 回归（Regression，或Linear Regression）分析变量间的关系，有明确的因果关系假设。  即要假设一个变量为自变量，一个为因变量，用回归表示自变量对因变量的影响。  如年龄对收入的影响。[解释]  由于回归构建了变量间因果关系的数学表达，它具有统计预测功能

判别分类的频次间是否有差异的方法称为计数统计方法，主要是用卡方检验。 1、配合度检验 单因素分类计数数的实际次数与理论次数是否相同。 用 Nonparametric tests 中的Chi-Square和binomial。 2、独立性检验 有多分类的两个或多个因素之间是否独立。 两个因素：Cosstabs--Chi-Square 多个因素： Loglinear(用层次对数线性模型)

1. 认识软件 2. 数据录入与定义 编码——录入数据——定义数据 3. 数据整理 变换——排序 4. 其他常用内容 选择统计分析用的记录和变量 数据转置DATA--TRANSPOSE 数据文件拆分与合并DATA--MERGE FILES

技术分析是指直接从证券市场行为入手，通过分析证券市场的供求、价 格、时间和投资者心理等因素，利用统计图表等工具，预测证券市场价 格变动趋势的方法

集中量 描述集中趋势的统计量,叫做“集中量数”,简称“集中量”。 常用的集中量数有三种:算术平均数,中(位)数和众数。 差异量 差异量数是描述数据分布中“离中趋势”这一特征的统计量,简称“差异量

 有效教学的认识 为什么要研究有效性 教学有效性究竟指什么 新课程教学的有效性主要体现在哪里 如何克服低效的教学 怎样从有效教学走向优质教学  教学案例简析 课堂教学用语如何变化 怎样营造学生喜欢的氛围 如何呵护孩子们的创新意识 怎样把握教学的起点 怎样组织小组合作学习 如何引导学生在操作活动中学习数学 如何让学生体验数学知识的产生和形成过程 如何使用计算机辅助教学 如何关注学生的生活经验 怎样扩大学生探索的空间

• 因素（factor）就是指实验中的自变量。实验中只有一个自变量的称为单因素实验。 • 因素的类别称为水平（level），水平可以是定量的，如“年龄”、“声音的强度”等，也可以是定性的，如“性别”、“人格类型”等。 • 因素多于一个的实验设计称为因素设计（factorial design），并根据各个因素的所有可能组合来设计组别，并同时考察所有因素对因变量的影响

 Modeling strategies of SEM（模型的用途）  Model confirmation：验证（confirmatory）先设模型的恰当性  Model generation：设起始模型，与观察数据比较之后，进行必要的修正，反复估计而得到最佳拟合的模型  Model competation：利用不同模型的比较以决定何者最能反应真实数据 1、模型设定（model specification） 2、模型识别（model identification） 3、模型估计（model estimation） 4、模型评价（model evaluation） 5、模型修正（ model modification）

+ 因素指自变量+ 随机化:用随机化方法分配被试到各个实验处理中+ 是在实验之中操纵一个自变量，并采用随机化原则把被试分配到自变量的不同水平上的一种实验设计

方差分析的基本思想 一、问题的提出 二、方差分析的直观思想 三、MS间和Ms的数量表示 四、F检验 五、平方和分解公式 六、方差分析的实质 七、关于方差分析适用条件的说明 八、复习思考题