上節回顧一、數據的編碼、錄入與整理二、數據問卷與編碼三、編碼類型四、缺失值的處理五、數據處理中的操作術語六、定義變量與SPSS窗口七、數據的錄入八、數據的導入九、數據的整理第8講

SPSS基本統計分析

----描述統計一、基本統計分析概念目的通過變量的基本統計分析，能夠掌握和了解數據的基本統計特征和總體分布形態，為進一步的數據分析作參考。方法

數據計算：計算常見的統計量的值，準確反映樣本數據的統計特征。

圖形繪制：繪制常見的統計圖形，通過圖形來直觀展現數據的分布特征，比較

數據分布的異同。

通常，兩種方法混合使用。SPSS對數據的基本統計分析包括頻數分析過程（Frenquencies）：描述統計量分析過程（Descriptives）：探索性分析過程（Explore）：交叉列聯表分析過程（Crosstabs）：比率分析（Ratio）：P-P圖Q-Q圖

頻數分析二、頻數分析頻數概念統計的是每一組中觀測點的個數，而不考慮其實際取值。二、頻數分析SPSS中的頻數分布表

頻數分析的基本功能之一：是編制頻數分布表頻數（Frenquency）：變量值落在某個區間或者某個取值點的個數。百分比（Percent）：各頻數占總樣本數的百分比。有效百分比（ValidPercent）：各頻數占有效樣本數的百分比。累計百分比（CumulativePercent）：各百分比逐級累加起來的結果，最終取值是100。取值不及格及格中等良好優秀合計取值區間0-5960-6970-7980-8990-1000－100頻數1919321677百分比1.30%11.69%24.68%41.56%20.78%100.00%累計百分比1.30%12.99%37.66%79.22%100.00%100.00%返回二、頻數分析頻數分析中的統計圖

頻數分析的基本功能之二：是繪制統計圖，統計圖能非常清晰直觀地展示變量的取值狀況，包括以下三種圖：條形圖或柱形圖（BarChart）：用寬度相同的條形的高度或長短來表示頻數分布或百分比餅圖（PieChart）：扇形面積表示頻數或百分比直方圖（Histograms）：用矩形的面積來表示頻數分布條形圖與直方圖區別條形圖1.用條形的長度表示各類別頻數的多少，其寬度是固定的2.各矩形通常是分開排列的；3.橫軸上是一個點，主要用于展示分類數據。直方圖1.用面積表示各組頻數的多少，矩形的高度表示每一組的頻數或頻率寬度表示各組的組距；2.由于分組數據具有連續性，各矩形通常是連續排列；3.橫軸上是一個范圍，主要用于展示數值型數據。示例1如果想了解語文成績的分布情況，可以使用什么方法呢？頻數分布表？餅圖？直方圖？SPSS操作及案例（數據文件：3－StudentScore.sav）例一：繪制語文成績頻數分布表及餅圖

步驟1：對“語文”成績進行分段Transform→RecodeIntoDifferentVariables…或者：Transform→VisualBinning（可視化分段）二、頻數分析二、頻數分析SPSS操作及案例步驟2：對“分數分段”進行統計Analyze→DescriptiveStatistics→Frequencies…二、頻數分析SPSS操作及案例輸出結果可以保存為.spv或pdf或word或文本格式

二、頻數分析—擴展功能注：主要針對于定距型變量

計算分位數

分位數是變量在不同分位點上的取值

分位數從側面刻畫了變量的取值分布狀態，分位數差越大，表示離散程度越大

計算其他基本統計量

集中程度離散趨勢分布形態二、頻數分析SPSS操作及案例例二：輸出三門成績4分位數

由四分位差知道中間50%的數據中數學

成績的分布比英語

和語文離散程度高。

基本描述統計量三、基本描述統計量概念

通過頻數分析對數據的總體分布狀況有了基本了解之后，通常還需要對定距變量的分布特征有更為精確的認識，這就需要通過計算基本描述統計量等途徑來實現。

常見的描述統計量大致可以分為三類：第一類：描述集中程度(CentralTendency)的統計量第二類：描述離散趨勢(Dispersion)的統計量第三類：描述分布形態(Distribution)的統計量變量的值之間可以比較大小，兩個值的差有實際意義，這樣的變量叫定距變量。在調查被訪者的“年齡”和“每月平均收入”，都是定距變量。三、基本描述統計量描述集中程度的統計量指一組數據向某一中心集中的程度，即在某一中心附近觀測值數目較多，遠離該中心的觀測值數目較少。有如下統計量：

