统计分析软件SPSS使用技巧

讲座:SPSS使用方法吴志强信息管理学院[e-mail]关于SPSSSPSS原意为StatisticalPackagefortheSocialSciences，即“社会科学统计软件包”。随着SPSS产品服务领域的扩大和服务深度的增加，SPSS公司于2000年将英文全称更改为StatisticalProductandServiceSolutions，意为“统计产品与服务解决方案”。社会科学研究中的统计数据的描述性统计频次分布集中趋势：平均数、众数、中位数等；离散趋势：方差和标准差、极差等；数据分析数据预测一、SPSS常用菜单的功能Data菜单：对数据进行排序、转置以及观测记录的选择；Transform菜单：数据转换功能，常用的有Compute、Recode以及Count。Analyze菜单：各种统计分析。Graphs菜单：制图工具。二、SPSS的数据管理常用的功能有：数据转换；数据聚合。1.数据转换－Compute对数据进行规律性的整理和计算。步骤：Transform-ComputeIf条件的设置新变量设定示例说明2.数据转换－Recode对数据按分段模式转换，如：把数据中的年龄转换为年龄段。步骤：Transform-Recode选择需要转换的变量，并设置转换后的变量；设置旧变量转换为新变量的条件；运行OK即可。示例3.数据聚合－Aggregate把数据按照某一变量进行分类汇总。步骤：Data-aggregate选定分类变量到BreakVariables框选定聚合变量到AggregateVariables框Function设置聚合函数选择创建新文件运行OK即可示例示例：Recode和Aggregate的组合使用三、数据的描述统计包括：频数分析均值标准差数据的集中趋势统计量频数：各个组内含个体的个数平均数（均值）：众数：频数出现最多的变量值中位数：第50个百分位数点上的值XnX11.频数SPSS操作:打开数据文件,执行Analyze-DescriptiveStatistics-Frequencies.选择分析变量Statistics按钮设置频数Charts设置直方图以及正态曲线OK即可。2.平均数与标准差SPSS操作:打开数据文件,执行Analyze-DescriptiveStatistics-Descriptive.选择分析变量Option按钮设置统计量OK即可。数据的离散趋势统计量方差和标准差极差：最大值与最小值之间的距离四分位数差：第25、50、75个百分位数点之间的距离sSSXXn222;)(113.分组求均值对数据分组描述，可以输出分组数据的均值、标准差、极值等，即对数据进行多层分类汇总。SPSS操作Analyze-CompareMeans-Means.示例：求不同性别的人在各工资段上的平均值。4.数据探测（Explore）计算描述统计量，通过各类统计图等描述数据的分布类型。SPSS：Analyze-DescriptiveStatistics-Explore。5.交互分析目的：描述同一组样本中不同变量之间是否存在显著联系。SPSS：Analyze-DescriptiveStatistics-Crosstabs.Rows和columnsChi-Square,PhiandCramer’sVrow示例：性别与工资的联系。交互分析的结果卡方检验。P0.05，则拒绝0假设，变量之间具有显著联系。Phi值反应变量之间的关系强度，0.5表示高，0.3表示一般，0.1表示低。四、SPSS数据的推断性统计分析T检验方差分析……1.T检验T检验的目的是检验两个样本中存在的差异在总体中是否也同样存在。T检验的先决条件是：两个样本是随机取样的；被比较的变量属于区间或比率等级；样本的抽样分布呈正态分布。T检验是0假设，即两者之间不存在差异。T检验的结果：如果在置信度为95％下，显著性水平0.05,则接受假设；如果0.05，拒绝假设。T检验的SPSS操作Analyze-CompareMeans-IndependentTTest.确定T检验的变量；确定T检验的分组变量。Ok即可。示例：不同性别工资差异的T检验。2.方差分析分析变量之间是否存在相关性。例如：人的年龄是否受到地域的影响。不同地域的人的年龄，其平均年龄是否存在差异。要求：因变量在影响因素的各个水平上的分布必须服从正态分布。方差分析的原理—以单因素分析为例假定H0：在某一自变量下的不同水平下，总体均值μ没有差异。将原始数据按照自变量的水平不同随机分成c个组，然后进行分析：如果组内差异大而组间差异下，则说明两个变量之间没有什么关联性；如果组间差异大而组内差异小，则说明两个变量之间有某种关联性。例子：人年龄与地域之间是否存在关联性要解决的问题：他们之间是否存在关联性？如果有，则：不同地域对人年龄的影响程度如何？哪些地域对人的年龄的影响明显？哪些地域对人年龄的影响最不明显？解题步骤1）原始数据按地域随机抽样。结果如下表：地域1地域2地域3828182828379808081808384838585＝82＝80＝84X1X2X3解题步骤2）假定：由于三个样本取自同一总体，因而其均值μ相同。但各自的有差异。因此假设H0：μ1＝μ2＝μ3（含义：地域对人的年龄没有影响，其本身的样本均值与总体均值不同是由于抽样的波动引起的。）X1解题步骤3）求组间变差与联合方差82)828082(311XcX411)(22XXcSX32)1(...11)()(222ncccXXXXSp组间样本总平均值：组间样本总方差：联合方差：解题步骤4）.F检验：如果Ho为真，F比值将围绕着1波动；如果Ho不真，F值将倾向于比1大很多。