Spss
- 2. 1. 犖犖迦権
2. 犖犖犖巌
犖犖犖迦牽犖犖謹 犖犖
1. 犖犖犖萎犖÷絹犖謹 犖犖
2. 犖÷険犖 犖∇検犖犖謹
1. 犖犖迦権犖犢犖 犖
2. 犖犖迦権犖犖園
3. 犖犖迦権犖犖
30犖犖
犖迦検犖犖巌 犢犖犢犖 犢犖犖朽犖 犖о犖園 犖犖迦牽犖÷元犖 犖 犖犖犖迦 2 犖犖犖犢犖 犖∇犖 犖犢犖
犖
犢犖犢犖 犖犢犖 犖∇賢犖∇犖 犖犖∇鹸犢犖
4. 犢犖犢犖 犖犢犖 犖
犢犖÷犢 犖犢犖 犖犢犖 犖
1. 犢犖÷犢 犖犢犖 犖犢犖 犖∇賢犖∇犖 犖犖∇鹸犢犖
犖迦犖÷顕犢犖ム犖 25犖犖
犖犖劇賢 犖 ..50,000..犖犖迦
犖犖劇賢 犖
5000 - 10000 犖犖迦
2. 10001 - 15000 犖犖迦
20001 - 25000 犖犖迦
5. 25001 - 30000 犖犖迦
- 3. 犖犖萎犖園 犖犖迦牽犖о険犖
Ratio Scale (犖犖園 犖犖迦肩犢犖 犖
Interval Scale (犖犖園 犖犖犖犖迦
Ordinal Scale (犢犖犖朽権 犖犖ム験犖 犖犖園 )
Nominal Scale (犖犖迦検犖犖園 犖犖園 犖)
- 4. istical
SPSS : Package for the Social
MAINFRAME
PC
OPERATING SYSTEM
DOS (Disk operating System)
WINDOWS (Menu)
- 6. 犖犖迦牽犢犖犖ム犖犢犖 犖犖橿顕 犖犖迦検犢犖犢犖 犖犖園硯 犢犖犖
1. 犖犖劇犖 犖犖園硯 犢犖犖 (Variable Name)
2. 犖犖犖巌 犖犖犖犖犖園硯 犢犖犖 (Variable T
ype)
3. 犖犖犖園肩 犖犖朽犢 犖犢犖 犢犖犢犖犢 (Value)
4. 犖犢犖 犢犖÷犖 犖犖 (M
issing Value)
- 7. 犖犖犖犖犖朽 犖犢犖 犖犖朽
犖犖劇賢 犖犖園硯 犢犖犖
犢
犖犖犖巌 犖犖犖
犖犖園硯 犢犖犖
犖犢犖 犖犖朽犢 犖犢犖 犢犖犢犖犢
犖犢犖 犢犖÷犖 犖犖
Name
T
ype
String
Value
M
issing ID
1
101-80GENDER
Numeric
2
EDU
1=Female
Numeric
1 = Lower than
2=Male
Bachelor
9
2 = Bachelor
9
3 = Upper than
Bachelor
- 8. 犖犖犖犖犖朽 犖犢犖 犖犖朽
犖犖劇賢 犖犖園硯 犢犖犖
犢
犖犖犖巌 犖犖犖
犖犖園硯 犢犖犖
犖犢犖 犖犖朽犢 犖犢犖 犢犖犢犖犢
犖犢犖 犢犖÷犖 犖犖
Name
T
ype
1
3M
Value
issing AGE
REASON1
Numeric
Numeric 4
18-60
0=Not Choose
99
REASON2
Numeric
1=Choose
REASON3
Numeric
REASON4
Numeric
5
PRE
Numeric
0-50
99
6
POST
Numeric
0-50
99
7
SES
Numeric
0-50,000
99999
- 9. 犖犖犖犖犖朽 犖犢犖 犖犖朽
犖犖劇賢 犖犖園硯 犢犖犖
犢
犖犖犖巌 犖犖犖
2
1犖 犖犖朽犢 犖犢犖 犢犖犢犖犢
KNOW1
Numeric
