spss编程命令Word格式.docx
《spss编程命令Word格式.docx》由会员分享，可在线阅读，更多相关《spss编程命令Word格式.docx（12页珍藏版）》请在冰豆网上搜索。
数据合并
addfiles
/file=*
/rename{oldvarname}={newvarname}
/drop{varname}.
数据转换
Compute
compute{targetvarname}={expression}.
算术运算：
+,-,*,/,**（幂）
算术函数：
sqrt,rnd（四舍五入）,trunc（取整）
统计函数：
mean,sum,sd,max,min
缺失值函数：
SYSMIS，MISSING，NMISS，NVALID，VALUE（不算缺失值）
时间函数：
CTIME.DAYS,$JDATE
If
if（）{targetvarname}={expression}.
Recode
recode{varname}（oldvalue/else/lowestthrough{value}/{value}through{value}/{value}throughhigh=newvalue）into{newvarname}.
Missingvalues：
user-defined也会被重编码，因此应小心user-defined.user-defined不包括在范围内
Splitfile
Sortcasesby{varname}.
splitfile
layeredby{varname}.
splitfile
off.
Flip
flipvariables={varname}/all.
Rank
rankvariable={varname}.
数据分析
描述性统计
Frequencies
Frequencies{varname}
/histogramNORMAL/barchart（freq/percent）/piechart.
Descriptive
Descriptive{varname}
/statistics=summeanminmax（集中趋势）RANGEstddevSEMEANVARIANC
（离中趋势）skewness（偏度）SESKEWKURTOSIS（峰度）SEKURT（形状测量）
/{varname}（z{newvarname}）.
Explore
examine{varname}
/plotBOXPLOTSTEAMLEAFHISTOGRAM（不带有正态曲线）NPPLOT（证明正态）
/STATISTICSDESCRIPTIVESEXTREME
/MESTIMATORS（修正均值）.
Crosstabs
/tables={rowvarname}BY{columnvarname}
/Statistic=chisq（默认）corrKAPPA（评定者间一致性系数）PHICC（修正）
/CELLS=.
相关分析
Graph
scatterplot={varname}with{varname}.
Person
correlations
/variables={varlist}
/MISSING=PAIRWISE/LISTWISE（数据足够时更稳定）.
Spearman/kendall（顺序变量）
nonparcorr
/print=spearman（默认）/kendall（有重复）/both.
差异性检验
单样本ｔ检验
t-testtestval={value}
/variables={varname}.
独立样本ｔ检验
t-testgroups={varname}（value1value2）
相关样本ｔ检验
t-testpairs={varname}with{varname}.
曼－惠特尼U检验
npartests
/m-w={varname}with{value1value2}.
维克尔松检验
npartest
/wilcoxon={varname}with{varname}.
方差分析
前提假设：
独立、等距、正态、同质
数据要求：
多元正态，线性（散点图）
Onewayanova（单一自变量平-单一因变量）
oneway
{varlist}by{varname}
/statisticsdescriptiveshomogeneity
/contrast{valuelist}
/posthoc=LSDTURKEY（敏感）BONFERRONIScheffe（保守）snkDUNNETT.
Unianova（多个自变量-单一因变量）
unianova
{dependentvarname}BY{factorvarlist}
/posthoc{varlist}=lsdsnkturkey
/plot=profile（{varname/varname*varname}）
/desigh={factorvarlist}.
manova
{dependentvarname}BY{factorvarlist}
/DESIGN={FACNAME1}within{FACNAME2}（FACNUM1）{FACNAME1}within{FACNAME2}（FACNUM2）…
Multivariate（多个自变量-多个因变量）
glm
{dependentvarlist}BY{factorvarlist}
/desigh={factorvarlist}
/PRINT=HOMOGENEITY（同质性前提）
{dependentvarlist}BY{factorvarlist}
REPEATEDMEASURE（包含组内自变量-多个因变量）
{wsfactorvarlist}BY{factorvarlist}
/WSFACTORs{wsfacname}{wsfacnum}
/wsdisigh{wsfaclist}
/desigh={varlist}
/emmeasn=tables（varname）compareadj（lsd）
/plot=profile（{varname/varname*varname/varname*wsfacname}）
manova
{wsfactorvarlist}BY{facname}（facnum）
/WSFACTORS{wsfacname}（wsfacnum）
/WSDESIGN={WSFACNAME1}within{WSFACNAME2}（WSFACNUM1）{WSFACNAME1}within{WSFACNAME2}（WSFACNUM2）…
/WSDESIGN={WSFACNAME}
/DESIGN=MWITHIN{FACNAME}（FACNUM1）MWITHIN{FACNAME}（FACNUM2）…
/DESIGN={FACNAME}
/WSDESIGN=MWITHIN{WSFACNAME}（WSFACNUM1）MWITHIN{WSFACNAME}（WSFACNUM2）….
