spss怎么对原始数据取对数
双因素方差分析法的方差齐性不齐怎么办？
双因素方差分析法的方差齐性不齐怎么办？
按说不齐性是不可以进行后续的方差分析的，因为在均值检验中（包括方差分析，T检验等）各个实验处理的效应被认为是一种固定效应，对所有人的作用一样，也就是说，处理的作用就是给每个人原来的的水平加上一个相同的常数，这样的话，每个被试组原来什么方差，实验处理后还是什么方差，那么，如果不同被试组的方差不齐性，也就是方差之比显著不等于1，就说明被试之间原本就差异很大，那我们的方差分析就得不到准确的结论，不知道究竟是实验处理造成了不同被试组间的差异，还是说这里面也混淆了个体差异。
方差不齐性，原则上不能进行方差分析，只能将数据转换后进行非参数检验。但spss里的方差分析是在最小二乘法的框架下做的，和教育及心理统计教材中介绍的方差分析的分析方式不太一样，好处是这样的方差分析比较稳健，对于方差齐性的问题不敏感，即使违反了，也还是能用，结果也还是比较可信的。在spss里面齐性并不是方差分析的必要条件。只不过教材是为了给你介绍大概原理，而且对最新的软件的性能也不是非常了解，所以非要齐性。况且做方差分析的论文里面一般也不需要报告齐性检验结果。所以你就直接用方差分析就行了。如果还是不放心，可以做一些数据转换，使其接近齐性，比如box—cox转换，对数转换等等。听说正态转换也可以起到一些作用，可以首先尝试将数据转换为正态
spss怎么对变量取对数，生成新变量？
spss中可以直接用对数函数log（X）对变量计算对数，X表示原变量。
spss教程：回归分析：[7]对数线性模型？
1、基本原理：将分类变量（解释变量）看做因素或解释变量，将单元格的观察频数看做因变量（反应变量），在某种假设前提下，如服从poisson分布或多项分布，把期望频数的自然对数表示为各分类变量的主效应及各阶交互效应的线性函数。
spss回归分析中自变量取了自然对数还用在标准化吗？
这个问题问得有点奇怪，因为取对数本来就是一种标准化的手段，但是这又要看你自变量的原始数据分布呈现什么形态了。如果是非常严重的正向偏态分布或者负向偏态分布才需要取自然对数或者反射自然对数，如果是其他形态的分布则要采取其他手段。
因此，是否标准化和怎么样标准化得看你的原始数据的分布图。然而，很多数据在标准化以后仍然呈非正态分布，这很正常，但是不能进一步再去标准化了，否则偏离太大到时候无法解释清楚了。