如果自变量分类不全,可否用方差分析处理

自变量一个是分类 一个是连续变量 怎么方差分析

单因素方差分析
方差分析前提：不同水平下，各总体均值服从方差相同的正态分布。
方差齐性检验：采用方差同质性检验方法（Homogeneity of variance）
在spss中打开你要处理的数据，在菜单栏上执行：analyse-compare means--one-way anova，
打开单因素方差分析对话框 
在这个对话框中，将因变量放到dependent list中，将自变量放到factor中，点击post hoc，选择snk和lsd，返回确认ok

两个自变量，一个是连续变量，一个是分类变量，如果做方差分析

如何做，是否不可能存在这样的分析形式？

做多元线性回归
1.打开数据，依次点击：analyse–regression，打开多元线性回归对话框。
2.将因变量和自变量放入格子的列表里，上面的是因变量，下面的是自变量。
3.设置回归方法，这里选择最简单的方法：enter，它指的是将所有的变量一次纳入到方程。其他方法都是逐步进入的方法。
4.等级资料，连续资料不需要设置虚拟变量。多分类变量需要设置虚拟变量。
5.选项里面至少选择95%CI。
点击ok。

spss中定性变量能进行方差分析吗？具体应该怎么做?

例如职业是定性变量，下面有几个分类，那么我要测定他的每个分类与另一个定性变量的相关性是否显著，应该怎么办？能给我思路的必有重谢！！

两个定性变量的相关性分析不能采用方差分析，因为方差分析的因变量必需是定量的（自变量可以是定性的，也可以是定量的）。两个定性变量之间的相关性（或独立性）一般可以采用spss的交叉表（Crosstab）来分析。

那logistic多元回归在这里能不能用？

可以使用，并且两者的总体结果一致，但logistic多元回归提供更为具体的结果，对于多分类的自变量而言，只要稍加计算，就可以得出任意两组之间的OR（定义比数比）值。此外，对数线性模型（loglinear model）也可以使用，总体结果也是相同的。总的来说，采用哪种方法，主要取决于你的分析目的。

这种只能采用卡方检验，也就是crosstab进行交叉列联表 ，统计每一类对应另一类的百分比，然后进行卡方检验 会得出类别之间是否相关

转载请注明：数据分析 » 如果自变量分类不全,可否用方差分析处理