spss 频数分析.docx

资源描述

spss 频数分析.docx

《spss 频数分析.docx》由会员分享，可在线阅读，更多相关《spss 频数分析.docx（5页珍藏版）》请在冰豆网上搜索。

spss 频数分析.docx

spss频数分析

SPSS SPSS 主要介绍在主要介绍在SPSS SPSS中进行频数分析，交互分中进行频数分析，交互分析，相关分析，均值比较与检验，回归分析，相关分析，均值比较与检验，回归分析，方差分析，等。

析，方差分析，等。

一、频数分布表一、频数分布表在在SPSS SPSS中可以很容易地得出频数分布表，平均数，中可以很容易地得出频数分布表，平均数，标准差等。

标准差等。

频数分布：

可以概略地看到资料的分布情况，可做频数分布：

可以概略地看到资料的分布情况，可做初步整理之用，从中还可检查数据输入情况。

初步整理之用，从中还可检查数据输入情况。

AnalyzeAnalyze————DescriptiveStatisticsDescriptiveStatistics————FrequenciesFrequencies可选入多个变量。

可选入多个变量。

GeneralHappiness46730.831.131.187257.558.089.016510.911.0100.0150499.1100.013.91517100.0VeryHappyPrettyHappyNotTooHappyTotalValidNAMissingTotalFrequencyPercentValidPercentCumulativePercentNumberofChildren41927.627.827.825516.816.944.737524.724.969.521514.214.283.81278.48.492.2543.63.695.8241.61.697.3231.51.598.9171.11.1100.0150999.5100.08.51517100.001234567EightorMoreTotalValidNAMissingTotalFrequencyPercentValidPercentCumulativePercentStatistics:

Statistics:

Dispersion（Dispersion（离差栏）离差栏）:

Std.DeviationStd.Deviation标准差标准差VarianceVariance方差方差RangeRange全距全距MinimumMaximumMinimumMaximumS.E.meanS.E.mean均数的标准误均数的标准误CentralTendency（CentralTendency（集中趋势栏）集中趋势栏）MeanMedianModeSumMeanMedianModeSumSkewnessSkewness偏度（偏度（00，，1.51.5，，0.50.5，，--0.50.5））KurtosisKurtosis峰度（峰度（00，正，负），正，负）例：

例：

0909--0101Statistics15091510871.9012.88.045.0772.0012.000121.7652.9843.1148.9041.034-.168.063.0631.060.710.126.12682000820286919455ValidMissingNMeanStd.ErrorofMeanMedianModeStd.DeviationVarianceSkewnessStd.ErrorofSkewnessKurtosisStd.ErrorofKurtosisRangeMinimumMaximumSumNumberofChildrenHighestYearofSchoolCompletedNumberofChildren41927.627.827.825516.816.944.737524.724.969.521514.214.283.81278.48.492.2543.63.695.8241.61.697.3231.51.598.9171.11.1100.0150999.5100.08.51517100.001234567EightorMoreTotalValidNAMissingTotalFrequencyPercentValidPercentCumulativePercent还可直接作出图形：

还可直接作出图形：

Charts:

Barcharts:

条形图条形图PieCharts:

PieCharts:

圆图、饼图圆图、饼图Histograms:

Histograms:

直方图。

只适用于连续的直方图。

只适用于连续的数值型变量。

数值型变量。

HighestYearofSchoolCompleted20.017.515.012.510.07.55.02.50.07006005004003002001000Std.Dev=2.98Mean=12.9N=1510.00NumberofChildrenEightorMore76543210MissingCount5004003002001000二、描述统计分析过程二、描述统计分析过程对于定距以上变量，可以进行集中趋势和对于定距以上变量，可以进行集中趋势和离中趋势的统计离中趋势的统计AnalyzeAnalyze————DescriptiveDescriptiveStatisticsStatistics————DescriptivesDescriptives变量可多选变量可多选其中选项有：

其中选项有：

MeanStd.deviationMeanStd.deviationMinimumMinimumDescriptiveStatistics1509081.901.765151002012.882.9841504131.80.6171495NumberofChildrenHighestYearofSchoolCompletedGeneralHappinessValidN（listwise）NMinimumMaximumMeanStd.Deviation三、探索分析三、探索分析11、对数据进行初步考察：

