SPSS之原始数据变身(最全攻略)

老子要崩溃了,要我老命。。。

怎么搞才行呢,我动起了歪心思:动动小手?直接把结果修改成显著?

太low了,有失我身份

好吧,其实是太明显了,万一露馅就废了,那么(干货预警!!!):


为有源头活水来,我们直接修改原始数据:

本帖仍以心理学论文《青少年生活事件与拖延行为的关系》为例进行讲析,从原始数据入手,涉及到①增加样本②相关分析调整③人口学差异检验调整。

接上,假设我们的数据是这个样子:被试样本过少,且结果毫不显著!

记得关注哦~

华丽变身第一步:增样本

重复操作之后现在共有260份:

dan数据仍然是不显著的

第二步:显著相关

根据以往经验,我主观上认为生活事件与拖延行为的关系应该是:“生活事件越多,个体的拖延行为越严重(本文生活事件特指负性事件)”。同时再去查阅文献,看看前辈们的研究结果是否确实如此。两者相互印证之后,我需要的数据结果是生活事件与拖延行为呈正相关。那么,我将:

①将生活事件部分的数据和拖延行为的部分数据先分开,可以分为两个文件;

②将生活事件总分、拖延行为分别进行升序排列;

③将两个分别升序后的数据再合并起来就行;

④为了避免过于显著(相关系数一般在0.2-0.4左右就行),你可以将其中的顺序在打乱一下调整调整,避免看起来太假。这个步骤需要反复调整多次。

(小目标已达成)

此时我们可以看到:生活事件总分及六个因子皆与拖延行为呈显著的正相关,相关系数在0.124——0.381之间,具有统计学意义。

第三步:调整人口学差异

生活事件与拖延行为之间的相关性已经调整完毕,此时两者数据的对应位置最好不要再进行调整。下面我们继续看一下生活事件和拖延行为在人口学变量(性别、生源地、专业、年级等等)上的差异检验,以性别为例:

偷个懒,就不给大家整理三线表了有需要私我

关于人口学变量上的差异检验,我个人认为数据只要不太离谱就行,因为前人的研究成果也并不完全相同,能够自圆其说就可。如上图中拖延行为和生活事件的性别差异并没有太离谱,我个人认为可以接受(并不一定非得差异显著)。

但如果数据偏差较大时,我们便需要做出适当的修改(切记不要再动生活事件和拖延行为数据顺序了,此时我们只能调整人口学数据的顺序)

①假如你学校男女严重失调,实际上是女多男少,和当前数据严重不符(男169女91),此时你可以直接将男女对调,然后对数据结果给予合理的解释即可。

②假设你既要男女比例均衡,数据结果又不能太离谱。

此时需要减少男增加女,我们将约40个男生性别改为女生(数量没有强制要求,大概均衡即可),但此时需要注意改动的这40个左右的男生不是任意的,这40人性别虽然变化了,但是不能对数据造成过大的波动。

观察数据发现拖延行为中男性均值50.88,女性均值47.37,那么从拖延行为得分在47.37——50.88之间的男性中选取40个变为女性即可(男性的均分变高了,女性的均分也变高了,两者增幅均不大),如果47.37——50.88之间的男性数量太少,那么就找点高分的,再找点低分的。这个调整过程不是一蹴而就的,需要多次试验,最终数据不离谱说得过去就可以:

本帖子是一两个变量为范例,如果你的研究为三个变量之间的关系研究(本贴仍然适用),顺序仍然是①增样本②调整变量之间的关系②调整人口学差异。好了好了,就不多说了,大家一定要知道:在条件允许的情况下,我们肯定还是要真实调研的。数据造假的东西毕竟还是上不了台面的。

点关注不迷路

以上行为为反面教材,广达同胞应当唾弃、引以为戒!

写完记得调整格式哦→

发表回复

相关推荐

芯片的分类

一、从芯片种类划分 (1)计算芯片(大脑):如CPU,GPU,FPGA,MCU,AI等都用作计算分析的,和人体大脑类似。 (2)存储芯 ...

· 5分钟前

增值税税负率如何计算,并附全套税负率预警表格,还不快收藏码住

身为会计,我们都知道增值税的税负率=当期应纳增值税/当期应税销售收入*100%!有很多会计都对企业税负率有疑问,也会问:我 ...

· 35分钟前

麦克斯韦速度分布律

速度空间和速度分布函数 在经典物理学中速度的取值看作连续,可以引入速度空间的概念来描述分子的速度。 简单来说,速度空间 ...

· 40分钟前

為什麼傢裡的燈越用越暗瞭?

就拿LED燈來說,雖然是目前壽命和亮度都很優秀的燈,但也有不少人發現傢裡的led燈越來越暗瞭,這是為什麼主要有以下三種原因...

· 43分钟前

张一山宋妍霏分手,频繁上微博是因为心虚?

8月5日晚上,张一山的女朋友宋妍霏官宣和张一山分手,引起了网友的“一脸懵逼”。

· 1小时前