SPSS统计基础 数据分析
数据分析及SPSS应用
数据分析及SPSS应用数据分析是指通过对收集到的大量数据进行整理、清洗、转化和统计分析，从中挖掘出有价值的信息和规律。
它可以帮助我们更好地理解数据、发现数据中的问题和趋势，并基于这些发现进行决策和预测。
SPSS（Statistical Product and Service Solutions）是一种常用的统计分析软件，它提供了丰富的数据处理和统计分析功能，广泛应用于科研、市场调研、商业决策等领域。
数据分析的步骤一般可以包括数据收集、数据清洗、数据转化、数据统计分析和结果呈现等几个阶段。
首先是数据收集阶段，它是数据分析的基础，包括通过各种途径收集到的数据，比如问卷调查、实验数据、日志记录等。
在这个阶段，我们需要明确研究目的，设计合理的数据收集方法和工具，确保数据的有用性和可靠性。
接下来是数据清洗阶段，这是一个非常重要的步骤，它涉及到对数据进行筛选、去除异常值、填补缺失值等操作，以确保数据的质量和准确性。
在SPSS中，可以使用数据过滤、删除重复值、计算和填补缺失值等功能来进行数据清洗。
然后是数据转化阶段，这一步骤主要是将原始数据转化为可以进行统计分析的形式，常见的转化操作包括数据排序、分组、合并等。
在SPSS 中，可以使用数据转换、重编码、合并变量等功能来进行数据转化。
接下来是数据统计分析阶段，这是数据分析的核心部分，它包括了各种统计方法和模型的应用，比如描述统计、相关分析、回归分析、因子分析等。
在SPSS中，可以使用数据描述、相关分析、线性回归、因子分析等功能来进行数据统计分析。
最后是结果呈现阶段，这个阶段主要是将分析结果进行可视化展示和解释，以便更好地传达分析的结论和发现。
在SPSS中，可以使用图表绘制、报表制作等功能来进行结果呈现。
总之，数据分析及SPSS应用可以帮助我们更好地理解数据、发现问题和趋势，并基于这些分析结果进行决策和预测。
但需要注意的是，数据分析并非是一个简单的过程，它需要专业的知识和技术支持，以确保得到准确、有用的分析结果。
第4章-SPSS基本统计分析课件
– 通过频数分析，了解变量取值的状况，把握分布特 征。
– 通过频数分析，能够在一定程度上反映出样本是否 具有总体代表性，抽样是否存在系统偏差等，并以 此证明以后相关问题分析的代表性和可信性。
第4章-SPSS基本统计分析
目标一：计算存(取)款金额的基本描述统计量，并对 城镇储户和农村储户进行比较 (数据拆分)
目标二：分析储户一次存(取)款的数量是否存在不均 衡现象。
第4章-SPSS基本统计分析
目标二
基本描述统计
分析储户一次存(取)款的数量是否存在不均衡现象，
可以从分析金额是否有大量异常值入手。
实现方法：
数据标准化处理： zi (xi x)/S
第4章-SPSS基本统计分析
异常值的检测
99.73% 95.45% 68.27%
3 2
2 3 第4章-SPSS基本统计分析
2021/1/24
28
基本描述统计量
l 其他统计量
– 均值标准误差(S.E means)
l 中心极限定理认为：样本均值~N(u,2/n) l 反映样本均值与总体真值间的平均离散程度 l 样本数越大，样本均值的离散程度越小，对真
中 趋 势 栏
可反复操作键入多个百分
位数；
按Remove：删除已键入
的数值
离散趋
分布形态栏
按Change：重新输入新 数
势栏 输出统计量对话框 第4章-SPSS基本统计分析
频数分析
l 频数分析中的其他分析
– 分位数的应用
l 从一个侧面刻画了变量的取值分布状况
– 例：( QL=50,QU=75)
学会使用SPSS进行数据处理和分析
