spss做数据分析所需的最小数据量
spss上如何看最小理论频数？
spss上如何看最小理论频数？
最小理论频数是行最小×列最小
卡方检验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，如果卡方值越大，二者偏差程度越大；反之，二者偏差越小；若两个值完全相等时，卡方值就为0，表明理论值完全符合。
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标准化类型？
数据标准化处理是 数据挖掘 的一项基础工作，不同评价指标往往具有不同的量纲和量纲单位，这样的情况会影响到数据分析的结果，为了消除指标之间的量纲影响，需要进行数据标准化处理，以解决数据指标之间的可比性。原始数据经过数据标准化处理后，各指标即处于同一数量级，适合进行综合对比评价。
极差法
极差法是对原始数据的线性变换，首先计算指标值得最小值、最大值，计算极差，通过极差法将指标值映射到[0-1]之间。公式为：
新数据(原数据-极小值)/(极大值-极小值)
Z-score标准化法
SPSS默认的数据标准化方法即是Z得分法，这种方法基于原始数据的均值(mean)和标准差(standard deviation)进行数据的标准化。经过处理的数据符合标准正态分布，即均值为0，标准差为1。公式为：
其中μ为所有样本数据的均值，σ为所有样本数据的标准差。
数据标准化的另外一个实用之处
在实际应用中，数据标准化不只是用于指标的可比性处理，还有一些非常实用的用处，利用标准化方法将指标归到最适于我们观测的范围，更加直观。且看案例：
有一组数据，是学生参加某次社会公益活动的数据，其中有一指标为：在校综合评价指数，反映学生在校综合表现水平。
可以看出这个指标的范围为[0-140],但这个范围不太符合我们在学校里的习惯，在学校里经常用[0-100]的百分制，60分以上基本认可为及格，现在这个范围不能直观的反映学生在校表现水平。此时，极差法是一个非常好的选择，我们可以将[0-140]数值，映射到[0-100]，便于直观对比学生的表现。
公式为：(原数据-极小值)/(极大值-极小值)*100
我们再来看看结果：
此时，[0-100]的范围非常符合我们日常的比较标准，能直观的反映学生的在校综合表现，已经达到目的。