spss心得体会.docx
《spss心得体会.docx》由会员分享，可在线阅读，更多相关《spss心得体会.docx（7页珍藏版）》请在冰豆网上搜索。
spss心得体会
学习SPSS在教育统计中的应用心得体会
一、什么是SPSS？
为什么要学习SPSS？
新学期开始时，在信息化教育测量与评价的课程中第一次接触到SPSS这个软件，作为本科是计算机专业出身的我，当时只知道SPSS是一套统计软件，就是一套根据统计学原理所编写出来的统计分析软件，至于统计什么？
分析什么？
我一无所知，尤其是看到老师推荐的《SPSS在教育统计中的应用》这本书的时候，就简单的把它理解为用SPSS软件来统计、分析与教育相关的数据，最终得出想要的结论而已，而现在看来，我当初的想法未免有点简单与无知。
下面就来让我们了解一下SPSS。
SPSS软件是一组专业的、通用的统计软件包，同时它也是一个组合式软件包，兼有数据管理、统计分析、统计绘图和统计报表功能。
它广泛用于教育、心理、医学、市场、人口、保险等研究领域，也用于产品质量控制、人事档案管理和日常统计报表等。
SPSS软件对计算机硬件系统的要求较低；对运行的软件环境要求宽松，有各种版本可运行在WINDOWSXP、WIN7系统环境下，SPSS统计软件采用电子表格的方式输入与管理数据，能方便地从其他数据库中读入数据（如Dbase，Excel，Lotus等）。
我为什么要学习SPSS呢？
其实很简单，一方面，做为一名研究生，要具备一定的科研能力，如今量化研究的方法大行其道，一切要以事实说话、要以数据说话，有了数据支持的研究才能更容易被认可、被推论。
另一方面，根据对AECT94定义的理解，教育技术学研究的对象是学习过程和学习资源，包含大量的偶然现象和非精确现象。
因此，要深入研究教育技术现象及其规律，必须运用统计描述、统计分析方法和模糊数学分析方法，才可能使这门学科达到真正完善的地步。
教育技术学研究的现象多数是偶然的现象，其变化发展往往具有几种不同的可能性，究竟出现哪一种结果，那是带有偶然性的，是随机的。
这类偶然现象是遵循统计规律的，当随机现象是由大量的成份组成，或者随机现象出现大量的次数时，就能体现统计平均规律。
我们只有对数据资料作统计处理，才可能可以发现它们的内在规律，掌握现象的特征，检验研究的假设，才能得出准确的、可靠的研究结果。
二、对本SPSS各章节学习的心得
新课程老师带领下，采取一种新的学习方式，老师讲解了基础部分后，全班同学采取小组分工、协作学习，然后对全班同学进行讲解学习内容，教师进行当堂指导，这种方法改变了同学们的学习态度，同学们不再是课前不预习，课下不复习的状态，每组都有自己的任务，课前有一定的压力，同学间的讨论也明显的增多，例如：
一次课下同学们在一起吃饭，有几位同学还在调侃说“两个菜之间用SPSS进行分析后得出的结果不接受H0假设，也就是两个菜之间不相关”，虽然这只是一个课下的玩笑，但是这也可以体现出对学习的态度的转变。
下面就本学期的所学SPSS的各章节做一下归纳，这些归纳也是基于本人平时在课前预习，课上及课后的一些所思所想，也许会有一些理解上的偏颇在内，但这仅限于心得而已。
本学期学习各个章节及分工如下表：
章节名称
分工人数
章节名称
分工人数
1.SPSS的认识及数据文件的处理
2人
5.相关分析
3人
2.数据清理与基本统计及测量质量分析
2人
6.卡方检验
3人
3.T检验
2人
7.聚类分析
2人
4.方差分析
3人
8.统计图形
1人
1、SPSS的认识及数据文件的处理心得体会