学会使用SPSS进行数据处理和分析第一章：介绍SPSS及其基本功能SPSS（Statistical Package for the Social Sciences）是一款专业的统计软件，可广泛应用于社会科学、医学、教育、市场营销等领域的数据处理和分析。
SPSS具有强大的数据处理和展示功能，能够帮助用户进行数据清洗、统计描述、统计推断等分析工作。
本章将详细介绍SPSS的基本功能，包括数据导入导出、数据清洗和变量定义等。
第二章：数据导入与导出在使用SPSS进行数据处理和分析前，首先需要将原始数据导入到SPSS中。
SPSS支持多种数据格式的导入，如Excel、CSV、Txt等。
本章将介绍如何进行数据导入，并讲解一些常见的数据导入问题及解决方法。
此外，还将介绍如何将SPSS的分析结果导出到其他格式，如Excel、Word等，以便后续的数据展示和报告撰写。
第三章：数据清洗与变量定义数据清洗是数据处理的基础工作，对于原始数据中存在的异常值、缺失值、重复值等进行处理，以保证数据的准确性和可靠性。
本章将介绍如何使用SPSS进行数据清洗，包括识别与处理异常值、填补缺失值、删除重复值等。
同时，还将讲解如何进行变量的定义和测量水平的设置，以便后续的数据分析。
第四章：数据描述性统计数据描述性统计是对数据整体特征进行描述和总结的方法，可帮助研究者更好地理解数据。
本章将介绍如何使用SPSS进行数据描述性统计，包括计算变量的均值、标准差、频数分布等。
此外，还将讲解如何绘制直方图、散点图、箱线图等图表，以便更直观地展示数据的分布和关系。
第五章：统计推断与假设检验统计推断是在样本数据的基础上对总体参数进行推断的方法，常用于科学研究中的结论判定。
假设检验则用于判断样本数据与总体的差异是否显著。
本章将介绍如何使用SPSS进行统计推断和假设检验，包括T检验、方差分析、相关分析等。
同时，还将讲解如何解读统计结果并进行结果报告。
第六章：数据分析与建模数据分析是根据统计学原理对数据进行深度挖掘和解释的过程，而建模则是基于数据分析结果进行预测和决策的方法。
如何学习使用SPSS进行统计分析和数据处理
如何学习使用SPSS进行统计分析和数据处理SPSS（Statistical Package for the Social Sciences）是一款强大的统计分析软件，被广泛应用于社会科学、教育、市场研究等领域。
学会使用SPSS进行统计分析和数据处理，有助于提高研究工作的质量和效率。
本文将介绍学习和使用SPSS的步骤和技巧，帮助你快速上手。
一、安装和配置SPSS软件在学习使用SPSS之前，首先需要将软件安装到电脑上。
你可以从SPSS官方网站下载试用版或购买正式版，然后按照安装向导完成安装过程。
安装完成后，你需要登录或注册SPSS账号，以获取软件的完整功能。
在安装完成后，还需进行一些配置工作。
首先，检查软件是否需要更新，保持软件的最新版本。
其次，根据自己的需要设置软件的语言、界面和默认参数，以提高使用效率。
最后，配置数据存储路径和文件格式等选项，确保数据的存储和导入导出的一致性。
二、学习SPSS的基本操作SPSS具有丰富的功能和复杂的操作界面，但只要熟悉了基本操作，就能够轻松上手。
以下是学习SPSS基本操作的步骤：1. 新建数据集：打开SPSS软件后，点击“File”菜单，选择“New”按钮，再选择“Data”选项，即可新建一个数据集。
2. 数据录入：在新建的数据集中，将需要分析的数据进行录入。
可以手动输入数据，也可以导入外部文件，如Excel表格或CSV文件等。
3. 数据编辑：对录入的数据进行编辑和清洗。
包括删除无效数据、处理缺失值和异常值、修改变量名称和属性等操作。
4. 数据分析：选择合适的统计方法进行数据分析。
例如，对数据进行描述性统计、t检验、方差分析、回归分析等。
可以通过菜单、工具栏或者语法进行统计分析操作。
5. 输出结果：查看和导出分析结果。