犖犖園硯 犢犖犖
犖犢
犖犢犖 犢犖÷犖 犖犖
1-4
Name
T 9
ype
2 issing
KNOW2
Numeric
Value
M
1-4
9
3
KNOW3
Numeric
3
11-4 ORDER1 9 Numeric
4 1-5 KNOW4
Numeric
9
1-4 ORDER2 9 Numeric
5 1-5 KNOW5
Numeric
9
1-4 ORDER3 9 Numeric
1-5
9
ORDER4
Numeric
1-5
9
- 10. 犖犖犖犖犖朽 犖犢犖 犖犖朽
犖犖劇賢 犖犖園硯 犢犖犖
犢
犖犖犖巌 犖犖犖
4
1
APPLY1
Numeric
犖犖園硯 犢犖犖
犖犢犖 犖犖朽犢 犖犢犖 犢犖犢犖犢
犖犢犖 犢犖÷犖 犖犖
1-5
9
Name
T
ype
2
APPLY2
Numeric
Value
M
issing
1-5
9
3
APPLY3
Numeric
1-5
9
5
1
ATT1
Numeric
4
APPLY4
Numeric
1-5
9
1-5
9
2
ATT2
Numeric
5
APPLY5
Numeric
1-5
9
1-5
9
3
ATT3
Numeric
1-5
9
4
ATT4
Numeric
1-5
9
- 11. 犖犢犖 犖÷弦犖 犖犖朽犢 犖犢犖 犖犖о犖犖о検犖÷顕犢犖犢(Raw Data)
犖犖犢犖 犖犢犖犢犖 犖犢犖 犖÷弦犖 (Data
犖犖園犖 犖犖劇犖 犖犖園硯 犢犖犖
犖犖橿顕 犖犖犖犖ム険
File) 犖 犖犖犖萎犖園硯 犢犖犖
犖犖巌検 犖犢犖 犢犖 犖÷弦犖 犖犖犖犖犖園硯 犢犖犖犢犖
犖犖犢犖 犖 ASCII File, Excel File, Databa
犖犢犖 犖犖犢犖 犖÷弦犖 犢犖犢犖
犢犖犖犢犖犖犖÷犖犖∇犖犖
犢犖犢犖 犖犖園 犖犖謹 犢犖犢犖 犖犢犖 犖÷弦犖 (Save data file)
犢犖ム厳犖 犖犖犖橿顕 犖犖園犖 犖犖犖萎検犖о献犖犖(Analyze/Graphs)
犢犖犖犖犖犖ム献犖園 犖犢犖 犖 犖犢犖 犖犢犖 犖 Output
犖朽
犖犢犖 犖犖犖ム献犖園 犖犢 犢犖ム鍵犢犖犖朽権 犖犖犖迦権犖犖迦
- 12. 犖犖橿顕 犖犖犖 犖犖橿顕 犖犖犖巌 犖迦権犖犖劇犖 犖犖園硯 犢犖犖
犖犖о顕犖
犖犖橿顕 犖犖犖犖犖犖巌
犖犖橿顕 犖犖犖巌 犖迦権犖犢犖 犖犖萎犖園 犖犖迦牽犖о険犖
犖犖о犖 犖犖犖犖 犖犖犖
犖犖橿顕
犖犖犖犖犖園硯 犢犖犖
犖犖犖犖犖園硯 犢犖犖
犖犖犖犖犖園硯 犢犖犖
犖犖犖÷犢 犖 犖犖犖犖巌権 犖
犖犖橿顕 犢犖犖犢
犖犖橿顕 犖犖犖犖犖劇犖
犖犖園硯 犢犖犖
犖犖橿顕 犖犖犖
犖犢犖 犢犖÷犖 犖犖
- 13. 犖犖迦牽犖犖橿顕 犖犖о犖犢犖 犖犖犖巌 犖巌 犖犖犖犖犖
. 犖犢犖 犖犢犖 犖∇献犖
. 犖犢犖 犢犖犖ム元犢犖 犖÷険犖 犖∇犖迦 犢犖ム鍵犖犖迦犖犖巌権 犖
. 犖犢犖 犖犢犖犖朽権 犖犢犖犖犖÷顕犖犖犖犖迦
犢
. 犖犖迦牽犢犖犖犢犖犖犖犖о顕犖÷犖朽 犖犖犖犖ム顕犖∇犖
犢
- 14. 犖犖橿顕 犖犖о犖犖朽犖 犖犢犖 x100
犖犢犖 犖犢犖 犖∇献犖 =
犖犖橿顕 犖犖о犖犖園犖 犖犖÷
Analyze Descriptive Statistics
F
requencies...