可能是由于是同学们第一次讲，万事开头难，压力很大，在大家认为最为简单的内容讲解上，两位同学并没有完全展现出二人实际水平，大家在这一节课上都感觉到很压抑，总的感觉是这节内容很简单，但是内容又很松散，可讲的东西太多，讲的东西多就没有突出重点和难点，所以听过之后就有种无数的碎片漂浮在脑海中一样，很难将知识系统化，课后总结一下无非就是两块，一块是了解SPSS软件的历史及基本功能，还有一块就是SPSS软件当中一个模块叫做数据文件的处理，在认识SPSS软件当中了解到它是一组社会科学统计软件包，诞生于1968年，当时美国的3位大学生开发出了它，经过这么多年的后续开发，SPSS已经有了很多的版本，具有了更的兼容性、和更友好的操作界面，也在很多的学科领域得到了应用，而在教育中的应用只是它的一个分支。
此外它对硬件的要求也很低，当前一般的电脑都能安装它，安装的过程中也没有什么特殊的方法，傻瓜式的安装方式完全就可以满足。
在数据文件的处理方面，主要是要学会定义变量、处理变量两方面；定义变量是要注意根据自己实际采集的数据来定义变量，例如是数值型的变量还是文本型的变量及变量的长度，小数点保留尾数等，总之就是一句话，根据实际调查的数据要求来定义相应变量。
变量定义只有只要细心的将实际调查的数据录入到SPSS当中即可，当然也可以在SPSS软件之外进行数据编制，可以通过EXECEL等编辑后可以直接导入到SPSS中。
在处理变量模块当中，可以对变量进行添加、删除、拆分与合并等操作，只要根据实际调查数据，细心调整变量，使操作更加简便和明了。
2、数据清理与基本统计及测量质量分析的心得体会
数据的清理与基本统计及测量质量分析由两名同学进行讲解，由于吸取了上节课两名同学的经验，本节讲授的明显好于上节课，这里我也是把它分为两块进行学习，一块是数据的清理，另一块是相关统计理论的学习。
在数据清理方面主要学习了奇异数据的检查与清理，在这里本人觉得非常有必要进行数据清理，在实际的调查数据时难免会出现错误或者碰到极为特殊的典型案例，所以这些数据很难符合大众规律，在统计、分析过程中可能会造成分析结果异常，从而直接影响最终的结论。
所以觉得非常有必要进行数据检查与清理。
而我认为本节的难点不是怎样熟练运用SPSS软件，而是在第二块中的，相关统计理论的学习，学习这些理论需要一定的数学基础，只有明确这些理（论如均值、标准误差、中数、众数、全距、四分位等）原理，知其然，知其所以然，这才是关键，在SPSS中想要实现对数据进行以上分析只需要轻轻点击一下按钮就可以是轻松实现，但是如果不清楚到底用它们来做什么就无从谈起做数据分析了，所以本节内容知道分析原理的重要性要远远大用SPSS对数据做出相关分析的重要性。
总结为一句话“知道它们是做什么的后才会让它们去做该做的工作”。
3、T检验的心得体会
T检验由两名同学讲解，在学习T检验时，首先要明确什么样的数据适合T检验，T检验的结果要说明什么问题？
经过学习可以知道，T检验是对两组数据间的平均水平或均数的比较，通过比较可以得出两组数据间的显著性水平，而这两组数据都要符合正态分布，方差具有齐同性，T检验由两种情况，一种配对提检验，要求两组数据不可以独立颠倒顺序，如果颠倒顺序就会改变问题的性质，这种T检验称为配对T检验；另一种情况下的T检验是两组数据可以任意颠倒顺的检验称为独立样本的T检验。
但是这两种情况都必须符合最先的要求，即都是符合正态分布，方差都具有齐同性。
