SPSS期末复习笔记Word文档格式.docx
《SPSS期末复习笔记Word文档格式.docx》由会员分享,可在线阅读,更多相关《SPSS期末复习笔记Word文档格式.docx(10页珍藏版)》请在冰豆网上搜索。
SPSS对数据的处理是以变量为基础的。
所以,数据录入前一定先定义变量及其属性,包括指定名称、(存储)类型、宽度、小数、标签、值、缺失、列(宽)、对齐、度量标准和角色。
这也被称作建立数据框架。
变量名必须以字母、汉字或字符@开头,数字不可以,其他字符可以是任何字母、数字或_、@、#、$等符号。
变量名中不能有空白字符或其他特殊字符(如“!
”、“?
”、“*”等)。
变量名最后一个字符不能是英文句号(.)。
在SPSS中不区分大小写。
例如,HXH、hxh或Hxh对SPSS而言,均被视为同一个变量。
SPSS的保留字不能作为变量的名称,如ALL、AND、BY、EQ、GE、GT、LT、NE、NOT、OR、TO、WITH等。
SPSS中变量有3种基本类型:
数值型、字符型(区分大小写)和日期型。
但根据不同的显示方式,数值型又被区分成:
数值、逗号、圆点、科学计数法、美元、(用户)设定货币等6个子类型。
不过,只有数值(N)最为常用。
默认状态下,所有变量的类型均为数值型,且宽度是8位、小数位是2位。
对话框界面可修改宽度和小数位,然后“确定”,但宽度必须大于小数位。
变量标签是对变量名的进一步描述,可长达120个字符
SPSS有两类缺失值:
系统默认缺失值和用户定义缺失值。
对于数值型变量值,系统默认缺失值为圆点“.”,而字符型变量值的系统默认缺失值为空字符串(什么也没有)。
指定“列”实际上是设定变量的显示宽度,默认为8个字符的宽度。
统计学中,按照对事物描述的精确程度,将度量标准从低到高区分为4种类型:
定类尺度:
仅能测定类别差,不能比较大小,各类之间没有顺序和等级,只能计算频数频率百分比,可以使用数值型变量,也可以是字符型变量。
要符合穷尽和互斥的原则。
定序尺度:
可比较优劣或排序,但数值不代表绝对数量大小,可以是数值型变量,可以是字符型变量。
可以计算频数、频率和累计频率、累计频数。
定距尺度:
不仅能区分不同类型并排序,还能指出类别之间的差距是多少,最典型的是温度。
严格来说只能加减。
其0值没有物理含义,没有绝对的“0”点,故不能做乘、除运算。
定比尺度:
测算两个测度值之间比值,与定距变量相比差别是有一个固定的绝对“零点”。
0在定距变量中仅是一个测量值,而定比变量真正表示没有。
可以加减乘除。
E.g.重量、年龄
可以将高层次测量尺度的结果转换为低层次测量尺度的测量结果,但不能把低层次的转化为高层次的。
半开放题的处理:
指定变量时,可以使用两个变量,第1个变量中,“其他”作为一个选项;
第2个变量将“其他”中“请注明”的内容作为一个单独的开放题,而将没有选择“其他”一项的案例在此变量上的取值作为系统缺失值。
为使得变量名之间具有一定的逻辑联系,可以考虑将第二个变量的名称设置为由第一个变量名称后直接加“a”之类的字符。
多选题的处理:
①多重二分法:
编码时,将每一个选项定义成一个变量,有几个选项就有几个变量,且均以取值等于1表示选了该项、以取值等于0表示未选该项。
(标准处理方式)
②多重分类法:
也是利用多个变量来对一个多选题的答案进行编码。
应该用多少个变量,取决于实际可能给出的最多答案的数目而定。
这多个变量必须为数值型变量,所有变量采用同一套取值标签。
Excel、txt的文件读取之后要保存为SPSS的文件。
插入终止线时,开始(即0列)处和结尾(最后一列)处必须插入,否则会少变量
F4.0A1F是数值型A是字符串F4.0就是数值型宽度是4小数是0
什么是固定宽度的,什么是分隔符等分开的?
