发布时间:2021-05-20 11: 21: 36
在统计学中,随机抽样是非常重要的一种统计分析手段,它使得研究对象有相同的机会被分在某一处理组当中,排除人为因素的影响和干扰。随机抽样是提高研究样本代表性和组间均衡性的重要方法,它的正确使用将直接影响到研究成果的可靠性。
下面我就以一篇简单的教程文章,为大家介绍使用IBM SPSS Statistic,进行随机抽样。
一、设定随机种子
首先我们需要准备好一组数据,接下来的随机抽样将在这组数据中进行随机抽取。准备好数据后,我们点击转换菜单的“随机数生成器”,打开SPSS的随机抽取器。
在活动生成器初始化选项中,勾选“设置起点”,然后选择其中的“固定值”,默认的固定值是2000000,我们采用默认即可。这里选择固定值而不是随机,是为了保证每一次随机抽样的抽取值都是相同的,保证抽样结果具有可重现性。
二、简单随机抽样
点击“数据”菜单,选择其中的“选择个案”选项,进入选择个案界面。在该界面中,我们勾选“随机个案样本”,随后在“输出”项中,选择“将选定个案”复制到新数据集,生成一个随机抽取出来的全新数据集合,操作步骤如图3。
点击“样本”按钮,设置样本大小的具体参数,主要有两种设置方法,一种是近似法,我们可以设置按百分比大小来选择样本大小,如百分之十,那么会从1000个数据中抽取出100个随机样本。
另外一种是精确法,我们可以设置从前1000个样本中,精确抽取出99个随机样本,如图5。
完成以后,回到上个页面点击“确定”,SPSS就会帮我们快速生成一个全新的数据集,当中的数据就是从原本样本中随机抽取出来的数据。
这就是关于IBM SPSS Statistic软件,进行随机样本抽取并生成新数据集的完整过程,除了这种简便的随机抽样方法外,对于一些更复杂的随机抽样要求,我们还可以通过外部脚本等多种方式在SPSS中进行随机抽样,更多教程大家可到IBM SPSS Statistic中文网站上查看。
作者署名:包纸
展开阅读全文
︾
读者也喜欢这些内容:
逐步回归分析和多元线性回归的区别 SPSS逐步回归分析实例
将获取的全部样本点用一条光滑曲线连接起来,拟合这条曲线的方法有无数种,按照自变量的个数的多少,可分为一元回归分析和多元回归分析。按照变量之间的关系,可分为线性和非线性。逐步回归分析是多元线性回归分析的一种,本文就来谈谈逐步回归分析和多元线性回归的区别,SPSS逐步回归分析实例。...
阅读全文 >
IBM SPSS Statistics的两变量相关、偏相关与距离相关分析有什么不同
相关分析研究的是两个或以上随机变量间的相关关系的分析。与回归分析不同,相关分析侧重的是变量间的相关特性,但不能说明变量间可相互依赖并进行预测,比如吃冰淇淋与肥胖之间的相关分析。...
阅读全文 >
如何使用SPSS进行双变量分析 SPSS双变量分析实例
双变量分析的目的是确定两个变量之间的相关性,测量它们之间的预测和解释能力。这种分析方法常常被用于经济和统计学科的模拟计算中。今天,我就向大家演示一下,如何使用SPSS进行双变量分析,SPSS双变量分析实例。...
阅读全文 >
spss卡方检验结果怎么看 spss卡方检验结果解读
卡方检验是由皮尔逊提出的一种统计检验方法。在一定的置信水平下,通过比较卡方统计量和卡方分布函数概率值,判断实际概率和期望概率是否一致,根据实际概率和期望概率的符合程度,了解两组定类变量的相关性。利用SPSS可以迅速的完成卡方检验,避免进行大量的数学计算。关于SPSS卡方检验结果怎么看,SPSS卡方检验结果如何解读,本文结合实例,向大家作简单的介绍。...
阅读全文 >