通过SPSS的相关操作可以轻松完成检验，但是在检验的过程中必须设置置信区间，一般设置为95%，在设置置信区间时必须要考虑到所做分析的数据，如果像要得到显著性差异的结果则可尽量将置信区间设置小些，如果想要得到不显著差异就要将置信区间甚至大些，本人的理解为若置信区间小，则可以理解为在小范围内是可以相信的，但如果将分析结果的置信区间值调大则说明在很大的范围内这个结果可信，反之则不可信，也就是说范围越大，不可信的因素就会越多，做出可信的结果的可能性就会越小，所以在用SPSS的进行T检验时，一定要提前考虑想要得到的检验结果，尽可能将预想结果与实际结果吻合。
本节课最主要的是学会进行T检验，根据数据选择适合的T检验，值得思考的是，两组数据是否符合正态分布、方差的齐同性都需要在T检验前明确，不然无法进行T检验，但是在同学讲解的时候也发现在T检验的过程中SPSS也提供了一项进行是否符合正态分布的选项，是否也可以理解为在未知两组数据的分布情况时也可以进行T检验？
只要先证明两组数据方差具有齐同性后，就进行T检验，检验后SPSS会输出两组数据是否符合正态分布，如果符合则结果可取，否则结果不可取。
4、方差分析的心得与体会
方差分析的内容很多，由三名同学讲解，本以为SPSS当中的各章节是孤立的，各章节间没有关联，等预习完方差分析后才发现原来T检验和方差分析是有很大关联的，T检验是分析两组间数据的关系，而方差分析则是分析两组以上的组间的关系，两组方法都是要求数据符合正态分布，方差具有齐同性。
其各组间要同质，组内异质，这样数据才具有说服力。
本节课方差分析包括四部分，分别为单因素方差分析、无重复实验的双因素方差分析、重复试验的双因素方差分析及协方差分析。
分为以上四种主要是基于分析的问题所包含的变量个数和各变量间有无相互影响，还有就是排除无法控制的协变量的影响的分析来区分分析方法。
例如，只有一个变量的分析就用单因素分析；基于问题中的两个变量间没有相互影响的分析就用无重复实验的双因素方差分析，两个变量有影响就用重复试验的双因素方差分析，要排除无法控制的因素进行分析就用协方差分析。
以上各种方差分析情况都基于不同的统计公式，要是学习这些理论则需要很好的数学基础。
对最终分析结果的解读则需要T检验的解读结果知识。
归结为一点：
最终想得到差异性显著的结果还是差异不明显的结果则要再分析前就有预设。
以此来证明自己的结果分析。
5、相关分析的心得与体会
事物间的相互联系与影响大致分为两种，一种是函数关系即一一对应关系，而另一种是统计关系。
函数关系比较容易分析和测量，而实际数据并不都像函数关系那样简单，这时则需要另一种测量方法----相关分析，衡量事物之间或变量间的线性相关程度的强弱，并用适当的统计指标表示出来，这个过程就是相关分析。
相关分析分多种情况，分为联系变量的相关分析、等级变量的相关分析、偏相关分析和距离相关分析，之所以分为几种也是根据要分析的对象的变化而定，如连续变量的相关分析主要是只变量不是函数关系，而是统计关系且变量数据间可以比较大小，可以加减来计算差异的数据，此外其依据的是Pearson相关系数，还有就是因为数据小于30次分析无意义，所以就要求分析数据要大于30个。
如果数据小于30则用等级相关分析，且两种方法分析的数据都要符合正态分布。
当数据小于30且符合正态分布且又是表达为有序或顺序（等级、方位、大小等）时则用等级变量的相关分析。
与协方差分析类似，二元变量无法有效真实反映事物间的相关关系时，且数据都符合以上要求是则用偏相关分析，也就是说提出其他相关因素影响的情况下再来分析。
以上三种相关分析都是分析事物间的相关关系，而距离相关分析则是分析对观测量之间或变量之间相似或不相似的程度的一种测量，它可以用于同一变量内也可以用于变量之间的测量。
对以上四种相关分析简单总结为分的对象分为两种，一种是对象间，另一种是变量间。
被分析的对象都符合正态分布，针对数量（30个）采用不同分析方法，针对对象的性质不同采用不同的方法。