数据管理
转换→变量级别的
—计算新变量:
compute
—已有变量值的分组合并:
recode(重新编码为不同/相同变量)
将度量变量重新分组为序号变量,或者将序号变量、名义变量的不同取值加以归类合并
“重新编码为相同变量”:
对现有变量直接进行编码,保留该变量,只是根据设定的规则替换掉原来的取值。
“重新编码为不同变量”:
根据现有变量的取值生成一个新变量来保存重新编码的结果。
包括端点!
!
—连续变量的离散化
如果想进行的分组是比较有规律的,例如,等距分组,或等样本量分组,可以使用SPSS提供的“可视离散化”过程进行分组。
SPSS提供了两种可视离散化:
需用户自行判断设定的可视离散化和基本全自动的最优离散化。
建议生成分割点的时候先填第一个分割点的位置和个数,然后自动生成宽度。
—变量的自动重编码与数值移动
自动重编码:
自动按照原变量取值的大小或字符顺序生成新变量,而新变量的值就是原变量值大小的序号或先后序次。
个案排秩:
变量的排秩实际上就是根据某个变量的取值大小来对个案排次序,同时将得到的排序结果保存到一个新变量中。
虽然效果同样都是基于某个变量对个案进行排序,但“个案排秩”过程比“自动重新编码”过程更为灵活。
结:
遇到相同取值如何给序号值
默认为最常用的秩:
新变量的值等于原变量取值的序号
数值移动:
在SPSS中,一种方式是以“计算变量”过程利用Lag()函数、Lead()函数来实现lag函数是返回之前的,取前面的数(滞后),在杂项里面;
lead函数是返回后面的,取后面的数(提前),但是计算变量里面没有lead函数了
转换→转换值
—“转换”菜单中的其他功能
“对个案内的值计数”过程用于标识某个变量中是否出现了某个值或某个范围的值,也可以计算一组变量中出现特定取值的变量个数。
数据→文件级别的
—排序个案
用户所指定的变量被称作排序变量
排序个案v.s.个案排秩区别:
是否产生新变量;
个案相对位置是否变动。
—拆分文件可以和选择个案达到同样的目的
按照不同组分别汇总统计结果“按组组织输出”
拆分文件一旦设定,除非另行取消,否则将在后续的数据处理和分析中一直有效,而且会被另存在数据集里。
—选择个案(筛选)
除了拆分文件的功能,还有并不想对全部个案进行分析,而只是想对其中的一部分进行分析,这也需要用到“选择个案”过程。
过滤掉未选中个案:
默认未选中个案不包括在分析中,但保留在数据中;
并在数据文件中生成名为filter_$的变量加以标识,取值1表示被选中,0表示未被选中;
数据视图最左端未被选中个案处会标以反斜杠。
选择个案一旦设定,除非另行取消,否则将在后续的数据处理和分析中一直有效,而且会被另存在数据集里。
随机个案样本精确后面的两个框框:
第一个框表示样本的容量。
第二个框表示样本的范围,也就是从第一个个案开始到第多少个个案
老师随机抽选同学回答问题就是这样做的。
—加权个案
给不同个案赋以不同的权重,以改变个案在统计分析中的重要性。
通常两种情况下会用到这一过程:
以频数形式录入的数据;
不等概率样本数据。
加权个案一旦设定,除非另行取消,否则将在后续的数据处理和分析中一直有效,而且会被另存在数据集里。
(同样的还有选择个案和拆分文件)
—分类汇总
按指定的分类变量对个案进行分组,并按分组对变量求指定的描述性统计量,结果可以另存为新数据文件,也可以直接(生成新变量)添加到当前数据文件。
个案数:
定义一个新变量,其取值等于每一分组下的个案数目
上方、下方都是开区间
内部:
取值大于等于a且小于等于b
