二分类变量和连续变量相关分析不显著怎么调

当两列变量均为二分变量时应计算φ相关。区分度是指项目对所测量的心理特性的区分程度或鉴别能力，也就是项目的效度。常以高分组与低分组在该项目得分的平均数的差异表示，或以该项目得分与测验总分的相关表示。确定区分度的方法确定区分度常用的是相关法，即以项目分数与效标分数（或测验总分）的相关作为项目区分度的指标，相关越高，区分能力越好。1、二列相关。二列相关适用于两个可以连续测量的变量，但其中有一个由于某种原因被分成两个类别。2、点二列相关。点二列相关适用于一个变量为连续变量，另一个变量为二分变量的资料。当一个变量是双峰分配时。尽管它并不是真正的二分变量，这种统计方法也适用。3、四分相关。四分相关适用于两个常态的连续变量均被人为二分的资料。如果一个题目分数被二分成通过不通过，效标成绩也被分成通过与不通过，这时就会得到四个类别，从而可组成一个四格表。计算四分相关最常用的是皮尔逊的余弦公式。4、φ相关。相关的统计方法适用于两个变量都是点分配的资料，即两个变量都是二分名义变量。5、积差相关又称积距相关，是当两个变量都是正态连续变量，两者之间呈线性关系时，表示这两个变量之间的相关。

二分类变量即为那些结局只有两种可能性的变量，如有效与否，心梗，心血管不良事件，死亡等，一般将发生事件的人数除以样本量总数得到的事件发生率作为结局考察。生物统计学论坛 在多重回归、Logistic回归模型中，自变量可以是连续型变量（interval variables），也可以是二项分类变量，和多分类变量。为了便于解释，对二项分类变量（如好坏、死活、发病不发病等）一般按0、1编码，一般0表示阴性或较轻情况，而1表示阳性或较严重情况。如果对二项分类变量按+1与-1编码，那么所得的logistic回归OR=exp（2beta），多重回归的beta同样增加一倍，容易造成错误的解释。因此建议尽量避免“+1”、“-1”编码形式。多分类变量又可分为有序（等级）或无序（也叫名义），如果是有序（ordinal）分类变量，一般可按对因变量影响由小到大的顺序编码为1、2、3、...，或按数据的自然大小，将它当作连续型变量处理。如果是无序的（nominal）分类变量，则需要采用哑变量（dummy variables）进行编码，下面以职业（J）为例加予以说明。 假如职业分类为工、农、商、学、兵5类，则可定义比分类数少1个，即5－1=4个哑变量

对于二分变量，假设其取值为T和F。对之建立预测模型，那么预测结果可以有以下三种表达方式：（1）预测结果为T（或预测结果为F）；（2）预测结果为T，把握程度为p（或预测结果为F，把握程度为1-p）；其中p为0到1之间的实数。（3）预测结果为取T的可能性为p。

信效度检验的步骤是： 1.数据录入， 2.依次点击分析-标度(度量)-可靠性分析 ，信度分析。 3. 每个量表维度分别进行信度分析，选中专业了解度包含的5个题目，并且进行变量选择。 4. 在模型下拉选项中选中Alpha或者α，一般默认，这个是科隆巴赫系数。 5. 点击统计选项，然后勾选打钩的内容，并且点击继续勾选选项 6： 点击确定就得到了第一个维度(专业了解度)的信度分析结果。

。

可以在卡方检验这里做

1、首先，大家平时理解的变量是单纬的，而不是你说的多维的。因此，对spss而言，X1、X2、X3、Y1、Y2、Y3分别是6个变量。2、spss的相关性分析中可以分别统计这6个变量间的相关性。通过他们之间相关性的计算，你或许可以得到你所说的X与Y之间的相关性，但这种相关性只是你推测的定性描述而已，是不能定量描述的。3、主成分分析，目的是将分析对象的多个维度简化为少数几个维度，方便分析，这样做的前提是维度很多且其中的多个维度之间有较强的相关性。而不是你想象的可以把X1、X2、X3降维成一个变量，因为只有三个维度，已经很少了，这三个维度可以做降维分析的可能性几乎没有。4、回归分析，只有一个因变量，可以有多个自变量，最终算得因变量与自变量间的回归关系。估计你只是自己想象了一个例子，实际中一般是不会有这样的分析案例的。

用SPSS进行多元回归以后，系统会自动给出x1、x2和x3（从大到小）的R的平方和，相减就是解释率。

Logistic回归属于概率型的非线性回归，分为二分类和多分类的回归模型。这里只讲二分类。　　对于二分类的Logistic回归，因变量y只有“是、否”两个取值，记为1和0。这种值为0/1的二值品质型变量，我们称其为二分类变量。　　假设在自变量x1,x2,u22ef,xpx1,x2,u22ef,xp作用下，y取“是”的概率是p，则取“否”的概率是1-p，研究的是当y取“是”发生的模率p与自变量x1,x2,u22ef,xpx1,x2,u22ef,xp的关系。

如果是二分类变量不用设为哑变量。二分类变量是指只有两种结果的变量，通常用0和1表示，其中0表示否定或不具备某种特征，1表示肯定或具备某种特征。而01和12是两种不同的二分类变量。其中，01变量是指只包含0和1两种取值的二分类变量，表示两种互斥的状态。例如，在进行某个调查时，可以使用01变量来记录参与者是否吸烟，0表示不吸烟，1表示吸烟。而12变量则是指包含1和2两种取值的二分类变量，表示两种非互斥的状态。例如，在进行某个调查时，可以使用12变量来记录参与者的性别，1表示男性，2表示女性。由此可见，01和12的差别在于其所表示的状态是互斥的还是非互斥的。这种差别在统计学中非常重要，因为它涉及到了不同类型的变量和不同的统计方法。在实际应用中，需要根据需要选择适当的变量类型和统计方法，以便更好地处理数据并得到有意义的结果。变量概述：由于变量让你能够把程序中准备使用的每一段数据都赋给一个简短、易于记忆的名字，因此它们十分有用。变量可以保存程序运行时用户输入的数据（如使用InputBox函数在屏幕上显示一个对话框，然后把用户键入的文本保存到变量中）、特定运算的结果以及要在窗体上显示的一段数据等。简而言之，变量是用于跟踪几乎所有类型信息的简单工具。

有人认为，对于小样本，你就无法使用统计的。但，这是一个误解，一个 常见的误解 。对于小样本，我们也有适当的统计方法。 一个研究者的“小样本”，在另一个研究者看来则可能意味着“大样本”。本文中，小样本主要是指样本量在5-30个用户（可用性研究中常见的样本量，进一步阅读:http://www.measuringusability.com/blog/actual-users.php）。 值得注意的是，用户研究并不是出现小样本的唯一领域。其他具有较高操作成本的研究也会出现这个现象，比如fMRis和动物实验等。 尽管我们有相应的方式来处理小样本研究数据，但我们应该清晰地知道小样本的局限性：你很难看到很大的差异，很明显的效果。 这就像使用双筒望远镜进行天文观测一样：使用双筒望远镜，你可能无法看到行星、恒星、月亮和偶尔出现的彗星。但这并不以为着你就不能进行天文观测了。事实上，伽利略就是使用望远镜（ 与今天相当的双筒望远镜相当 ）发现了木星的卫星。 统计也是一样。仅仅因为你的样本不够大，并不能判断你能不能使用统计。再次强调， 小样本的关键限制是，你难以发现设计或措施的效果是否有差异。 幸运的是，在用户体验研究中，我们往往关心的是不同用户可能发现的不同问题：比如：导航的结构变化，搜索结果页面的改进等等。 下面是我们在小样本用户研究中的常见统计分析方法。 比较compare 如果您需要对比两个独立组别的完成率、完成时间，问卷评分等。有两种大样本或者小样的方法可以采用。具体适用与哪种方法，取决于数据的特征：连续的还是离散的。比较均值： 如果你的数据是连续的（不是二进制），比如任务完成时间、问卷评分等，你可以采用独立样本t检验。实践证明，它对于小样本也是适用的。 二分变量比较： 如果你的数据是二进制的（成功/失败，是/否），你可以采用N-1的卡方检验。当期望数目小于1时，使用Fisher精确检验往往有更好的表现。 置信区间Confidence Intervals 当你想从样本数据来推测整个用户群，你会想到生成一个置信区间（译者注：关于置信区间，可参阅： http://baike.baidu.com/view/409226.htm ）。 尽管小样本的置信区会相当宽（通常为20-30个百分点），但是建立这样的区间总是有益的。例如：你想知道，用户在安装打印机前是否会去阅读“Read this first”文档。而测试中，8名用户中有6名用户没有去阅读。这时候我们可以推知：至少40%的用户很可能会这么做——这是一个相当大的比例。 置信区间的计算方法有三种，这取决于你数据是否是二进制、时间或者连续的。基于平均值的置信区间Confidence interval around a mean :如果你的数据是连续的（非二进制），如评定量表、以美元计算的订单金额，页面访问数等。那么，置信区间的计算可以基于t分布进行计算（当然，这需要考虑到样本量）。 基于任务时间的置信区间Confidence interval around task-time :任务时间的理论最小值为0秒（不多见），一些用户的任务时间可能是其他用户的10-20倍。对于这种不对称性，我们需要进行数据转换（ log-transformed ），然后基于转换后的数据进行计算。待报告时再转换回来。 基于二进制的置信区间 Confidence interval around a binary measure :二进制的数据比如完成率或yes/no。这类置信区间的计算，可以采用校正后沃尔德检验法（ Adjusted Wald interval ）计算（这种方法对于所有样本规模均适用）。 点估计（均值）Point Estimates (The Best Averages ) 任何研究报告中，何为"最好"的平均时间或平均完成率的估计，应当取决于研究的目标。 请记住：即使是“最好”的均值估计，也依然不代表实际的平均值。 所以对于未知总体均值的估计而言，置信区间是更好的展示方法。 在可用性研究中，小样本的均值计算，比较适宜的有两个：任务时间和完成率。不同样本规模中更常见的则是量表评分（SUS评分等）。 完成率： 小样本的完成率，通常可能只有几个数值（译者注：可用性测试中，这一数字可能为5）。例如：有五个用户进行任务操作，其任务完成率只可能是：0％，20％，40％，60％，80％和100％几个数字中的某一个（100%也并不罕见）。基于小样本得出一个完美的成功率，可能并不恰当——因为它可能并不能揭示真实情况（测试结果优于真实情况）。 我们（指作者）对自己的小样本可用性测试数据，利用拉普拉斯估计（theLaPlace estimator）和简单比例（一般称为，最大似然估计，the Maximum Likelihood Estimator）进行了均值估计（参见：http://www.upassoc.org/upa_publications/jus/2006_may/lewis_small_sample_estimates.pdf ）。 评定量表的均值问题： 量表是一个有趣的度量类型，它们大多是有限的区间（如：1-5,1-10等）除非你是 Spinal Tap （译者注：因翻译期间，该链接视频未能打开。故未译成中文）。我们发现，在小型或大型的样本中，均值最好是在中位数上（参阅：http://drjim.0catch.com/1993_MultipointScales_MeanAndMedianDifferencesAndObservedSignificanceLevels.pdf）。当然，我们有许多方式来报道评定量表的分数，比如 top-two boxes （直观理解，可参照NPS的计算规则）。 具体如何报告取决于你的灵敏度需要和组织要求。任务时间均值 ：一个较长的任务时间可能让算术平均值产生扭曲，这时候中位数则是用来描述平均水平的更恰当的指标。样本数在25以上的，中位数对均值具有良好的代表性（进一步阅读：http://www.measuringusability.com/average-times.php）。 不幸的是，中位数往往不够准确，在样本数小于25的情况下，比平均值更加不准确。这时候，几何平均值往往具有更好的衡量意义（译者注：几何平均值受极端值的影响更小）。 【工具箱】 小样本计算器：http://www.measuringusability.com/wald.htm 任务时间置信区间计算： http://www.measuringusability.com/time_intervals.php 二分变量差异检验： http://www.measuringusability.com/ab-calc.php top-two boxes：https://www.measuringusability.com/blog/top-box.php 几何平均数计算器： http://www.ab126.com/goju/1710.html 数字帝国-统计计算器： http://zh.numberempire.com/statisticscalculator.php —————————————————————————————— 【译后记】译罢此文，深深感触：对于结果直接提供算术平均数就是耍流氓！而多数报告也确实只提供了算术平均数一种。 本文对于更严谨科学地分析和解读研究发现，具有重要的启发意义。 因时间和精力限制，译文难免存在谬误，欢迎批评指正。

K-mean聚类方法 对聚类变量的要求 必须是连续型数据变量，就是你说的必须是12345这样的打分，或者是比如距离 重量 这种实际数据 你如果你有其他的分类变量数据 可以尝试用系统聚类方法，或者 2阶段聚类

统计学依据数据的计量尺度将数据划分为三类：定距型数据（Scale）、定序型数据（Ordinal）、定类型数据（Nominal）。定距型数据通常是指诸如身高、体重、血压等的连续型数据，也包括诸如人数、商品件数等离散型数据；定序型数据具有内在固有大小或高低顺序，但它又不同于定距型数据，一般可以数值或字符表示。如职称变量可以有低级、中级、高级三个取值，可以分别用1、2、3等表示，年龄段变量可以有老、中、青三个取值，分别用A B C表示等。这里，无论是数值型的1、2 、3 还是字符型的A B C ，都是有大小或高低顺序的，但数据之间却是不等距的。因为，低级和中级职称之间的差距与中级和高级职称之间的差距是不相等的；定类型数据是指没有内在固有大小或高低顺序，一般以数值或字符表示的分类数据。如性别变量中的男、女取值，可以分别用1、 2表示，民族变量中的各个民族，可以用‘汉"‘回"‘满"等字符表示等。这里，无论是数值型的1、 2 还是字符型的‘汉"‘回"‘满"，都不存在内部固有的大小或高低顺序，而只是一种名义上的指代。我觉得教育年限应该设置成定距型数据（Scale）吧。因为，教育年限应该是一个连续的变量，它不存在内在的大小或高低顺序问题。

SPSS数量掌握 我可以代分析的 且有多年给研究生分析数据的经验

在SPSS里面的重新编码即可。f变量=1，生成新变量为=1，其余为0。fi变量=2，生成新变量为=1，其余为0。解决spss数据的变量类型如何转换的步骤如下：1、将数据导入spss中后选择菜单栏中的【转换】下的【计算变量】选项。2、在【目标变量】中直接输入变量的名称。3、然后在【数字表达式】中输入值即可对新变量赋值了。4、可以对新变量添加逻辑条件与其他变量相互关联，选择【如果】选项。5、添加逻辑条件即可。6、最后点击确认即可。这样就解决了spss数据的变量类型如何转换的问题了。SPSSspss是统计产品与服务解决软件，SPSS为IBM公司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称，有Windows和Mac OS X等版本。集数据录入、资料编辑、数据管理、统计分析、报表制作、图形绘制为一体。从理论上说，只要计算机硬盘和内存足够大，SPSS可以处理任意大小的数据文件。

process是不允许二分调节变量。讲解了自变量、因变量为显变量，调节变量为二分类变量时，用Mplus编写代码进行分析。自变量、因变量为潜变量时的代码与显变量的差不多。

你对照组和实验组是用T检验还是卡方检验？你的二分变量是通过logistic回归分析还是一般回归分析？

较容易。比如，你想这样二分：4和5一组，1-3一组。点转换--计算新变量，就可以实现。下面有一个if按钮，可以点它，你尝试一下，很快会明白。

当自变量为连续变量，因变量为二分类变量时，可以使用t检验或方差分析中的方差齐性检验（Levene检验）来判断是否满足正态性和方差齐性假设。如果满足假设，可以使用t检验或方差分析；如果不满足假设，可以使用非参数的Mann-Whitney U检验或Kruskal-Wallis检验来进行单因素分析。其中，t检验适用于两个样本之间的比较，方差分析适用于三个及以上样本之间的比较。如果存在多个自变量，则可以使用多元logistic回归分析。关于为什么使用这些方法，主要是因为这些方法考虑了不同样本之间的差异，能够较好地反映不同自变量对因变量的影响程度。而在判断是否满足正态性和方差齐性假设时，可以通过图形和统计检验进行验证。如果数据不符合正态分布假设或方差不齐假设，则选择非参数方法进行分析，可以提高分析的可靠性和准确性。关于内容延伸，需要在实际分析过程中仔细检查数据的质量和性质，保证使用的方法合理有效，结果准确可靠。同时，需要充分理解各种方法的原理和适用条件，不同方法的比较和选择也需要根据实际情况进行判断和决策。

