第1讲SPSS软件使用之一

第四讲SPSS软件使用之一内容提要：SPSS软件简介；如何用SPSS软件完成描述统计、假设检验、方差分析等1一、SPSS软件简介1.软件名称StatisticalPackageforSocialScienceStatisticalProductandServiceSolutions2.软件发展60年代：美国斯坦福大学三位研究生研制70年代：SPSS总部成立于芝加哥，推出SPSS中小型机版—SPSSXSPSSX80年代：微机版（V1~3）SPSS/PC+90年代：Windows版（v5~11）23.SPSS软件的特点操作简便，好学易懂，简单实用集数据录入、资料编辑、数据管理、统计分析、报表制作、图形绘制为一体。统计功能囊括了《教育统计学》中所有项目34.SPSS软件的应用环境

运行SPSS的Windows10.0版（单机版），要求：P2以上的PC机1G以上硬盘

32M以上内存中文Win95/98/2000平台

45.SPSS软件的启动双击SPSS图标单击“开始”→“程序”→SPSSForwindows

SPSS软件启动后，进入SPSS数据编辑器（SPSSDataEditor）窗口。56.SPSS软件的主要窗口与功能数据编辑窗口（dataeditor）功能：对SPSS的数据进行定义、录入、修改、管理等基本操作的窗口组成：窗口主菜单（Data、Transform、Analyze、Graphs）、工具栏、数据编辑区、状态显示区SPSS运行过程中自动打开；且只能打开一个窗口；运行过程中无法关闭SPSS中各统计分析功能都是针对该窗口中的数据进行的；窗口中的数据以.sav存于磁盘上6输出窗口（viewerviewer）功能：SPSS统计分析报表及图形的输出窗口组成：窗口主菜单、工具栏、结果显示区、状态显示区在进行第一次分析时自动打开，也可手工打开；可以手工打开若干个可相互切换的viewer窗口；输出窗口可以关闭；状态栏上的！表示当前输出窗口窗口内容以.spo存于磁盘上77.利用SPSS做数据分析的一般步骤建立SPSS数据文件定义数据文件结构录入、修改和编辑待分析的数据分析数据统计分析之前的数据预处理统计分析和建模结果的说明和解释结果的说明和解释数据和分析结果的保存88.学习使用统计分析软件的基本方法弄清分析的目的正确收集待处理和分析的数据(目的、影响因素的剔除）。弄清统计概念和统计含义，知道统计方法的适用范围，无需记忆公式。选择一种或几种统计分析方法探索性地分析数据。读懂计算机分析的数据结果，发现规律，得出分析结论9二、数据文件的建立、调用与

保存1.数据文件的建立SPSS软件启动后，进入SPSS数据编辑器定义数据文件的结构进入“变量观察窗”(VariableView)10变量名(Name)：所谓变量即在处理过程中其值可以改变的量。每一变量必须有一个名称，即“变量名”。如sex、age等为变量名。类型(Type)与宽度：变量取值的类型与范围。数值型(Numeric)。如：宽8位、小数点2位(可调)字符串(String)。如：宽8位(可调)日期型(Date)。如：宽8~11位(固定)变量名标签(Label)：对变量名的解释。如变量名sex的标签可定义为：性别11变量值标签(Values)：对变量取值的解释。如变量sex的取值可取M与F，其标签可定义为：男与女。缺失值(Missing)：表示缺失值的数字或符号栏宽(Columns)对齐(Align)输入数据进入“数据观察窗”(DataView)逐一输入数据12练习：建立下表所示的数据文件姓名性别生日工龄基本工资Wang男1956.01.08302,600.00Ning女1965.02.18222,300.00Peng男1976.03.28122,100.00Gu男1964.04.22222,300.00Hu女1977.12.18111,800.00数据文件的结构132.数据文件的调用OpenData选择文件类型（SPSS、EXcel等）与文件名

