，以及一些有关拟合优度的检验：R，R2和调整的R2， 标准误及方差分析表。
5输入编码：Odds Ratio for GROUP 031303168。For cohort LEVEL 886275789。For cohort LEVEL .9287981。N of Valid Cases1130。以上表格的第一行数字中的031就是OR值，1，303是其95%置信区间的下限，168为上限。
6使用spss检验的具体操作过程如下：打开或者新建立一组数据。这里是打开了一组案例分析中的数据进行分析。找到非参数检验-就对话框-卡方检验，将其单击单击打开。下面是卡方检验的参数设置窗口。将左边的原变量选入到检验变量列表中。打开精确，里面的值默认，一般不需要更改。