可以的啊，需要将自变量哑变量化，就是将自变量转化为0和1的虚拟变量，你这里可以将干预组设置为1，将对照组设置为0。剩余的分析步骤和连读变量是一样的。

分类变量做分析时通常需要设定哑变量，有N个分类变量就设定N-1个哑变量。二分类变量比较特殊，自己刚好就可以作为一个哑变量，所以不需要特殊的处理，按照连续变量处理即可，中介分析也是一样。

也就是说非正态的人为二分也是可以用点二列的咯

刚好复习到这一块，就来回答吧！点二列相关是其中一个变量一定得是真正的二分型变量。（是与否，男与女，生与死这类）而二列相关其中一列变量为人为划分的二分变量。（如 健康与不健康，及格和不及格这类）总的来说，如果不明确，就用点二列相关，在实际研究中，二列相关很少使用。（摘自现代心理与教育统计学 张厚粲著）

录入1和2

比较指标对不同性别是否显示显著差异，一般使用方差分析，方差分析对应的统计量服从卡方分布。秩和检验是非参数统计，涉及到排序统计量的时候使用

SPSS里没有专门用于计算点二列相关的模块，但事实上点二列相关就等同于用Pearson相关计算一个连续变量和一个二分变量的相关，这与使用点二列相关的专有公式是等价的不过用的时候注意一下，二分变量就采用0,1计分操作程序就是：分析——相关——双变量，OK即可

这个问法不好做相关分析

SPSS 203个变量：Groups、hsCRP、X(值)图形Graphs->旧对话框Legacy Dialogs->条形图Bar复式条形图Clustered:，个案组摘要Summaries for groups of cases，定义Difine其他统计量(例如均值)Other Statistics，将X放入变量框Variable，Groups放类别轴Category Axis，hsCRP放定义聚类Difine clusteres by右上角，选项Options显示误差条形图Display error bars，置信区间Confidence Interval，继续，确定。

在数据分析过程中，你可能会经常遇到一个问题，比如你统计了上个月和这个月的活跃度平均值，你发现这个月的平均值比上个月有增长，但是这个增长是足够大，是本质的变化呢，或者只是随机的波动呢？你应该不应该向领导和同事报喜呢？是沾沾自喜还是真的有了重大突破，值得发奖金呢？这个时候就需要用到统计检验。下面就介绍几组适合不同数据的统计检验方法。 一 T检验，用于 正态分布 的参数检验 检验两组独立样本 平均值 是否相同， 只用于连续变量 主要用于样本含量较小（例如n < 30），总体标准差σ未知的正态分布。 只适用于连续变量，在一定区间内可以任意取值的 变量 叫 连续变量 ，其数值是 连续 不断的，相邻两个数值可作无限分割。简单粗暴的说，就是某个变量可以保留小数点后几位。比如，高考成绩。 一般我们接触数值都是连续变量，而且正态分布，因此T检验是非常常用的一种参数检验的方法。 1.独立样本T检验（Independent Sample T Test） 检测两个对象或者两种事务在同一时间的平均收入、平均得分、平均工资、平均利润、平均奖金等异同。 比如，有一组男生高考成绩，36个样本；有一组女生高考成绩，42个样本。 这两组数据是不同对象（不同性别组），在同一个时间高考成绩。我们想了解男生女生的平均成绩是否相同。 此时可采用独立样本T检验来分辨两组数据（视为两个子总体）的均值是否相同。 2.配对样本T-test（配对样本T检验） 检测同一对象或者同一事务在两种条件的平均收入、平均得分、平均工资、平均利润、平均奖金等异同。 比如，我们开头提出的问题。我们有某个APP上个月每天的日活跃度，还有某个APP这个月每天的日活跃度。我们想知道这两个月APP平均日活跃度是否相同。这样的情况就可以用配对样本T检验 如果通过统计检验，发现平均日活跃度下降了，但是平均值和上个月没有明显的不同，就没有必要太沮丧，说明这个波动还在比较正常的范围。如果这个月日活跃度平均值和上个月有明显的差异，而且低于上个月，那么就需要特别注意运营或者产品设计了。如果有明显差异，而且还是高于上个月的，就可以向领导同事报喜了。 二 非参数检验 ，检验两组或者多组样本分布是否相同，适用于 所有类型变量 非参数检验是不必假设样本呈现何种分布。如果已知道样本呈现何种分布就用对应的参数检验；如果不确定样本是否正态分布，也可以采用参数检验。 非参数检验适用于以下所有类型的变量。 （1）定类数据，或称类别数据，如性别、材料类型和付款方式，非黑即白；（2）定序数值，数据有几个离散值，1,2,3，这些值大小是有意义的，但是大小差距是没有意义；（3）定距数据，从非正太分布的数据重抽取的区间数据，也就是连续性变量。 比较常用的比较两组独立样本之间的非参数检验有： (1)检验两个 相关 样本（两组抽样）分布没有差异（来自同一个总体） 注意检验的样本之间有相关关系或者 A. Wilcoxon Signed Ranks检验 以秩检验为主，检验差异的方向和大小，比较全面，优先推荐这种检验。 B. Sign检验，检验正负差异次数 C. McNemar，侧重检验是否有差异 (2)检验k个 相关 样本（两组抽样）分布没有差异（来自同一个总体） A.Friedman检验，秩检验，同时计算卡方，tie B.Kendall检验，秩检验 C.Cochran的Q检验，只适用于二分变量，即k组样本都是0和1两种编码 (3)检验两组 独立 样本（两组抽样）是否来自同一个总体 推荐K-S(Kolmogorov Smirnov)检验 (4)检验k个独立样本是否来自统一整体 推荐Kruskal-WAllis检验 三 简而言之 如果你的两组或者多组变量是定距连续变量，那采用T检验就可以。 如果你变量不是定距变量，或者，定距变量明显不符合正态分布，才考虑使用非参数检验。

残差正态性是一个非常强的假定，往往现实中难以满足。它存在主要是为了保证回归系数进行统计推断能顺利利用t、f等分布进行检验而已。回归系数的无偏性或者一致性不会收到分布的影响。所以这并不是什么大问题，在大样本下，残差一般都能满足渐进正态性。而在实际操作中，通常给被解释变量用log（）进行处理，也都基本可以逼近正态。OLS估计中，最重要的还是要处理内生性和异方差。只要保证解释变量与残差不相关（无内生性），以及解释变量与残差的方差不相关（无异方差），系数的一致性能保证，同时假设推断的合理性也能得到满足，结论才是可靠。结论是：不用特意处理，用log（y）代替被解释变量。

一、基本内涵 点二系列相关(pomit-biserial correlation)研究的是一个连续变量与一个二分类变量间的相关关系，事实上，二分类由于只有两个数值，数值之间的差距反映出的也是一种等距关系，即二分类变量可以看做一种连续变量，也就是说，点二系列相关其实可以看做是Pearson相关分析的特殊情况。二、适用范围 点二系列相关(pomit-biserial correlation)用于一个二分类变量和一个服从正态分布的连续变量间的相关关系研究。

1，二分类变量分为真正的二分变量和人为的二分变量两种。2，变量按变量值是否连续可分为连续变量与离散变量两种。二分类变量：1，二分类变量即为那些结局只有两种可能性的变量，如有效与否，心梗，心血管不良事件，死亡等，一般将发生事件的人数除以样本量总数得到的事件发生率作为结局考察。2，常见的二分类变量包括：OR (Odds Ratio) 值，RR (Risk Ratio) 值，RD (Risk Difference) 值。3，二分类变量也可以包括有序数据。有序数据（Ordinal data），其结局为多个分类的其中一种（如疾病严重程度），或者为累积的得分。连续变量：1，在统计学中，变量按变量值是否连续可分为连续变量与离散变量两种。在一定区间内可以任意取值的变量叫连续变量，其数值是连续不断的，相邻两个数值可作无限分割，即可取无限个数值。2，符号x如果能够表示对象集合S中的任意元素，就是变量。如果变量的域(即对象的集合S)是离散的，该变量就是离散变量;如果它的域是连续的，它就是连续变量。3，连续变量与离散变量的简单区别方法，连续变量时一直叠加上去的，增长量可以划分为固定的单位，即，1，2，3..........

如果是搜集数据是百分制分数，但在计算时将其按照某一标准分为及格和不及格，则为人为二分变量。1、二分类变量分为真正的二分变量和人为的二分变量两种。2、变量按变量值是否连续可分为连续变量与离散变量两种。二分类变量：1、二分类变量即为那些结局只有两种可能性的变量，如有效与否，心梗，心血管不良事件，死亡等，一般将发生事件的人数除以样本量总数得到的事件发生率作为结局考察。2、常见的二分类变量包括：OR (Odds Ratio) 值，RR (Risk Ratio) 值，RD (Risk Difference) 值。3、二分类变量也可以包括有序数据。有序数据（Ordinal data），其结局为多个分类的其中一种（如疾病严重程度），或者为累积的得分。变量类型不是一成不变的，根据研究目的的需要，各类变量之间可以进行转化。例如血红蛋白量（g/L）原属数值变量，若按血红蛋白正常与偏低分为两类时，可按二项分类资料分析。若按重度贫血、中度贫血、轻度贫血、正常、血红蛋白增高分为五个等级时，可按等级资料分析（资料是根据临床数据得出）。有时亦可将分类资料数量化，如可将病人的恶心反应以0、1、2、3表示，则可按数值变量资料（定量资料）分析。

不是吧，人为二分变量本身就要是一个连续型的测量数据，年级的高低不是连续型的

分类变量是指地理位置、人口统计等方面的变量，其作用是将调查响应者分群。描述变量是描述某一个客户群与其他客户群的区别。大部分分类变量也就是描述变量。连续性变量：在统计学中，变量按变量值是否连续可分为连续变量与离散变量两种。在一定区间内可以任意取值的变量叫连续变量，其数值是连续不断的，相邻两个数值可作无限分割，即可取无限个数值。

分类变量是指地理位置、人口统计等方面的变量，其作用是将调查响应者分群。描述变量是描述某一个客户群与其他客户群的区别。大部分分类变量也就是描述变量。连续性变量：在统计学中，变量按变量值是否连续可分为连续变量与离散变量两种。在一定区间内可以任意取值的变量叫连续变量，其数值是连续不断的，相邻两个数值可作无限分割，即可取无限个数值。

您好： 您问的问题属于《心理与数理统计学》的范畴。有关这个问题，我大致说明一下，如果在我说明的过程中，您依旧有不明白的地方，请参照《心理与数理统计学》解答您心中的疑惑。 一、通常，有些变量的测量结果只有两种类别，譬如男性与女性、房东与房客、成功与失败、及格与不及格、生或死等等。这种按事物的某一性质划分的只有两类结果的变量，称为二分变量。 二、二分变量又分为真正的二分变量和人为的二分变量两种。真正的二分变量也称为离散型二分变量，前面我所举出的一些例子都是离散型二分变量。所谓人为的二分变量，是指该变量本身是一个连续型的测量数据，两种结果之间本来是一个连续统一体，但被某种人为规定的标准划分为两个类别。在这种情况下，一个测量结果很明显地要么属于这个类别，要么属于另一个类别，两种类别之间一般也不会被看做是连续的。有时一个变量是双峰分布，也可划分为二分称名变量，如文盲与非文盲，可规定一个界限，文盲指识字极少的人，其余的人为非文盲，就识字量来说可能形成双峰分布形态。 祝好！

有人认为，对于小样本，你就无法使用统计的。但，这是一个误解，一个 常见的误解 。对于小样本，我们也有适当的统计方法。 一个研究者的“小样本”，在另一个研究者看来则可能意味着“大样本”。本文中，小样本主要是指样本量在5-30个用户（可用性研究中常见的样本量，进一步阅读:http://www.measuringusability.com/blog/actual-users.php）。 值得注意的是，用户研究并不是出现小样本的唯一领域。其他具有较高操作成本的研究也会出现这个现象，比如fMRis和动物实验等。 尽管我们有相应的方式来处理小样本研究数据，但我们应该清晰地知道小样本的局限性：你很难看到很大的差异，很明显的效果。 这就像使用双筒望远镜进行天文观测一样：使用双筒望远镜，你可能无法看到行星、恒星、月亮和偶尔出现的彗星。但这并不以为着你就不能进行天文观测了。事实上，伽利略就是使用望远镜（ 与今天相当的双筒望远镜相当 ）发现了木星的卫星。 统计也是一样。仅仅因为你的样本不够大，并不能判断你能不能使用统计。再次强调， 小样本的关键限制是，你难以发现设计或措施的效果是否有差异。 幸运的是，在用户体验研究中，我们往往关心的是不同用户可能发现的不同问题：比如：导航的结构变化，搜索结果页面的改进等等。 下面是我们在小样本用户研究中的常见统计分析方法。 比较compare 如果您需要对比两个独立组别的完成率、完成时间，问卷评分等。有两种大样本或者小样的方法可以采用。具体适用与哪种方法，取决于数据的特征：连续的还是离散的。比较均值： 如果你的数据是连续的（不是二进制），比如任务完成时间、问卷评分等，你可以采用独立样本t检验。实践证明，它对于小样本也是适用的。 二分变量比较： 如果你的数据是二进制的（成功/失败，是/否），你可以采用N-1的卡方检验。当期望数目小于1时，使用Fisher精确检验往往有更好的表现。 置信区间Confidence Intervals 当你想从样本数据来推测整个用户群，你会想到生成一个置信区间（译者注：关于置信区间，可参阅： http://baike.baidu.com/view/409226.htm ）。 尽管小样本的置信区会相当宽（通常为20-30个百分点），但是建立这样的区间总是有益的。例如：你想知道，用户在安装打印机前是否会去阅读“Read this first”文档。而测试中，8名用户中有6名用户没有去阅读。这时候我们可以推知：至少40%的用户很可能会这么做——这是一个相当大的比例。 置信区间的计算方法有三种，这取决于你数据是否是二进制、时间或者连续的。基于平均值的置信区间Confidence interval around a mean :如果你的数据是连续的（非二进制），如评定量表、以美元计算的订单金额，页面访问数等。那么，置信区间的计算可以基于t分布进行计算（当然，这需要考虑到样本量）。 基于任务时间的置信区间Confidence interval around task-time :任务时间的理论最小值为0秒（不多见），一些用户的任务时间可能是其他用户的10-20倍。对于这种不对称性，我们需要进行数据转换（ log-transformed ），然后基于转换后的数据进行计算。待报告时再转换回来。 基于二进制的置信区间 Confidence interval around a binary measure :二进制的数据比如完成率或yes/no。这类置信区间的计算，可以采用校正后沃尔德检验法（ Adjusted Wald interval ）计算（这种方法对于所有样本规模均适用）。 点估计（均值）Point Estimates (The Best Averages ) 任何研究报告中，何为"最好"的平均时间或平均完成率的估计，应当取决于研究的目标。 请记住：即使是“最好”的均值估计，也依然不代表实际的平均值。 所以对于未知总体均值的估计而言，置信区间是更好的展示方法。 在可用性研究中，小样本的均值计算，比较适宜的有两个：任务时间和完成率。不同样本规模中更常见的则是量表评分（SUS评分等）。 完成率： 小样本的完成率，通常可能只有几个数值（译者注：可用性测试中，这一数字可能为5）。例如：有五个用户进行任务操作，其任务完成率只可能是：0％，20％，40％，60％，80％和100％几个数字中的某一个（100%也并不罕见）。基于小样本得出一个完美的成功率，可能并不恰当——因为它可能并不能揭示真实情况（测试结果优于真实情况）。 我们（指作者）对自己的小样本可用性测试数据，利用拉普拉斯估计（theLaPlace estimator）和简单比例（一般称为，最大似然估计，the Maximum Likelihood Estimator）进行了均值估计（参见：http://www.upassoc.org/upa_publications/jus/2006_may/lewis_small_sample_estimates.pdf ）。 评定量表的均值问题： 量表是一个有趣的度量类型，它们大多是有限的区间（如：1-5,1-10等）除非你是 Spinal Tap （译者注：因翻译期间，该链接视频未能打开。故未译成中文）。我们发现，在小型或大型的样本中，均值最好是在中位数上（参阅：http://drjim.0catch.com/1993_MultipointScales_MeanAndMedianDifferencesAndObservedSignificanceLevels.pdf）。当然，我们有许多方式来报道评定量表的分数，比如 top-two boxes （直观理解，可参照NPS的计算规则）。 具体如何报告取决于你的灵敏度需要和组织要求。任务时间均值 ：一个较长的任务时间可能让算术平均值产生扭曲，这时候中位数则是用来描述平均水平的更恰当的指标。样本数在25以上的，中位数对均值具有良好的代表性（进一步阅读：http://www.measuringusability.com/average-times.php）。 不幸的是，中位数往往不够准确，在样本数小于25的情况下，比平均值更加不准确。这时候，几何平均值往往具有更好的衡量意义（译者注：几何平均值受极端值的影响更小）。 【工具箱】 小样本计算器：http://www.measuringusability.com/wald.htm 任务时间置信区间计算： http://www.measuringusability.com/time_intervals.php 二分变量差异检验： http://www.measuringusability.com/ab-calc.php top-two boxes：https://www.measuringusability.com/blog/top-box.php 几何平均数计算器： http://www.ab126.com/goju/1710.html 数字帝国-统计计算器： http://zh.numberempire.com/statisticscalculator.php —————————————————————————————— 【译后记】译罢此文，深深感触：对于结果直接提供算术平均数就是耍流氓！而多数报告也确实只提供了算术平均数一种。 本文对于更严谨科学地分析和解读研究发现，具有重要的启发意义。 因时间和精力限制，译文难免存在谬误，欢迎批评指正。

