spss怎么计算95%的置信区间
spss数据分析中的p值怎么算？
spss数据分析中的p值怎么算？
spss数据分析中的p值算法如下，
1.当假设性检验为左侧检验时，计算公式为：pcdf（ts）；
2.
当假设性检验为右侧检验时，计算公式为：p1-cdf（ts）；
3.
当假设性检验为双侧检验时，计算公式为：p2*（1-cdf（ts））；其中，cdf（ts）是检验统计量基于在H0下样本实际观察到的值的概率，需要通过查表获得。P值的意义P值就是当原假设为真时所得到的样本观察结果或更极端结果出现的概率。如果P值很小，说明这种情况的发生的概率 很小,而如果出现了，根据小概率原理,我们就有理由拒绝原假设，P 值越小，我们拒绝原假设的理由越充分。总之，P值越小，表明结果越显者。但是检验的结果究竟是#34显著的”、“中度显著的”、还是#34高度显著的#34需要我们自己根据P值的 大小和实际问题来解决。
问卷交叉分析表结果怎么描述？
卡方检验是以卡方分布为基础的一种常用的假设检验方法，原假设为 H0：观察频数与期望频数没有差别。如果分析结果P值（统计量取极端情况的概率值）很小，说明观察值与期望值差别较大，应当拒绝原假设。
卡方检验最常用于考察
分类变量在两组或多组间的分布是否具备显著性差异。
也可用于检验两种方法的结果是否一致，比如使用两种方法诊断同一批人，结果是否一致。
SPSS的操作为：
第一步：将样本数据录入SPSS，在变量视图中设置好变量的类型；
第二步：分析——描述统计——交叉表，分别把要考察的分类变量和分组的变量放入行和列中。分类变量比如对某种诊断的反映结果（本例中为对问题1的选择结果，1或0）；分组变量比如1、0两个组，本例是考察这两个组在问题1的结果上是否具备显著差异性。
第三步：设置分析条件，点开”精确“按钮，设置置信水平为95%（或者更严格的99%），点击继续；点开”统计量“，选中#34卡方#34、“相关性”。其他选项默认或者按需选择即可。
第四步：结果解读。以上输出的结果如下，这里说一下卡方检验结果表。
表中给出了多种检验结果，其中Pearson卡方是最标准也是最常用的卡方检验结果，适用于样本量充足的情况（脚注中说明了0单元格的期望计数少于5，最小期望计数为6.3，说明该样本量已满足Pearson卡方的要求），只需要看Pearson的结果即可。
这里Pearson卡方检验结果siglt0.05，说明这两个组在问题1上具有显著性差异，该差异满足95%的显著性水平。