spss新手教程

spss新手教程

spss新手教程，包含数据的合并、拆分、数据计算、数据的重新编码、频率分析、描述性统计分析、探索性分析、单因素方差分析、多因素方差分析、协方差分析、线性回归分析、曲线估计

名义尺度（Norminal）

–即定类尺度，它仅仅是一种标志，用于区分变量的不同值，类别数据之间没有次序关系。例如，人口的性别、商品的名称、身份证、商店类型等。

定序尺度（Ordinal）

–是对事物之间等级或顺序差别的一种测度。例如，考试成绩（优、良、中、差）、人的身高等级（高、中、矮）、学历等级（博士、硕士、学士）等。

间隔尺度（Scale）

定距尺度（Interval），是对事物类别或次序之间间距的测度。例如，100分制考试的成绩、重量、温度等。

定比尺度（Ratio），是指能够测度值之间比值的一种计量尺度。例如，员工的月收入、企业产值等。

不同的度量尺度的统计数据在SPSS的数据文件中，对应不同的变量数据类型。

Ø名义尺度----数值型、字符型 Ø定序尺度----数值型、字符型 Ø间隔尺度----数值型

结构定义包括：名称、类型、宽度、小数、标签、值、缺失值、列、对齐、度量标准、角色

命名规则：

–高版本的SPSS的变量名长度可多达64位，但是由于老版本的SPSS变量名长度应在8位之内，为了避免与老版本及其他软件出现兼容问题，变量名一般仍控制在8位之内且尽量避免中文，必要的中文说明可以放在Label栏中加以说明。

–首字符应以英文字母开头，后面可以跟除了！、？、*之外的字母或数字。下划线、圆点不能为变量名的最后一个字符。

–变量名必须唯一且不区分大小写字母。允许汉字作为变量名，汉字总数一般不超过4个。

–变量名不能包含空格

–变量名不能与SPSS的保留字相同。SPSS的保留字包括：all、by、eq、ge、gt、leIt、ne、not、or、to、with。系统不区分变量名的大小写。

Ø变量值标签(Values)【问卷里的单选题】 –变量值标签是对变量的可能取值附加的进一步说明，标签内容最多可以有120个字符，通常仅对类型或分类变量的取值指定值标签 –

例如，将变量Departmt定义为数值型变量时，可以按照下表中规定的值和值标签，具体定义方法见下图。

Ø选择菜单“文件→打开→数据”，弹出“打开文件”对话框左键单击“文件类型”，即可看到SPSS所能打开的数据文件类型，如下表所示

横向合并：数据——合并文件——添加变量

单击“浏览”按钮选择要合并的SPSS数据文件的文件名

从左边文本框中选择需合并的变量到此框中

纵向合并：数据——合并文件——添加个案

纵向合并数据文件的操作方法同横向合并的方法类似，操作不再赘述，但需注意以下几点：

两个待合并的SPSS数据文件的内容合并起来应具有实际意义；

两个数据文件的结构最好一致；

不同数据文件中含义相同的变量最好用相同的变量名，数据类型要相同

所谓的拆分并不是要把数据文件分成几个，而是根据实际情况，根据变量对数据进行分组，为以后的分组统计分析提供便利

数据——拆分文件

数据计算：转换——计算变量

数据可视离散化

SPSS提供的数据可视离散化功能可将连续的数值型数据按由小至大的顺序加以分组（测量值由最低分至最高分分组），从而可将等距或比率变量转换为间断变量。

选择“转换→可视离散化”

数据重新编码

转换——重新编码为不同数据

频数分析：

选择菜单“分析→描述统计→频率”