录入好的调查问卷，该如何进行数据分析？ SPSS分析调查问卷数据的方法 当我们的调查问卷在把调查数据拿回来后,我们该做的工作就是用相关的统计软件进行处理,在此,我们以spss为处理软件,来简要说明一下问卷的处理过程,它的过程大致可分为四个过程:定义变量﹑数据录入﹑统计分析和结果保存.下面将从这四个方面来对问卷的处理做详细的介绍. Spss处理: 第一步:定义变量 大多数情况下我们需要从头定义变量，在打开SPSS后，我们可以看到和excel相似的界面，在界面的左下方可以看到Data View, Variable View两个标签,只需单击左下方的Variable View标签就可以切换到变量定义界面开始定义新变量。在表格上方可以看到一个变量要设置如下几项:name(变量名)、type(变量类型)、width(变量值的宽度)、decimals(小数位) 、label(变量标签) 、Values(定义具体变量值的标签)、Missing(定义变量缺失值)、Colomns(定义显示列宽)、Align(定义显示对齐方式)、Measure(定义变量类型是连续、有序分类还是无序分类). 我们知道在spss中,我们可以把一份问卷上面的每一个问题设为一个变量,这样一份问卷有多少个问题就要有多少个变量与之对应,每一个问题的答案即为变量的取值.现在我们以问卷第一个问题为例来说明变量的设置.为了便于说明,可假设此题为: 1.请问你的年龄属于下面哪一个年龄段( )? A:20—29 B:30—39 C:40—49 D:50--59 那么我们的变量设置可如下: name即变量名为1，type即类型可根据答案的类型设置,答案我们可以用1、2、3、4来代替A、B、C、D,所以我们选择数字型的，即选择Numeric, width宽度为4，decimals即小数位数位为0（因为答案没有小数点），label即变量标签为“年龄段查询”。Values用于定义具体变量值的标签,单击Value框右半部的省略号，会弹出变量值标签对话框,在第一个文本框里输入1,第二个输入20—29,然后单击添加即可.同样道理我们可做如下设置,即1=20—29、2=30—39、3=40—49、4=50--59；Missing，用于定义变量缺失值, 单击missing框右侧的省略号，会弹出缺失值对话框, 界面上有一列三个单选钮，默认值为最上方的“无缺失值”；第二项为“不连续缺失值”，最多可以定义3个值；最后一项为“缺失值范围加可选的一个缺失值”，在此我们不设置缺省值,所以选中第一项如图；Colomns，定义显示列宽,可自己根据实际情况设置；Align，定义显示对齐方式,有居左、居右、居中三种方式；Measure，定义变量类型是连续、有序分类还是无序分类。 以上为问卷中常见的单项选择题型的变量设置,下面将对一些特殊情况的变量设置也作一下说明. 1.开放式题型的设置:诸如你所在的省份是_____这样的填空题即为开放题,设置这些变量的时候只需要将Value 、Missing两项不设置即可. 2.多选题的变量设置:这类题型的设置有两种方法即多重二分法和多重分类法,在这里我们只对多重二分法进行介绍.这种方法的基本思想是把该题每一个选项设置成一个变量,然后将每一个选项拆分为两个选项项,即选中该项和不选中该项.现在举例来说明在spss中的具体操作.比如如下一例: 请问您通常获取新闻的方式有哪些( ) 1 报纸 2 杂志 3 电视 4 收音机 5 网络 在spss中设置变量时可为此题设置五个变量,假如此题为问卷第三题,那么变量名分别为3_1、3_2、3_3、3_4、3_5,然后每一个选项有两个选项选中和不选中,只需在Value一项中为每一个变量设置成1=选中此项、0=不选中此项即可. 使用该窗口，我们可以把一个问卷中的所有问题作为变量在这个窗口中一次定义。 到此,我们的定义变量的工作就基本上可以结束了.下面我们要作就是数据的录入了.首先,我们要回到数据录入窗口,这很简单,只要我们点击软件左下方的Data View标签就可以了. 第二步:数据录入 Spss数据录入有很多方式,大致有一下几种: 1.读取SPSS格式的数据 2.读取Excel等格式的数据 3.读取文本数据（Fixed和Delimiter) 4.读取数据库格式数据(分如下两步) （1）配置ODBC （2）在SPSS中通过ODBC和数据库进行 但是对于问卷的数据录入其实很简单,只要在spss的数据录入窗口中直接输入就可以了,只是在这里有几点注意的事项需要说明一下. 1. 在数据录入窗口,我们可以看到有一个表格,这个表格中的每一行代表一份问卷,我们也称为一个个案. 2. 在数据录入窗口中,我们可以看到表格上方出现了1、2、3、4、5…….的标签名,这其实是我们在第一步定义变量中,我们为问卷的每一个问题取的变量名,即1代表第一题,2代表第二题.以次类推.我们只需要在变量名下面输入对应问题的答案即可完成问卷的数据录入.比如上述年龄段查询的例题,如果问卷上勾选了A答案,我们在1下面输入1就行了(不要忘记我们通常是用1、2、3、4来代替A、B、C、D的). 3.我们知道一行代表一份问卷,所以有几分问卷,就要有几行的数据. 在数据录入完成后,我们要做的就是我们的关键部分,即问卷的统计分析了,因为这时我们已经把问卷中的数据录入我们的软件中了. 第三步:统计分析 有了数据，可以利用SPSS的各种分析方法进行分析，但选择何种统计分析方法，即调用哪个统计分析过程，是得到正确分析结果的关键。这要根据我们的问卷调查的目的和我们想要什么样的结果来选择.SPSS有数值分析和作图分析两类方法. 1.作图分析: 在SPSS中，除了生存分析所用的生存曲线图被整合到Analyze菜单中外，其他的统计绘图功能均放置在graph菜单中。该菜单具体分为以下几部分：: (1)Gallery：相当于一个自学向导，将统计绘图功能做了简单的介绍，初学者可以通过它对SPSS的绘图能力有一个大致的了解。 (2)Interactive：交互式统计图。 (3)Map：统计地图。 (4)下方的其他菜单项是我们最为常用的普通统计图，具体来说有： 条图 散点图 线图 直方图 饼图 面积图 箱式图 正态Q-Q图 正态P-P图 质量控制图 Pareto图 自回归曲线图 高低图 交互相关图 序列图 频谱图 误差线图 作图分析简单易懂,一目了然,我们可根据需要来选择我们需要作的图形,一般来讲,我们较常用的有条图,直方图,正态图,散点图,饼图等等,具体操作很简单,大家可参阅相关书籍,作图分析更多情况下是和数值分析相结合来对试卷进行分析的,这样的效果更好. 2.数值分析: SPSS 数值统计分析过程均在Analyze菜单中，包括： (1)、Reports和Descriptive Statistics：又称为基本统计分析.基本统计分析是进行其他更深入的统计分析的前提，通过基本统计分析，用户可以对分析数据的总体特征有比较准确的把握，从而选择更为深入的分析方法对分析对象进行研究。Reports和Descriptive Statistics命令项中包括的功能是对单变量的描述统计分析。 Descriptive Statistics包括的统计功能有： Frequencies(频数分析)：作用:了解变量的取值分布情况 Descriptives(描述统计量分析)：功能：了解数据的基本统计特征和对指定的变量值进行标准化处理 Explore(探索分析)：功能:考察数据的奇异性和分布特征 Crosstabs(交叉分析)：功能:分析事物（变量）之间的相互影响和关系 Reports包括的统计功能有： OLAP Cubes(OLAP报告摘要表)：功能: 以分组变量为基础，计算各组的总计、均值和其他统计量。而输出的报告摘要则是指每个组中所包含的各种变量的统计信息。 Case Summaries(观测量列表)：察看或打印所需要的变量值 Report Summaries in Row：行形式输出报告 Report Summaries in Columns：列形式输出报告 (2)、Compare Means(均值比较与检验)：能否用样本均值估计总体均值？两个变量均值接近的样本是否来自均值相同的总体？换句话说，两组样本某变量均值不同，其差异是否具有统计意义？能否说明总体差异？这是各种研究工作中经常提出的问题。这就要进行均值比较。 以下是进行均值比较及检验的过程: MEANS过程：不同水平下（不同组）的描述统计量，如男女的平均工资,各工种的平均工资。目的在于比较。术语：水平数（指分类变量的值数，如sex变量有2个值，称为有两个水平）、单元Cell（指因变量按分类变量值所分的组）、水平组合 T test 过程：对样本进行T检验的过程 单一样本的T检验：检验单个变量的均值是否与给定的常数之间存在差异。 独立样本的T检验：检验两组不相关的样本是否来自具有相同均值的总体（均值是否相同，如男女的平均收入是否相同，是否有显著性差异） 配对T检验：检验两组相关的样本是否来自具有相同均值的总体(前后比较，如训练效果，治疗效果) one-Way ANOVA：一元(单因素)方差分析，用于检验几个（三个或三个以上）独立的组，是否来自均值相同的总体。 (3)、ANOVA Models(方差分析)：方差分析是检验多组样本均值间的差异是否具有统计意义的一种方法。例如:医学界研究几种药物对某种疾病的疗效；农业研究土壤、肥料、日照时间等因素对某种农作物产量的影响;不同饲料对牲畜体重增长的效果等,都可以使用方差分析方法去解决 (4)、Correlate(相关分析)：它是研究变量间密切程度的一种常用统计方法,常用的相关分析有以下几种: 1、线性相关分析：研究两个变量间线性关系的程度。用相关系数r来描述。 2、偏相关分析：它描述的是当控制了一个或几个另外的变量的影响条件下两个变量间的相关性，如控制年龄和工作经验的影响，估计工资收入与受教育水平之间的相关关系 3、相似性测度：两个或若干个变量、两个或两组观测量之间的关系有时也可以用相似性或不相似性来描述。相似性测度用大值表示很相似，而不相似性用距离或不相似性来描述，大值表示相差甚远 (5)、Regression(回归分析)：功能:寻求有关联（相关）的变量之间的关系在回归过程中包括：Liner：线性回归;Curve Estimation：曲线估计;Binary Logistic：二分变量逻辑回归;Multinomial Logistic：多分变量逻辑回归;Ordinal 序回归;Probit：概率单位回归;Nonlinear：非线性回归;Weight Estimation：加权估计;2-Stage Least squares：二段最小平方法;Optimal Scaling最优编码回归;其中最常用的为前面三个. (6)、Nonparametric Tests(非参数检验)：是指在总体不服从正态分布且分布情况不明时，用来检验数据资料是否来自同一个总体假设的一类检验方法。由于这些方法一般不涉及总体参数故得名。 非参数检验的过程有以下几个: 1.Chi-Square test 卡方检验 2.Binomial test 二项分布检验 3.Runs test 游程检验 4.1-Sample Kolmogorov-Smirnov test 一个样本柯尔莫哥洛夫-斯米诺夫检验 5.2 independent Samples Test 两个独立样本检验 6.K independent Samples Test K个独立样本检验 7.2 related Samples Test 两个相关样本检验 8.K related Samples Test 两个相关样本检验 (7)、Data Reduction(因子分析) (8)、Classify(聚类与判别)等等 以上就是数值统计分析Analyze菜单下几项用于分析的数值统计分析方法的简介,在我们的变量定义以及数据录入完成后,我们就可以根据我们的需要在以上几种分析方法中选择若干种对我们的问卷数据进行统计分析,来得到我们想要的结果. 第四步:结果保存 我们的spss软件会把我们统计分析的多有结果保存在一个窗口中即结果输出窗口(output),由于spss软件支持复制和粘贴功能,这样我们就可以把我们想要的结果复制﹑粘贴到我们的报告中,当然我们也可以在菜单中执行file->save来保存我们的结果,一般情况下,我们建议保存我们的数据,结果可不保存.因为只要有了数据,如果我们想要结果的,我们可以随时利用数据得到结果. 总结: 以上便是spss处理问卷的四个步骤,四个步骤结束后,我们需要spss软件做的工作基本上也就结束了,接下来的任务就是写我们的统计报告了.值得一提的是.spss是一款在社会统计学应用非常广泛的统计类软件,学好它将对我们以后的工作学习产生很大的意义和作用. SPSS的问卷分析中一份问卷是一个案，首先要根据问卷问题的不同定义变量。定义变量值得注意的两点：一区分变量的度量，Measure的值，其中Scale是定量、Ordinal是定序、Nominal是指定类；二 注意定义不同的数据类型Type 各色各样的问卷题目的类型大致可以分为单选、多选、排序、开放题目四种类型，他们的变量的定义和处理的方法各有不同，我们详细举例介绍如下： 1 单选题：答案只能有一个选项 例一 当前贵组织机构是否设有面向组织的职业生涯规划系统？ A有 B 正在开创 C没有 D曾经有过但已中断 编码：只定义一个变量，Value值1、2、3、4分别代表A、B、C、D 四个选项。 录入：录入选项对应值，如选C则录入3 2 多选题：答案可以有多个选项，其中又有项数不定多选和项数定多选。 （1）方法一（二分法）： 例二 贵处的职业生涯规划系统工作涵盖哪些组群？画钩时请把所有提示 考虑在内。 A月薪员工 B日薪员工 C钟点工 编码：把每一个相应选项定义为一个变量，每一个变量Value值均如下定义：“0” 未选，“1” 选。 录入：被调查者选了的选项录入1、没选录入0，如选择被调查者选AC，则三个变量分别录入为1、0、1。 （2）方法二： 例三 你认为开展保持党员先进性教育活动的最重要的目标是那三项： 1（ ） 2 （ ） 3（ ） A、提高党员素质 B、加强基层组织 C、坚持发扬民主 D、激发创业热情 E、服务人民群众 F、促进各项工作 编码：定义三个变量分别代表题目中的1、2、3三个括号，三个变量Value值均同样的以对应的选项定义，即：“1” A，“2”B，“3” C，“4” D，“5” E，“6” F 录入：录入的数值1、2、3、4、5、6分别代表选项ABCDEF，相应录入到每个括号对应的变量下。如被调查者三个括号分别选ACF，则在三个变量下分别录入1、3、6。 注：能用方法二编码的多选题也能用方法编码，但是项数不定的多选只能用二分法，即方法一是多选题一般处理方法。 3 排序题： 对选项重要性进行排序 例四 您购买商品时在 ①品牌 ②流行 ③质量 ④实用 ⑤价格 中对它们的关注程度先后顺序是（请填代号重新排列） 第一位 第二位 第三位 第四位 第五位 编码：定义五个变量，分别可以代表第一位 第五位，每个变量的Value都做如下定义：“1” 品牌，“2” 流行，“3” 质量，“4” 实用，“5” 价格 录入：录入的数字1、2、3、4、5分别代表五个选项，如被调查者把质量排在第一位则在代表第一位的变量下输入“3“。 4 选择排序题： 例五 把例三中的问题改为“你认为开展保持党员先进性教育活动的最重 的目标是那三项，并按重要性从高到低排序”，选项不变。 编码：以ABCDEF6个选项分别对应定义6个变量，每个变量的Value都做同样的如下定义：“1” 未选，“2” 排第一，“3” 排第二，“4” 排第三。 录入：以变量的Value值录入。比如三个括号里分别选的是 ECF，则该题的6个变量的值应该分别录入：1（代表A选项未选）、1、 3（代表C选项排在第二）、1、2、4。 注：该方法是对多选题和排序题的方法结合的一种方法，对一般排序题（例四）也同样适用，只是两者用的分析方法不同（例四用频数分析、例五用描述分析），输出结果从不同的侧面反映问题的重要性（前一种方法从位次从变量的频数看排序，后一种方法从变量出发看排序）。 5 开放性数值题和量表题：这类题目要求被调查者自己填入数值，或者打分 例六 你的年龄（实岁）：______ 编码：一个变量，不定义Value值 录入：即录入被调查者实际填入的数值。 6开放性文字题： 如果可能的话可以按照含义相似的答案进行编码，转换成为封闭式选项进行分析。如果答案内容较为丰富、不容易归类的，应对这类问题直接做定性分析。 三 问卷一般性分析 下面具体介绍SPSS中问卷的一般处理方法，操作以版本spss13.0为例，以下提到的菜单项均在Analyze主菜单下 1频数分析：Frequencies过程可以做单变量的频数分布表；显示数据文件中由用户指定的变量的特定值发生的频数；获得某些描述统计量和描述数值范围的统计量。 适用范围：单选题（例一），排序题（例四），多选题的方法二（例三） 频数分析也是问卷分析中最常用的方法。 实现： Descriptive statistics……Frequencies 2 描述分析：Descriptives:过程可以计算单变量的描述统计量。这些述统计量有平均值、算术和、标准差，最大值、最小值、方差、范围和平均数标准误等。 适用范围：选择并排序题（例五）、开放性数值题（例六）。 实现： Descriptive statistics……Descriptives，需要的统计量点击按钮Statistics…中选择 3 多重反应下的频次分析： 适用范围：多选题的二分法（例二） 实现：第一步在Multiple Response……Define Sets把一道多选问题中定义了的所有变量集合在一起，给新的集合变量取名，在Dichotomies Counted value中输入1。第二步在Multiple Response……Frequencies中做频数分析。 4 交叉频数分析：解决对多变量的各水平组合的频数分析的问题 适用范围：，适用于由两个或两个以上变量进行交叉分类形成的列联表，对变量之间的关联性进行分析。比如要知道不同工作性质的人上班使用交通工具的情况，可以通过交叉分析得到一个二维频数表则一目了然。 实现：第一步根据分析的目的来确定交叉分析的选项，确定控制变量和解释变量（如上例中不同工作性质的人是控制变量，使用交通工具是解释变量）。第二步选择Descriptive statistics……Crosstabs 四 简单图形描述介绍 在做上述频数分析、描述分析等分析时就可以直接做出图形，简单方便，同时也可以另外作图。SPSS的作图功能在菜单Graphs下，功能强大，图形清晰优美。现在把常用图简单介绍如下 1饼图：又称圆图，是以圆的面积代表被研究对象的总体，按各构成部分占总体比重的大小把圆面积分割成若干扇形，用以表示现象的部分对总体的比例关系的统计图。频数分析的结果宜用饼图表示。 2曲线图：是用线段的升降来说明数据变动情况的一种统计图。它主要表示现象在时间上的变化趋势、现象的分配情况和2个现象的依存关系等。 3面积图：用线段下的阴影面积来强调现象变化的统计图。 4条形图：利用相同宽度条形的长短或高低表现统计数据大小及变化的统计图。 五 问卷深入分析 除了以上简单的分析，spss强大的功能还可以对问卷进行深入分析，比如常用的有聚类分析、交叉分析、因子分析、均值比分析（参数检验）、相关分析、回归分析等。因为涉及到很专业的统计知识，下面只将个人觉得比较有用的方法的适用范围和分析目的简单做介绍： 1聚类分析 样本聚类，可以将被调查者分类，并按照这些属性计算各类的比例，以便明确研究所关心的群体。比如按消费特征对被调查者的进行聚类。 2 相关分析 相关分析是针对两变量或者多变量之间是否存在相关关系的分析方法，要根据变量不同特征选择不同的相关性的度量方式。问卷分析中的多数用的变量都属于分类变量，要采用斯皮尔曼相关系数。 其中可以用卡方检验，其是对两变量之间是否具有显著性影响的分析方法 3均值的比较与检验 （1）Means过程：对指定变量综合描述分析，分组计算计算均值再比较。比如可以按性别变量分为男和女来研究二者收入是否存在差距。 （2）T 检验： 独立样本t检验用于不相关的样本是否开来自具有相同均值的总体的检验。比如，研究购买该产品的顾客和不购买的顾客的收入是否有明显差异。 如果样本不独立则要用配对t检验。比如研究参加职业培训后 工作效率是否提高。 4 回归分析 问卷分析中的回归分析常采用的是用离散回归模型，一般是逻辑斯蒂模型，解释一个变量对另一变量的影响具体有多大。比如，研究对某商品的消费受收入的影响程度。 如何用spss对调查问卷进行数据分析 问卷调查表 可以进行很多种统计分析的，包含描述性分析，信度，效度分析，差异性分析，相关性分析，回归分析等等 怎么对调查问卷进行数据分析 分析方法太多了 我替别人做这类的数据分析蛮多的 用Excel对60份调查问卷进行数据分析 把你问卷发一份过来413186190@QQ.COM 如何做调查问卷数据分析 首先你可以计算每个部门每个工作职责满意不满意度，然后看那个业务在这个部门中不满意度最高，满意度最高，需要加强哪一个业务，需要表扬哪一个业务；然后部门之间进行比较，看看哪个部门满意度最高，哪个部门满意度最低，需要表扬需要批评的都知道了。 调查问卷数据分析，急用 数据分析最重要的思维就是，不断确定业务中两组变量之间的关系，用以解释业务。 收入、转化、用户规模、用户活跃等，我们称为现象。而只有通过数据量化的现象，我们才能精准感知。所以，数据是用来描述现象的，是被量化的现象。 如何看数据分析，又该如何进行数据分析？ 关于数据，有两种常见的情况。从腾讯出来的一个朋友曾告诉我“腾讯的数据太多，都不知道怎么看”，而另一个在创业公司工作的朋友告诉我“老板为了省开发资源，数据给的少得可怜”。这两种情况都有点走极端，那么，怎样看数据比较合理呢?答案是：需要想清楚3个问题。 1、我为什么要看数据？ 看数据的理由有很多，有不少PM看数据纯粹为了在吵架中能占上风，也有的人是为了炫技，还有一些人是因为老板要他们这样做。但我认为，看数据最好的理由是“你真的渴望持续改进自己的产品，而数据能给你客观的建议 ”。如果你没有这个渴望，觉得“我已经做的很好了，没有几个人能比我做得更好”，不但可以不看数据，连用户都可以不要。 2、数据的由哪些成分组成？这些成分每天/周/月都发生了什么变化？ 分析数据的构成可以更精确的知道是哪些产品、运营方案发挥作用，数据的变化可以知道某个方案起了多大的作用。 拿PV来说，分析PV的地域结构，可以知道适合的推广渠道;分析用户的年龄结构可以知道活动策划偏向什么主题;分析用户的职业结构可以知道用户的使用习惯。 3、这些数据为什么发生了这些变化？ 分析数据为什么变化，可以找到关键的原因，或者洞悉用户真正的需求，最终形成产品的改进。 用SILL量表问卷调查后， 如何用SPSS进行数据分析 免费的？建议先输入数据，然后按照教程练习以后自行分析吧 如果给钱，楼上估计应该会帮你分析的很好。 不过也有可能你人品大爆发，他不收你钱 艾森克人格问卷如何录入spss进行数据分析 首先要清楚spss数据分析软件，对于数据格式的要求。 通常用spss软件进行数据分析时，数据格式要求是横向一行为一份问卷，一列对应问卷中的一个题目，所以有多少份问卷，最终录完后就有多少行，而问卷中有多少个题目，最终就有多少列。 其次在录的时候 可以在excel中录，也可以直接在spss中录入，因为格式是完全一样的，如果对excel很熟悉，就可以现在excel中录，录完再通过spss直接可以打开excel数据就好了。 如何进行数据分析 数据分析是以现有网站的内容为基础，展示用户喜欢的内容，降低网站的跳出率增加网站黏性，具体步骤如下： 1、分析pv、uv、ip、跳出率和平均访问时长 通常情况下uv要大于ip，pv是uv的倍数关系，而pv：uv多少合适呢?要看同行业的平均数据，比如一个知识性网站，pv：uv的比例接近10:1，而如果是企业站，可能3:1或者4:1。 跳出率越高说明网站内容质量越差，平均访问时长也体现网站的内容质量。时长越长说明网站内容质量越高、内链系统越好。 2、分析来源、地域和搜索引擎 从来源分析可以评测外链和推广效果，可以选择效果更好的推广和外链方式，节省时间。地域分析可以帮我我们做地域关键词，搜索引擎分析用于明白用户的搜索习惯。 3、受访页面、着陆页和搜索词 分析受访页面可以看出推广、外链以及内链效果，分析搜索词可以得出现在内容排名效果。 受访页面主要来自于外链、推广链接、排名页面和内链布局。受访页面越高的网页说明展示次数越多，被用户看到的概率越大。 着陆页分数据纯碎的体现外链、推广链接和排名的效果，如果没有关键词排名，可以直接评测推广、外链的效果。 可以通过搜索词得知那些关键词给我们带来了流量，以及访问的页面是哪些，访问页的跳出率是多少，是不是应该推广这个页面帮助它提升排名。 4、分析页面点击图和页面上下游 页面点击图，可以根据页面点击图调整网站首页布局。颜色越深的内容放置的位置越靠近左上角，颜色越浅的内容位置越靠近右下角。点击很少或者没有点击的内容可以从首页移除，或者放置在栏目页。 页面上下游是体现用户浏览网页的轨迹，从上下游的数据可以统计布局的内链用户点击最多的文章是哪一篇，以及哪些页面的跳出率高。页面上下游数据最能说明内链布局效果。 注意：数据分析的魅力是常人无法感受的，如果你的网站在中后期还是凭证感觉做，那么你就相当于盲人摸象，你的网站排名只能看运气了。