SPSS会生成分析报告和图表，你可以通过菜单或工具栏选择输出格式，如Word文档、PDF文件、Excel表格等。
三、利用资源学习SPSS学习SPSS并不是一件难事，你可以通过以下方式获取学习资源：1. 官方文档：SPSS官方网站提供了详细的学习教程和操作手册，你可以下载阅读学习。
spss数据分析教程
spss数据分析教程SPSS（Statistical Package for the Social Sciences）是一款广泛应用于统计分析的软件包，它为社会科学和商业研究提供了强大的数据分析工具。
本文将为大家介绍SPSS的基本操作和常用分析方法，帮助读者快速上手使用SPSS进行数据分析。
首先，我们需要了解SPSS的界面和数据导入。
打开SPSS软件后，会看到一个包含各种功能菜单和选项的界面。
在SPSS中，数据被组织为一个数据集，其类似于电子表格的形式，包含行和列。
通过导入数据命令，可以将数据从外部文件导入SPSS软件中进行分析。
一、数据的录入和处理1.1 数据的导入：在SPSS的“文件”菜单中选择“导入”命令，可以选择从各种格式的文件中导入数据，如Excel、文本文件等。
导入后的数据将显示在SPSS的数据视图中。
1.2 数据的清洗：数据清洗是数据分析的第一步，主要包括缺失值处理、异常值检测和数据转换等。
在SPSS中，通过选择“数据”菜单中的“数据清洗”命令，可以对数据集进行缺失值填充、删除异常值等操作。
二、常用数据分析方法2.1 描述性统计分析：描述性统计分析是对数据进行基本的汇总和描述，以便更好地理解数据的相关特征。
在SPSS中，通过选择“统计”菜单中的“描述统计”命令，可以计算数据的均值、标准差等统计量，并生成频率分布表和描述统计表。
2.2 t检验：t检验是一种用于比较两个样本均值是否存在显著差异的统计方法。
在SPSS中，选择“统计”菜单中的“比较均值”命令，可以进行独立样本t检验和配对样本t检验。
2.3 方差分析：方差分析是一种用于比较三个或更多个样本均值是否存在显著差异的统计方法。
在SPSS中，选择“分析”菜单中的“方差”命令，可以进行单因素方差分析和多因素方差分析。
2.4 相关分析：相关分析用于分析两个变量之间的相关程度。
在SPSS中，选择“分析”菜单中的“相关”命令，可以计算变量之间的相关系数，并生成相关矩阵和散点图。
SPSS统计基础数据分析
《SPSS统计基础》课程数据分析报告（2016— 2017学年度第二学期）题目：关于381名大学生学习适应情况的分析报告班级：14小教2班学号：姓名：2017年6月381名大学生学习适应性调查数据分析报告姓名：学号：班级：一、数据分析目的及内容（一）数据分析的目的通过对师范学院学生学习适应现状及其影响因素的调查研究，了解我院学生对自己所学专业在适应学习动机、适应教学模式、使用学习能力、适应学习态度、适应环境因素、适应总分六个维度的基本情况。
本文拟在以往研究的基础上对大学生学习适应状况进行调查,并探讨影响大学生学习适应的因素，从而让大学生能更快更好地适应大学生活。
（二）数据分析的内容1. 381名大学生在适应学习动机、适应教学模式、使用学习能力、适应学习态度、适应环境因素五个维度的得分及适应总分.2.对年级、专业、生源地变量的容量等数据分布指标的描述，了解数据分布的全貌。
3.对适应学习动机、适应教学模式、使用学习能力、适应学习态度、适应环境因素五个维度的极大值、极小值、均值和标准差的统计。
4.学习适应各因子之间的相关分析。
5.学习适应五因子及适应总分的相关性分析。
