最近遇到很多这样的情况，咻咻咻收到几张SPSS输出的截图，然后就是愁闷的问候“亲，我按照SPSS教程操作了，输出了一堆表格，哪些写入文章呢，怎么写啊，能不能给个模板啊”。今天咱们就大概理理思路，希望能给大家一些帮助。

统计描述

统计报告时，一般先是统计描述，简单来说，就是把我们的数据介绍给读者。怎么介绍呢？先看看都属于什么资料？计量资料说明集中和离散趋势即可，可用均数±标准差或者中位数（p25，p75）或者中位数（最小值，最大值）表示。计数资料常采用例数(百分比)。

假设检验

留下了美好的第一印象，接下来就是各种假设检验了，相关、回归、t检验、ANOVA等等。。。这是今天的重头戏哈。

相关

这里说的是简单线性相关，常用来考察连续变量间的相关情况。对于相关的结果，可以选用文字描述，变量A和变量B成正相关或负相关，括号里注明相关系数r和p值。

也可以选择放上一个或几个散点图，再加上相应的拟合线，备注写上相关系数r和p值，相信会有人喜欢的。

回归

这里说的是线性回归，常用来考察连续性因变量和多个自变量间的关系。

对于线性回归，一般在文字部分点出哪些自变量对因变量有影响，哪些没有影响，括号里注明模型检验统计量F和 p值，调整R方。F和p值从ANOVA表格中提取，调整R方从模型汇总表格中提取。

同时给出回归系数的表格，将系数表格做些许更改即可。

t检验

主要用于考察一组或两组连续变量有无统计学差异（要求符合正态分布）。一般可在文字部分说明A和B相比有或没有统计学差异，括号注明相应的统计量t和p值即可，SPSS中Sig(双侧)即为p值。

也可以选择绘制相应的统计图，比如借助GraphPadPrism，通过图例备注说明组间有无统计学差异。

方差分析

用于考察两组及以上组间的连续变量有无统计学差异。

单因素方差分析时，一般可在文字部分说明组间有或者没有统计学差异，括号里注明模型检验统计量F和p值 。F值和p值从ANOVA表格中提取。至于事后的两两比较可选择在统计描述的表格通过*等符号备注。

两因素方差分析和重复测量分析，可在文字部分点出哪些自变量对因变量有影响，哪些没有影响，括号里注明模型检验统计量F和p值。两因素方差分析的F和p值可从主体间效应检验表格提取。重复测量方差分析的F和p值可从多变量检验表格或主体内效应检验表格中提取，还是那句话，SPSS中Sig(双侧)即为p值。

当然也可以选择绘制相应的统计图，采用图例展示假设检验的结果。

非参数检验

当不符合t检验、方差分析的条件时，常采用该方法检验是否具有统计学差异。表达方法可参考t检验，可在文字部分说明组间比较有或没有统计学差异，括号注明相应的统计量z（常写标准检验统计量）和p值即可，SPSS中渐近显著性(双侧)即为p值。

也可以选择绘制相应的统计图，GraphPadPrism真的还蛮好用的。