变量主要是用来描述事物特征,那么按照描述的粗劣,有以下两种划分方法:按基本描述划分定性变量 :也称为名称变量、品质变量、分类变量,总之就是描述事物特性的变量,目的是将事物区分成互不相容的不同组别,变量值多为文字或符号,在分析时,需要转化为特定含义的数字。定性变量可以再细分为:无序分类变量:取值之间没有顺序差别,仅做分类,又可分为二分类变量和多分类变量二分类变量是指将全部数据分成两个类别，如男、女,对、错,阴、阳等,二分类变量是一种特殊的分类变量,有其特有的分析方法。多分类变量是指两个以上类别,如血型分为A、B、AB、0。定量变量:也称为数值型变量,是描述事物数字信息的变量,变量值就是数字,如长度、重量、产量、人口、速度和温度。定量变量可以再细分，连续型变量:在一定区间内可以任意取值,其数值是连续不断的,相邻两个数值可作无限分割,即可取无限个数值。如身高、绳子的长度等。离散型变量:值只能用自然数或整数单位计算,其数值是间断的,相邻两个数值之间不再有其他数值,这种变量的取值一般使用计数方法取得。

效度(Validity)即有效性，它是指测量工具或手段能够准确测出所需测量的事物的程度。效度是指所测量到的结果反映所想要考察内容的程度，测量结果与要考察的内容越吻合，则效度越高;反之，则效度越低。效度分为三种类型:内容效度、准则效度和结构效度。内容效度（content-related validity）一、什么是内容效度内容效度指的是测验题目对有关内容或行为取样的适用性，从而确定测验是否是所欲测量的行为领域的代表性取样。二、内容效度的评估方法1.专家判断法; 2.统计分析法(评分者信度复本信度折半信度再测法); 3.经验推测法 (实验检验)三、内容效度的特性内容效度经常与表面效度（face validity）混淆。表面效度是由外行对测验作表面上的检查确定的，它不反映测验实际测量的东西，只是指测验表面上看来好像是测量所要测的东西；内容效度是由够资格的判断者（专家）详尽地、系统地对测验作评价而建立的。构想效度（construct-related validity）一、什么是构想效度指测验能够测量到理论上的构想或特质的程度，即测验的结果是否能证实或解释某一理论的假设、术语或构想，解释的程度如何。二、构想效度的估计方法1.对测验本身的分析（用内容效度来验证构想效度）2.测验间的相互比较：相容效度（与已成熟的相同测验间的比较）、区分效度（与近似或应区分测验间的比较）、因素分析法3.效标效度的研究证明4.实验法和观察法证实三、效标效度（criterion-related validity）一什么是效标效度效标效度又称实证效度，反映的是测验预测个体在某种情境下行为表现的有效性程度。根据效标资料是否与测验分数同时获得，又可分为同时效度(实际士气高和士气低的人在士气测验中的得分一致性。)和预测效度两类。一个好的效标必须具备以下条件：①效标必须能最有效地反映测验的目标，即效标测量本身必须有效；②效标必须具有较高的信度，稳定可靠，不随时间等因素而变化；③效标可以客观地加以测量，可用数据或等级来表示；④效标测量的方法简单，省时省力，经济实用。二、效标效度的评估方法1.相关法：效度系数是最常用的效度指标，尤其是效标效度。它是以皮尔逊积差相关系数来表示的，主要反映测验分数与效标测量的相关。当测验成绩是连续变量，而效标资料是二分变量时，计算效度系数可用点二列相关公式或二列相关公式；当测验分数为连续变量，效标资料为等级评定时，可用贾斯朋多系列相关公式计算。2.区分法：是检验测验分数能否有效地区分由效标所定义的团体的一种方法。算出t值后，便可知道分数的差异是否显著。若差异显著，说明该测验能够有效地区分由效标定义的团体，否则，测验是无效的。重叠百分比可以通过计算每一组内得分超过（或低于）另一组平均数的人数百分比得出；另外，还可以计算两组分布的共同区的百分比。重叠量越大，说明两组分数差异越小，即测验的效度越差。3.命中率法：是当测验用来做取舍的依据时，用其正确决定的比例作为效度指标的一种方法。命中率的计算有两种方法，一是计算总命中率，另一种是计算正命中率。4、预期表法：是一种双向表格，预测分数排在表的左边，效标排在表的顶端。从左下至右上对角线上各百分数字越大，而其它的百分数字越小，表示测验的效标效度越高 ；反之，数字越分散，则效度越低。

spss最小二乘法回归分析1、统计量：对于每个模型：标准和非标准回归系数、复R、R2、调整R2、估计的标准误、方差分析表、预测值和残差。此外，还有用于每个回归系数的95%的置信区间，以及参数估计的相关性和协方差矩阵。2、数据：因变量和自变量必须是定量的。分类变量（例如宗教、专业或居住地）需要重新编码为二分类（哑元）变量或其他类型的对比变量。内生解释变量应是定量变量（非分类变量）。数据分析如果确信没有任何预测变量与因变量中的误差相关，则可使用“线性回归”过程。如果您的数据违反了假设之一（例如，正态性假设或恒定方差假设），则尝试转换数据。如果您的数据不线性相关，且转换也没有帮助，则使用“曲线估计”过程中的备用模型。如果因变量是二分变量，例如指示特定的销售是否已完成，则请使用“Logistic回归”过程。如果您的数据不独立（例如，如果您在多个条件下观察同一个人），请使用Advanced Models选项中的“重复度量”过程。