1．变量选择

图5-1的左边即为待分析的变量列表，变量选项栏用于选择要产生频数表的变量，

可以同时选择多个变量。系统会分别处理。

2．显示频率表格（Display FrequencyTables）选项栏

用于显示频数表。

经过频率分析可以得到如下结果：

（1）频率分布表：该表中包含频率、各频率占总样本数的百分比、有效百分比、累计百分比。

（2）统计图：用统计图形展示变量的取值状况，频率分析中提供的统计图形可以是条形图、饼图或者直方图。

描述性分析：主要用于输出变量的各类描述性统计量的值

选择菜单“分析→ 描述统计 →描述” ，打开“描述性”主对话框，将要分析的变量加入“变量”列表框中。并勾选“将标准化得分另存为变量”。

打开“描述：选项”对话框，选中“均值”、“标准差”、“最小值”、“最大值”、“峰度”、“偏度”及显示顺序的“变量列表”等选项。

探索性分析：与前面介绍的两种分析方法相比，探索性分析更加强大，它是一种在对资料的性质、分布特点等完全不清楚的情况下，对变量进行更深入研究的描述性统计方法。

选择菜单“分析→ 描述统计 → 探索”，打开“探索” 对话框，，将“成绩”字段移入“因变量列表”，“科目”移入“因子列表”。

打开“统计量”对话框，选中“描述性”；

打开“探索：图”对话框，选中“按因子水平分组”、“茎叶图”、“带检验的正态图”等选项。

打开“探索：选项”，选中“按列表排除个案”选项。

单因素方差分析：

单因素方差分析（One-way ANOVA），它检验由单一因素影响的一个因变量，由因素各水平分组的均值之间的差异，是否具有统计意义，或者说它们是否来源来同一总体。

选择菜单“分析→比较均值→单因素方差分析”

话框，选择变量Score on training exam到“因变量列表”选项栏。选择变量

Sales training group到“因子”选项栏。

单击“选项”按钮则弹出如图9-4所示对话框，选中“描述性”选项栏和

“方差同质性”检验选项栏，然后单击“继续”按钮返回主界面

多因素方差分析：

多因素方差分析用来研究两个及两个以上的控制变量是否对观测变量产生显著影响。多因素方差分析不仅能够分析多个控制因素对观测变量的影响，也能够分析多个控制因素的交互作用对观测变量产生影响，进而最终找到利于观测变量的最优组合。

按“分析|一般线性模型| 单变量”的步骤打开单变量对话框。并将“数学”变量移入因变量框中，将“组别”和“性别”移入固定因子中

由于方差分析要求不同组别数据方差相等，故应进行方差齐性检验，单击“选项”按钮，选中“方差齐性检验”，显著性水平 设为默认值0.05。

单击“两两比较”按钮，如下图，在其中选出需要进行比较分析的控制变量，这里选“组别”，再选择一种方差相等时的检验模型，如LSD

打开“模型”对话框，本例用默认的全因子模型。

协方差分析：协方差分析是将那些很难控制的因素作为协变量，在排除协变量影响的条件下，分析控制变量对观察变量的影响，从而更加准确地对控制因素进行评价。

选择菜单“分析→一般线性模型→单变量”，则弹出如图9-28所示对话框，

选择变量Income after the program到“因变量”选项栏，选择变量Program

status到“固定因子”选项栏中，选择变量Income before the program到“协变

量”选项栏中。

线性回归分析：线性回归假设因变量与自变量之间为线性关系，用一定的线性回归模型来拟合因变量和自变量的数据，并通过确定模型参数来得到回归方程。

作散点图，观察两个变量的相关性：依次选择菜单“图形→旧对话框→散点/点状→简单分布”，并将“国内生产总值”作为x轴，“财政收入”作为y轴，可以看出两变量具有较强的线性关系，可以用一元线性回归来拟合两变量；反之则不行

选择菜单“分析→回归→线性”，打开“线性回归”对话框，将变量“财政收入”作为因变量 ，“国内生产总值”作为自变量。

打开“统计量”对话框，选上“估计”和“模型拟合度”。

曲线估计：曲线估计（曲线拟合、曲线回归）则是研究两变量间非线性关系的一种方法，选定一种用方程表达的曲线，使得实际数据与理论数据之间的差异尽可能地小。

先用散点图的形式进行分析，看究竟是否具有一元线性关系，如果具有一元线性关系，则用一元线性回归分析，否则采用曲线估计求解。

进行曲线估计：依次选择菜单“分析→回归→曲线估计”，将所有模型全部选上，看哪种模型拟合效果更好(主要看决定系数R2)，其所有模型的拟合优度R2如下表所示。