二、数据库介绍（一）数据来源：1被试分布：总容量为381、年级（大一156人、大二136人、大三89人）、专业（小学教育140人、学前教育本科113人、学前教育专科128人）、生源地（城镇145人、农村236人）等方面的人数分布；2、调查工具：《大学生学习适应量表》由冯廷勇等人编制，共29 个题目，量表采用Likert5 点计分法，即完全不符合计 1 分，比较不符合计 2 分，不确定计 3 分，较符合计4 分，完全符合计 5 分。
各维度和总量表分数越高，表明适应状况越好。
总分低于58分，表明学习适应状态较差需要做较大调整；总分在59到87分之间，表明学习适应状态中等，需要做适当的调整；总分在88到116分之间，表明学习适应状态良好；总分在117到145分之间，表明学习适应状态良好。
SPSS统计分析实用教程(第2版)
探索性分析
03
均值比较与t检验
总结词
单样本t检验用于检验单个样本的均值是否与已知的某个值或参考值存在显著差异。
详细描述
在单样本t检验中，我们将已知的某个值或参考值作为检验标准，然后比较单个样本的均值与此标准之间的差异。通过计算t统计量和对应的p值，我们可以判断样本均值与标准值是否存在显著差异。
单样本t检验
通过图形方式展示两个变量之间的关系，可以直观地观察到它们之间的模式和趋势。
相关分析
散点图
相关系数
预测模型
通过一个或多个自变量预测因变量的值，建立预测模型，并评估模型的拟合优度和预测能力。
回归系数
描述自变量对因变量的影响程度，通过回归系数可以了解各个自变量对因变量的贡献。
线性回归分析
非线性关系
协方差分析是在考虑一个或多个协变量的影响后，比较两个或多个分类变量对数值型变量的影响。通过控制协变量的影响，可以更准确地评估各组之间的差异，并确定分类变量对数值型变量的真实效应。
总结词
详细描述
协方差分析
05
非参数检验
适用范围
01
卡方检验主要用于比较实际观测频数与期望频数之间的差异。
计算方法
02
通过卡方统计量，即实际观测频数与期望频数的差的平方与期望频数的比值，来评估两者之间的差异程度。
聚类分析
聚类分析基于观测数据之间的相似性或距离将它们分组，使得同一聚类中的数据尽可能相似，不同聚类中的数据尽可能不同。
聚类分析在市场细分、生物信息学和社交网络等领域有广泛应用。
THANKS FOR
WATCHING
感谢您的观看
详细描述
探索性分析
总结词
探索性分析还可以用于预测和分类，例如决策树、逻辑回归等。
SPSS统计分析基础教程
特点：不仅能将事物区分为不同类型并进行排序，而且 可能准确指出类别之间的差距是多少；定距变量通常以 自然或物理单位为计量尺度，因此测量结果往往表现为 数值，所以计量结果可以进行加减运算。
在SPSS中使用Measure属性对变量的测量尺度进行 定义。
（1）定类尺度（Nominal Measurement）：定类尺度是对 事物的类别或属性的一种测度，按照事物的某种属性对其 进行分类或分组。
特点：其值仅代表了事物的类别和属性，即能测度类别差 异，不能比较各类之间的大小，所以各类之间没有顺序和 等级。对定类尺度的变量只能计算频数和频率。
五、SPSS的运行方式
SPSS提供了3种基本运行方式：完全窗口菜单方式，程序运行方式、混合运行 方式。程序运行方式和混合运行方式是使用者从特殊的分析需要出发，编写自 己的SPSS命令程序，通过语句直接运行。 SPSS中使用的对话框主要有两类，一类是文件操作对话框，文件操作对话窗 口操作与Windows应用软件操作风格一致。另一类是统计分析对话框，统计分 析对话框可以分为主窗口和下级窗口，在该类对话框中，选择参与分析的各类 变量及统计方法是对话框的主要任务。
工具栏
数据输入区
数据编辑区
窗口标签
状态栏
显示区滚动条
Variable View表用来定义和修改变量的名称、类型及其他属性，如图所示。
如果输入变量名后回车，将给出变量的默认属性。如果不定义变量的 属性，直接输入数据，系统将默认变量Var00001,Var00002等。
