SPSS 기술통계(Descriptives) / 평균(M) / 표준편차(SD) / 최솟값 / 최댓값 / 왜도(skewness) / 첨도(kurtosis) / 논문쓰는남자 / 논쓰남

(4:53)

SPSS 기술통계분석 / 가장 적합한 기술통계표 예시 제시 / 연구 변수의 특성 / 기술통계표에 포함해야 할 통계량 / 논문의 신 빡논 / 통계 분석 특강

(32:32)

[박사 김거북] SPSS 기술통계 - 빈도분석영상

(1:27)

#SPSS #Frequency #Descriptive #table #graph

(16:13)

#통계분석 #IBM-SPSS #통계 IBM SPSS 강좌 - 기술통계 / 옵션 [www.mystats.co.kr]

(3:59)

GENERATION OF GRAPHICS IN SPSS FOR CATEGORICAL AND NUMERICAL VARIABLES | SPSS FROM SCRATCH

(44:30)

SPSS 신뢰도분석 / 신뢰도의 개념 / 신뢰도분석방법 / 논문에서 신뢰도통계표를 제시해야 할 위치 / 논문의 신 빡논 / 통계 분석 특강

(39:42)

SPSS Process Macro model 4번을 적용한 매개효과 검증 / 논문의 신 빡논 / 통계 분석 특강

(42:5)

SPSS Process Macro model 1번을 적용한 조절효과 검증 / 논문의 신 빡논 / 통계 분석 특강

(51:35)

SPSS 이원배치분산분석(two-way ANOVA) / 이원분산분석의 개념 / 상호작용효과와 주효과의 개념 비교 / 이원분산분석 시 유의사항 / 논문의 신 빡논 / 통계 분석 특강

(1:10:40)

SPSS 단순회귀분석 / 회귀분석의 개념 / 함수관계의 개념 / 회귀식 모형 도출 방법 / 회귀분석의 종류 / 설명력 / 모형 적합성 판단 / 논문의 신 빡논 / 통계 분석 특강

(41:18)

SPSS 일원배치분산분석(one-way ANOVA) / 일원분산분석의 개념 / 분산분석의 여러 가지 분석 방법 비교 / 논문의 신 빡논 / 통계 분석 특강

(33:41)

SPSS 요인분석 / 탐색적 요인분석 / 요인추출 방법 / 주성분 분석 / 요인회전 방법 / 배리맥스 / 요인적재량 / 논문의 신 빡논 / 통계 분석 특강

(43:38)

SPSS 출력결과 문서의 분석표로 논문의 통계표를 쉽게 작성할 수 있는 꿀팁 / SPSS 통계 분석 / 양적 연구에서 통계표의 가치 / 논문의 신 빡논 / 통계 분석 특강

(29:1econd)

PROCESS macro 조절효과 / 프로세스 매크로 / Moderating Effect / 상호작용항 / 조건부 효과 / 평균 중심화 / SPSS / 논문쓰는남자 / 논쓰남 /

(13:45)

SPSS 빈도분석(Frequencies) / 인구학적(일반적) 특성 / 유효 / 누적 / 퍼센트 / 빈도 / 비율 / 논쓰남 / 논문쓰는남자

(5:16)

SPSS 기술통계분석 직접 해보기

(7:26)

spss 빈도분석과 기술통계

(10:31)

빈도분석_기술통계_평균_헤라쌤과 데이터 분석하기 SPSS

(26:33)

기술통계분석 / SETION 10. 한번에 통과하는 논문 : SPSS 결과표 작성과 해석 방법

(1:25)

SPSS를 활용한 기초통계 - (2) 기술통계(Descriptive Statistics)

(3:20)

spss 독립표본 t검정 / 논문에서 가장 많이 사용하는 분석 / 두 모평균의 차이 검증 / independent sample t test / 논문쓰는남자 / 논쓰남

(8:33)

논문 통계분석 실습(4-4.기술통계 분석 SPSS 실습) using Mplus, SPSS

(7:49)

[통계분석 실습 3-1] 기술통계 - 자료준비

(23:38)

07. P2C2. 기술통계(빈도분석), (구)독자를 위한 유튜브 방송강의 (제대로 알고 쓰는 논문 통계분석-개정증보판)

(15:50)

SPSS 피어슨 상관분석 방법 / pearson 상관분석 / correlation analysis / 논문쓰는남자 / 논쓰남

(5:28)

[SPSS] 데이터 클리닝도 안하고 분석했다고요? / 결측값 / 이상치 / 정규성 검정 / 데이터 분석 전에 반드시 해야할 세 가지! 데이터 클리닝 처리 방법!

(9:8)