SPSS描述统计PPT推荐.ppt

SPSS描述统计PPT推荐.ppt

《SPSS描述统计PPT推荐.ppt》由会员分享，可在线阅读，更多相关《SPSS描述统计PPT推荐.ppt（177页珍藏版）》请在冰豆网上搜索。

进行不同次抽样，会得到若干个不同的样本均值，它们与总体均值存在着不同的差异。

均值标准误差（StandardErrorofMean，S.E.mean）就是描述这些样本均值与总体均值之间平均差异程度的统计量。

3.1.2SPSS中实现过程,研究问题求某班级学生在一次数学测验中的平均成绩，数据如表3-1所示。

表3-1某班级的数学成绩,实现步骤,图3-1在菜单中选择“Frequencies”命令,图3-2“Frequencies”对话框

（一）,图3-3“Frequencies：

Statistics”对话框

（一）,3.1.3结果和讨论,3.2中位数（Median）,3.2.1统计学上的定义和计算公式,定义：

把一组数据按递增或递减的顺序排列，处于中间位置上的变量值就是中位数。

它是一种位置代表值，所以不会受到极端数值的影响，具有较高的稳健性。

计算公式：

一个大小为的数列，要求其中位数，首先应把该数列按大小顺序排列好，如果为奇数，那么该数列的中位数就是位置上的数；

如果N为偶数，中位数则是该数列中第与第+1位置上两个数值的平均数。

3.2.2SPSS中实现过程,研究问题求某班级学生身高的中位数，数据如表3-2所示。

表3-2某班级学生的身高,实现步骤,图3-4“Frequencies：

Statistics”对话框

（二）,3.2.3结果和讨论,3.3众数（Mode）,3.3.1统计学上的定义和计算公式,定义：

众数是指一组数据中，出现次数最多的那个变量值。

众数在描述数据集中趋势方面有一定的意义。

例如，制鞋厂可以根据消费者所需鞋的尺码的众数来安排生产。

计算公式：

手工计算众数比较麻烦，需要统计数据的次数分布。

3.3.2SPSS中实现过程,研究问题求某医院当天出生新生儿的体重的众数，数据如表3-3所示。

表3-3新生儿的体重,实现步骤,图3-5“Frequencies:

Statistics”对话框（三）,3.3.3结果和讨论,3.4.1统计学上的定义和计算公式,3.4全距（Range）,定义：

全距也称为极差，是数据的最大值与最小值之间的绝对差。

在相同样本容量情况下的两组数据，全距大的一组数据要比全距小的一组数据更为分散。

最大值最小值。

3.4.2SPSS中实现过程,研究问题求某班级学生数学成绩的全距，数据如表3-4所示。

表3-4某班级的数学成绩,实现步骤,图3-6“Frequencies:

Statistics”对话框（四）,3.4.3结果和讨论,3.5.1统计学上的定义和计算公式,3.5方差（Variance）和标准差（StandardDeviation）,定义：

方差是所有变量值与平均数偏差平方的平均值，它表示了一组数据分布的离散程度的平均值。

标准差是方差的平方根，它表示了一组数据关于平均数的平均离散程度。

方差和标准差越大，说明变量值之间的差异越大，距离平均数这个“中心”的离散趋势越大。

3.5.2SPSS中实现过程,研究问题求某班级学生数学成绩的方差和标准差，数据如表3-1所示。

实现步骤,图3-7在菜单中选择“Descriptives”命令,图3-8“Descriptives”对话框

（一）,图3-9“Descriptives：

Options”对话框

（一）,3.5.3结果和讨论,3.6四分位数（Quartiles）、十分位数（Deciles）和百分位数（Percentiles）,3.6.1统计学上的定义,定义：

四分位数是将一组个案由小到大（或由大到小）排序后，用3个点将全部数据分为四等份，与3个点上相对应的变量称为四分位数，分别记为Q1（第一四分位数）、Q2（第二四分位数）、Q3（第三四分位数）。

其中，Q3到Q1之间的距离的一半又称为四分位差，记为Q。

四分位差越小，说明中间的数据越集中；

四分位数越大，则意味着中间部分的数据越分散。

十分位数是将一组数据由小到大（或由大到小）排序后，用9个点将全部数据分为十等份，与9个点位置上相对应的变量称为十分位数，分别记为D1，D2，D9，表示10%的数据落在D1下，20%的数据落在D2下，90%落在D9下。

百分位数是将一组数据由小到大（或由大到小）排序后分割为100等份，与99个分割点位置上相对应的变量称为百分位数，分别记为P1，P2，P99，表示1%的数据落在P1下，2%的数据落在P2下，99%落在P99下。

3.6.2SPSS中实现过程,研究问题1求某班级学生数学成绩的四分位数，数据如表3-1所示。

实现步骤,图3-10“Frequencies:

Statistics”对话框（五）,研究问题2测量54个某种机械零件的重量（克），求零件重量的D6，数据如表3-5所示。

表3-5零件的重量,实现步骤,图3-11“Frequencies:

Statistics”对话框（六）,图3-12“Frequencies:

Statistics”对话框（七）,研究问题3测量出54个某种机械零件的重量（克），求零件重量的P37，数据如表3-5所示。

实现步骤,图3-12“Frequencies:

Statistics”对话框（七）,3.6.3结果和讨论,研究问题1的程序运行结果如下表所示。

研究问题2的程序运行结果如下表所示。

研究问题3的程序运行结果如下表所示。

3.7频数（Frequency）,3.7.1统计学上的定义和计算公式,定义：

频数就是一个变量在各个变量值上取值的个案数。

如要了解学生某次考试的成绩情况，需要计算出学生所有分数取值，以及每个分数取值有多少个人，这就需要用到频数分析。

变量的频数分析正是实现上述分析的最好手段，它可以使人们非常清楚地了解变量取值的分布情况。

3.7.2SPSS中实现过程,研究问题10个学生在某次数学、语文、化学考试中成绩如表3-6所示，试求学生在3门课程上的频数分布。

表3-6学生成绩,实现步骤,图3-13“Frequencies”对话框

（二）,3.7.3结果和讨论,程序运行结果如下表所示。

3.8峰度（Kurtosis）,3.8.1统计学上的定义和计算公式,定义：

峰度是描述某变量所有取值分布形态陡缓程度的统计量。

这个统计量是与正态分布相比较的量，峰度为0表示其数据分布与正态分布的陡缓程度相同；

峰度大于0表示比正态分布高峰要更加陡峭，为尖顶峰；

峰度小于0表示比正态分布的高峰要平坦，为平顶峰。

具体的计算公式为,3.8.2SPSS中实现过程,研究问题某班级40个学生的年龄分布如表3-7所示，试求学生年龄峰度。

表3-7学生年龄,实现步骤,图3-14在Data菜单中选择“WeightCases”命令,3.8.3结果和讨论,3.9偏度（Skewness）,3.9.1统计学上的定义和计算公式,定义：

偏度也是描述数据分布形态的，它是描述某变量取值分布对称性的统计量。

具体的计算公式为,这个统计量是与正态分布相比较的量，偏度为0表示其数据分布形态与正态分布偏度x相同；

偏度大于0表示正偏差数值较大，为正偏或右偏，即有一条长尾巴拖在右边；

偏度小于0表示负偏差数值大，为负偏或左偏，有一条长尾拖在左边。

而偏度的绝对值数值越大表示分布形态的偏斜程度越大。

3.9.2SPSS中实现过程,研究问题某班级41个学生的身高分布如表3-8所示，试求学生身高分布偏度。

表3-8学生身高,实现步骤,图3-17“Frequencies:

Statistics”对话框（九）,3.9.3结果和讨论,3.10标准化Z分数及其线性转换,3.10.1统计学上的定义和计算公式,3.10.2SPSS中实现过程,研究问题1求某班级学生数学成绩的Z分数，数据如表3-1所示。

实现步骤,图3-18“Descriptives”对话框

（二）,图3-19“Descriptives：

Options”对话框

（二）,图3-20数据编辑窗口,研究问题2从图3-20中可以看到学生数学成绩的Z分数有正有负，而且小数点位数较多，因此可以把它线性转换为T分数。

实现步骤,图3-21在菜单中选择“ComputeVariable”命令,图3-22“ComputeVariable”对话框,图3-23“ComputeVariable：

Type”对话框,图3-24数据编辑窗口,3.10.3结果和讨论,从Z分数（图3-20）和T分数（图3-24）的结果中可以看出此班级学生数学成绩的T分数比之前的Z分数简洁多了，比较起来一目了然。

3.11探索分析,3.11.1统计学上的定义和计算公式,定义：

调用此过程可对变量进行更为深入详尽的描述性统计分析，故称之为探索分析。

它在一般描述性统计指标的基础上，增加有关数据其他特征的文字与图形描述，显得更加细致与全面，有助于用户思考对数据进行进一步分析的方案。

1探索分析的内容包括下面几个方面,检查数据是否有错误：

过大或过小的数据均有可能是奇异值、影响点或错误数据。

要找出这样的数据，并分析原因，然后决定是否从分析中删除这些数据。

因为奇异值和影响点往往对分析的影响较大，不能真实反映数据的总体特征。

对数据规律的初步观察：

通过初步观察获得数据的一些内部规律，例如，两个变量间是否线性相关。

2探索分析的考察方法,探索分析一般通过数据文件在分组与不分组的情况下，获得常用统计量和图形。

一般以图形方式输出，直观帮助用户确定奇异值、影响点、进行假设检验，以及确定用户要使用的某种统计方式是否合适。

3正态分布检验,常用的正态分布检验是Q-Q图。

本例中进行了正态分布检验。

4方差齐次性检验,对数据分析不仅需要进行正态分布检验，有时候还需要比较各个分组的方差是否相同，这就要进行方差齐次性检验。

例如，在进行独立右边的T检验之前，就需要事先确定两个数据的方差是否相同。

如果通过分析发现各个方差不同，还需要对数据进行方差分析，那么就需要对数据进行转换使得方差尽可能相同。

在探索分析中可以使用Levene检验。

Levene检验对数据进行方差齐次性检验时，不强求数据必须服从正态分布，它先计算出各个观测值减去组内均值的差，然后再通过这些差值的绝对值进行单因素方差分析。

如果得到显著性水平小于0.05，那么就可以拒绝方差相同的假设。

3.11.2SPSS中实现过程,研究问题20名10岁少儿的身高（cm）资料，数据如表3-9所示，试作探索性分析。

表3-9身高数据,实现步骤,图3-25在菜单中选择“Explore”命令,图3-26“Explore”对话框,图3-27“Explore:

Statistics”对话框,图3-28“Explore：

Plots”对话框,图3-29“Explore：

Options”对话框,3.11.3结果和讨论,在结果输出窗口中将看到如下统计数据。

（1）首先输出如下个案观察量摘要表，如下表所示。

（2）然后输出如下表格。

（3）接着输出如下4个不同权重下作中心趋势的粗略最大似然确定数，,（