打开3.数据文件的保存

Save或SaveAs

选择文件类型（SPSS、EXcel等）与文件名

保存141.菜单选择Analyse→DescriptiveStatistics→Frequencies功能：频数（包括图形）、各种统计量（集中趋势、离散趋势等）Analyse→DescriptiveStatistics→Descriptives功能：标准化数值、各种统计量（集中趋势、离散趋势等）

2.操作过程

3.输出结果

4.保存输出结果

三、描述统计15举例对前面表格中的工龄进行描述统计工龄N Valid 5 Missing 0Mean 19.40Median 22.00Mode 22Std.Deviation 7.925Minimum 11Maximum 30Sum 97Percentiles 25 11.50 50 22.00 75 26.00

Frequency Percent ValidPercent CumulativePercentValid 11 1 20.0 20.020.0 12 1 20.0 20.0 40.0 22 2 40.0 40.0 80.0 30 1 20.0 20.0 100.0 Total 5 100.0 100.0 工龄16假设检验是一种根据样本数据来推断总体的分布或均值、方差等总体统计参数的方法。根据样本来推断总体的原因：总体数据不可能全部收集到。如：质量检测问题收集到总体全部数据要耗费大量的人力和财力假设检验在两种假设条件下进行：假设总体的分布已知---参数检验假设总体的分布未知---非参数检验四、假设检验17单样本检验（One-SampleTest）：检验某变量的总体均值与指定的检验值之间是否存在显著差异。菜单：Analyse→CompareMeans→One-SampleTTest操作：在对话框中选择变量，输入检验值，选择Options输入置信度（不选默认95%）结果：表一：样本数、均值、标准差、标准误表二：t值、自由度、P值、样本均值与检验值之差、置信区间均值比较与T检验18独立双样本检验（IndependentSampleTest）：利用两个样本均值检验总体均值是否显著相等。菜单：Analyse→CompareMeans→Independent-SampleTTest操作：建立数据文件（两个待检验变量合并成一个变量，并增加一个group变量，第一个变量值在前，其group值为1，第二个变量值在后，其group值为2）→在对话框中，待检验变量放入检验框，group变量放入分组框→点击definegroups，在两个group框后分别输入1和2结果：基本同单样本19配对样本检验（Paried-SampleTest）：根据配对样本对两总体均值是否有显著差异进行推断.菜单：Analyse→CompareMeans→Paried-SampleTTest操作：在对话框中，选择待检验的两个变量放入检验框结果：表一：样本数、均值、标准差、标准误表二：相关系数表三：t值、自由度、P值、置信区间等20【例】在某克山病区测得11例克山病患者与13名健康人的血磷值（mmol/L）如下表，在α=0.05的显著性水平下（1）单样本检验：克山病患者的血磷值平均是否为1.5?（2）双样本独立检验：问该地区克山病急性患者与健康人的血磷值是否相同?21假设数据文件已建立（文件名jsjy-1），打开数据文件jsjy-1（1）Analyse→CompareMeans→One-SampleTTest选择变量x1→在Testvalue框中输入1.5→点击“Options”→输入95→点击“Continue”→点击“OK”结论：由于t=0.164<t0.05(10)=1.812，所以不能拒绝克山病患者的血磷值平均是1.5的假设22（2）Analyse→CompareMeans→Independent-SampleTTest合并变量x1与x2为变量x12，增加变量group，然后对应患者的值输入1，对应健康人的值输入2。选择变量x12放入检验框，group变量放入分组框→点击definegroups，在两个group框后分别输入1和2→点击“Options”→输入95→点击“Continue”→点击“OK”23结论：由于p=0.019<0.05，所以拒绝该地区克山病急性患者与健康人的血磷值相同的假设，即该地区克山病急性患者与健康人的血磷值有差异。显示结果24【例】从一个以减肥为主要目标的健美俱乐部随机抽取了10名参加者，得到他们的体重记录如下表：训练前94.5101110103.59788.596.5101104116.5训练后8589.5101.5968680.58793.593102在α=0.05的显著性水平下（1）双样本匹配检验：检验训练前后平均体重是否有显著差异？（2）检验参加其训练班至少可以使减肥者平均体重减重8.5kg以上？25（1）Analyse→CompareMeans→Paried-SampleTTest选择变量xlq与xlh作为变量1与变量2放入配对检验