以上为对前三种相关分析方法提出，最后一种距离相关分析是分析观测值的相似性。
6、卡方检验的心得体会
卡方检验与以上的分析有很大不同，跨度较大，卡方检验主要是分析品质相关问题，所谓品质相关问题其特征是每个个体都有至少两个特征或变量，每个特征的取值可以是顺序型的（可比大小，不能加减）或者是名义型的（连大小都不能比）例如：
不同文化程度的人对莫伊政策的态度或工作业绩是否相关？
。
可以简单将其理解为是用来专门分析品质相关的检验，它是一种非参数检验，而在此之前的检验都是参数检验即：
分布形态已知（正态分布或近似正态分布）方差具有齐同性等。
卡方检验由多种，即一般卡方检验、配对卡方的一致性检验、分层卡方检验。
在一般卡方检验中应注意由原始数据得出的评述数据应给各类数据加权。
而配对卡方的一致性检验则要注意如何区分什么情况用配对卡方的一致性检验，如两位专家对一批大学独自做出等级判断，问他们的判读是否一致，判断水平有无差异？
这则是一个典型的配对资料，及看是否一致，有看差异在哪里。
而分层卡方检验可以理解为对多种情况下的多个样本进行逐次比较，最终分析各样本在不同情况下的关系。
总之，本节应注意什么样的数据是品质相关的。
卡方检验是用来分析什么样情况的数据。
7、聚类分析的相关心得体会
聚类分析简而言之就是在没有先验的情况下将收集的数据进行分类。
所谓的“物以类聚”，本节分两块，一种是在数据在200个以内的层次聚类分析，就是按照逐次聚合的方式进行比较最终分为所要求的几类。
还有一种就是数据超过200个时为了省时而采用的快速聚类，但快速聚类只能进行连续变量的聚类。
分层聚类可以针对样本进行分类，也可以针对变量进行分类。
在分层聚类和快速聚类的分析结果解释中不同于以上其他分析，之前主要分析相关性，而聚类分析则主要看数据最终分成几类及聚类的过程。
其实最终是要根据分类的情况提出对策才是关键。
至于快速聚类分析基本与分层聚类分析相似，唯一不同就是快速聚类分析的分析范围受限，不如分层聚类分数广泛，还有就是快速聚类的输出结果中，有一项输出是分析各项与最终分成的类之间的相关性检验，如果显著则说明原始数据与各类间差异大，说明分类成功，否则说明不成功。
8、统计图形的心得体会
关于统计图形的学习大致分为两类，一类是交互性的统计图形，另一类是静态的统计图形，交互性的统计图形在呈现方式上多样，多种数据交叉在一起显示，最初学习觉得很乱，但细细观察会发现显示的很全面。
静态统计图形显示更加直观，但在全面性上要逊色一些。
对于交互，本人有不同的理解，本人认为，交互更多的是体现在在呈现图形时，表现出的是各数据间的交互，同一图中可以看出几种数据在不同范围内的相互关联。
至此本人理解可能偏颇，但这只是在课上的一时之想。
经过一学期的学习，本人已经对SPSS在教育统计中的应用有了一定认识，十分感谢老师的指点迷津，尤其在本人所讲解分层聚类分析时，如果没有老师及时纠正则很可能将最终的结果讲解错误；同时也感谢班级各位同学，在大家的不断讨论中，对学习的内容也随之深入。
但是在这个过程中也越来越多的觉得对于统计学的相关理论的学习甚是浅薄，通过学习才发现数学功底太过薄弱，我只是学到了“是什么”至于“为什么”的问题基本跳过，由此感觉需要学习的东西还太多、太多；还有就是以上心得绝大多数都是关于SPSS各项功能的理解，而至于操作基本没有提及，也许只有在实际应用中的体会才会更深刻，操作也会更熟练。
希望会在以后的实际学习、工作中将它应用的更熟练。
Loveisnotamaybething.Youknowwhenyoulovesomeone.
升级会员 