- 23. 犖犖園犖 犖犖犖犖犖迦牽犢犖犢犖 犖園 犖犖
1. 犖犖橿顕 犖犖о犖犢犖 犢犖犖ム元犢犖 犖犖犖
犖犖園硯 犢犖犖 AGE
ecode 犖犖園硯 犢犖犖 AGE 犢犖犢犖犢犖 犖犖園硯 犢犖犖犢
(GROUP
AGE 犢犖犖∇犖犢犖 犖犖園肩
)
1 犢犖犖 犖犖ム幻犢犖 犖犖犖犖朽犖 犖迦権犖伍 犖橿犖 犖犖о犖 犖犢犖 犢犖犖
2 犢犖犖 犖犖ム幻犢犖 犖犖犖犖朽犖 犖迦権犖伍肩 犖項 犖犖о犖 犖犢犖 犢犖犖
犖迦見犖犖 Value 犖犖犖犖犖園硯 犢犖犖 GROUP
A
1=L AGE 2=H
OW
IAGE
- 24. 犢犖犢犖 犖園犖犖犖犖犖迦牽犢犖犢犖 犖園 犖犖
犢犖ム厳犖 犖犢犖犢犖
犖犖園犖
犖犖園 犖犖園 犖犖朽 1-5 犖ム験犖 犖犖園 犖ム鍵
犢犖犢犖 犢犖
2. 犖犖橿顕 犖犖о犖犖萎犖犖犢犖犖犖犢犖 犖犖犖橿犖
犖犖犖園
犖犖園 犖犖園 犖犖朽 1 犢犖犢 5 犖犖萎犖犖
犖犖園 犖犖園 犖犖朽 2 犢犖犢 4
犖犖萎犖犖
犖犖園 犖犖園 犖犖朽 3 犢犖犢 3
- 25. 犖犖園犖 犖犖犖犖犖橿牽犢犖犢犖 犖園 犖犖(犖犢犖 )
犖犖萎犖犖犢犖犖犖項 犖犖園 犖犖о験犖÷犖朽 犖犖犢犖犢犖 犖
犢
犖犖犢犖犢犖 犖萎見犖園硯 犖犢犖
犖÷犖萎犖犖
犖∇犖ム験犖 犖犖園 犖犖萎犖犖
- 26. 犖犖萎犖園 犖犖橿牽犖犖謹 犖犖
犖犖橿犖 犖犖о犖 犖.犖犖犖
犖.犖犖犖
犖犖項 犖犖о犖 犖.犖犖犖
犖犖橿権
犢犖犖
犖犖橿験 犖犖о? 犖犖橿験 犖犖о? 犖犖橿験 犖犖о?
犖
犖犖巌
犖犖橿験 犖犖о? 犖犖橿験 犖犖о? 犖犖橿験 犖犖о?
