spss教與學改 ppt課件

1、主要內(nèi)容,§1 SPSS基本概念 §2 數(shù)據(jù)錄入 §3 數(shù)據(jù)預處理 §4用頻數(shù)做數(shù)據(jù)匯總 §5多選項分析 §6交互分析 §7T檢驗的應用 §8

2、相關(guān)分析 §9 聚類分析 §10 線性回歸分析,§1 SPSS基本知識,SPSS是Statistical Package for the Social Science的簡稱目前的主要功能有：樣本數(shù)據(jù)的描述和預處理﹑描述性統(tǒng)計﹑均值比較﹑相關(guān)分析﹑回歸分析﹑聚類分析﹑假設(shè)檢驗等 。已廣泛用于社會學﹑經(jīng)濟學﹑政治學﹑心理學﹑

3、管理學﹑市場營銷等眾多領(lǐng)域的研究。,Spss基本知識Statistical Package for the Social Science,特點易用性統(tǒng)計分析解決方案結(jié)果的權(quán)威性,作用幫助人們整理大量的數(shù)據(jù)協(xié)助人們迅速的對大量數(shù)據(jù)進行統(tǒng)計分析把分析結(jié)果以便于理解的方式展現(xiàn)出來,Spss的窗口介紹,§1.1 數(shù)據(jù)編輯器窗口,,,數(shù)據(jù)視圖窗口,,數(shù)據(jù)顯示區(qū),,變量視圖窗口,,工具攔,Spss的窗口介紹,

4、67;1.2 變量視圖窗口,,變量定義功能攔,Spss的窗口介紹,結(jié)果管理窗口,§2 數(shù)據(jù)錄入—基本概念,變量名 可以輸入變量名如var1﹑var2 ﹑age ﹑sex等。變量名以字母為首，后跟A~Z﹑0~9字符(字符≤8)變量標簽 對變量名的進一步解釋說明變量值標簽 對變量取值的解釋說明，即題項的數(shù)據(jù)化，用于對問卷數(shù)據(jù)錄入時進行編碼。例如：用1表示男，2表示女,數(shù)據(jù)錄入—基本概念,變量類

5、型 常用的變量類型主要有數(shù)值型、字符型和日期型缺失值 即存在明顯錯誤、不合理數(shù)據(jù)或漏填數(shù)據(jù)。例如：年齡223歲,數(shù)據(jù)錄入—基本概念,度量標準統(tǒng)計學中，度量是指按照某種法則給現(xiàn)象、事物或事件分派一定的數(shù)字或符號，通過測度來看刻畫事物的特征或?qū)傩?。例如：可以?8公斤來度量一個人的體重、用172厘米度量他的身高等。,數(shù)據(jù)錄入—基本概念,按照度量的程度不同，spss將度量分為以下三種標準：定距數(shù)據(jù)(scale)度量

6、 不僅能夠區(qū)分出研究對象的不同類別﹑不同等級，而且能確定不同等級之間的距離，即可以做加減法。如年齡變量。定序數(shù)據(jù)(Ordinal)有序 能夠區(qū)分出研究對象的不同類別，而且可以區(qū)分出類別之間的強弱﹑大小﹑高低。例如可以將人們的態(tài)度看作一個定序變量，將態(tài)度分為：非常贊成﹑較贊成﹑一般﹑較不贊成﹑很不贊成定類數(shù)據(jù)(Nominal)名義 能區(qū)分現(xiàn)象﹑事物的不同性質(zhì)，而不能從規(guī)模大小等方面進行區(qū)分。如性別﹑

7、婚姻狀況等。,數(shù)據(jù)錄入,單項選擇題處理：根據(jù)題項賦值多項選擇題的處理分類法 估計多選項問題最多可能出現(xiàn)的答案個數(shù)，然后為估計的每個答案設(shè)置一個變量，變量取值為多選項問題中的可選答案二分法 一般是將題中每個選項作為一個變量處理，采取“0，1”編碼，”1”表示即選擇了這項，”0”表示沒有選擇這一項開放式問題錄入 一般根據(jù)大意精簡后直接輸入，數(shù)據(jù)類型設(shè)為字符型 問卷.xls,§ 3 數(shù)據(jù)

