第8讲 SPSS基本统计分析

上节回顾一、数据的编码、录入与整理二、数据问卷与编码三、编码类型四、缺失值的处理五、数据处理中的操作术语六、定义变量与SPSS窗口七、数据的录入八、数据的导入九、数据的整理第8讲

SPSS基本统计分析

----描述统计一、基本统计分析概念目的通过变量的基本统计分析，能够掌握和了解数据的基本统计特征和总体分布形态，为进一步的数据分析作参考。方法

数据计算：计算常见的统计量的值，准确反映样本数据的统计特征。

图形绘制：绘制常见的统计图形，通过图形来直观展现数据的分布特征，比较

数据分布的异同。

通常，两种方法混合使用。SPSS对数据的基本统计分析包括频数分析过程（Frenquencies）：描述统计量分析过程（Descriptives）：探索性分析过程（Explore）：交叉列联表分析过程（Crosstabs）：比率分析（Ratio）：P-P图Q-Q图

频数分析二、频数分析频数概念统计的是每一组中观测点的个数，而不考虑其实际取值。二、频数分析SPSS中的频数分布表

频数分析的基本功能之一：是编制频数分布表频数（Frenquency）：变量值落在某个区间或者某个取值点的个数。百分比（Percent）：各频数占总样本数的百分比。有效百分比（ValidPercent）：各频数占有效样本数的百分比。累计百分比（CumulativePercent）：各百分比逐级累加起来的结果，最终取值是100。取值不及格及格中等良好优秀合计取值区间0-5960-6970-7980-8990-1000－100频数1919321677百分比1.30%11.69%24.68%41.56%20.78%100.00%累计百分比1.30%12.99%37.66%79.22%100.00%100.00%返回二、频数分析频数分析中的统计图

频数分析的基本功能之二：是绘制统计图，统计图能非常清晰直观地展示变量的取值状况，包括以下三种图：条形图或柱形图（BarChart）：用宽度相同的条形的高度或长短来表示频数分布或百分比饼图（PieChart）：扇形面积表示频数或百分比直方图（Histograms）：用矩形的面积来表示频数分布条形图与直方图区别条形图1.用条形的长度表示各类别频数的多少，其宽度是固定的2.各矩形通常是分开排列的；3.横轴上是一个点，主要用于展示分类数据。直方图1.用面积表示各组频数的多少，矩形的高度表示每一组的频数或频率宽度表示各组的组距；2.由于分组数据具有连续性，各矩形通常是连续排列；3.横轴上是一个范围，主要用于展示数值型数据。示例1如果想了解语文成绩的分布情况，可以使用什么方法呢？频数分布表？饼图？直方图？SPSS操作及案例（数据文件：3－StudentScore.sav）例一：绘制语文成绩频数分布表及饼图

步骤1：对“语文”成绩进行分段Transform→RecodeIntoDifferentVariables…或者：Transform→VisualBinning（可视化分段）二、频数分析二、频数分析SPSS操作及案例步骤2：对“分数分段”进行统计Analyze→DescriptiveStatistics→Frequencies…二、频数分析SPSS操作及案例输出结果可以保存为.spv或pdf或word或文本格式

二、频数分析—扩展功能注：主要针对于定距型变量

计算分位数

分位数是变量在不同分位点上的取值

分位数从侧面刻画了变量的取值分布状态，分位数差越大，表示离散程度越大

计算其他基本统计量

集中程度离散趋势分布形态二、频数分析SPSS操作及案例例二：输出三门成绩4分位数

由四分位差知道中间50%的数据中数学

成绩的分布比英语

和语文离散程度高。

基本描述统计量三、基本描述统计量概念

通过频数分析对数据的总体分布状况有了基本了解之后，通常还需要对定距变量的分布特征有更为精确的认识，这就需要通过计算基本描述统计量等途径来实现。

常见的描述统计量大致可以分为三类：第一类：描述集中程度(CentralTendency)的统计量第二类：描述离散趋势(Dispersion)的统计量第三类：描述分布形态(Distribution)的统计量变量的值之间可以比较大小，两个值的差有实际意义，这样的变量叫定距变量。在调查被访者的“年龄”和“每月平均收入”，都是定距变量。三、基本描述统计量描述集中程度的统计量指一组数据向某一中心集中的程度，即在某一中心附近观测值数目较多，远离该中心的观测值数目较少。有如下统计量：