SPSS分析调查问卷数据的方法x0dx0ax0dx0a当我们的调查问卷在把调查数据拿回来后,我们该做的工作就是用相关的统计软件进行处理,在此,我们以spss为处理软件,来简要说明一下问卷的处理过程,它的过程大致可分为四个过程:定义变量_数据录入_统计分析和结果保存.下面将从这四个方面来对问卷的处理做详细的介绍.x0dx0aSpss处理: x0dx0a第一步:定义变量 x0dx0a大多数情况下我们需要从头定义变量，在打开SPSS后，我们可以看到和excel相似的界面，在界面的左下方可以看到Data View, Variable View两个标签,只需单击左下方的Variable View标签就可以切换到变量定义界面开始定义新变量。在表格上方可以看到一个变量要设置如下几项:name(变量名)、type(变量类型)、width(变量值的宽度)、decimals(小数位) 、label(变量标签) 、Values(定义具体变量值的标签)、Missing(定义变量缺失值)、Colomns(定义显示列宽)、Align(定义显示对齐方式)、Measure(定义变量类型是连续、有序分类还是无序分类).x0dx0a我们知道在spss中,我们可以把一份问卷上面的每一个问题设为一个变量,这样一份问卷有多少个问题就要有多少个变量与之对应,每一个问题的答案即为变量的取值.现在我们以问卷第一个问题为例来说明变量的设置.为了便于说明,可假设此题为:x0dx0a1.请问你的年龄属于下面哪一个年龄段( )?x0dx0a A:20—29 B:30—39 C:40—49 D:50--59x0dx0a那么我们的变量设置可如下: name即变量名为1，type即类型可根据答案的类型设置,答案我们可以用1、2、3、4来代替A、B、C、D,所以我们选择数字型的，即选择Numeric, width宽度为4，decimals即小数位数位为0（因为答案没有小数点），label即变量标签为“年龄段查询”。Values用于定义具体变量值的标签,单击Value框右半部的省略号，会弹出变量值标签对话框,在第一个文本框里输入1,第二个输入20—29,然后单击添加即可.同样道理我们可做如下设置,即1=20—29、2=30—39、3=40—49、4=50--59；Missing，用于定义变量缺失值, 单击missing框右侧的省略号，会弹出缺失值对话框, 界面上有一列三个单选钮，默认值为最上方的“无缺失值”；第二项为“不连续缺失值”，最多可以定义3个值；最后一项为“缺失值范围加可选的一个缺失值”，在此我们不设置缺省值,所以选中第一项如图；Colomns，定义显示列宽,可自己根据实际情况设置；Align，定义显示对齐方式,有居左、居右、居中三种方式；Measure，定义变量类型是连续、有序分类还是无序分类。x0dx0a以上为问卷中常见的单项选择题型的变量设置,下面将对一些特殊情况的变量设置也作一下说明.x0dx0a1.开放式题型的设置:诸如你所在的省份是_____这样的填空题即为开放题,设置这些变量的时候只需要将Value 、Missing两项不设置即可.x0dx0a2.多选题的变量设置:这类题型的设置有两种方法即多重二分法和多重分类法,在这里我们只对多重二分法进行介绍.这种方法的基本思想是把该题每一个选项设置成一个变量,然后将每一个选项拆分为两个选项项,即选中该项和不选中该项.现在举例来说明在spss中的具体操作.比如如下一例:x0dx0a请问您通常获取新闻的方式有哪些( )x0dx0a1 报纸 2 杂志 3 电视 4 收音机 5 网络x0dx0a在spss中设置变量时可为此题设置五个变量,假如此题为问卷第三题,那么变量名分别为3_1、3_2、3_3、3_4、3_5,然后每一个选项有两个选项选中和不选中,只需在Value一项中为每一个变量设置成1=选中此项、0=不选中此项即可.x0dx0a使用该窗口，我们可以把一个问卷中的所有问题作为变量在这个窗口中一次定义。x0dx0a到此,我们的定义变量的工作就基本上可以结束了.下面我们要作就是数据的录入了.首先,我们要回到数据录入窗口,这很简单,只要我们点击软件左下方的Data View标签就可以了.x0dx0a第二步:数据录入 x0dx0aSpss数据录入有很多方式,大致有一下几种:x0dx0a1.读取SPSS格式的数据x0dx0a2.读取Excel等格式的数据x0dx0a3.读取文本数据（Fixed和Delimiter)x0dx0a4.读取数据库格式数据(分如下两步)x0dx0a（1）配置ODBC （2）在SPSS中通过ODBC和数据库进行x0dx0a但是对于问卷的数据录入其实很简单,只要在spss的数据录入窗口中直接输入就可以了,只是在这里有几点注意的事项需要说明一下.x0dx0a1. 在数据录入窗口,我们可以看到有一个表格,这个表格中的每一行代表一份问卷,我们也称为一个个案.x0dx0a2. 在数据录入窗口中,我们可以看到表格上方出现了1、2、3、4、5??.的标签名,这其实是我们在第一步定义变量中,我们为问卷的每一个问题取的变量名,即1代表第一题,2代表第二题.以次类推.我们只需要在变量名下面输入对应问题的答案即可完成问卷的数据录入.比如上述年龄段查询的例题,如果问卷上勾选了A答案,我们在1下面输入1就行了(不要忘记我们通常是用1、2、3、4来代替A、B、C、D的).x0dx0a3.我们知道一行代表一份问卷,所以有几分问卷,就要有几行的数据.x0dx0a在数据录入完成后,我们要做的就是我们的关键部分,即问卷的统计分析了,因为这时我们已经把问卷中的数据录入我们的软件中了.x0dx0a第三步:统计分析 x0dx0a有了数据，可以利用SPSS的各种分析方法进行分析，但选择何种统计分析方法，即调用哪个统计分析过程，是得到正确分析结果的关键。这要根据我们的问卷调查的目的和我们想要什么样的结果来选择.SPSS有数值分析和作图分析两类方法.x0dx0a1.作图分析:x0dx0a在SPSS中，除了生存分析所用的生存曲线图被整合到Analyze菜单中外，其他的统计绘图功能均放置在graph菜单中。该菜单具体分为以下几部分：:x0dx0a(1)Gallery：相当于一个自学向导，将统计绘图功能做了简单的介绍，初学者可以通过它对SPSS的绘图能力有一个大致的了解。x0dx0a(2)Interactive：交互式统计图。x0dx0a(3)Map：统计地图。x0dx0a(4)下方的其他菜单项是我们最为常用的普通统计图，具体来说有：x0dx0a条图x0dx0a散点图x0dx0a线图x0dx0a直方图x0dx0a饼图x0dx0a面积图x0dx0a箱式图x0dx0a正态Q-Q图x0dx0a正态P-P图x0dx0a质量控制图x0dx0aPareto图x0dx0a自回归曲线图x0dx0a高低图x0dx0a交互相关图x0dx0a序列图x0dx0a频谱图x0dx0a误差线图x0dx0a作图分析简单易懂,一目了然,我们可根据需要来选择我们需要作的图形,一般来讲,我们较常用的有条图,直方图,正态图,散点图,饼图等等,具体操作很简单,大家可参阅相关书籍,作图分析更多情况下是和数值分析相结合来对试卷进行分析的,这样的效果更好.x0dx0a2.数值分析:x0dx0aSPSS 数值统计分析过程均在Analyze菜单中，包括：x0dx0a(1)、Reports和Descriptive Statistics：又称为基本统计分析.基本统计分析是进行其他更深入的统计分析的前提，通过基本统计分析，用户可以对分析数据的总体特征有比较准确的把握，从而选择更为深入的分析方法对分析对象进行研究。Reports和Descriptive Statistics命令项中包括的功能是对单变量的描述统计分析。x0dx0aDescriptive Statistics包括的统计功能有： x0dx0aFrequencies(频数分析)：作用:了解变量的取值分布情况x0dx0aDescriptives(描述统计量分析)：功能：了解数据的基本统计特征和对指定的变量值进行标准化处理x0dx0aExplore(探索分析)：功能:考察数据的奇异性和分布特征x0dx0aCrosstabs(交叉分析)：功能:分析事物（变量）之间的相互影响和关系x0dx0aReports包括的统计功能有： x0dx0aOLAP Cubes(OLAP报告摘要表)：功能: 以分组变量为基础，计算各组的总计、均值和其他统计量。而输出的报告摘要则是指每个组中所包含的各种变量的统计信息。x0dx0aCase Summaries(观测量列表)：察看或打印所需要的变量值x0dx0aReport Summaries in Row：行形式输出报告x0dx0aReport Summaries in Columns：列形式输出报告x0dx0a(2)、Compare Means(均值比较与检验)：能否用样本均值估计总体均值？两个变量均值接近的样本是否来自均值相同的总体？换句话说，两组样本某变量均值不同，其差异是否具有统计意义？能否说明总体差异？这是各种研究工作中经常提出的问题。这就要进行均值比较。x0dx0a以下是进行均值比较及检验的过程:x0dx0aMEANS过程：不同水平下（不同组）的描述统计量，如男女的平均工资,各工种的平均工资。目的在于比较。术语：水平数（指分类变量的值数，如sex变量有2个值，称为有两个水平）、单元Cell（指因变量按分类变量值所分的组）、水平组合x0dx0aT test 过程：对样本进行T检验的过程x0dx0a单一样本的T检验：检验单个变量的均值是否与给定的常数之间存在差异。x0dx0a独立样本的T检验：检验两组不相关的样本是否来自具有相同均值的总体（均值是否相同，如男女的平均收入是否相同，是否有显著性差异）x0dx0a配对T检验：检验两组相关的样本是否来自具有相同均值的总体(前后比较，如训练效果，治疗效果)x0dx0aone-Way ANOVA：一元(单因素)方差分析，用于检验几个（三个或三个以上）独立的组，是否来自均值相同的总体。x0dx0a(3)、ANOVA Models(方差分析)：方差分析是检验多组样本均值间的差异是否具有统计意义的一种方法。例如:医学界研究几种药物对某种疾病的疗效；农业研究土壤、肥料、日照时间等因素对某种农作物产量的影响;不同饲料对牲畜体重增长的效果等,都可以使用方差分析方法去解决x0dx0a(4)、Correlate(相关分析)：它是研究变量间密切程度的一种常用统计方法,常用的相关分析有以下几种:x0dx0a1、线性相关分析：研究两个变量间线性关系的程度。用相关系数r来描述。x0dx0a2、偏相关分析：它描述的是当控制了一个或几个另外的变量的影响条件下两个变量间的相关性，如控制年龄和工作经验的影响，估计工资收入与受教育水平之间的相关关系x0dx0a3、相似性测度：两个或若干个变量、两个或两组观测量之间的关系有时也可以用相似性或不相似性来描述。相似性测度用大值表示很相似，而不相似性用距离或不相似性来描述，大值表示相差甚远x0dx0a(5)、Regression(回归分析)：功能:寻求有关联（相关）的变量之间的关系在回归过程中包括：Liner：线性回归;Curve Estimation：曲线估计;Binary Logistic：二分变量逻辑回归;Multinomial Logistic：多分变量逻辑回归;Ordinal 序回归;Probit：概率单位回归;Nonlinear：非线性回归;Weight Estimation：加权估计;2-Stage Least squares：二段最小平方法;Optimal Scaling最优编码回归;其中最常用的为前面三个.x0dx0a(6)、Nonparametric Tests(非参数检验)：是指在总体不服从正态分布且分布情况不明时，用来检验数据资料是否来自同一个总体假设的一类检验方法。由于这些方法一般不涉及总体参数故得名。x0dx0a非参数检验的过程有以下几个:x0dx0a1.Chi-Square test 卡方检验x0dx0a2.Binomial test 二项分布检验x0dx0a3.Runs test 游程检验x0dx0a4.1-Sample Kolmogorov-Smirnov test 一个样本柯尔莫哥洛夫-斯米诺夫检验x0dx0a5.2 independent Samples Test 两个独立样本检验x0dx0a6.K independent Samples Test K个独立样本检验x0dx0a7.2 related Samples Test 两个相关样本检验x0dx0a8.K related Samples Test 两个相关样本检验x0dx0a(7)、Data Reduction(因子分析)x0dx0a(8)、Classify(聚类与判别)等等x0dx0a以上就是数值统计分析Analyze菜单下几项用于分析的数值统计分析方法的简介,在我们的变量定义以及数据录入完成后,我们就可以根据我们的需要在以上几种分析方法中选择若干种对我们的问卷数据进行统计分析,来得到我们想要的结果.x0dx0a第四步:结果保存 x0dx0a 我们的spss软件会把我们统计分析的多有结果保存在一个窗口中即结果输出窗口(output),由于spss软件支持复制和粘贴功能,这样我们就可以把我们想要的结果复制_粘贴到我们的报告中,当然我们也可以在菜单中执行file->save来保存我们的结果,一般情况下,我们建议保存我们的数据,结果可不保存.因为只要有了数据,如果我们想要结果的,我们可以随时利用数据得到结果.x0dx0a总结: x0dx0a以上便是spss处理问卷的四个步骤,四个步骤结束后,我们需要spss软件做的工作基本上也就结束了,接下来的任务就是写我们的统计报告了.值得一提的是.spss是一款在社会统计学应用非常广泛的统计类软件,学好它将对我们以后的工作学习产生很大的意义和作用.x0dx0aSPSS的问卷分析中一份问卷是一个案，首先要根据问卷问题的不同定义变量。定义变量值得注意的两点：一区分变量的度量，Measure的值，其中Scale是定量、Ordinal是定序、Nominal是指定类；二 注意定义不同的数据类型Typex0dx0a各色各样的问卷题目的类型大致可以分为单选、多选、排序、开放题目四种类型，他们的变量的定义和处理的方法各有不同，我们详细举例介绍如下： x0dx0a1 单选题：答案只能有一个选项x0dx0a例一 当前贵组织机构是否设有面向组织的职业生涯规划系统？ x0dx0aA有 B 正在开创 C没有 D曾经有过但已中断x0dx0a编码：只定义一个变量，Value值1、2、3、4分别代表A、B、C、D 四个选项。x0dx0a录入：录入选项对应值，如选C则录入3x0dx0a2 多选题：答案可以有多个选项，其中又有项数不定多选和项数定多选。x0dx0a（1）方法一（二分法）：x0dx0a例二 贵处的职业生涯规划系统工作涵盖哪些组群？画钩时请把所有提示x0dx0a考虑在内。x0dx0aA月薪员工 B日薪员工 C钟点工x0dx0a编码：把每一个相应选项定义为一个变量，每一个变量Value值均如下定义：“0” 未选，“1” 选。x0dx0a录入：被调查者选了的选项录入1、没选录入0，如选择被调查者选AC，则三个变量分别录入为1、0、1。x0dx0a（2）方法二：x0dx0a例三 你认为开展保持党员先进性教育活动的最重要的目标是那三项：x0dx0a1（ ） 2 （ ） 3（ ）x0dx0aA、提高党员素质 B、加强基层组织 C、坚持发扬民主x0dx0aD、激发创业热情 E、服务人民群众 F、促进各项工作x0dx0a编码：定义三个变量分别代表题目中的1、2、3三个括号，三个变量Value值均同样的以对应的选项定义，即：“1” A，“2”B，“3” C，“4” D，“5” E，“6” Fx0dx0a录入：录入的数值1、2、3、4、5、6分别代表选项ABCDEF，相应录入到每个括号对应的变量下。如被调查者三个括号分别选ACF，则在三个变量下分别录入1、3、6。x0dx0a注：能用方法二编码的多选题也能用方法编码，但是项数不定的多选只能用二分法，即方法一是多选题一般处理方法。x0dx0a3 排序题： 对选项重要性进行排序x0dx0a例四 您购买商品时在 ①品牌 ②流行 ③质量 ④实用 ⑤价格 中对它们的关注程度先后顺序是（请填代号重新排列） x0dx0a第一位 第二位 第三位 第四位 第五位x0dx0a编码：定义五个变量，分别可以代表第一位 第五位，每个变量的Value都做如下定义：“1” 品牌，“2” 流行，“3” 质量，“4” 实用，“5” 价格x0dx0a录入：录入的数字1、2、3、4、5分别代表五个选项，如被调查者把质量排在第一位则在代表第一位的变量下输入“3“。x0dx0a4 选择排序题：x0dx0a例五 把例三中的问题改为“你认为开展保持党员先进性教育活动的最重x0dx0a的目标是那三项，并按重要性从高到低排序”，选项不变。x0dx0a编码：以ABCDEF6个选项分别对应定义6个变量，每个变量的Value都做同样的如下定义：“1” 未选，“2” 排第一，“3” 排第二，“4” 排第三。x0dx0a录入：以变量的Value值录入。比如三个括号里分别选的是 ECF，则该题的6个变量的值应该分别录入：1（代表A选项未选）、1、 3（代表C选项排在第二）、1、2、4。x0dx0a注：该方法是对多选题和排序题的方法结合的一种方法，对一般排序题（例四）也同样适用，只是两者用的分析方法不同（例四用频数分析、例五用描述分析），输出结果从不同的侧面反映问题的重要性（前一种方法从位次从变量的频数看排序，后一种方法从变量出发看排序）。x0dx0a5 开放性数值题和量表题：这类题目要求被调查者自己填入数值，或者打分x0dx0a例六 你的年龄（实岁）：______x0dx0a编码：一个变量，不定义Value值x0dx0a录入：即录入被调查者实际填入的数值。 x0dx0a6开放性文字题：x0dx0a如果可能的话可以按照含义相似的答案进行编码，转换成为封闭式选项进行分析。如果答案内容较为丰富、不容易归类的，应对这类问题直接做定性分析。x0dx0a三 问卷一般性分析x0dx0a下面具体介绍SPSS中问卷的一般处理方法，操作以版本spss13.0为例，以下提到的菜单项均在Analyze主菜单下x0dx0a1频数分析：Frequencies过程可以做单变量的频数分布表；显示数据文件中由用户指定的变量的特定值发生的频数；获得某些描述统计量和描述数值范围的统计量。x0dx0a适用范围：单选题（例一），排序题（例四），多选题的方法二（例三）x0dx0a频数分析也是问卷分析中最常用的方法。x0dx0a实现： Descriptive statistics??Frequencies x0dx0a2 描述分析：Descriptives:过程可以计算单变量的描述统计量。这些述统计量有平均值、算术和、标准差，最大值、最小值、方差、范围和平均数标准误等。x0dx0a适用范围：选择并排序题（例五）、开放性数值题（例六）。x0dx0a实现： Descriptive statistics??Descriptives，需要的统计量点击按钮Statistics?中选择x0dx0a3 多重反应下的频次分析：x0dx0a适用范围：多选题的二分法（例二）x0dx0a实现：第一步在Multiple Response??Define Sets把一道多选问题中定义了的所有变量集合在一起，给新的集合变量取名，在Dichotomies Counted value中输入1。第二步在Multiple Response??Frequencies中做频数分析。x0dx0a4 交叉频数分析：解决对多变量的各水平组合的频数分析的问题x0dx0a适用范围：，适用于由两个或两个以上变量进行交叉分类形成的列联表，对变量之间的关联性进行分析。比如要知道不同工作性质的人上班使用交通工具的情况，可以通过交叉分析得到一个二维频数表则一目了然。x0dx0a实现：第一步根据分析的目的来确定交叉分析的选项，确定控制变量和解释变量（如上例中不同工作性质的人是控制变量，使用交通工具是解释变量）。第二步选择Descriptive statistics??Crosstabs x0dx0ax0dx0a四 简单图形描述介绍x0dx0a在做上述频数分析、描述分析等分析时就可以直接做出图形，简单方便，同时也可以另外作图。SPSS的作图功能在菜单Graphs下，功能强大，图形清晰优美。现在把常用图简单介绍如下x0dx0a1饼图：又称圆图，是以圆的面积代表被研究对象的总体，按各构成部分占总体比重的大小把圆面积分割成若干扇形，用以表示现象的部分对总体的比例关系的统计图。频数分析的结果宜用饼图表示。x0dx0a2曲线图：是用线段的升降来说明数据变动情况的一种统计图。它主要表示现象在时间上的变化趋势、现象的分配情况和2个现象的依存关系等。x0dx0a3面积图：用线段下的阴影面积来强调现象变化的统计图。x0dx0a4条形图：利用相同宽度条形的长短或高低表现统计数据大小及变化的统计图。x0dx0ax0dx0ax0dx0a五 问卷深入分析x0dx0a除了以上简单的分析，spss强大的功能还可以对问卷进行深入分析，比如常用的有聚类分析、交叉分析、因子分析、均值比分析（参数检验）、相关分析、回归分析等。因为涉及到很专业的统计知识，下面只将个人觉得比较有用的方法的适用范围和分析目的简单做介绍：x0dx0a1聚类分析x0dx0a样本聚类，可以将被调查者分类，并按照这些属性计算各类的比例，以便明确研究所关心的群体。比如按消费特征对被调查者的进行聚类。x0dx0a2 相关分析x0dx0a相关分析是针对两变量或者多变量之间是否存在相关关系的分析方法，要根据变量不同特征选择不同的相关性的度量方式。问卷分析中的多数用的变量都属于分类变量，要采用斯皮尔曼相关系数。x0dx0a其中可以用卡方检验，其是对两变量之间是否具有显著性影响的分析方法x0dx0a3均值的比较与检验x0dx0a（1）Means过程：对指定变量综合描述分析，分组计算计算均值再比较。比如可以按性别变量分为男和女来研究二者收入是否存在差距。x0dx0a（2）T 检验：x0dx0a独立样本t检验用于不相关的样本是否开来自具有相同均值的总体的检验。比如，研究购买该产品的顾客和不购买的顾客的收入是否有明显差异。x0dx0a如果样本不独立则要用配对t检验。比如研究参加职业培训后 工作效率是否提高。x0dx0a4 回归分析x0dx0a问卷分析中的回归分析常采用的是用离散回归模型，一般是逻辑斯蒂模型，解释一个变量对另一变量的影响具体有多大。比如，研究对某商品的消费受收入的影响程度。