外部:
取值小于a或大于b
分类汇总与拆分文件两个过程有何异同:
分类汇总还对变量做了描述性统计,而拆分文件只是对变量做了分类汇总,对变量进行描述还需要进一步的操作。
—数据文件的重组(指的是长、宽格式之间的转换)
数据录入的默认格式每一案例占一行、每一变量占一列。
这种数据被称作宽格式数据
某些特殊情况下,比如重复测量数据,进行分析时需要采用长格式数据,即:
按照每一观测(observation)占一行、同一个案占多行的格式排列的数据。
(标识符变量、索引变量)
①长→宽将选定个案重组为变量
转换后原文件中的数据被直接替换,但文件名没有变。
②宽→长将选定变量重组为个案
—数据文件的合并
①纵向拼接/垂直合并添加的是个案
②横向合并/水平合并添加的是变量
若使用关键变量(指定横向合并时按照什么样的规则进行对应)进行横向合并,则各数据文件都必须事先按照关键变量取值进行升序排列,否则会出错。
为便于以SPSS进行横向合并,各数据文件中,表示不同含义的变量尽量采用不同的变量名称。
单变量描述统计:
集中趋势测量(中心性、中心测量)→众数(适用于任何测量等级的变量:
名义、序号和尺度变量)
中位数(只适用于序号、尺度变量,而不适用于名义变量,序号变量要还原到数字本来代表的意思,有一半的被调查对象的…在…以下/上)
均值(均值是数据分布的平衡点。
只适用于尺度变量,而不适用于名义、序号变量。
另外,均值对变量的取值大小很敏感,故,对于存在极端值的情形,均值不宜用作反映变量分布集中趋势的指标,更好的选择是中位数。
)
左偏(负偏态):
均值<
中位数<
众数
右偏(正偏态):
众数<
均值(平均数受偏高数值影响较大)
若要分析不同城市的中位数等的结果,可以先拆分文件再进行分析
离散趋势测量(尺度统计量)→方差(总体:
样本:
单位是变量原始测量单位的平方样本方差,也被称作样本修正方差,它是总体方差的无偏估计。
这也是为什么需要在计算样本方差时除以n-1的原因)、标准差、异众比例(1-众数组所占比例)、范围(全距/极差)
分布形状测量→峰态(峰点陡缓程度通过计算峰度kurtosis系数来测量,多峰分布往往意味着群体内部存在分化)
偏态(分布是否对称通过计算偏度skewness系数来测量,SK是无量纲的量,取值通常在-3到+3之间,其绝对值越大,表明偏斜程度越大。
当分布呈右偏态时,SK>
0,故也称正偏态;
当分布为左偏态时,SK<
0,故也称负偏态。
统计学=描述统计+推断统计(参数检验&
非参数检验)
推断统计=参数估计+假设检验(由样本来认识总体的两种方式)
参数估计=点估计+区间估计
描述统计的目的在于:
简化或概括数据(信息)。
采用何种描述统计工具取决于变量的测量水平。
数据分析的两个任务:
描述样本推断总体
判断是否正态(尺度变量):
方法一:
通过考察偏度和峰度系数
方法二:
通过考察正态P-P图
方法三:
通过正态性非参数检验(分析→非参数检验→单样本“使用定制字段分配”)
除了考察变量取值分布的集中趋势、离散趋势、分布形状之外,还可以考察一些位置统计量,如:
四分位数、百分位数等
对于尺度变量的描述统计,可以采用分析→描述统计→频率过程,也可以采用分析→描述统计→描述过程,还可以用分析→描述统计→探索过程
IQR:
四分位距=第三四分位数-第一四分位数中间50%案例的取值范围,反映取值分布的离散程度
样本均值的标准误SE
标准误:
抽样分布(若重复抽样规模为n=N的样本,将所有可能样本均穷尽,每一个样本统计量(如均值)的值便构成了