8、預處理,數(shù)據(jù)的合并 點擊Data → Merge File →Add cases ：出現(xiàn)Read file對話框→找到問卷示例.sav →點擊”打開” →彈出對話框 Add Case From,,Read file對話框,數(shù)據(jù)預處理—數(shù)據(jù)合并,當出現(xiàn)Add case from的對話框時，我們應觀察左側(cè)對話框與右側(cè)對話框變量是否匹配，左側(cè)為不能匹配的變量，右側(cè)為可以匹配的變量。見下圖。,,Add case from的對話框,數(shù)據(jù)

9、預處理—數(shù)據(jù)排序,數(shù)據(jù)排序 點擊Data →select case 選項→打開select case 對話框，出現(xiàn)以下界面。,排序個案,數(shù)據(jù)預處理—數(shù)據(jù)排序,注意：數(shù)據(jù)排序是整行排序，而不是只對某列排序多重排序中指定排序變量的次序很關(guān)鍵，排序時先指定的變量優(yōu)先于后指定變量，按某個變量升序的同時可以按其他變量降序數(shù)據(jù)排序后，原有數(shù)據(jù)的排列順序必然被打亂，應注意備份原始數(shù)據(jù),§4 用頻數(shù)做數(shù)據(jù)匯總,§4.

10、1 如何得到一張頻次表 步驟：第一步：打開問卷示例1.sav數(shù)據(jù)界面→單擊Analyze →Descriptive Statistics（描述統(tǒng)計） →Frequencies →打開Frequencies（頻率） 對話框 第二步：點選目前職業(yè)這一變量到variable框內(nèi)→單擊OK按鈕,,Frequencies 對話框,用頻數(shù)做數(shù)據(jù)匯總,SPSS頻次分析的統(tǒng)計量選項 百分比計算 集中趨勢測量 離散趨勢

11、測量 數(shù)據(jù)分布描述,§5 多選項分析,對多選項做普通頻數(shù)分析的困難,您一般在什么情況下送禮(選擇最經(jīng)常送禮的兩個場合)（1）婚嫁 (2)生日 (3)搬遷新居 (5)探親 (4)中國傳統(tǒng)節(jié)日 (7)探病 (8)西方節(jié)日場合 (9)生子 (10)畢業(yè) （11）其他這里采用分類法分解，只能得到兩個變量，采用普通頻數(shù)分析，也只能得到兩個變量的相對重要性，不能全面了解調(diào)查者看重因素的整體情況，如下圖：,多

12、選項分析—基本操作步驟,第一步：定義選擇變量集Analyze→單擊multiple response（多重響應） →define sets（定義變量集）,多選項分析—基本操作步驟,第二步：采用多選項頻數(shù)分析進行數(shù)據(jù)分析單擊Analyze →multiple response →frequencies （頻率）→打開如下對話框,§6 交互分析,§6.1 如何得到一張交互表交互分析主要用于分析多變量的聯(lián)合分布

13、特征，進而分析變量之間的相互影響和關(guān)系。例如，需要了解不同文化程度的調(diào)查對象其職業(yè)情況有什么不同，進而分析文化程度與其職業(yè)是否存在一定的關(guān)聯(lián)性。 單擊Analyze →Descriptive Statistics（描述統(tǒng)計） →Crosstabs （交互分析）→打開Crosstabs對話框。,,Crosstabs對話框,交互分析,Row (s)：交互表中的行變量，一般放置因變量Column (s)：交互表中的列變量，一般放置自

14、變量 例如：以問卷示例1.sav為例，要分析不同文化程度的調(diào)查者的職業(yè)情況怎么樣？ 步驟：第一步：Analyze →Descriptive Statistics →Crosstabs →打開Crosstabs對話框。 第二步：點選目前職業(yè)到Row (s)框內(nèi)，點選文化程度到Column (s)框內(nèi)→單擊Cells 第三步：點選Percentages下面的Row﹑ Column和total →co