回归分析
等距/等比/（顺序）线性非共线性残差正态，同质，线性
cases:
variables=10：
1；
被试数目>
100；
无Outliers（）；
无multicollinearity
IGRAPH
/VIEWNAME='
Scatterplot'
/X1=VAR（before）TYPE=SCALE
/Y=VAR（after）TYPE=SCALE
/COORDINATE=VERTICAL
/FITLINEMETHOD=REGRESSIONLINEARLINE=TOTALSPIKE=OFF
/X1LENGTH=3.0
/YLENGTH=3.0
/X2LENGTH=3.0
/CHARTLOOK='
NONE'
/SCATTERCOINCIDENT=NONE.
EXE.
REGRESSION
/DEPENDENT{DEPENDENTVARNAME}
/METHOD=STEPWISE/ENTER{FACTORVARLIST}
/STATISTICSCOEFF（）OUTSRANOVACOLLIN（检验multicollinearity）
/CASEWISE（检验outlier）.
聚类分析
CLUSTER{VARLIST}
/PRINTSCHEDULECLUSTER（CLUNUM）
/PLOTDENDRGRAMVICICLE
主成分分析
多元正态线性等距（顺序）相关-
variables=5：
200；
正态不是必须，如果正态分布，解决会更好；
线性：
如果非线性，应考虑转换变量后再作因素分析；
无Outliers；
在主成分分析中，multicollinearity不是问题，在主因素分析中，不能有multicollinearity
相关矩阵
FACTOR
/MATRIX=IN（CORR=*）
/method=correlation
/format=sortblank（0.40）
/ROTATIONVARIMAX
/PLOT=EIGENrotation.
一般主成分分析
/VARIABLES{VARLIST}
/PLOTEIGENROTATION
/ROTATIONVARIMAX
/METHOD=CORRELATION
/PRINTKMO（相关和共线性检验）.
数据报告
•报告Descriptives
峭度为正表示总体分布的峰态较标准正态更陡;
反之更缓.
斜度为正表示样本值比较集中于均值的左边;
斜度为负表示样本值比较集中于均值的右边
去掉5%的均值5%trimmedmean四分位距interquartilerange
•读Respondent’sStem-and-LeafPlot
•读Respondent’sBoxplot
Outlier：
从矩形框始，在1.5倍箱距的点之外
Extreme：
从矩形框始，在3倍箱距的点之外
1.5倍箱距的点之外的Outlier需要给予注意，如果是多于3个点位置很近，多数情况考虑保留。
3倍箱距的点之外的Extremevalue需要给予特别注意，如果是孤立的点，多数情况考虑可以作为缺失值计算一次，作为有效值计算一次。
•读NormalQ-QPlotofRespondent'
s
X轴：
实得分数Y轴：
Z分数的期望值如果呈线性说明正态分布
•报告Respondent'
sA*BCrosstabulation
单位格standardizedresidual>
2.0引起chi-square增加或显著
•报告Chi-SquareTests
报告自由度df=（r-1）*（c-1）
E的最小值<
5,c²
可能不准确
ChiSquare统计量不是描述相关的良好指标。
因为它随样本量变化而变化。
两变量间各种类型的相关都会产生一样的ChiSquare值。
•报告Graph
散点图提示的outlier需要特别处理
散点图也帮助我们找出multivariateoutlier，关系的异常值
•报告Correlations-Correlations和NonparametricCorrelations-Correlation
对数据的相关分析显示，a与b有显著相关，r（df）=，p＜.001，双尾
•报告One-SampleTest
•报告IndependentSamplesTest
•如果Levene'
sTestforEqualityofVariances不显著，报告Equalvariancesassumed的Welch'
sttest结果。
sTestforEqualityofVariances显著，报告Equalvariancesnotassumed的ttest结果。