平均值（Mean）：即算术平均值（＝（X1+X2+…+Xn）/n）。

易受极端值影响。

中位数（Median）：把变量的值有序排列，位于中间位置的值即中位数。

是位置平均置，不易受极端值的影响。

众数（Mode）：样本中出现次数最多的值，代表数据的集中程度。

例如：鞋厂制定生产计划；评价社会的老龄化程度

三、基本描述统计量描述离散趋势的统计量与“集中趋势”相反，“离散趋势”反映的是一组资料中各个观察值之间的差异或离散程度。即考察所有数据相对于“中心值”分布的疏密程序。有如下统计量：方差（Variance）：

样本方差越大，说明变量值之间的差异越大，样本方差没有单位。标准差（std.deviation）：

样本标准差越大，说明变量的观测值之间

的差异越大，距离均值这个“中心”的离散程

度越大。极差（Range）：也称全距或跨度或范围，R＝最大值－最小值

极差不考虑最大值与最小值之间的观测值，仅仅依靠端点值来确定，因而稳定性差。

三、基本描述统计量描述离散趋势的统计量均值标准误差（S.E.Mean,StandardErrorofMean，简称标准误）：样本数据是从总体数据中抽取出来的。虽然在一定程度上，样本数据可以反映总体数据的特征。但在不同次抽样中所得的样本均值是不同的，并且它们与总体均值间存在差异。均值标准误差：就是描述这些样本均值与总体均值之间平均差异程度的统计量。即：样本均值的标准差（也即：样本均值的离散程度）三、基本描述统计量描述分布形态的统计量

考察数据分布形态特征的统计量，例如，数据分布是否对称、偏斜程度以及陡缓程度，主要有如下两种统计量：偏度（Skewness）：

偏度值>0，为正偏或右偏，表示均值右边的数较少；偏度值<0，为负偏或左偏。峰度（Kurtosis）：

峰度值>0，数据分布比标准正态分布更陡峭，为尖峰分布，表示极端值较多；峰度值<0，数据分布比标准正态分布更平缓，为平峰分布。返回三、基本描述统计量SPSS操作及案例分析（数据文件：3－StudentScore.sav）

例三：计算全部学生各门成绩的平均值、标准差、最大值和最小值，并考察学生成绩的分布形态。思考语文成绩均值右边数据多还是左边数据多？思考哪门课程的极端值较多？三、基本描述统计量SPSS操作及案例分析

数据文件：3－StudentScore.sav

Analyze→DescriptiveStatistics→Descriptives…注：描述统计分析过程较为特殊的一个功能就是将原变量变换成标准正态分布下的得分。保存数据的标准化处理值（又称Z分数）Z分数>0表示样本值大于均值Z分数<0表示样本值小于均值Z分数>3表示样本为异常值

探索性分析四、探索性分析概念

数据探索是统计分析中非常重要的一步，可以帮助我们决定选择哪种统计方法进行数据分析可以：（1）考察数据的正确性

考察数据中的一些异常值，分析这些值产生的原因，判断其正确性，再决定修改、删除或保留它们。（2）考察数据的分布特征

考察数据的正态分布特征可以为以后进行统计分析时采用正确的统计方法提供正确的依据。四、探索性分析通过茎叶图（Stem-and-LeafPlots）描述频度分布茎叶图由数字构成，表达变量的频数分布。Analyze→DescriptiveStatistics→Explore…

例如，语文成绩茎叶图。

通过箱图（Boxplots）描述数据分布箱图也称为箱线图(箱式图)，显示了变量数据的中位数、25%百分位数和75%百分位数，并给出偏离总体分布的奇异个案和极端个案。四、探索性分析通过箱图（Boxplots）描述数据分布