15、ntinue →OK,交互分析,§6.2 兩個變量之間是否相關(guān) 例如：檢查目前職業(yè)和文化程度是否相關(guān)(定類—定類) 步驟：第一步：Analyze →Descriptive Statistics →Crosstabs →點選目前職業(yè)到Row (s)框內(nèi)，點選文化程度到Column (s)框內(nèi)→單擊Statistics →打開Crosstabs： Statistics 對話框，見下圖,,Crosstabs： S

16、tatistics 對話框,交互分析,第二步：點選上圖中的Chi-square→單擊continue →單擊OK按鈕。輸出以下結(jié)果,,結(jié)論。其顯著性sig.小于.01（1-置信水平），所以，職業(yè)和文化程度之間是相關(guān)的,在置信水平中設(shè)置了為99%,§7 T檢驗的應用,§7.1 單個樣本T檢驗 主要利用來自總體的樣本數(shù)據(jù)推斷該總體的均值是否與指定的檢驗值之間存在顯著差異，它是對總體均值的假設(shè)檢驗。

17、 例如：我們要根據(jù)被調(diào)查者一次的送禮花費來推斷總體一次送禮的平均花費是否為200元。 步驟：第一步，單擊Analyze→ Compare Means（比較均值） →One -Sample T Test （單樣本T檢驗）打開One -Sample T Test 主對話框，見下圖,T檢驗的應用,第二步：點選一次送禮的花費這一變量到Test Variable（檢驗值）框→在Test Value處輸入200 →單擊OK按鈕，輸出以

18、下結(jié)果。,結(jié)果分析：顯著性檢驗的p值為0，小于0.05，因此拒絕原假設(shè)，認為 一次性送禮的花費與200有顯著差異。,T檢驗的應用,獨立樣本T檢驗 主要用來檢驗來自兩個總體的獨立樣本，推斷兩個總體的均值是否存在顯著差異 例如：我們要檢驗不同性別的平均一次送禮花費是否存在差異 步驟：第一步，單擊Analyze→ Compare Means →Independent -Sample T Tes

19、t（獨立樣本T檢驗） 打開Independent -Sample T Test 主對話框，見下圖,T檢驗的應用,第二步：點選一次送禮的花費這一變量到Test Variable框→點選性別變量到Grouping Variable框→單擊Define Groups 按鈕→打開Define Groups 對話框，見下圖,,Define Groups 對話框,T檢驗的應用,第三步：在定義好以后，單擊continue→返回Independent

20、-Sample T Test 主對話框→單擊OK，輸出以下結(jié)果。,,,結(jié)果分析：F統(tǒng)計量的概率為0.079大于顯著性水平0.05，認為兩總體方差無顯著差異，因此，分析第一行方差相等下的t統(tǒng)計量，其概率為0，小于0.05，認為男女性送禮費用有顯著差別。,§8 相關(guān)分析,相關(guān)分析 主要用于揭示事物之間線性關(guān)系的強弱程度，包括簡單相關(guān)和偏相關(guān)兩種類型?；痉椒ǎ合嚓P(guān)系數(shù)r(-1<=r<=1) r絕對值大于0

21、.8,有較強的線性關(guān)系；若小于0.3，兩變量間存在較弱的線性關(guān)系。 Pearson相關(guān)系數(shù)：適用定距變量 Spearman相關(guān)系數(shù)：適用定序變量 Kendall相關(guān)系數(shù)：采用非參數(shù)檢驗方法，度量定序變量間的線性關(guān)系,相關(guān)分析—簡單相關(guān),例如，要檢驗年齡、文化程度和收入之間是否有顯著的線性關(guān)系 單擊Analyze→ correlste（相關(guān)）→ bivariate（雙變量）→打開對話框，見下圖,相關(guān)分析—簡單相關(guān),將參加計

