Kort manual till SPSS 10.0 för Mac/PC

Institutionen för beteendevetenskap Linköpings universitet Kort manual till SPSS 10.0 för Mac/PC 1. Att skapa en ny variabel Inmatning av data sker i det spread sheet som kallas Data View (flik längst ned till vänster), men specificering (typ av variabel) samt namngivning av densamme sker i ett annat spread sheet som kallas för Variable View (fliken till höger om Data View fliken ). För att komma till någon av dessa spread sheets klickar man på önskad flik. 1.1. Namngivning av variabel Gå in på det spred sheet som är förknippad med Variable View. Här finns 10 kolumner som kan fyllas i för varje variabel. I varje kolumn finns förvalda alternativ, som i många fall kan få stå kvar. Fyll i namnet på variabeln under Name (dock maximalt 8 siffror/bokstäver samt inga mellanslag, punkter, streck od kan skrivas in). Numeric är förvalt i kolumnen Type, vilket man bör fortsätta att använda så långt det är möjligt (dvs ändra helst inte på det förvalda alternativet). Fyll i variabelns namn igen i kolumnen Label : nu kan man använda mellanslag etc samt får plats med fler än 8 bokstäver/siffror (dessutom är det bra att fylla i denna kolumn eftersom det är Label som man ser i datautskrifter sedan och inte Name ). Har man kategoridata (av typen man/kvinna, olika åldersgrupper etc) så kan man benämna/etikettera de olika grupperna i kolumnen Values (klicka på denna ruta vid den raden som du arbetar med; du får då upp en ny ruta). Börja med att specificera Value (dvs vilken siffra/kod som representerar respektive grupp: Exempel kan vara Man = 1; då skriver man en etta i denna ruta). Specifiera sedan Value label genom att skriva vad gruppen kallas (i vårt exempel blir det Man ). Klicka på Add och fortsätt med nästa grupp (2 för kvinnor exempelvis). Om man inte har kategoridata så skall man inte fylla i Values (förvalet är None ). Övriga kolumner kan få vara som de är. 1.2. Inmatning av data Nästa steg är att mata in data för den eller de variabler som man namngivit. Återgå till spread sheet som är förknippad med Data View. I denna ser man att

de nya variabelnamnen finns i kolumnerna. Varje rad representerar nu inte en variabel längre (som i Variable View ) utan istället en undersökningsenhet (t ex en person). Inmatningen av data innebär att man ställer sig på den översta rutan under relevant variabel (t ex mata in kön och börja med första personen, dvs första raden) och skriver in data med siffror (använd siffertangenterna till höger på tangentbordet). För att komma till nästa ruta (under eller bredvid) används piltangenterna i mitten av tangent bordet. Har man valt t ex 2 decimaler så blir det automatiskt två decimaler (om man exempelvis skriver 4 så blir det 4,00 ). I menyn längst upp finns en symbolflik som ser ut som en bagagelapp. Om man klickar en gång på denna ser man vilka etiketter man satt på kategorier i variabler där man specificerat sådana. Klicka en gång till för att återställa spread sheet. 1.3. Att filtrera bort data. Ibland vill man göra en analys av en del av sina data. Man har tex samlat in data om personer i olika åldrar men vill för tillfället bara analysera de som är mellan 20 och 30 år. För att filtrera data: Välj Data i menyn längst upp. Välj Select cases. Markera bollen vid If condition is satisfied. Klicka på rutan If. Markera den variabel som är aktuell och förflytta den till rutan till höger genom att klicka på den lilla trekanten. Definiera i rutan till höger (med hjälp av knapparna under) vilka vilkor som ska gälla för att få med de data som är aktuella. Tex ålder >19<31. Tryck på Continue och sen OK. Nu markeras de variabler som ej ska analyseras med ett snett streck över siffrorna längst till vänster på Data View. OBS glöm inte att ta bort dessa markeringar då det är dags att göra en analys på alla data. Görs på motsvarande sätt som när man filtrerade bort data ( Data, Select cases. Nu markerar man dock bollen All cases för de aktuella variablerna. 1.4. Att skapa grupper av en kontinuerlig skala. Ibland vill man skapa grupper av kontinuerliga data. Någon kanske har matat in uppgifter om ålder på alla personer i ett stickprov. Nu vill denne person se om det finns skillnader mellan tre åldersgrupper dvs de som är yngre än 30, de som är mellan 31 och 60 och de som är över 60. För att skapa grupper: Välj Transform från menyn längst upp. Välj Recode samt Into different variable. Markera aktuell variabel och förflytta den till rutan till höger genom att klicka på trekanten. Längst till höger kan man nu ge