1、微笑是春天的雨丝，微笑是夏天的清风，微笑是秋天的 果实 ，微笑是冬天的雪花。 2、玉米的 果实 成熟了，成熟的玉米像一个巨大的棒槌。 3、你看，果园里 果实 成熟了，一个个柿子笑红了脸，仿佛一个个小红灯笼悬挂在枝头。 4、每一粒的小 果实 都是那么光滑圆润，饱满的果肉里包着白色的小种子。放入口中，石榴的味道原来这么好！甜中带酸，而酸中又带着丝丝甜意。细细品味，这种感觉十分惬意。 5、金色的秋天，银杏树的叶子变黄了， 果实 成熟了。顽皮的孩子一个个爬上树，用长长的竹竿到处乱打，银杏果就掉下来啦！这时，家家户户都要吃银杏果。一阵阵浓郁的清香扑来，让人们感到了丰收的喜悦。 6、事业是 果实 ，说话不过是树叶而已。 7、用真情催开智慧的花蕾，收获情感的 果实 。 8、真理是一个必须成熟以后才能摘下来的 果实 。伏尔泰 9、收获的 果实 五彩缤纷，似乎比那色彩斑斓的孔雀还要美，就像一个天然的调色盘，五光十色：有红的，有黄的，有紫的，有橙的…… 10、秋天是大自然色调的真实展现，清新淡雅， 果实 成熟，金色的稻田。红色的枫叶，丰收的背后，体会到艰辛和汗水，使得这个季节更有韵味。 11、秋天，含羞草结果了，它的 果实 一颗颗连在一起。身上像穿了一件透明带着刺的衣服。过了一个星期，果实全都落地上了。本来我以为那是没用的东西，就把它往泥土里一扔。 12、冬天，虽然没有春天迷人的鸟语花香，没有夏天壮观的闪电雷鸣，没有秋天诱人的丰硕 果实 ，但它也有献给大自然的含蓄的美。 13、娇艳的鲜花因为绿叶的衬托而美丽；高耸的山因为大地的衬托而美丽；翠绿的大树因为 果实 的衬托而美丽；飞翔的小鸟因为蓝天的衬托而美丽。 14、山坡上是一片树林，枝叶茂密，绿树成荫，最美的植物要数枸杞子啦。这时它们已经结出了 果实 ，水灵灵红艳艳，就像一串串红珍珠，在碧绿的叶子的衬托下，特别美丽。 15、没有坚强的毅力，就没有梅花的美丽；没有风吹雨打，就没有果园中沉颠颠的 果实 ；没有起早贪黑的辛勤劳作，就没有四季的丰收。同样，没有现在的努力，就没有以后美好的生活。让我们好好学习，为以后做好铺路石吧…… 16、友情要用真爱?卫，友情就会义无返顾。没有真爱的友情，就像一朵无蕊的鲜花，可以艳丽，却断无 果实 。没有友情的真爱，就是粗砺的威迫，是强权而不是心心相印。 17、秋姑娘来到果园里，果农正在往篮子里放着一个又一个红红的苹果黄黄的梨子橙黄橙黄的香蕉，还有像红灯笼似的柿子。各种各样的 果实 填满了很多个篮子，果农的脸上露出了满意的笑容。 18、童年像一个美丽缤纷、五彩斑斓的梦，像一只在天空翱翔、无拘无束的小鸟，像一棵结了许多快乐 果实 的树，现在我摘一个最甜的果子献给大家细细品尝。 19、理想，是春天的第一朵鲜花；理想，是夏天的第一束妁阳；理想，是秋天的第一颗 果实 ；理想，是冬天里的第一片雪花；理想，是沙漠里的第一片绿洲；理想，是吹响生命的号角…… 20、这些石钟乳，有的像泉水似的从地里涌出来，翻着浪花，直达洞顶；有的从洞顶倒挂下来，像一串串的 果实 ；有的像瀑布倾泻，有的像藤萝，百般缠绕。 21、秋风啊，秋风。你为我们带来了如此迷人的秋色，带来了丰收累累的 果实 ，带来了火红，金黄的一切。我爱你！我既爱你那粗犷的，豪放的气质；也爱你那轻柔的婉约的性情；更爱你那默默无私奉献的精神啊！我最爱的秋风。 22、秋天是收获的季节，到处飘溢着丰收的喜悦，秋天使我变得成熟起来，秋天带来了丰硕的 果实 ，来描绘了一幅绚丽多彩的画，这幅画，是没有一个画家能够画出来。秋天，使我陶醉。 23、秋天又是收获的季节，金灿烂的稻田，散溢着秋思的浪漫，飒飒秋风洗涤胸中的积郁，让人神清气爽，粮食进仓瓜果飘香，理想的储仓正悄悄丰满。那红透的 果实 ，成熟饱满得让人心动。 24、石榴花即没有玫瑰那样娇抚，有桂花那样清远，更没有菊花那样华贵。可是，石榴花却默默的为人们无私的奉献。秋天的时侯，他会结出一个个红彤彤的 果实 ，人们就可以摘下来吃了。 25、人的生命似洪水奔流，不遇到岛屿与暗礁，就难以激起美丽的浪花。我们只有迎击风险，驾驭风险，才能通过勇敢的驰骋为获取成功的 果实 而登上希望的绝顶。 26、鲜红可口的樱桃让人看了就会忍不住流口水，然后小心翼翼地摘了一颗放进嘴里，一股甜甜的；酸酸的；带着清香的味道，就会让人久久不能忘怀。大概是 果实 太小的缘故，吃一颗根本不解谗，总会让人越吃越想吃。 27、愿愧疚充斥我的生活，令我的灵魂充满进去的动力，我会在这鼓舞的号角当中，不断努力，去争取自己的胜利 果实 ，去品尝它的每一滴甘露。 28、原来这石榴并不是像苹果、梨头那样有着厚厚的果肉。它的外壳是一个温暖的巢，里面一些粉红色的小家伙齐刷刷地探出了小脑袋，像是对世界充满了好奇心。又好像在对着我微笑呢。妈妈说，这才是它的 果实 。 29、让奋斗之花遍地盛开；让奋斗的清泉在泉眼中喷涌而出；让奋斗的雄鹰在蓝天下翱翔；让奋斗的 果实 丰硕地结满大树下吧！奋斗就是路，世上本没有路，走的人多了，也便成了路，人生需要奋斗，去开辟属天你的那条新航路吧！ 30、秋，不是常说是金色的吗？的确，她给大自然带来了丰硕的 果实 ，给包括人在内的众多生物赏赐了无数得以延续生命的食粮。 31、小辣椒的花不漂亮， 果实 却缤纷艳丽，有红的、白的、浅紫色的、桔黄色的……红色的小辣椒好像一只成熟的小草莓白色的小辣椒像一位披着白纱的妙龄少女浅紫色的小辣椒就像熏衣草的第二代橘黄色的呢，就像一只小火炬。 32、青年是革命的柱石。青年是革命 果实 的保卫者，是使历史加速向更美好的世界前进的力量。宋庆龄 33、置身在花的海洋里，我真想变成一只美丽的蝴蝶，和着微风，在明媚的阳光下和“梨花仙子”翩翩起舞。我又想变成一只勤劳的小蜜蜂，去亲亲这些可爱的“小姑娘”，祝福它们结出又香又甜的 果实 。 34、金色的秋天终于在人们的期盼中来了，到处都是一片丰收的景象，辣椒树结出了红红的 果实 ，沉甸甸地挂在枝头，让人看了直流口水。 35、莲花的叶子突出在水面上，那迁细的茎支撑着叶子，叶子中衬托着几朵艳丽的莲花和花苞。那莲花真绮丽，话中心有一个圆锥形的莲蓬。莲蓬的表面有几个圆圆的小点，莲蓬里的 果实 就是莲子。在莲蓬下似圆锥顶的那儿有个花蕾。 36、秋风拂过面颊，但见柳枝也随着微风轻盈起舞，高高的柳树对面有几株山楂树围成一圈，和柳树比起来越发显得低矮了，树上的山楂 果实 一个个、一串串被秋风吹红了脸；还有园中的白果树、青色的杏桃树、葱绿的松柏都已结满了果实，在青涩与熟透中就有的被风吹落在地上，你只要弯下腰都可以在树下随手捡到它们的落果…… 37、秋天，树叶有点黄了。一片片黄叶从树上掉下来，像一只只蝴蝶在空中翩翩起舞。我常捡它来做书签。这时，它的 果实 也成熟了，同学们常把它摘下来，当玩具玩。 38、春天，不像夏天那样热情奔放，也不像秋天 果实 累累，给人一种丰收的喜悦，更不像冬天晶莹剔透，可春天是温柔的，醉人的。我爱你，春天！ 39、草莓的味道很甜，吃了一个还想吃，让人回味无穷。当我吃了一口时，汁水立刻从我的嘴里流了下来。甜甜的，不知让人怎么形容。草莓的根藏在地上， 果实 在土上，好像不想和我们玩捉迷藏，真调皮！ 40、如果你是大海，何必在乎别人把你说成小溪。如果你是峰峦，何必在乎别人把你当作平地。如果你是春色，何必为一朵花的凋零叹息。如果你是种子，何必为还没有结出 果实 着急。如果你就是你，那就静静微笑，沉默不语。 41、当我们采摘丰收 果实 的时候，您留给自己的是粉笔灰染白的两鬓白发。向您致敬，敬爱的老师！ 42、秋天，虽然不像白花盛开的春天那样充满生气，五彩缤纷，也不像绿树成阴的夏天那么充满活力，繁枝绿叶，但却有诱人独特的秋色和金黄的 果实 吸引人们。 43、人的青春时期一过，就会出现象秋天一样的优美成熟时期，这时，生命的 果实 象熟稻子似的在美丽的平静的气氛中等待收获。泰戈尔 44、愚蠢：愚蠢是一种天生的无奈，是一种后天的懒惰，是一颗自己种下的恶果，是一条好 果实 中的蛀虫。 45、梦想就像是春天，孕育着希望的生命；梦想就像是夏天，开出了希望的花朵；梦想就像是秋天，收获了希望的 果实 ；梦想就像是冬天，埋下了希望的种子。 46、柿树在霜天里把一身绿叶悄悄染红了，青绿的 果实 也渐渐变成金黄色的，这时的柿子树就像燃烧的火炬。 47、秋天是田中金灿灿的稻谷；秋天是树上累累的 果实 ；秋天是劳动人民的福祉；秋天人们对美好未来的期盼。 48、秋天到了，紫藤花凋谢了，它的叶子像一个个翩翩起舞的舞蹈家，随着风爷爷的指挥跳起了一段段优美的舞蹈，满地都是落叶，藤上只留下一串串 果实 了。 49、埋在地下的树根使树枝产生 果实 ，却并不要求什么报酬。泰戈尔 50、瞧，那一片片金黄的麦子，多么像一个个可爱的小泵娘啊；瞧，那一颗颗硕大的 果实 ，多么想一个孩子红彤彤的笑脸呀；瞧，那一颗颗高大的果树，多么像农民们喜悦的心情啊！ 51、到了五一节前后，樱桃树上结满了 果实 。樱桃的颜色开始是青的，渐渐变成了淡红、大红，就象一张张小红脸蛋，嫩嫩的，一碰就破，非常惹人喜爱。吃起来甜中带酸，不过，看着樱桃可爱的样子，我真是舍不得吃。 52、热爱书吧！这是知识的泉源！只有知识才是有用的，只有它才能够使我们在精神上成为坚强、忠诚和有理智的人，成为能够真正爱人类，尊重人类劳动、哀心地欣赏人类那不间断的伟大劳动所产生的美好 果实 的人。高尔基 53、秋风，吹熟了 果实 ；秋风，吹落了树叶；秋风，吹散了玩耍的朵朵白云；秋风又吹醒了即将忙碌的农民。秋风，你触动了我的心灵！ 54、知识是成熟的 果实 ，那自信就是坚实的根基；知识是富丽的殿堂，那自信就是一把打开殿门的金钥匙；知识是香醇的浓茶，那自信就是其茶叶。总之，知识的拥有，若没有了自信，那只是空空梦一场…… 55、书籍是知识的泉源，知识才是最有用的，它能够使我们成为勇敢，真诚和智慧的人，成为热爱人类、尊重人类劳动、欣赏人类美好 果实 的人。 56、您多像那默默无闻的树根，使小树茁壮成长，又使树枝上挂满丰硕的 果实 ，却并不要求任何报酬。 57、带奋斗一起飞翔，因为有了它，让我拥有理智之思；我才使过去的失误不再重演到今天的影片里；我才能使过去的成功在人生中继续升华；我才能真正收获金秋丰硕的 果实 ，品味人生的快乐。 58、杏树开出的花中心有一点红色，今年不知怎没的，落花的时候一朵一朵的落，可能是有病了。这些年来，这棵树结出的 果实 苦苦的，没有我小时吃到的甜。 59、夜空因星星而美丽，世界是因理想而成功的，夜空数不清的星星，代表着世界无数的理想，星星越多，夜空越美丽，“理想”如果可以坚持下去，百折不挠，是可以实现的，如 果实 现的理想越多，世界不是越多成功吗？ 60、小溪是大海的童年，花朵是 果实 的童年，过去是未来的童年，池塘边的榕树上，知了在声声的叫着夏天。每当听到这首歌，童年的往事就像一部电影一样在我的脑海里放映。 61、森林里那一顶挨一顶郁郁苍苍的树冠中。点缀着黄的、绿的、红的 果实 。 62、这条小溪的春天拥有大地般的生命；小溪的夏天拥有人们辛勤的汗水；小溪的秋天拥有丰收的 果实 ；小溪的冬天拥有梦境般的童话。 63、中秋时节，石榴树上挂满了圆圆的 果实 ，有的略现棱角。石榴和苹果大小差不多。它的外皮先是淡黄的，渐渐地出现了一点淡红，最后变成深红，甚至褐色，这时就不那么平滑了。 64、春天的早晨，和风吹绿了小草。夏天的早晨，细雨装扮了花朵。秋天的早晨，阳光镀亮了 果实 ，冬天的早晨，雪花闪烁着情慷。 65、忍耐之草是苦的，但最终会结出甘甜而柔软的 果实 。 66、 果实 飘香的秋天来了，那柳树的叶子便开始枯竭，叶子落得到处都是，踩着会发出很特别的声音，我们又会利用这些枯叶。把枯叶用胶沾在纸上，做成各种各样的美丽图案。这样不仅让我们提高了想象力，还能废物利用。 67、秋，一个 果实 累累的名字季节。银杏树那纵横交错的树枝上结满了一个个又圆又大的银杏果，一根根树枝都被压弯了腰。听妈妈说：银杏果和银杏叶都是名贵的药材，可以治疗许多疾病。 68、当我们采摘丰收 果实 的时候，您留给自己的却是被粉笔灰染白的两鬓白发。向您致敬，敬爱的老师！ 69、桃花不想月季春夏秋都会喷香吐艳，一旦春末，她便会凋谢。可是桃花不后悔，因为她离去之后，会让一颗颗可爱的小桃子悬挂在枝头。她带走了供人们欣赏的花儿，却留下了颗颗有人的 果实 。 70、你看，山坡上，梨子黄澄澄，像一个个小葫芦；柿子红彤彤的，像一个个小灯笼，再看看葡萄，一串串晶莹剔透，就像是用于刻出来的。一阵微风吹过， 果实 们摇晃起来了，似乎也在为如画的秋天表示热烈的欢迎呢！ 71、因为绿叶的衬托，娇艳的鲜花才美丽；因为大地的衬托，高耸的山才美丽；因为 果实 的衬托，翠绿的大树才美丽；因为蓝天的衬托，飞翔的小鸟才美丽。因为平凡而无私的人，社会才美丽。 72、如果你是大海，何必在乎别人把你说成小溪；如果你是峰峦，何必在乎别人把你当作平地；如果你是春色，何必为一朵花的凋零而叹息；如果你是种子，何必为还没有结出 果实 着急；如果你就是你，那就静静微笑，沉默不语。 73、秋天，就像一个美丽的姑娘，她那轻飘的衣袖为人们遮风挡雨，将丰收的 果实 奉献给人们。 74、站在这广阔的田野中，纵目望去，一片片稻海泛起绿波，一块块大豆 果实 累累，一垄垄山芋铺沟浸垄，到处是一片长势喜人的美丽景象。 75、那樱桃树被种到了花园里。每到春天，它开满一树美丽的花。每个夏天整个树上 果实 累累，味道与本国的樱桃不一样，特别甜，好像灌满了蜜的蜂窝一样。 76、学习是一件最公平的事，只有真正地为它付出了，你才能收获累累的 果实 。 77、要想把握经济局，必须关注政治局。网络新闻图文并茂、有声有色，实为商人的最佳晴雨表；如 果实 在没有时间，至少要看“新闻联播”，里面有国计民生。 78、秋天，我送去凉爽的秋风，解决了人们在夏天的炎热。我叫醒了农民伯伯丰收的 果实 ，看着他们那欣慰的笑容，我仿佛也被感染了。我吹红了枫树，吹开了一副火红的画卷。吹下了秋天的绵绵细雨。 79、石榴的表皮虽然不好看，但是它整个的 果实 都有用，它启发我，做人不能只是外表美丽，肚子空空；应该象石榴一样，从内到外，实实在在。 80、我期盼这春节，春节是新的开始，是播种希望的季节。新的一年，我长大一岁，我有了新的希望，我将要播下美丽的种子，收获幸福与爱的 果实 。 81、地不耕种，再肥沃也长不出 果实 ；人不学习，再聪明也目不识丁。 82、蝴蝶成虫以后，就能到处飞舞，并且为花朵传播花粉，促成 果实 形成，对人类有极大好处。不光是这些，蝴蝶还被誉为飞舞的花朵，因为它生来就是为了装点世界的，你在郊外偶尔看到几只蝴蝶，会觉得这个大自然充满了生机。 83、准备种子，就收获 果实 ；准备努力，就收获成功；准备今天，就收获明天。 84、母爱是春天的风，吹红了花，吹绿了树；母爱是夏夜的风，吹走闷热，吹来凉爽；母爱是深秋的风，吹熟 果实 ，吹来歌声；母爱是冬日的风，吹走寒冷，吹来春天。 85、只会幻想而不行动的人，永远也体会不到收获 果实 时的喜悦。 86、秋天，河岸两边的花和树上的叶子都凋谢了。树上结了许多果子，有红通通的苹果，黄澄澄的梨，火红的柿子。在秋雨的洗礼下， 果实 变得格外诱人。 87、秋天到了，果园里一片丰收在望的景象，饱满的 果实 挂满枝头，在秋阳的映射下闪着金灿灿的光。果农们乐得合不拢嘴，憨憨的笑容里是掩饰不住的喜悦和希望。 88、夏天，没有春天百花争艳的骄傲，没有秋天 果实 累累的自负，没有冬天白雪皑皑的傲慢；夏天，有它独有的高洁，端庄秀丽。 89、成功对于勤奋者是收获的 果实 ，对于坚持者是奋斗的目标，对于灰心者是一个永远无法到达的彼岸。 90、玉米的 果实 成熟了，成熟的玉米像一个巨大的棒槌，头顶还留有老爷爷一般的红缨，等它完全成熟，粒儿突破包壳的束缚，露出金黄的牙齿，仿佛向人们炫耀。 91、我渴望春天，因为他是个花草繁盛的季节；我渴望夏天，因为他是个火盛的季节；我渴望秋天，因为他是个 果实 累累的季节；我渴望冬天，因为他是个洁白无暇的季节... 92、秋天欢天喜地来到果园，果园里 果实 累累，有红通通的苹果，圆圆的，又酸又甜。还有黄澄澄的鸭梨，又香又甜就像一个个小小的葫芦。一阵风吹过，看那几个梨子，你挤我，我挤你，好像在做游戏。 93、对于不想交往的人，不要应邀去吃饭喝咖啡，哪怕只是一块钱。没有后续发展和希望的交往，会浪费人家的钱和感情，这叫贪图享乐。贪慕虚荣的女子会让人瞧不起。如 果实 在碍于朋友介绍的情面挪不开，记得AA制。 94、成熟的 果实 压弯了枝头，有黄澄澄的香蕉苹果，红彤彤的红富士苹果，它们有的昂着头，像威武的战士；有的躲在树叶下，像害羞的小姑娘；有的三两个聚在一起，显得格外亲热。 95、 果实 成熟了，农民伯伯开心的笑了！ 96、秋天到了，银杏树上挂满了金灿灿的小灯笼，爷爷就用竹竿把它敲打下来，放在塑料口袋里，把外皮和肉烂掉，再洗干净，就是白色的银杏 果实 了，所以银杏又叫白果。 97、牵挂是春天美丽动人的鲜花；牵挂是夏日阵阵清凉的微风；牵挂是秋天满园累累的 果实 ；牵挂是冬夜悄然飘舞的雪花。 98、假如生命是一株小草，我愿为春天献上一点嫩绿；假若生命是一棵大树，我愿为大地撒下一片绿阴，假如生命是一朵鲜花，我愿意为世界奉上一缕馨香；假如生命是一枚 果实 ，我愿为人间留下一丝甘甜。 99、在篮球场的两侧长着几棵龙眼树，春天开出白色小花，引来了一群群勤劳的小蜜蜂。秋天，树上结满了一串串 果实 ，反树枝都压弯了。 100、种子最后是 果实 ；努力最后是成功；放弃最后是失败。 101、满树留下又大又圆的 果实 ，在秋风中摇摇欲坠，在阳光下露出了诱人的笑脸。 102、秋天来了，柿树的叶子慢慢由绿变红，由红变黄，青绿色的柿子也被秋风染仁了黄色。这时，满山的沟沟岭岭上，一棵棵树上挂满了似火炬似灯笼的 果实 。 103、机会包含于每个人的人格之中，正如未来的橡树包含在橡树 果实 里一样。 104、理想就像是春天，孕育着希望的生命，理想就像是夏天，开出了希望的花朵，理想就像是秋天，收获了希望的 果实 ，理想就像是冬天，埋下了希望的种子。 105、那一片片火红的高粱穗子缀满了圆饱饱的珍珠一样的 果实 ，在微风中向着勤劳的人们点头微笑。 106、忍耐虽然痛苦， 果实 却最香甜。 107、埋在地下的种子产生 果实 ，却并不要求什么报酬。泰戈尔 108、热爱书吧――这是知识的泉源！只有知识才是有用的，只有它才能够使我们在精神上成为坚强、忠诚和有理智的人，成为能够真正爱人类、尊重人类劳动、衷心地欣赏人类那不间断的伟大劳动所产生的美好 果实 的人。高尔基 109、秋天，是一个美丽的季节；秋天，虽不比百花盛开的春天那样有生气，却有金色诱人的 果实 ；秋天，美，美在朴实，美在成熟。秋天既带来了果实，更带来了人们的欢乐！秋天也给田野带来了一番欢乐。 110、成功离你很近，只要再多一点点坚持，你就会尝到胜利的 果实 。 111、在这个收获的季节里，看沉甸甸的 果实 叮当作响，如同许多挂在树梢的风铃，给人带来无边的欣喜。看那些果实在树枝闪现红红绿绿的颜色，如同许多俊俏的脸庞，在绽放她们的无悔青春。 112、生活中要学会享受：享受工作的欢快，享受朋友的笑声，享受家人的温馨，享受创造的快慰，享受 果实 的甜美。 113、有人说：“把手张开，是一朵鲜花，人的一生，注定完美挥洒；把手合拢，是一枚 果实 ，含辛茹苦，收藏天地精华。”把手张开，才能稳稳托住幸福，把手合拢，才能牢牢把握机会！ 114、一棵小草因为对春雨的感恩，所以它拥有了绚烂的花朵；一株幼苗因为对阳光的感恩，所以它拥有了甜美的 果实 ；一只小鸟因为对天空的感恩，所它拥有了翱翔的翅膀。一颗心灵因为对爱的感恩，所以它拥有了钻石般的灿烂光芒。 115、我爱吃石榴，是因为石榴长在秋天的一种很特别的 果实 。石榴的身子是圆圆的，头上顶着一个小小的皇冠，黄里透红的笑脸，惹人喜爱。 116、一个人的青春时期一过，就会出现像秋天一样的优美的成熟时期，这时，生命的 果实 像熟稻子似的在美丽的平静的气氛中等待收获。泰戈尔 117、时间是最公平合理的，它从不多给谁一份。勤劳者能叫时间留下串串 果实 ，懒惰者时间留予他们一头白发两手空空。高尔基 118、经营者除了具备学识、品德外，还要全心投入，随时反省，才能领悟经营要诀，结出美好的 果实 。 119、我喜欢家乡的春天，因为它给大地生命；我喜欢家乡的夏天，因为它拥有着人们辛勤的汗水；我喜欢家乡的秋天，因为它拥有着丰收的 果实 ；我喜欢家乡的冬天，因为它拥有童话般的梦境。 120、葡萄的 果实 成熟了，在那绿中带黄的葡萄叶下，挂着一大串一大串晶莹透亮的葡萄，象一串串紫黑的珍珠。