- 35. 犖犖犖巌 犖巌賢 犖 犖犖犖巌
犢
犖犖犖萎犖橿犖犖橿牽犖犖伍犖 犖犖園硯 犖犖∇犖 犖 犢犖 犖犖園硯 犖犖∇犖 犖
犖犖ム幻
犖
犖犖橿牽犖犖о検犖犖о検
犖犖橿牽犖犖犖萎検犖橿犖犢犖
犖犢犖 犖犖橿牽犖橿検犖巌 犖犖犖犢
犢犖ム鍵
犖о鹸犢 犖犖犖橿鍵犖犢犖 犢犖 犖÷弦犖
犖犢犖 犖犖犖巌 犖
犖犖橿牽犖犖犖犖犖犖犖÷検犖伍 犖巌 犖橿
- 36. 犖犖園犖 犖犖犖犖犖橿牽犖犖犖犖犖犖犖÷検犖伍 犖巌 犖橿
犖犖園犖 犖犖÷検犖伍 犖巌 犖橿犖犖橿犖犖犖巌 犖
H : 犖犖÷検犖伍 犖巌 犖橿犖犖犖犖犖о験犖÷犖÷犢 犖犖犖
0
犖犖÷検犖伍 犖巌 犖橿犖о犖 犖
犖犖÷検犖伍 犖巌 犖橿犖犖項 犖∇
H : 犖犖÷検犖伍 犖巌 犖橿犖犖橿犢犖ム厳犖 犖
1
犖犖÷検犖伍 犖巌 犖橿犖犖橿牽犖о鹸犖 犖
犖
- 37. 犖犖園 犖犖犖犖犖迦牽犖犖犖犖犖犖犖÷検犖伍 犖巌 犖迦 (犖犢犖
犢
. 犢犖ム厳犖 犖犖犖犖巌 犖巌 犖犖犖犖 犢犖ム鍵
犖犖橿顕 犖犖о犖犢犖 犖犖犖巌 犖巌 犖犖犖犖
Z-test
t-T
est
F
-test
ANOVA
Chi-square
- 38. 犖犖園 犖犖犖犖犖迦牽犖犖犖犖犖犖犖÷検犖伍 犖巌 犖迦 (犖犢犖
犢
3. 犖犖橿顕 犖犖犖犖犖萎犖園 犖犖園権 犖犖橿顕 犖犖園 犢犖ム鍵
犖犖犖巌 犖о犖о鹸犖 犖む犖 留 = .05
留 = .01
犖犖犖巌 犖о犖∇賢犖÷牽犖園 H0
犖犖犖巌 犖о犖о鹸犖 犖む犖 犖犢犖 犖о鹸犖 犖む犖 犢犖犖巌 犖犖迦牽犖迦
- 39. 犖犖4. 犖犖犖犖犖迦牽犖犖犖犖犖犖犖÷検犖伍 犖巌 犖迦 (犖犢犖
犖 犖犖園 犖犖巌 犢犖犖犖迦犖犖犖巌 犖
犢
(犖犖橿顕 犖犢犖 犖犖犖巌 犖巌 犖朽犖 犖橿顕 犖犖о犖÷顕犢犖犖朽権 犖
犖犖園 犖犢犖 犖о鹸犖 犖む犖
犖犢犖 犖犢犖 犖∇犖о犖 犖犖犖犖÷検犖伍 犖巌 犖迦
犖о犖 犖
犖犢犖 犖÷顕犖犖犖о犖 犖犖蹩巌 犖犖
犖犖÷検犖伍 犖巌 犖迦犖о犖 犖)
5. 犢犖犖ム犖о顕犖÷見犖÷顕犖
- 40. 犖犖ム元犢犖 犖犖ム険犖 犖犖迦牽犖犖犖犖÷牽犖萎見犖о犖 犖犖犖項 犖迦権犖犖園 犖犖項見 犖犖巌 犖犢犖 犖犖犖園 犖
犢
犢
H0 : 袖POST (Male ) = 袖POST (Female )
H1 : 袖POST (Male ) 袖POST (Female )
eans
Analyze Compare M
Indepents Sample t-T
est
- 43. 犖ム元犢犖 犖犖犖犖犖迦牽犖犖橿顕 犖犖о顕犖÷牽犖項犢 犖犢犖犢犢 犖犢犖犖劇犖 犖犢犖犖÷元犖 犖 犖犖橿犖 犖犖о犖 3
犢
H0 : 袖 APPLY1 = 3 .5
H1 : 袖 APPLY1 3 .5
Analyze
Compare M
eans
One-Sample t-T
est
- 45. 犖÷元犖 犖萎犖園 犖犖迦牽犖犖謹 犖犖迦犢犖 犖犖犖園 犢犖犢犖 犖萎犖犖犢犖犖ム元犢犖 犖犖ム険犖 犖犖犖犖÷
H0 : 袖1 = 袖 2 = 袖 3
H1 : 犖犢犖迦犖犖ム元犖∇ 犖÷犖犖
犖犖犖犖ム幻犢 犖犖迦犖犖犖∇犖迦賢犖 犢犖÷犢犖迦犖 犢犖÷賢犖劇
犢
犢犢 犖犖
1
犖犖ム幻 犖迦犖犖ム幻犖
Analyze
Compare M
eans
One-W ANOVA
ay
