文档介绍：1、描述统计（描述一组数据的集中和离散情况） 分析—描述统计—描述 一个班的成绩
2、相关
相关 身高和体重
偏相关 身高体重和年龄（与排除变量的相关性，显著性大于 不显著，相关性不显著不能做回归）
3、回归
回归—线性 第一列+第二列 X （前提是相关性显著） 身高预测体重 400-
4、T 检验（两组数据的检验）
单样本 T 检验：一组数据和某个值的比较
某一样本的评平均数与确定总体的均值的统计意义的差异。通过检验样本平均数与确定总体平均数是否存在差
异来推断未知总体和确定总体的一致性
独立样本 T 检验：男女分别的数据，因此要定义 1 和 2 男女或者是 12 岁和 14 岁组的身高差异
相关样本 T 检验：一批人前后做的 一组被试的前后侧
5、方差分析（三组数据及以上的检验）
一个自变量两个以上水平（两个水平用 T 检验） 比较均值—单因素
灯光的亮度是否会影响工作效率：高中低三个水平的数据
显著性不明显是不是意味着高中低没什么差异，假设显著性小于5，则显著，则哪两个出现很大的差异
两个自变量一个因变量的被试内设计 几种水平结合就是几列变量（每列变量都是数据且是 a1b1 a1b2…）
一般线性模型—重复度量 工厂的大小和灯光的亮度是否会影响工作
效率：大小*高中低
两个自变量一个因变量的被试间设计 输入三列变量（两列变量需要定义，一列变量为数据）
一般线性模型—单变量 工厂的大小和灯光的亮度是否会影响工作效率：大小*高中低
两个自变量的混合实验设计 变量输入时是以上两种方法的结合 一般线性模型—重复度量
工厂的大小和灯光的亮度是否会影响工作效率：大小*高中低 大小是被试间，亮度是被试内
拟合度（适合性）检验：又称 1*C 表的卡方检验，把一个变量分成若干类别（如性别分为男和女）。判断几
个变量是否符合一定的比例，比如男女分别是 10 和 20 人，我们需要检验他是否符合 1 比 3 的比例；如果只是
简单的看几个数据之间是否有显著差异，则只需要把数据变量输入检验变量列表中即可。 输入数据—加权数
据（数据—加权）—卡方检验—分别输入期望值的比例