禾场的造句有：禾场必满了麦子，酒榨与油榨必有新酒和油盈溢。农村实行土地联产承包责任制的那天，全村男女老少到村口的禾场集中，拈阄儿，分田到户。禾场的造句有：耶和华的使者吩咐迦得去告诉大卫，叫他上去，在耶布斯人阿珥楠的禾场上为耶和华筑一座坛。禾场必满了麦子，酒榨与油榨必有新酒和油盈溢。注音是：ㄏㄜ_ㄔㄤ_。结构是：禾(独体结构)场(左右结构)。拼音是：hécháng。禾场的具体解释是什么呢，我们通过以下几个方面为您介绍：一、词语解释【点此查看计划详细内容】禾场hécháng。(1)脱粒和扬晒庄稼的场地。二、引证解释⒈打稻晒稻的场地。引《人民文学》1981年第3期：“人们在禾场装麦糠、谷壳。”三、国语词典打稻谷或晒稻米的场地。四、网络解释禾场禾场（hécháng），是一个汉语词汇，意思是指脱粒和扬晒庄稼的场地。关于禾场的诗句雨烂漫晒禾场归路禾场日未斜人度禾场吠犬惊关于禾场的成语打圆场风禾尽起禾黍之悲故宫禾黍禾苗枯槁禾黍之伤走过场官场如戏禾黍故宫关于禾场的词语官场如戏粉饰场面风月场禾头生耳打圆场逢场作戏禾黍之悲走过场禾黍故宫故宫禾黍点此查看更多关于禾场的详细信息