22、算的相關(guān)系數(shù)的變量選到variables中，選擇Pearson系數(shù)，并選擇雙尾p值在options按鈕中的statistics選項中選擇輸出各種方差和離差。結(jié)果如圖：,結(jié)果分析：年齡和收入的相關(guān)系數(shù)為-0.078，接近于0，其線性相關(guān)性很弱，即認為年齡和收入沒有很強的線性關(guān)系，文化程度和收入的相關(guān)系數(shù)為0.379，有較弱的線性關(guān)系，即認為文化程度越高收入越高。,相關(guān)分析—偏相關(guān),偏相關(guān)關(guān)系： 它是指在諸多相關(guān)的變量中，控制其

23、中一個或若干個變量的影響后，兩個變量間的相關(guān)關(guān)系。 例如：檢驗年齡和文化程度對收入的線性關(guān)系中，控制了年齡對收入的影響后，看文化程度對收入的影響。 步驟：，單擊Analyze→ correlste→ partial（偏相關(guān)）→打開對話框→點選參與分析的文化程度和收入到variable框內(nèi)→點選年齡到controlling for（控制）框內(nèi)，選擇雙尾p值，對話框如下：,相關(guān)分析—偏相關(guān),結(jié)果分析：在控制年齡因素下，文化程

24、度和收入的相關(guān)系數(shù)為0.372，即文化程度與收入有較弱的正相關(guān)關(guān)系，文化程度越高，收入也越高。,偏相關(guān)分析結(jié)果:,§9 聚類分析,“物以類聚，人以群分”。聚類分析（Cluster Analysis）是依據(jù)研究對象的個體的特征，對其進行分類的方法。如通過對一些大學的基本情況（如總體規(guī)模、聲源、研究生比例、科研成果等）的對比分析，可以把特征相近的學校歸入一個類型。聚類分析實質(zhì)是建立一種分類的方法，它能夠?qū)⒁慌鷺颖緮?shù)據(jù)（或變量

25、）按照它們在性質(zhì)上的親疏程度在沒有先驗知識的情況下自動進行分類。,聚類分析,例如：要對被調(diào)查者根據(jù)婚姻狀況進行分類，其步驟如下： 單擊Analyze→ cluster（分類） →mean cluster（K均值聚類） →打開對話框，見下圖：,聚類分析,選擇case作為分類對象，并在options中指定輸出信息。其結(jié)果如下：,結(jié)果分析：將所有樣本分為兩類，一類為已婚，一類為未婚，其中未婚個數(shù)為154，已婚個數(shù)為28.,§

26、8 方差分析,§8.1 單因素方差分析 所謂方差分析：主要用于兩個及兩個以上樣本均值差別的顯著性檢驗 單擊Analyze→ Compare Means→ One Way ANOVA→打開One Way ANOVA對話框，見下圖,方差分析,Dependent list 放置因變量，要求因變量是定距變量Factor 放置自變量，要求是定類變量Contrast 用于比較和分析均值

27、的特性，一元分析，一般不用Options 擇統(tǒng)計量和缺失值處理方式,方差分析,POST HOC 它是方差相等或不相等情況下的檢驗選項 例如：檢驗被調(diào)查者不同的文化程度，其平均年收入是否存在差異 步驟：第一步，單擊Analyze→ Compare Means→ One Way ANOVA→打開One Way ANOVA對話框→點選年收入到Dependent list框內(nèi)→點選文化程度到Factor框內(nèi)

28、 第二步：同方差性檢驗 點選Homogeneity of variance →單擊Continue按鈕，輸出以下結(jié)果。,方差分析,方差分析,從上知：方差不相等且均值存在差異 第三步：檢查差異到底存在哪？ 點選Equal variance not assumed下面的Dunnett’s →單擊OK，輸出以下結(jié)果。,方差分析,結(jié)論：被調(diào)查者文化程度不同，其平均年收入有顯著差異，其中大專以上的與其他學歷的調(diào)查

29、者存在顯著差異。,§10 線性回歸分析,線性回歸分析是一種應用廣泛的數(shù)量分析方法。它用于分析事物之間的統(tǒng)計關(guān)系，側(cè)重考察變量之間的數(shù)量變化規(guī)律，反映一個事物如何隨其他事物的變化而變化。與相關(guān)分析相比，它具有更強的數(shù)量關(guān)系。線性回歸的一般步驟：1、確定回歸方程中的解釋變量和被解釋變量2、通過觀察散點圖確定回歸模型3、建立回歸方程4、對回歸方程進行各種檢驗5、利用回歸方程進行預測和控制,線性回歸分析,例：分析被調(diào)查者