den nya variabeln ett Name och en Label. Klicka sedan på Change. Klicka därefter på Old and new values I rutan till vänster kan man nu defineira vilka gamla värden som man vill transformera. Enligt exemplet skulle man då tex välja Range lowest through 30. I rutan till höger kan man sen välja vad den nya gruppen ska ha för värde. I Exemplet tex 1. Tryck sedan Add. Gå sen tillbaka till rutan till vänster och välj nästa värden. I exemplet tex Range 60 through highest och till höger det nya värdet 3. Tryck Add osv tills man är klar, då trycker man på Continue. Därefter på OK. I Data View och Variable View kan man nu se att man fått en ny variabel som kan användas vid analys. ÖVNINGAR TILL PUNKT 1 1a. Variabeln Yrkesgrupper består av 10 svar på en öppen fråga ( Vilket yrke har du? ). Du har kodat svaren enligt följande kategorier: 1 = Polis, 2 = Taxi chaufför, och 3 = Lärare. Skapa en ny variabel och mata in följande data: Person Yrkesgrupp Person Yrkesgrupp 1 Polis 6 Polis 2 Taxi chaufför 7 Lärare 3 Lärare 8 Polis 4 Taxi chaufför 9 Lärare 5 Polis 10 Taxi chaufför 1b. Variabeln högskoleprov består av 10 personers resultat på högskoleprovet (maximalt kan man ha 2.0 och minimalt 0.0). Skapa en ny variabel och mata in följande data: Person Högskoleprov Person Högskoleprov 1 1.6 6 1.5 2 1.2 7 1.3 3 1.0 8 1.5 4 1.3 9 1.2 5 1.1 10 1.9 1c. Definiera för datorn att du endast vill analysera värden på högskoleprovet för fp 3-5. 1d. Gör om variabeln högskoleprov till en variabel med tre nivåer. Dvs ett värde för de som har under 1.3, ett värde för dom som har mellan 1.3-1.5 och ett värde för dom som har över 1.5. 2. Variansanalys (ANOVA) I en en-vägs variansanalys har man en oberoende variabel med fler än 2 nivåer/lägen. Dessutom har man en beroende variabel med

skattningar/mätningar på en kontinuerlig skala. Syftet är att se om en manipulation av den oberoende variabeln ger effekter/förändringar i den beroende variabeln. I en två-vägs variansanalys har man två oberoende variabler där respektive variabel har två eller fler nivåer/lägen. Dessutom har man en beroende variabel med skattningar/mätningat på en kontinuerlig skala. Syftet är att se om en manipulation av de oberoende variablerna ger effekter/förändringar i den beroende variabeln. 2.1. En-vägs variansanalys between I en en-vägs variansanalys between har den oberoende variabel fler än 2 nivåer/lägen där dessa är oberoende av varandra (t ex åldersgrupper eller yrkesgrupper). Exempelvis vill man se om det finns några skillnader mellan olika utbildningsnivåer med avseende på skattningar av förståelse av statistik (på en skala från 1 = Förstår ingenting till 10 = Förstår statistik mycket väl). De olika utbildningsnivåerna är 1 = Grundutbildning, 2 = Gymnasieutbildning samt 3 = Högskoleutbildning. För att göra denna analys: Gå in på Analyze i menyn längs upp. Välj Compare Means och sedan One-Way Anova. I dependent list placeras den beroende variabeln (statistikförståelse) och i factor placeras den oberoende variabeln (Utbildningsnivåer). Välj sedan Post Hoc och någon typ av post hoc test (exempelvis Tukey när man har lika antal n i grupperna). Därefter klickar man på Continue. Man kan också välja Options och sedan välja Descriptive (då får man beskrivande statistik) samt Means plot vilket innebär att man får en graf som presenterar medelvärderna i materialet. Klicka på Continue. Därefter klickar man på OK, vilket innebär att analysen genomförs. 2.2. En-vägs variansanalys within I en en-vägs variansanalys within har den oberoende variabel fler än 2 nivåer/lägen där dessa är beroende av varandra (t ex upprepade mätningar av grad av depression för patienter som genomgått någon typ av behandling, dvs mätning både före behandlingen, under tiden som behandlingen sker samt efter behandlingen har avslutats). För att genomföra en analys (t ex vill man se om det finns skillnader i skattningar av grad av depression vid dessa tre tidpunkter) går man upp i menyn och klickar på Analyze. Nu väljer man General linear model och sedan Repeated measures. I den ruta som nu kommer upp fyller man i vad den oberoende variabeln heter ( tidpunkt ) i Within-subject Factor Name och specificerar antalet nivåer/lägen som denna har (i detta exempel bli det 3 nivåer/lägen) under Number of levels. Klicka sedan på Add och sedan på Define. En ny ruta kommer nu upp. I denna skall man placera sina variabler i rutan Within-Subjects Variables I exemplet står där nu tre rader som ser ut så här:

--?--(1) --?--(2) --?--(3) Placera rätt variabler (varje variabel representerar nu en nivå/ett läge i den oberoende variabeln; i detta exempel skull vi placera Före, Under tiden samt Efter på dessa rader). Gå in på Plots och placera den oberoende variabeln Tidpunkt i rutan Horizontal axis (variabeln finns i rutan Factors: ). Tryck på Add och sedan Continue. Gå sist in på Options. Markera den oberoende variabeln (i rutan Factor(s) and Factor Interactions ) och placera i rutan Display Means for. Klicka sedan på Continue. Klicka slutligen på OK, vilket är kommandot som utför själva analysen. 2.3. Två-vägs variansanalys between I en två-vägs variansanalys between har de båda oberoende variablerna två eller fler nivåer/lägen där dessa är oberoende av varandra (se punkt 2.1). För att analysera sina data med hjälp av en två-vägs ANOVA between går man först in i menyn högst upp och klickar på Analyze. Välj General linear model och sedan Univariate. I den rutan som nu kommer upp skall den beroende variabeln placeras i rutan dependent variable och de oberoende variablerna placeras i rutan Fixed Factor(s). Gå in på Plots.. om man vill ha grafer. För huvudeffekter placerar man respektive oberoende variabel (som man finner i rutan Factors ) i rutan Horizontal axis. Klicka på Add. Upprepa för den andra huvudeffekten. För interaktionseffekten placerar man den ena oberoende variabeln i rutan horozontal axis och den andra oberoende variabeln i rutan separate lines. Tryck på Add och därefter Continue. Nu kan man välja om man vill ha Post Hoc test; Gå in på Post Hoc och välj vilken eller vilka oberoende variabler i rutan Factor(s) som skall göras post hoc test på och placera dessa i rutan Post Hoc tests for. Välj därefter lämpligt test bland de alternativ som finns. Klicka på Continue. För medelvärden se under rubriken 2.2 ( Options ). 2.4. Två-vägs variansanalys within-between (SPANOVA) I en två-vägs split-plot variansanalys, dvs SPANOVA, har den ena oberoende variabeln två eller flera nivåer/lägen där dessa är beroende av varandra, medan den andra oberoende variabeln har två eller fler nivåer/lägen där dessa är oberoende av varandra. För att göra denna typ av analys går man in på Analyze i menyn längst upp. Välj General linear model och sedan Repeated measures. Detta går till på exakt samma sätt som redan har beskrivits under punkt 2.2, med enda undantaget att man måste specificera en oberoende mellangruppsvariabel (dvs between) förrutom den oberoende inomgruppsvariabeln (dvs within). Placera den oberoende

mellangruppsvariabeln i rutan Between-Subjects factor(s). I övrigt skapar man grafer och beställer medelvärden på samma sätt som beskrivs i punkt 2.2. 3. Regressionsanalys I en regressionsanalys har man en eller flera oberoende variabler med skattningar/mätningar på en kontinuerlig skala. Dessutom har man en beroende variabel med skattningar/mätningar på en kontinuerlig skala. Syftet är att se om en variation av den/de oberoende variabeln/lerna ger effekter/förändringar i den beroende variabeln. 3.1. Enkel regression I en enkel regressionsanalys har man en oberoende variabel. Exempelvis vill man se om det går att predicera tentamensresultat med hjälp av antalet studietimmar. För att göra denna analys: Gå in på Analyze i menyn längs upp. Välj Regression och sedan Linear. I Dependent placeras den beroende variabeln (tentamensresultat) och i Independent placeras den oberoende variabeln (studietimmar). Därefter klickar man på OK, vilket innebär att analysen genomförs. För att få en graf: Gå in på Graphs i menyn längst upp. Välj Scatter. Välj Simple och klicka på Define. Välj den beroende variablen som Y och den oberoende som X. Därefter klickar man på OK och grafen ritas. För att få regressionslinjen: Dubbelklicka på grafen. Välj sedan Chart i menyn längst upp. Välj Options. Klicka i rutan för Fit line. Klicka därefter på OK och linjen ritas ut. 3.2. Multipel regression I en multipel regressionsanalys har man flera oberoende variabel. Exempelvis vill man se om det går att predicera tentamensresultat med hjälp av antalet studietimmar, antalet timmar sömn och antalet timmar av motion. En multipel regressionsanalys görs på motsvarande sätt som den enkla regressionen. Skillnaden är att man placerar in flera oberoende variabler. Man

kan också välja Method (ligger under rutan för Independent ). Här kan man välja vilket sätt de oberoende variablerna ska matas in i analysen dvs via enter, stepwise, backward, osv. Tryck sedan OK och analysen utförs. 4. Output - Utskrift När analysen är utförd kommer en Output upp (dvs en utskrift) med resultaten från analysen. Om man vill kan man redigera något i denna utskrift. För att ta bort en tabell/graf så markerar man först det som skall bort (markera genom att klicka en gång på själva tabellen/grafen) och tryck på tangenten delete så försvinner det. För att redigera figurer dubbelklickar man på dessa först och får då upp en ny meny som är förknippad med figuren. Här kan man byta symboler, samt utseende på linjer och skriva text/ny text som titlar etc. ************************************ En utförligare beskrivning av de moment som gåtts igenom här (plus andra typer av analyser etc) finner du i någon av manualerna utgivna av SPSS.