Name：变量名。 Type：变量类型。变量类型有8 种，最常用Numeric数值型。 Width：变量所占的宽度。 Decimals：小数点后位数。 Label：变量标签。关于变量涵义的详细说明。 Values：变量值标签。关于变量各个取值的涵义说明。 Missing：缺失值的处理方式。 Columns：变量在Date View 中所显示的列宽（默认为8）。 Align：数据对齐格式（默认为右对齐）。 Measure：数据的测度方式。定距尺度、定序尺度和定类距 尺度三种。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
《SPSS统计基础》课程数据分析报告（2016— 2017学年度第二学期）题目：关于381名大学生学习适应情况的分析报告班级：14小教2班学号：姓名：2017年6月381名大学生学习适应性调查数据分析报告姓名：学号：班级：一、数据分析目的及内容（一）数据分析的目的通过对师范学院学生学习适应现状及其影响因素的调查研究，了解我院学生对自己所学专业在适应学习动机、适应教学模式、使用学习能力、适应学习态度、适应环境因素、适应总分六个维度的基本情况。
本文拟在以往研究的基础上对大学生学习适应状况进行调查,并探讨影响大学生学习适应的因素，从而让大学生能更快更好地适应大学生活。
（二）数据分析的内容1. 381名大学生在适应学习动机、适应教学模式、使用学习能力、适应学习态度、适应环境因素五个维度的得分及适应总分.2.对年级、专业、生源地变量的容量等数据分布指标的描述，了解数据分布的全貌。
3.对适应学习动机、适应教学模式、使用学习能力、适应学习态度、适应环境因素五个维度的极大值、极小值、均值和标准差的统计。
4.学习适应各因子之间的相关分析。
5.学习适应五因子及适应总分的相关性分析。
二、数据库介绍（一）数据来源：1被试分布：总容量为381、年级（大一156人、大二136人、大三89人）、专业（小学教育140人、学前教育本科113人、学前教育专科128人）、生源地（城镇145人、农村236人）等方面的人数分布；2、调查工具：《大学生学习适应量表》由冯廷勇等人编制，共29 个题目，量表采用Likert5 点计分法，即完全不符合计 1 分，比较不符合计 2 分，不确定计 3 分，较符合计4 分，完全符合计 5 分。
各维度和总量表分数越高，表明适应状况越好。
总分低于58分，表明学习适应状态较差需要做较大调整；总分在59到87分之间，表明学习适应状态中等，需要做适当的调整；总分在88到116分之间，表明学习适应状态良好；总分在117到145分之间，表明学习适应状态良好。
量表的效度为0.85，信度为0.87。
该量表由五个维度构成：（1）学习动机（8题）：1、6、7、8、9、13、17、23（2）教学模式（7题）：2、3、10、14、18、22、24（3）学习能力（6题）：4、11、15、21、25、26（4）学习态度（4题）：5、12、20、27（5）环境因素（4题）：16、19、28、29（二）变量介绍：1、本次问卷调查有三个变量；2、变量名称为：专业，年级，生源地；3、变量名称的取值为：专业：1=“小学教育”，2=“学前教育本科”，3=“学前教育专科”；年级：1=“大一”，2=“大二”，3=“大三”，4=“大四”；生源地：1=“城镇”，2=“农村”。
三、数据统计与分析（一）统计方法本次数据分析涉及的统计方法有4种。
具体统计方法及相关命令或程序有：1、统计图表制作：采用“统计图形制作”过程来实现，利用条形图直观的展现出人数在专业、年级、生源地等方面的差异，更直观的展示出数据差异。