→点击“Options”→输入95→点击“Continue”→点击“OK”Sig.(2-tailed).000结论：由于p=0.000<0.05，所以拒绝训练前后无差异的假设26（2）定义一个变量x作为变量xlq与变量xlh的差，然后用单样本检验：训练前后的差的平均值是否为8.5

Analyse→CompareMeans→One-SampleTTest选择变量x→在Testvalue框中输入8.5→点击“Options”→输入95→点击“Continue”→点击“OK”结论：由于p=0.084>0.05，所以不能拒绝训练前后差的平均值为8.5的假设，即参加其训练班至少可以使减肥者平均体重减重8.5kg以上27五、方差分析是从数据间的差异入手，分析哪些因素是影响数据差异的众多因素中的主要因素.观测变量的数据差异=控制因素造成+随机因素造成方差分析正是要分析观测变量的变动是否主要是由控制因素造成还是由随机因素造成的，以及控制变量的各个水平是如何对观测变量造成影响的.28检验某一个控制因素的改变是否会给观察变量带来显著影响.菜单：Analyse→CompareMeans→One-WayANOVA操作：将观察变量移入变量框；控制因素移入因素框结果：组间、组内、总的平方和、自由度、均方，F统计量、P值P<α,则控制因素的改变给观察变量带来显著影响1.单因素方差分析29测试若干个控制因素的改变是否造成观察变量的显著变动（主要介绍双因素）。无重复实验菜单：Analyse→GeneralLinearModel→Univariate操作：将观察变量移入变量框；控制因素移入固定因素框点击“Model”

→选择“Custom”→将控制因素放入“Model框→在下拉式列表框中选”Mianeffects”结果：各因素及总的平方和、自由度、均方，F统计量、P值等P<α,则控制因素的改变给观察变量带来显著影响2.多因素方差分析30有重复实验菜单：Analyse→GeneralLinearModel→Univariate操作：将观察变量移入变量框；控制因素移入固定因素框点击“Model”

→选择“Fullfactorial”结果：各因素及总的平方和、自由度、均方，F统计量、P值等P<α,则控制因素的改变给观察变量带来显著影响31【例1】为了对几个行业的服务质量进行评价，消费者协会在四个行业分别抽取了不同的企业作为样本。最近一年中消费者对总共23家企业投诉的次数如下表：单因素方差分析举例32假设数据文件已建立（文件名fcfx-1），打开数据文件fcfx-1

Analyse→CompareMeans→One-WayANOVA将观察变量number移入应变量框；控制因素factor1移入因素框→点击“PostHoc”→在SignificanceLevel输入0.05→点击“OK”33结论：由于p=0.039<0.05，所以拒绝行业因素对被投诉次数无显著影响的假设。显示结果.039Sig.34双因素方差分析举例不同品牌的彩电在各地区的销售量数据（无交互作用）品牌因素（行因素）地区因素（列因素）地区1地区2地区3地区4地区5品牌1品牌2品牌3品牌4365345358288350368323280343363353298340330343260323333308298【例2】有4个品牌的彩电在5个地区销售，为分析彩电的品牌(品牌因素)和销售地区(地区因素)对销售量是否有影响，对每种品牌在各地区的销售量取得以下数据。试分析品牌和销售地区对彩电的销售量是否有显著影响？(=0.05)

35假设数据文件已建立（文件名fcfx-2），打开数据文件fcfx-2

Analyse→GeneralLinearModel→Univariate将观察变量number移入应变量框；控制因素factor1,factor2移入固定因素框点击“Model”

→选择“Custom”→将控制因素factor1,factor2放入“Model”框→在下拉式列表框中选”Mianeffects”→点击“Continue”