30324522pXSnSF1)F值：2)F的自由度分子自由度：df1=c-1=3-1=2分母自由度：df2=c(n-1)=3(5-1)=123)用F分布表查Ho的概值。其概值远远小于0.001,趋近于0。Ho的概值小于0.05（μ的显著水平），拒绝Ho。解题步骤5）对方差的方差齐性检验该检验是对自变量不同水平下各观测变量总体方差是否相等进行检验。因为方差分析的前提是“自变量不同水平下观测变量总体方差无显著差异”。分析过程：用t检验，首先分析p值（概值）是否大于a(=0.05)，如果大于，方差无显著差异；然后，比较两个总体均值的t检验结果，如果t统计量对应的两端的概率p值大于a，无显著差异，如果小于，则有显著差异。解题步骤6）.多重比较检验确定自变量的不同水平对观测变量的影响程度。这种检验比较复杂，方法也很多，其中LSD敏感性最强。结果总体描述及95％置信区间Descriptives偏向性582.0000.70711.3162381.122082.878081.0083.00580.0000.70711.3162379.122080.878079.0081.00584.00001.00000.4472182.758385.241783.0085.001582.00001.85164.4780980.974683.025479.0085.00com域名edu域名gov域名TotalNMeanStd.DeviationStd.ErrorLowerBoundUpperBound95%ConfidenceIntervalforMeanMinimumMaximum地域1地域2地域3检验结果1）概值趋近于0，小于0.05，拒绝Ho，不同地域下人的年龄有显著差异。2）回归的概值为0.002，地域与人的年龄之间不是零线性相关。ANOVA偏向性40.000220.00030.000.00010.000110.00015.000.00230.000130.00045.000.0008.00012.66748.00014(Combined)ContrastDeviationLinearTermBetweenGroupsWithinGroupsTotalSumofSquaresdfMeanSquareFSig.1).单因素方差分析Analyze-CompareMeans-OnWayANOVA.Dependentlist选择因变量；Factor选择自变量。posHoc选择R-E-G-WQ和Tukey。Option选择Describtive和HomogeneityofVtest.结果：如果PostHocTests检验中p0.05，则具有显著差异。例子：职务与工资的方差分析。2).多因素方差分析SPSS:Analyze-GeneralLinearModel-Univariate.DependentVariable,FixedFactors.Options选择DescriptiveSt.例子：职务、性别与工资的方差分析。3.卡方检验目的：检验样本中自变量与应变量之间的关系在总体中是否存在。0假设：自变量与应变量之间的关系在总体中不存在。结论：如果p0.05，拒绝0假设。卡方检验要求自变量与因变量都是分隔变量。卡方检验的SPSS操作SPSS：Analyze-DescriptiveStatistics-Crosstabs.Rows和columnsChi-SquareOk.五、SPSS数据的预测分析线性回归对数回归……关于回归分析回归分析是社会研究中进行定量分析的基本方法，主要解决3个方面的问题：①确定几个变量间是否存在相关关系；若存在，则找出它们之间合适的数学表达式。②据一个或几个变量值，预测或控制另一个或几个变量的值，且要知道这种控制或预测可达何种精确度。③进行因素分析，即在共同影响一个变量的多个变量（因素）间，找出主要和次要因素及其相互关系。变量之间的两种关系确定性关系问题1：正方形的面积y与正方形的边长x之间的函数关系是y=x2。－－确定性关系非确定性关系－－相关关系问题2：某水田水稻产量y与施肥量x之间是否有一个确定性的关系？相关关系的回归分析对具有相关关系的两个变量进行统计分析的方法叫回归分析。注：自变量取值一定时，因变量的取值带有一定随机性的两个变量之间的关系叫做相关关系。现实生活中的相关关系人的身高与年龄；产品的成本与生产数量；商品的销售额与广告费；家庭的支出与收入。回归方程对具有相关关系的现象，选择一适当的数学关系式，用以说明一个或一组变量变动时，另一变量或一组变量平均变动的情况，这种关系式称为回归方程。如果所择关系式是线性的，就称为线性回归分析；反之，则称为非线性回归分析。线性回归是回归分析的基本模型，很多复杂的情况都是转化为线性回归进行处理。线性回归分析－－最小二乘法nn(x-x)(y-y)xy-nxyiiiii=1i=1ˆb==,nn222(x-x)x-nxiii=1i=1ˆˆa=y-bx.nn11x=x,y=y.iinni=1i=1其中ˆˆˆybxa例子：大学生身高与体重的关系从某大学中随机选出8名大学生，其身高和体重数据如下表：编号12345678身高165165157170175165155170体重4857505464614359求大学生的身高与体重的回归方程。结果172.85849.0ˆxy回归方程：相关系数ｒ＞０正相关；ｒ＜０负相关。通常，r0.75，认为两个变量有很强的相关性。本例中，由上面公式r=0.7980.75．n(x-x)(y-y)iii=1r=nn22(x-x)(y-y)iii=1i=11.利用SPSS求线性回归SPSS：Analyze-Regression-