1黄澄澄的梨子挂在树上，沉甸甸的，把树枝都压弯了，好象要吹口气就会断。 2鸟儿唱着欢乐的歌，迎接着喷薄欲出的朝阳；被暴风雨压弯了腰的花草儿伸着懒腰，宛如刚从梦中苏醒；偎依在花瓣、绿叶上的水珠闪烁着光华。 3冬天，操场上更是美丽，积雪虽压弯了树枝，却仍没折断，它，象征着我们的勇气。 4有那橘红的柿子，压弯了枝头，成了一盏盏小灯笼。 5我看见，丰收的硕果压弯枝头；我看见，机器转动得自由欢畅；我看见，人造卫星和宇宙飞船闪射着太阳的光芒；我看见，基因密码带领我们走进自然科学的殿堂。 6金黄的田野，沉甸甸的麦子把杆子压弯了腰。 7成熟的果实压弯了枝头，有黄澄澄的香蕉苹果，红彤彤的红富士苹果，它们有的昂着头，像威武的战士；有的躲在树叶下，像害羞的小姑娘；有的三两个聚在一起，显得格外亲热。 8金黄的麦子熟了，沉甸甸的麦穗儿把麦秆的腰都压弯了，不过，这麦秆还是保持着“礼貌”这一点，你瞧，它们正在向你“鞠躬问好”呢！那彬彬有礼的样子，一看就能知道：原来麦子也懂得“礼貌”一词。 9红油油黄灿灿的苹果，把枝桠都压弯了，真像许多胖娃娃咧着大嘴冲着人们笑。 10走进百果飘香的果园，看见被果实压弯枝条的果树。果实成熟了，这中间那些辛勤的园丁付出多少汗水呀。他们用心血和汗水浇灌了果实，今天它们才能长的那么丰满。 11秋天，硕大的华果挂满了枝头，压弯了树枝，像捉迷藏的孩子露出了一个个的笑脸。 12来到那农家小院，展现在我眼前的是一棵高大的海红果树，上面结满了红红的果子，快要把树妈妈压弯了腰。 13秋天的天气很晴朗，果园里的果子都熟了，苹果树上挂满了红灯笼，把树枝压弯了腰；梨儿黄澄澄的还有那紫色的葡萄一串一串的挂在葡萄架上。你看那树叶有的是黄色的。有的是绿色的还有的是半黄半绿的，和那各种颜色的果子合在一起构成了一幅美丽的图画。 14八月的秋雨，顺着屋檐滑下，轻轻敲打着下面的砖石，轻柔的雨滋润着豆棚间滚动。桂花树上，一簇一簇沾满秋雨的花朵压弯树枝，有几朵还是一半微开一半羞。 15他是一个非常普通的农民，纯朴，谦虚而寡言。从他脸上纵横的皱纹和善良的眼睛看，旧日的贫穷痛苦曾经压弯他的腰。 16秋，一个果实累累的名字季节。银杏树那纵横交错的树枝上结满了一个个又圆又大的银杏果，一根根树枝都被压弯了腰。听妈妈说：银杏果和银杏叶都是名贵的药材，可以治疗许多疾病。 17秋天，他念了念咒语，带给我们一片丰收的黄色。你瞧，一大片金灿灿的稻谷成熟了，一阵风吹过，稻田里掀起了一层层金黄色的波浪。果园里，黄澄澄的柿子就像一个个小灯笼挂在枝头，沉甸甸的，把果树都压弯了腰。 18冬天，鹅毛般的大雪纷纷扬扬地飘落下来。地上扑的是雪，厚厚的，软软的；房上落的是雪，白皑皑的，又松又软；树上盖的是雪，积雪把树枝压弯了腰。太阳照在白雪山上，发出耀眼的光芒。 19看！田野中那一株峻然独立的大树！尽管狂风已将它的枝条压弯到一侧，可它强劲的枝干仍傲然挺拔，不肯屈服！弯曲的树干在宣布它饱经风霜的悲怆！而那挣扎着挂在枝头、却仍然改变不了旋落的命运的红叶又是那么凄美的倾诉着风雨的无情！ 20嫩绿色的小草好奇地把头探出来，看看这，看看那。调皮的小雨珠们争先恐后地从小草身上滑下来，快乐地扑向大地妈妈。那草尖上的雨珠lishixinzhi，把小草纤细的腰都要压弯了。 21小麦黄澄澄金灿灿的，长势格外好，麦穗都像小姑娘的辫子，压弯了麦秆的腰。 22看那边的柿子，一个个高挂在枝头，像一团团燃烧的火苗。硕果累累，把树枝都压弯了。石榴黄红黄红的，脸上还带着小麻子，有的裂开了肚皮，那里面的籽晶莹剔透，真像一粒粒珍珠。 23在篮球场的两侧长着几棵龙眼树，春天开出白色小花，引来了一群群勤劳的小蜜蜂。秋天，树上结满了一串串果实，反树枝都压弯了。 24秋天，是收获的季节，田野上，到处是一片农民收获的祥和的景象，瞧，那边的果子把果树压弯了腰，米宝宝们在丛林中快乐的唱着歌，农民伯伯乐呵呵的在田野中收粮食，好不热闹。 25冬天，鹅毛般的大雪纷纷扬扬的飘下来，地上铺的是雪，厚厚的，软软的；房上落的雪，白皑皑的，又松又软；树上的雪把树枝压弯了腰。lishixinzhi/6673892 26来到田野上，眼前立刻呈现出一幅美丽的画面，金色的水稻映入眼帘，水稻上结满了果实，沉甸甸的都把水稻压弯了。一阵微风吹过，金色的水稻随风摆动，犹如金色的海洋，今年的收成一定很好。 27桃红水红粉红紫红玫瑰红胭脂红。连成一片的红色云霞轻轻漾开涟漪，满城满城地绽放，挤开了漫天的灰霾。压弯了枝的勒杜鹃在风里晃晃荡荡，宛若一串丁冬作响的细碎的铃兰花，那样夺目辉煌地楔进了阴色的天穹里。 28夏末，荔枝树结果了。刚结出的果子又小又青，后来慢慢长大变红，一簇簇沉甸甸的，把树枝压弯了腰。一阵风吹过，荔枝像羞红脸的姑娘，拉过绿叶遮住自己的脸。 29房上落的是雪，白皑皑的，又松又软；树上盖的是雪，积雪把树枝压弯了腰。太阳照在白雪山上，发出耀眼的光芒。 30地上扑的是雪，厚厚的，软软的；房上落的是雪，白皑皑的，又松又软；树上盖的是雪，积雪把树枝压弯了腰。太阳照在白雪山上，发出耀眼的光芒。

小实验的作文如下：一、第一篇：《小实验——白醋泡蛋》。上周五，我做了一个小实验——白醋泡蛋。我先在玻璃杯里倒入白醋，然后把一个鸡蛋小心翼翼的放入玻璃杯中，白醋盖住鸡蛋超出3厘米左右。然后，把杯子放在桌子上，仔细观察鸡蛋的变化。我发现鸡蛋一放入白醋中很多小气泡立即从杯底升起来，浮在白醋面上，密密麻麻的，像一颗颗小水珠。到了第二天，我又去看鸡蛋的变化，发现鸡蛋好像大了一点，蛋壳变白了。第三天，我发现杯子里的鸡蛋变成全透明了，可以很清楚的看到里面的蛋黄。我把鸡蛋拿在手里，发现蛋壳全部不见了，摸起来很软，很有弹性，闻了闻，有一股很浓的酸味，太神奇了。为什么蛋泡在白醋里面，蛋壳会没了呢？我和妈妈一起用百度查了，原来是白醋里的醋酸能和蛋壳的主要物质碳酸钙反应消耗掉碳酸钙，最后只剩下蛋的膜，硬壳不在了，鸡蛋自然软了。这个实验真是太有趣了，可以学到这么奇妙的科学知识，我以后还要再做这种小实验。实验的意义：科学实验是科学理论的源泉，综观自然科学的整个发展历史,任何一个科学理论的建立和发展都离不开科学实验的佐证。他们或则是直接建立在科学家们大量实验现象的发现、观察和探索之上；或者是学者提出了大胆的设想或理论模型，甚或在演绎的基础上提出了理论的预言。但是不论这样的理论看起来是多么合理，在数学上又完美无缺，但是在得到实验验证之前，它仍不能成为科学的定论。因此我们说，科学理论正确与否必须接受实验的检验，爱因斯坦说：“一个矛盾的实验结果就足以推翻一种理论”这句话高度概括了科学发展过程中科学实验举足轻重的地位。

　　在日常学习、工作和生活中，大家都尝试过写作文吧，借助作文人们可以反映客观事物、表达思想感情、传递知识信息。如何写一篇有思想、有文采的作文呢？以下是我整理的我做了一项小实验作文，欢迎阅读与收藏。 我做了一项小实验作文1 　　一个星期六的早上，我正在看电视，突然看见里面有人在做实验。我想起之前老师给我们说过的一个实验，这个实验的名字叫会吃鸡蛋的瓶子，便想自己试一试。听了我的想法，妈妈和弟弟都不信，觉得瓶子不可能会吃鸡蛋。 　　我首先从厨房拿来了一个奶奶早上刚煮好的熟鸡蛋，一个空塑料瓶，一些废纸，还拿来了一个打火机。然后让妈妈帮忙把准备好的废纸用打火机点燃，放进空塑料瓶中。等火一熄灭，便把鸡蛋立马放到瓶口上，最后站在一旁等待。只听见“啵”的一声。他们惊讶地发现，瓶子真的把鸡蛋吃进去了，原来瓶子真的喜欢吃鸡蛋呀！ 　　我一边庆幸着这次的实验的成功，一边在想瓶子真的爱吃鸡蛋吗？这时妈妈过来帮我查了电脑，我这才明白，原来纸片燃烧时消耗的瓶子中的氧气，瓶外的大气压就会把鸡蛋压进去，所以不是瓶子本身爱吃鸡蛋，而是大气压让瓶子吃掉了鸡蛋。 我做了一项小实验作文2 　　今天，我做了一项小实验：牙签的“朋友”和“敌人”。 　　实验前，我准备了一个水盆、两根牙签、一块方糖和一块香皂。 　　一切准备就绪，我就开始做实验了。我先用水盆装了一盆水，接着，把一根牙签轻轻地放进水盆里，在远离牙签一点儿的地方放进一块方糖，呀！牙签竟然慢慢地向方糖游去。然后，我又换了一盆水，把另一根牙签轻轻地放入水盆中，最后将香皂放在距离牙签近一点儿的地方，只见牙签正在远离香皂。 　　为什么牙签会和方糖做好朋友，却对香皂敬而远之呢？难道牙签和小朋友一样喜欢吃糖吗？我查阅了资料，发现并不是因为牙签喜欢吃糖，而是因为我们放入的方糖会吸收一部分水分，会有水流过去，轻轻的牙签也跟着水流漂到方糖那里。而香皂里的去污成分可以减弱水的表面张力，香皂旁边的水表面张力就变弱了，牙签就被张力强的地方拉过去了。因此，牙签便远离香皂了。 　　这次实验使我认识了张力，它就像一双无形的大手。 我做了一项小实验作文3 　　百度上说用铅笔戳穿塑料袋不会漏水。真的吗？我想做个实验来验证一下。 　　首先准备好塑料袋、几支笔、一些水。接着把干瘪的塑料袋装满三分之二的水，装满水的塑料袋像青蛙的肚皮般圆鼓鼓的，饱胀得快要破裂似的。然后，我紧张地提起笔，慢慢地靠近水袋，这时我的心跳得特别快，就像装了十五个水桶一样七上八下的。我紧紧捏着笔的手渗出了细细的汗。说时迟那时快，笔尖以迅雷不及掩耳之势“扑、扑”两声穿过了塑料袋。我迅速扭过头去，闭上眼睛，生怕水花溅的我满脸都是。咦？怎么回事，怎么什么都没有发生？我睁眼一看，哇！我成功把塑料袋戳穿了呀！而且水一滴都没漏出来！真是太神奇了！我兴奋得一蹦三尺高。 　　为什么这个塑料袋不会漏水呢？原来塑料袋遇热会收缩，当铅笔扎进塑料袋时会产生热量，使塑料袋粘在一起，所以水才不会漏出来。 　　生活中处处有奇妙，只要我们留心观察就能发现它，用科学的角度来解释它。 我做了一项小实验作文4 　　今天是周末，我在家完成了一个有趣的.科学小实验，实验名称叫制作红绿灯。 　　实验材料是妈妈在网上买的一个套装，里面的实验材料能完成好多个实验。我按照说明书，从里面挑出来了制作红绿灯实验需要的材料。我准备好了两个电池盒，一个单刀双掷开关，一个红绿灯二极管，还有三根黑导线和两根红导线。 　　准备好了材料，我就开始做实验了。首先，我用红线把电池的正极和开关的正极连起来。接着，我用两根黑线把开关的两个负极和二极管的两个正极分别连起来。最后，我用一根红线把二极管的两个负极和电池盒的负极连起来。 　　连接好了所有电路，我把开关向左一扳，绿灯亮了。然后我再把开关向右扳，红灯亮了。哇，我成功了！好开心！ 　　通过这个实验，我知道了二极管只允许电流由单一方向通过，我还知道了在这个电路中，红绿灯的连接方式是并联。科学实验真是太有趣了，又好玩又能学知识！ 我做了一项小实验作文5 　　今天，我做了一项小实验，小实验的名字叫“油和水谁轻”。 　　实验用的材料有：“油、水、一个空瓶子”。做这个实验有两个方案，第一个方案是先把水倒在瓶子里再把油倒在瓶子里，看看会发生什么。第二个方案是先把油倒在瓶子里，再把水倒在瓶子里。 　　我先试了第一个方案，先把水倒入瓶子里，再把油倒入瓶子里，我猜油肯定在上面，水在下面，实验结果真的是油浮在水上面，我有点不相信。接着，我又试了第二种方案，这一次我先把油倒入瓶子里，再把水倒入瓶子里，这次我猜油肯定在下面，水在上面，结果油很快浮到水面上来了，我很惊讶！这到底是为什么呢？ 　　于是我上网查了查资料，原来是因为水和油的密度不一样，水的密度是1千克/升，油的密度是0。9150—0。9375克/升。5升油有4。55—4。65千克。所以油比水轻。 　　做了这次实验，我体验到了实验的乐趣，还学到了一些科学知识，真有趣呀。 我做了一项小实验作文6 　　今天我在家里看了一本有关科学制作的书。忽然，一个标题吸引了我的眼球，：能托住水的纸。于是，我按照书上的方法来做了一次实验，我准备的材料有：水、一张平整的纸、还有一个杯子。 　　我先往杯子里倒满水，然后，将平整的纸放到杯口上，把杯口封上，最后我快速的把杯子倒转过来，水竟然没有流出来。我又拿着杯子在空中挥舞着，水还是没有流出来，而是被纸脱住了，“这是为什么呢？”我百思不得其解，我连忙转过头问妈妈，妈妈对我说：“孩子，这是大气压的作用。杯子里面水的表面张力把纸片和杯子已经完全的闭合起来了，所以杯子里水的压力小于杯子外面大气压的压力。这样，大气压就让纸片稳稳当当的托住了杯子里的水，自然不会再有水流出来了。” 　　原来是这样呀！通过了这次小实验，我明白了，遇到不懂的问题就要多问多说，还要仔细观察和认真思考，这样才能成功。 我做了一项小实验作文7 　　我爱做小实验，只要是我感兴趣的，我都要亲自试一试。 　　今天，我看了一本书，发现这里有一篇叫作“绳子锯瓶口”的文章。我很纳闷，软软的绳子，怎么能锯断坚硬的瓶口？好奇心驱使我一口气看完了全文，我忍不住要亲手试一试。 　　我找来一根绳子、一个瓶子、一个打火机，一瓶酒精，并端来一盆冷水，按照书上的方法开始做实验。 　　我先把绳子放在酒精里浸了一下，再把绳子捞起来，系在小瓶口上，最后我拿打火机点燃小瓶口上绳子。顿时，一圈绿色的火苗冲了起来。 　　渐渐地，火苗变小了，当火即将熄灭的时候，我用迅雷不及掩耳之势，把小瓶扔进水里，就在瓶口快要淹没的时候，只听见“啪”的一声响，瓶口落到了盘子底。 　　“实验成功了！”我高兴得跳起来，但是绳子为什么能"锯掉”小瓶，我问了妈妈才知道，原来瓶子受热不均匀，当瓶子突然遇冷时，被火烧过的地方发生剧烈收缩瓶口就断裂了。 　　实验真有意思，我爱做小实验。 我做了一项小实验作文8 　　今天，我非常激动，因为我要做一个实验，名叫：蚂蚁的选择。 　　首先，我准备了两个盘子、一勺白糖、一块五花肉、四只蚂蚁、一把尺子、一个透明杯子。接着，我把五花肉和白糖分别放入两个盘子里，用透明杯把四只灵活的小蚂蚁盖住。这时，我想：钥匙蚂蚁从缝隙中爬出来，那该怎么办呢？我绞尽脑汁，终于想到了。我把尺子放在杯子上面，压住了杯子，蚂蚁就逃不了啦！然后把两个装有东西的盘子各自放到透明杯的左右两侧，用尺子量一量离透明杯的距离。刚好都是10厘米。再打开盖子，哦！它们开始爬了，有两只蚂蚁爬到白糖面前，互相碰了一下对方的触角。我猜，大概它们在交流什么呢！还有两只，它们似乎被闷了好久，一下子像脱弓的箭似的冲了出去。它们似乎心有灵犀，一起朝着白糖冲了过去。最后，四只蚂蚁都来到了白糖这边，而五花肉那边却空空如也。 　　我得出了一个小结论：蚂蚁喜欢甜的东西。 　　啊！这次实验真有趣呀！ 我做了一项小实验作文9 　　今天早上，我做了一项小实验，叫魔法神奇水。 　　在妈妈给我准备紫包菜汁的同时，我准备好了四个红酒杯、一根吸管、一根筷子，还有雪碧、白醋、苏打粉和洗衣粉。我先把雪碧和白醋分别倒入杯中，再在剩下的两个杯子中加入同样多的自来水，然后把苏打粉和洗衣粉分别加入水中，用筷子顺时针搅拌，直到两种粉末全部融化。最后，我把妈妈榨好的紫包菜汁用吸管吸出，分别滴入不同的液体中，哇！魔法变色出现了，白醋和雪碧变成和粉红色，洗衣粉水和苏打水变成了蓝色，这么神奇的变色到底是怎么变成的呢？我请教妈妈，妈妈告诉我，紫包菜汁的紫色遇到酸性液体，就会变成红色；遇到碱性液体，就会变成蓝色。 　　原来是这样啊！通过这次实验，我知道了哪些液体是酸性，哪些液体是碱性。妈妈还告诉我，紫色可以用作实验中的指示剂，判断各种液体的酸碱性。我也发现了生活中神奇有趣的科学现象，以后，我会多多观察，多多实验，热爱科学，热爱生活哦！