30、年送禮花費與年收入之間的線性關(guān)系 單擊Analyze→ Regression（回歸） →Linear（線性回歸） →打開Linear Regression對話框，見下圖：,線性回歸分析,選擇被解釋變量進入dependent（因變量）框，多個解釋變量進入indepenDent（自變量）框，并選擇相應的統(tǒng)計量，要輸出的殘差分析圖表，其對話框為：,線性回歸分析,結(jié)果分析：調(diào)整的判定系數(shù)為0.163小于0.3，因此線性關(guān)系很弱，擬合優(yōu)度不高，

31、收入對一年送禮花費的線性影響不大。,輸出結(jié)果1,線性回歸分析,結(jié)果分析：統(tǒng)計量F的p值為0，小于顯著性水平0.05，所以被解釋變量與解釋變量有顯著的線性關(guān)系。,輸出結(jié)果2,線性回歸分析,結(jié)果分析：由殘差直方圖可以知道其總體上服從均值為0的正態(tài)分布，且由于只有一個變量，其變量間不存在多重共線性，條件索引都小于10.,輸出結(jié)果3,線性回歸分析,結(jié)果分析：其t檢驗統(tǒng)計量的p值為0，小于顯著水平，所以拒絕原假設(shè)，認為收入和年送禮花費有線性關(guān)系，

32、且其回歸方程應為： 年送禮費用=1957.706+0.022*年收入,輸出結(jié)果4,總體均值和方差的點估計,例題：某工廠隨機從生產(chǎn)部門抽出8件電子元器件，測得使用壽命分別為：10，12，13，12，15，13，12，13年，試對該工廠電子元件的平均使用壽命和方差進行估計。,總體均值的區(qū)間估計,設(shè)X1、X2、X3….是來自總體的一個樣本，θ是總體未知參數(shù)。對給定的a，如能確定兩個統(tǒng)計量c1和c2，滿足P{c1<θ&

33、lt;c2}=1-a；則稱(c1,c2) 是θ的置信度為1-a的置信區(qū)間。1-a為置信度或置信概率，反映置信區(qū)間包含總體參數(shù)的可靠度，通常的值為99%，95%，90%。a 稱為顯著性水平，反映置信區(qū)間未包含總體參數(shù)的概率，通常的值為0.01,0.05,0.1。,總體均值的區(qū)間估計,樣本均值的抽樣分布定理：當總體服從正態(tài)分布X ~ N(μ,σ2 )時，來自該總體的所有容量為n 的樣本的均值X’也服從正態(tài)分布，且X’的數(shù)學期望為μ，

34、方差為σ2/n，即：X’ ～ N(μ,σ2/n)；中心極限定理：從一任意總體（總體均值為μ、方差為σ2）中抽取容量為n 的樣本，當n 充分大時，樣本均值X’的抽樣分布近似服從均值為μ 、方差為σ2/n的正態(tài)分布。即： X’ ～ N(μ,σ2/n)；,總體均值的區(qū)間估計,抽樣均值平均誤差：估計量的標準差即樣本均值的標準差=均值的抽樣平均誤差均值抽樣極限誤差：1-α置信水平下抽樣誤差的可能范圍，稱為抽樣極限誤差或允許誤差。,總體

35、均值的區(qū)間估計,例題：某專業(yè)大學生的體重服從標準差為5.4kg的正態(tài)分布。隨機抽取36名，測得他們的平均體重為65kg，在95%的置信度下，對總體平均體重進行估計的抽樣平均誤差和抽樣極限誤差為多少？并求其置信區(qū)間。其中，Za/2=1.96。,總體均值的區(qū)間估計,假定某商場某袋裝食品總量呈正態(tài)分布，現(xiàn)隨機抽取10袋，測得重量分別為789、780、794、762、802、813、770、785、810、806 （克） ，要求以95％的置信度