语文成绩箱图四、探索性分析通过箱图（Boxplots）描述数据分布并寻找异常值

四、探索性分析四、探索性分析通过正态分布检验的Q－Q概率图描述数据分布的正态性

正态概率图以变量（语文成绩）的观测值为X轴坐标，以该变量分布的Z分数为纵坐标。斜线为正态分布的Z分数的期望标准线，若观测点离线越近，表示点越符合正态分布。反之，越不符合正态分布。四、探索性分析通过正态分布检验的Q－Q概率图描述数据分布的正态性Analyze→DescriptiveStatistics→Explore…四、探索性分析SPSS操作及案例分析例四：按数据文件：4－Explore.sav考察不同性别学生“英语”、“数学”、“语文”三门课程成绩的分布、极端值以及正态分布性和方差的齐性。四、探索性分析SPSS操作及案例分析箱图四、探索性分析SPSS操作及案例分析

从K－S检验以及S－W检验两种方法的Sig.值看，均大于0.05，表明三门课程成绩按男女分开的样本都是正态分布的。四、探索性分析SPSS操作及案例分析

例四：操作步骤（数据文件：4－Explore.sav）

Analyze→DescriptiveStatistics→Explore...频数分析解决了单个分类变量的分布特征。如何分析两个分类型变量之间的分布特征？

交叉列联表分析五、交叉列联表分析概念

通过频数分析，能够掌握单个分类变量的数据分布情况。

实际情况，往往需要对两个或者多个分类变量的频数分布进行联合观察，此时涉及多个分类变量的联合描述，进而分析变量之间的相互影响和关系。

本节主要讲交叉列联表分析过程，它包括如下两大基本任务：

五、交叉列联表分析根据样本数据，产生二维或多维交叉列联表

交叉列联表是两个或两个以上的变量交叉分组后形成的频数分布表。例如，一个二维交叉列联表，反映了不同户籍和是否购房交叉分组下的分数频数分布情况。例五：数据文件：

住房状况数据.sav五、交叉列联表分析返回行百分比列百分比根据样本数据，产生二维或多维交叉列联表操作步骤：Analyze→DescriptiveStatistics→Crosstabs…五、交叉列联表分析五、交叉列联表分析在交叉列联表的基础上，对两两变量间是否存在一定的相关性进行分析分析：从表中可以看出，在0.05置信度水平下，双尾检验值为0.002，小于置信度水平（0.05），因此，我们有理由认为，户籍与是否购房之间的关系显著，即不同户籍的人对于是否购房看法不一致。列联表的卡方检验用于检验两个分类变量的关联程度。注：如果列链表中有20%以上单元格的期望频数小于5，则一般不宜使用卡方检验。此时可以使用似然率卡方检验修正。思考题1根据employeedata.sav的数据分析性别与工种有无关系？思考题2根据下面数据分析性别与对商品颜色喜好间有无关系？男女黄色120140蓝色160120黑色120140如何完成多选题的频数分布呢？六、多选项分析多重应答（MultipleResponse），又称多选题，是市场调查研究中十分常见的数据形式。多重应答数据本质上属于分类数据，但由于各选项均是对同一个问题的回答，之间存在一定的相关，将各选项单独进行分析并不恰当。对多重应答数据最常见的分析是使用SPSS中的“MultipleResponse”命令，通过定义变量集的方式，对选项进行简单的频数分析和交叉列联分析。多选项分析思路多选项分析的基本思路是：第一，按照多选项二分法或多选项分类法将多选项问题分解成若干个问题，并设置若干个SPSS变量。第二，采用多选项频数分析或多选项交叉分组下的频数分析多选题分析中比较特别的描述指标有以下几个应答人数（count）：指选择各选项的人数，或者说原始频数。应答人次（responses）：指选择各选项的人次，对于单个选项，应答人次和应答人数是相同的；但对于整个问题而言，应答人次可能远远大于应答人数。多选项分析案例请问您目前已经拥有的数码产品有哪些？多重应答的标准纪录方式有两种：（1）多重二分法（Multipledichotomymethod）。对于多项选择题的每一个选项看作一个变量来定义。0代表没有被选中，1代表被选中。这样，多项选择题中有几个选项