统计分析与SPSS的应用

Chapter1SPSS软件的概述Chapter2SPSS数据文件的建立和管理2、SPSS数据文件的合并纵向合并数据——合并文件——添加个案横向合并数据——合并文件——添加变量Chapter3SPSS数据的预处理1、数据的排序作用：便于浏览；快捷的找到最值；快捷的发现数据的异常值单值排序；多重排序数据——排序个案2、变量计算转换——计算变量3、数据选取目的：提高分析效率；检验模型的需要近似选取转换——随机数字生成器数据——选择个案4、计数转换——对个案内的值计数5、分类汇总分类汇总是按照某分类变量进行分类计算（对哪个变量进行分类；对哪个变量进行汇总）数据——分类汇总6、数据分组分析被调查家庭的人均住房面积的分布特征转换——重新编码为不同变量7、数据转置数据——转置8、加权处理数据——加权个案9、数据拆分数据拆分不仅是按指定变量对数据进行简单排序，更重要的是根据指定变量对数据进行分组。数据——拆分文件Chapter4SPSS基本统计分析1、频数分析分析被调查家庭中户主的从业状况和目前所住房屋的产权状况目的：了解变量的取值情况和数据的分布特征分析——统计描述——频率展开功能：统计量计算分位数：刻画了变量的取值分布情况分析人均住房面积的分布情况并对本市户口和外市户口家庭进行比较分组——频数分析；四分为数分析——拆分——四分为数分析2、计算基本描述统计量对人均住房面积计算基础描述统计量，并对本市户口和外地户口家庭进行比较均值、样本标准差、样本方差、最大最小值、偏度系数、峰度系数3、交叉分组下的频数分析本市户口和外地户口对未来三年是否买房是否持相同态度编制交叉列联表；对两两变量之间是否存在一定的相关性进行分析分析——描述统计——交叉表4、多选项分析多选项二分法：没有顺序的问题多选项分类法：具有一定顺序的多选项问题根据所获得的数据，分析老年人购买商业养老保险的原因a.定义多选项变量集b.采用多选项频数分析或多选项交叉分组下的频数分析进行分析分析——多重响应——定义变量集分析——多重响应——频率分析不同工作性质人员购买商业养老保险的原因分析——多重响应——交叉表5、比率分析比率分析用于两变量间比率变化的描述分析，适用于定矩型变量分析各类地区财产保险业务的保费收入占全部业务收入的比例情况分析——描述数据——比率均值和变异程度Chapter5SPSS的参数检验在样本数据描述的基础上，以概率形式对统计总体的未知数量特牲（均值方差等）进行表述。1、单样本t检验目的：利用来自总体的样本数据，推断该总体的均值是否与指定的检验值之间存在显著差异，是对总体均值的假设检验原假设：总体均值和检验值之间不存在显著差异推断家庭人均住房面积的平均值是否为20平方米分析——比较均值——单样本t检验T值、p值、置信区间2、两独立样本t检验目的：利用来自两个总体的独立样本，推断两个总体的均值是否存在显著差异原假设：两总体均值无显著差异推断本市户口和外地户口总体的家庭人均住房面积的平均值是否存在显著差异分析——比较均值——独立样本t检验3、两配对样本t检验目的：利用两个配对样本，推断两个总体的样本均值是否存在显著差异配对样本与独立样本的差异：前者可以是个案在前后两种状态下某属性的两种不同特征，也可以是某事物两个不同侧面的描述原假设：两总体均值无显著差异推断减肥茶是否具有明显的减肥效果分析——比较均值——配对样本t检验Chapter6SPSS的方差分析方差分析是从观测变量的方差入手，研究诸多变量中哪些变量是对观测变量有显著影响的变量，对观测变量有显著影响的各个控制变量其不同水平下以及各水平的交互搭配是如何影响观测变量的1、单因素方差分析①用来研究一个控制变量的不同水平是否对观测变量产生了显著影响。原假设：控制变量不同水平下观测变量的各总体均值无显著差异。控制变量不同水平下的效应同时为0对广告形式和地区是否对商品销售额产生影响进行分析分析——比较均值——单因素②方差齐性检验分析选项——方差同质性检验对控制变量不同水平下各观测总体方差是否相等进行分析方差同质性检验原假设：各水平下观测变量总体的方差无显著特征③多重比较检验进一步确定控制变量的不同水平对观测变量的影响程度如何，其中哪个水平的作用明显区别与其他水平，那个水平的作用是不显著的两两比较——2、多因素方差分析研究两个及两个以上控制变量是否对观测变量产生显著影响：独立影响+交互作用的影响是否显著①原假设：各控制变量不同水平下观测变量各总体的均值无显著差异，控制变量各效应和交互作用效果同时为0对广告形式、地区以及广告形式和地区的交互影响是否对商品销售额产生影响进行分析分析——一般线性分析——单变量、②非饱和模型模型——设定进一步对各水平间的均值进行比较两两比较——交互作用的影响——绘制2、协方差分析将很难控制的控制因素作为协变量，剔除协变量对观测变量的影响下，分析控制变量对观测变量的影响。原假设：协变量的线性影响是不显著的，剔除协变量后控制变量各水平下观测变量的总体均值无显著差异判断能否作为协变量绘制散点图设置标记协方差分析分析——一般线性模型——单变量Chapter7SPSS的非参数检验1、单样本的非参数检验（对单个总体的分布形态进行推断：卡方检验、二项分布检验、K-S检验、变量值随机性检验）①卡方检验推断总体分布和期望分布或某一理论分布是否存在显著差异，常用于对有多项分类值得总体分布的分析，原假设为：无显著差异分析——非参数检验——旧对话框——卡方检验②二项分布检验检验样本来自的总体是否服从指定概率为p的二项分布原假设：总体与指定的二项分布无显著差异分析——非参数检验——二项分布检验Chapter8SPSS的相关分析相关分析客观事物之间的是数量分析方法函数关系和统计关系1、散点图的分布直观的发现变量间的统计关系以及它们的强弱程度和数据对的可能走向简单散点图：一对变量间统计关系的散点图重叠散点图：多对变量间统计关系的散点图矩阵散点图：以方形矩阵形式分别显示多对变量的统计关系三维散点图：2、计算相关系数相关系数能以数值形式精确的反应两个变量之间线性关系的强弱a.计算样本相关系数b.对样本来自的两总体是否存在显著的线性关系进行推断3、相关系数的计算分析——相关——双变量4、偏相关分析和偏相关系数5、偏相关分析：净相关分析，在控制其他变量的线性影响的条件下分析两变量间的线性相关性，采用工具为偏相关系数a.计算样本的偏相关系数b.对样本来自的两总体是否存在显著的净相关进行推断分析——相关——偏相关、Chapter9SPSS的线性回归分析回归分析：用于分析事物之间的统计关系，侧重考察变量之间的数量变化规律，帮助人们把握变量受一个或多个变量影响的程度，进而为预测提供科学依据得到回归线的两种方法：局部平均；函数拟合线性回归的基本操作分析——回归——线性原假设：回归系数同时为0,被解释变量和解释变量全体的线性关系是不显著的2、曲线估计对居民家庭教育支出和消费性支出的关系进行研究绘制散点图分析——回归——曲线估计绘制序列图