（1）不同专业大学生适应总分比较：相关命令或程序：图形→旧对话框→条形图→简单箱图→个案组摘要→定义→其他统计量→变量：学习适应总分；类别轴：专业→标题：不同专业大学生适应总分比较→确定。
（2）不同年级大学生适应总分比较：相关命令或程序：图形→旧对话框→条形图→简单箱图→个案组摘要→定义→其他统计量→变量：学习适应总分；类别轴：年级→标题：不同年级大学生适应总分比较→确定。
（3）不同性别大学生适应总分比较：相关命令或程序：图形→旧对话框→条形图→简单箱图→个案组摘要→定义→其他统计量→变量：学习适应总分；类别轴：性别→标题：不同性别大学生适应总分比较→确定。
2、描述统计，采用“描述”过程来实现，获得对专业、年级、生源地变量的容量、均值、标准差等数据分布指标的描述，以了解数据分布的全貌。
（1）被试分布：相关命令或程序：描述统计→频率→选择“专业、年级、性别”→确定。
（2）大学生《学习适应量表》各纬度得分概况：相关命令或程序：分析→描述统计→描述→选择“学习适应总分”→选项：勾选“均值、标准差、极大值、极小值”→继续→确定。
3、相关分析，采用“相关分析”命令来比较量表各因素之间的相关性和显著性，从而分析该量表的质量。
（1）量表信度分析（内部一致性分析）相关命令或程序：分析→度量→可靠性分析→选择“sy1-sy29”（根据各个维度的题目序号来选择，参照前面的调查工具。
）→模型“α”→确定。
（2）量表效度分析（量表各维度之间及各维度与总分之间相关分析）相关命令或程序：分析→相关→双变量→选择“学习动机”、“教学模式”、“学习能力”、“学习态度”、“环境因素”、“学习适应总分”→选择“Pearson”→确定。
4、比较均值，采用“单样本T检验”“单因素ANOVA”、“独立样本T检验”比较专业认同在专业上、年级、生源地等上的差异性和显著性。
（1）学习适应性与理论中值的比较相关命令或程序：分析→比较均值→单样本T检验→检验变量：学习适应总分；检验值：87（根据各维度的检验值来填写）→确定。
（2）不同专业大学生学习适应性的差异比较相关命令或程序：分析→比较均值→单因素ANOVA→因变量列表：学习适应总分、学习动机、教学模式、学习能力、学习态度、环境因素；因子：专业→两两比较：LSD （L）→继续→选项：描述性、方差同质性检验→确定。
（3）不同年级大学生学习适应性的差异比较相关命令或程序：分析→比较均值→单因素ANOVA→因变量列表：学习适应总分、学习动机、教学模式、学习能力、学习态度、环境因素；因子：年级→两两比较：LSD （L）→继续→选项：描述性、方差同质性检验→确定。
（4）不同性别学习适应性的差异比较相关命令或程序：分析→比较均值→独立样本T检验→检验变量：学习适应总分、学习动机、教学模式、学习能力、学习态度、环境因素；分组变量：性别；定义组：组1：1；组2：2→继续→确定。
（二）统计结果与分析1、量表质量分析1、统计图表制作（1）不同专业大学生适应总分比较从不同专业学习适应总分情况条图可以看出：三个专业的学习适应总分得分情况是: 小学教育专业的学习适应总分为86.49，学前教育本科的学习适应总分为84.8，学前教育专科的学习适应总分为86.71；小学教育与学前教育专科的学习适应总分均在86分以上，学前教育本科的学习适应总分低于86分，从总体上来看，小学教育和学前教育专科的学习适应状态良好，学前教育本科学习适应状态中等，需要做适当的调整。
（2）不同年级大学生适应总分比较：从不同年级学习适应总分情况条图可以看出：三个年的学习适应总分的情况是：大一的学习适应总分为87.68，大二的学习适应总分为：84.46，大三的学习适应总分为85.67；大一的学习适应总分在87以上，表明大一的学生学习适应状态良好，大二、大三的学习适应总分均在87以下，表明大二、大三学习适应状态中等，需要做适当的调整。