平均值（Mean）：即算術平均值（＝（X1+X2+…+Xn）/n）。

易受極端值影響。

中位數（Median）：把變量的值有序排列，位于中間位置的值即中位數。

是位置平均置，不易受極端值的影響。

眾數（Mode）：樣本中出現次數最多的值，代表數據的集中程度。

例如：鞋廠制定生產計劃；評價社會的老齡化程度

三、基本描述統計量描述離散趨勢的統計量與“集中趨勢”相反，“離散趨勢”反映的是一組資料中各個觀察值之間的差異或離散程度。即考察所有數據相對于“中心值”分布的疏密程序。有如下統計量：方差（Variance）：

樣本方差越大，說明變量值之間的差異越大，樣本方差沒有單位。標準差（std.deviation）：

樣本標準差越大，說明變量的觀測值之間

的差異越大，距離均值這個“中心”的離散程

度越大。極差（Range）：也稱全距或跨度或范圍，R＝最大值－最小值

極差不考慮最大值與最小值之間的觀測值，僅僅依靠端點值來確定，因而穩定性差。

三、基本描述統計量描述離散趨勢的統計量均值標準誤差（S.E.Mean,StandardErrorofMean，簡稱標準誤）：樣本數據是從總體數據中抽取出來的。雖然在一定程度上，樣本數據可以反映總體數據的特征。但在不同次抽樣中所得的樣本均值是不同的，并且它們與總體均值間存在差異。均值標準誤差：就是描述這些樣本均值與總體均值之間平均差異程度的統計量。即：樣本均值的標準差（也即：樣本均值的離散程度）三、基本描述統計量描述分布形態的統計量

考察數據分布形態特征的統計量，例如，數據分布是否對稱、偏斜程度以及陡緩程度，主要有如下兩種統計量：偏度（Skewness）：

偏度值>0，為正偏或右偏，表示均值右邊的數較少；偏度值<0，為負偏或左偏。峰度（Kurtosis）：

峰度值>0，數據分布比標準正態分布更陡峭，為尖峰分布，表示極端值較多；峰度值<0，數據分布比標準正態分布更平緩，為平峰分布。返回三、基本描述統計量SPSS操作及案例分析（數據文件：3－StudentScore.sav）

例三：計算全部學生各門成績的平均值、標準差、最大值和最小值，并考察學生成績的分布形態。思考語文成績均值右邊數據多還是左邊數據多？思考哪門課程的極端值較多？三、基本描述統計量SPSS操作及案例分析

數據文件：3－StudentScore.sav

Analyze→DescriptiveStatistics→Descriptives…注：描述統計分析過程較為特殊的一個功能就是將原變量變換成標準正態分布下的得分。保存數據的標準化處理值（又稱Z分數）Z分數>0表示樣本值大于均值Z分數<0表示樣本值小于均值Z分數>3表示樣本為異常值

探索性分析四、探索性分析概念

數據探索是統計分析中非常重要的一步，可以幫助我們決定選擇哪種統計方法進行數據分析可以：（1）考察數據的正確性

考察數據中的一些異常值，分析這些值產生的原因，判斷其正確性，再決定修改、刪除或保留它們。（2）考察數據的分布特征

考察數據的正態分布特征可以為以后進行統計分析時采用正確的統計方法提供正確的依據。四、探索性分析通過莖葉圖（Stem-and-LeafPlots）描述頻度分布莖葉圖由數字構成，表達變量的頻數分布。Analyze→DescriptiveStatistics→Explore…

例如，語文成績莖葉圖。

通過箱圖（Boxplots）描述數據分布箱圖也稱為箱線圖(箱式圖)，顯示了變量數據的中位數、25%百分位數和75%百分位數，并給出偏離總體分布的奇異個案和極端個案。四、探索性分析通過箱圖（Boxplots）描述數據分布