a的均值（M=,SD=）与b（M=,SD=）有显著差异。
t（df）=,p=<
0.05。
•报告PairedSamplesTest
•
曼－惠特尼U检验（独立样本）
•报告TestStatistics
维克尔松检验（相关样本）
Onewayanova
•看Descriptives
•报告ANOVA
•报告MultipleComparisons
a的均值（M=,SD=）、b的均值（M=,SD=）和c的均值（M=,SD=）有显著差异。
事后检验显示，a与b有显著差异，a-b=,p=<
0.05;
c与b有显著差异，c-b=,p=<
a与c有显著差异，a-c=,p=<
Unianova
•主效应和交互作用报告TestsofBetween-SubjectsEffects
自变量只有两组时，报告Hotelling’sTrace；
自变量大于两组时，报告Wilk’sLambda；
方差齐性的统计前提被违反时，报告Pillai’sTrace。
•如果是不平衡处理，事后检验报告EstimatedMarginalMeans-PairwiseComparisons（Option）
•如果是平衡处理报告，事后检验报告PairwiseComparisons（Posthoc）
•交互作用图报告ProfilePlots
**因素方差分析结果显示，a与b交互作用显著，F（）=，p<
0.05，交互作用图如图1。
简单效应结果显示，a1在b1（M=，SD=）和b2（M=，SD=）上有显著差异，F（）=，p<
0.05；
a2在b1（M=，SD=）和b2（M=，SD=）上有显著差异，F（）=，p<
a的主效应显著，F（）=，p<
b的主效应显著，F（）=，p<
Multivariate
•报告Box'
sTestofEqualityofCovarianceMatrices
•简单效应结果报告Manova
REPEATEDMEASURE
•如果Mauchlytestofsphericity检验不显著，交互作用、组内主效应结果报告TestsofWithin-SubjectsEffects
•如果Mauchlytestofsphericity检验显著，交互作用、组内主效应结果报告MultivariateTests
•组建主效应报告TestsofBetween-SubjectsEffects
•组内变量事后检验结果报告EstimatedMarginalMeans-PairwiseComparisons
•如果是不平衡处理，组间变量事后检验报告EstimatedMarginalMeans-PairwiseComparisons（Option）
•如果是平衡处理报告，组间变量事后检验报告PairwiseComparisons（Posthoc）
重复测量方差分析结果显示，a与b交互作用显著，F（）=，p<
•数据要求看CollinearityDiagnostics检验共线性，CasewiseDiagnostics检验outlier
ConditionIndex（15，30），不允许有outlier
•R2结果报告ModelSummary-
•R2>
75%很好；
50-75%不错；
25-50%一般；
<
25%不够
•模型总效应报告ANOVA
•Beta、b结果报告Coefficients
以a，b，c为自变量，用逐步回归方法对d进行分析。
回归的拟合度良好，R2adj=，模型的总效应F（）=，p<
0.005。
当其他变量恒定时，a与d有正相关，beta=0.653，其效应边缘显著，t（）=，p<
c和d对学习动机无显著影响。
回归方程为d=Beta*a+b。
•树状图报告Dendrogram
•分类结果报告ClusterMembership
聚类分析结果显示，被试按因素a分类结果树状图如图1：
被试按因素a分类结果如表1：
•看KMOandBartlett'
sTest
Bartlett球形检验显著；
KMO>
0.6
•R的特征值和贡献率报告TotalVarianceExplained
•碎石图报告Screeplot
•主成分载荷报告ComponentMatrix
•因子旋转结果报告RotatedComponentMatrix
R的特征值和贡献率如表1。
根据Kaiser准则，取特征大于1的a为主成分，其积累贡献率达到c%，基本包括了全部指标所包括的信息。
取前n个特征值，计算主成分载荷。
由主成分分析的结论，对因子载荷阵实行方差最大旋转，可将m个指标分为n类，结果如表2：
升级会员 