（3）不同性别大学生适应总分比较：从不同性别学习适应总分情况条图可以看出：女生的学习适应总分为85.88，男生的学习适应总为89.53，男生的学习适应总分在89以上，女生的学习适应总分在86以下，从总体上来看，男生的学生学习适应状态良好，女生的学习适应状态中等，需要做适当的调整。
2、描述统计（1）被试分布：人）；男（19人）、女（362人）的人数相差较大，男生的人数少于女生的人数。
从上表可以看出，学习动机、学习能力这两个因子和各自理论中值相比为正数，但水平在0.05上达到显著性。
总分、教学模式、学习态度、环境因素这四个因子和各自理论中值相比为负数，除总分外，其他三个因子在0.05上未达到显著性。
总分在01.05上有没有显著性。
3、相关分析（1）量表信度分析（内部一致性分析）1)总体上看，五个维度的α在0.87以下，信度相对较低。
2)在学习动机维度的α维度最低，可以做简要的删除。
注：*：p＜0.05；**：p＜0.01显著低相关有：学习动机和教学模式，学习动机和学习能力，学习动机和学习态度，学习动机和环境因素，教学模式和学习能力，学习能力和学习态度，学习能力和环境因素，学习态度和环境因素。
显著高相关有：总分与学习动机，总分与教学模式，总分与学习态度，总分与环境因素。
其中，教学模式与学习态度，教学模式与环境因素的相关性不强也不弱。
4、比较均值学习适应总分：理论中值：87 样本得分：86.06 T=-1.80 P（sig/显著性）=0.073>0.05师范生学习适应总分与理论中值之间的差异不存在显著性，也就是说师范生学习适应的总体水平与中间状态相差不大。
学习动机、学习模式、学习能力、学习态度、环境因素理论中值：24 样本得分：26.02 T=12.93 P（sig/显著性）=0.000<0.05理论中值：21 样本得分：16.29 T=-19.86 P（sig/显著性）=0.000<0.05理论中值：18 样本得分：22.90 T=28.56 P（sig/显著性）=0.000<0.05理论中值：12 样本得分：10.02 T=-15.02 P（sig/显著性）=0.000<0.05理论中值：12 样本得分：11.23 T=-4.94 P（sig/显著性）=0.000<0.05师范生学习动机、学习模式、学习能力、学习态度、环境因素与理论中值之间的差异存在显著性，也就是说师范生学习动机、学习模式、学习能力、学习态度、环境因素低于中间水平。
（2）不同专业大学生学习适应性的差异比较学习适应总分：小教的均值：86.49 学前本科的均值：84.80 学前专科的均值：86.71 F=1.25 P=0.287>0.05学习动机：小教的均值：26.11 学前本科的均值：25.58 学前专科的均值：26.31 F=1.86 P=0.156>0.05教学模式：小教的均值：16.16 学前本科的均值：16.27 学前专科的均值：16.44 F=0.12 P=0.889>0.05学习态度：小教的均值：9.75 学前本科的均值：9.23 学前专科的均值：9.85F=1.39 P=0.250>0.05环境因素：小教的均值：11.04 学前本科的均值：11.50 学前专科的均值：11.19 F=0.75 P=0.473>0.05不同专业在学习适应总分、教学模式、学习动机、学习态度、环境因素上的差异在统计学上不存在显著性，不同专业之间在学习适应总分、教学模式、学习动机、学习态度、环境因素相差不大。
事后检验结果及分析：学习能力：小教的均值：23.42 学前本科的均值：22.22 学前专科的均值：22.92F=4.09 P=0.017>0.05师范生不同专业与学习能力之间在统计学上存在显著性，事后检验，结果发现，差异主要来源于小学教育和学前本科的学生，小学教育的学生适应状况高于学前本科的学生。