語文成績箱圖四、探索性分析通過箱圖（Boxplots）描述數據分布并尋找異常值

四、探索性分析四、探索性分析通過正態分布檢驗的Q－Q概率圖描述數據分布的正態性

正態概率圖以變量（語文成績）的觀測值為X軸坐標，以該變量分布的Z分數為縱坐標。斜線為正態分布的Z分數的期望標準線，若觀測點離線越近，表示點越符合正態分布。反之，越不符合正態分布。四、探索性分析通過正態分布檢驗的Q－Q概率圖描述數據分布的正態性Analyze→DescriptiveStatistics→Explore…四、探索性分析SPSS操作及案例分析例四：按數據文件：4－Explore.sav考察不同性別學生“英語”、“數學”、“語文”三門課程成績的分布、極端值以及正態分布性和方差的齊性。四、探索性分析SPSS操作及案例分析箱圖四、探索性分析SPSS操作及案例分析

從K－S檢驗以及S－W檢驗兩種方法的Sig.值看，均大于0.05，表明三門課程成績按男女分開的樣本都是正態分布的。四、探索性分析SPSS操作及案例分析

例四：操作步驟（數據文件：4－Explore.sav）

Analyze→DescriptiveStatistics→Explore...頻數分析解決了單個分類變量的分布特征。如何分析兩個分類型變量之間的分布特征？

交叉列聯表分析五、交叉列聯表分析概念

通過頻數分析，能夠掌握單個分類變量的數據分布情況。

實際情況，往往需要對兩個或者多個分類變量的頻數分布進行聯合觀察，此時涉及多個分類變量的聯合描述，進而分析變量之間的相互影響和關系。

本節主要講交叉列聯表分析過程，它包括如下兩大基本任務：

五、交叉列聯表分析根據樣本數據，產生二維或多維交叉列聯表

交叉列聯表是兩個或兩個以上的變量交叉分組后形成的頻數分布表。例如，一個二維交叉列聯表，反映了不同戶籍和是否購房交叉分組下的分數頻數分布情況。例五：數據文件：

住房狀況數據.sav五、交叉列聯表分析返回行百分比列百分比根據樣本數據，產生二維或多維交叉列聯表操作步驟：Analyze→DescriptiveStatistics→Crosstabs…五、交叉列聯表分析五、交叉列聯表分析在交叉列聯表的基礎上，對兩兩變量間是否存在一定的相關性進行分析分析：從表中可以看出，在0.05置信度水平下，雙尾檢驗值為0.002，小于置信度水平（0.05），因此，我們有理由認為，戶籍與是否購房之間的關系顯著，即不同戶籍的人對于是否購房看法不一致。列聯表的卡方檢驗用于檢驗兩個分類變量的關聯程度。注：如果列鏈表中有20%以上單元格的期望頻數小于5，則一般不宜使用卡方檢驗。此時可以使用似然率卡方檢驗修正。思考題1根據employeedata.sav的數據分析性別與工種有無關系？思考題2根據下面數據分析性別與對商品顏色喜好間有無關系？男女黃色120140藍色160120黑色120140如何完成多選題的頻數分布呢？六、多選項分析多重應答（MultipleResponse），又稱多選題，是市場調查研究中十分常見的數據形式。多重應答數據本質上屬于分類數據，但由于各選項均是對同一個問題的回答，之間存在一定的相關，將各選項單獨進行分析并不恰當。對多重應答數據最常見的分析是使用SPSS中的“MultipleResponse”命令，通過定義變量集的方式，對選項進行簡單的頻數分析和交叉列聯分析。多選項分析思路多選項分析的基本思路是：第一，按照多選項二分法或多選項分類法將多選項問題分解成若干個問題，并設置若干個SPSS變量。第二，采用多選項頻數分析或多選項交叉分組下的頻數分析多選題分析中比較特別的描述指標有以下幾個應答人數（count）：指選擇各選項的人數，或者說原始頻數。應答人次（responses）：指選擇各選項的人次，對于單個選項，應答人次和應答人數是相同的；但對于整個問題而言，應答人次可能遠遠大于應答人數。多選項分析案例請問您目前已經擁有的數碼產品有哪些？多重應答的標準紀錄方式有兩種：（1）多重二分法（Multipledichotomymethod）。對于多項選擇題的每一個選項看作一個變量來定義。0代表沒有被選中，1代表被選中。這樣，多項選擇題中有幾個選項