、对数据进行初步考察：

检查数据是否有错误：

过大或过小的数据有可能检查数据是否有错误：

过大或过小的数据有可能是奇异值、影响点或错误数据。

一要找出，二是奇异值、影响点或错误数据。

一要找出，二要分析原因，三要决定是否从中剔除。

要分析原因，三要决定是否从中剔除。

数据分布特征：

许多分析方法对数据的分布有一数据分布特征：

许多分析方法对数据的分布有一定要求。

从数据是否服从正态分布，决定他们定要求。

从数据是否服从正态分布，决定他们是否可以选用只对正态分布数据适用的分析方是否可以选用只对正态分布数据适用的分析方法。

法。

Explore:

进行初步探索分析进行初步探索分析0909--0303四、交互分析表四、交互分析表根据变量的层次，统计学中有各种不同的根据变量的层次，统计学中有各种不同的相关系数来描述，在社调中常见的两个相关系数来描述，在社调中常见的两个定类（或一个定类、一个定序）定类（或一个定类、一个定序）AnalyzeAnalyze————DescriptiveDescriptiveStatisticsStatistics————CrosstabsCrosstabs选择一个或多个变量进入选择一个或多个变量进入RowsRows框，框，ColumnColumn对复选框的解释对复选框的解释

（1）Chi

（1）Chi--square,square,卡方检验。

卡方检验。

PearsonChiPearsonChi--squaretestsquaretestLikehoodrationChiLikehoodrationChi--squaretestsquaretest似然比卡方检验似然比卡方检验FisherFisher’’sexactlytestsexactlytest费雪精确检验费雪精确检验（（22））CorrelationCorrelation复选框。

复选框。

Pearson,SpearmanPearson,Spearman（只适用于数值（只适用于数值型）型）（3）NominalData（3）NominalData栏，适用于定类变量栏，适用于定类变量的统计量。

的统计量。

LambdaLambda复选项复选项（（44））OrdinalDataOrdinalData栏：

适用于定序变栏：

适用于定序变量的统计量量的统计量GammaKendallGammaKendall””staustau--bbKendallKendall””staustau--cc（5）NominalbyInterval:

（5）NominalbyInterval:

一个定类一一个定类一个定距以上变量个定距以上变量EtaEta统计量，如收入和性别的关联性统计量，如收入和性别的关联性Flagsignificantcorrelations:

Flagsignificantcorrelations:

用用星号标记有统计学意义的相关关系。

星号标记有统计学意义的相关关系。

相关分析是研究变量间密切程度的一种统计方法。

对于其数值可以从小到大排列的数据才能计算其对于其数值可以从小到大排列的数据才能计算其相关系数。

相关系数。

11、对定距以上两个变量、对定距以上两个变量xx与与yy的相关系数采用的相关系数采用PearsonPearson相关系数相关系数22、、SpearmanKendallSpearmanKendall相关系数是一种非参测相关系数是一种非参测度，是根据数据的秩而不是根据实际值计算的。

度，是根据数据的秩而不是根据实际值计算的。

适合定序数据或不满足正态分布假设的定距数据。

33、偏相关系数：

描述的是当控制了一个、偏相关系数：

描述的是当控制了一个或几个另外的变量的影响条件下两个变或几个另外的变量的影响条件下两个变量间的相关性。

如：

可以控制年龄和工量间的相关性。

如：

可以控制年龄和工作经验，估计工资收入与受教育程度之作经验，估计工资收入与受教育程度之间的相关关系。

间的相关关系。

44、关于相关系数统计意义的检验：

由于、关于相关系数统计意义的检验：

由于抽样误差的存在。

检验的零假设抽样误差的存在。

检验的零假设————总总体中两个变量间的关系为体中两个变量间的关系为00。

。

SPSS SPSS只给出给假设成立的概率只给出给假设成立的概率PP值。

值。

（（11））AnalyzeAnalyze————CorrelationsCorrelations————BivariateBivariate计算指定的两个变量之间的相关系数，可选择计算指定的两个变量之间的相关系数，可选择PearsonPearson相关、相关、SpearmanSpearman和和KendallTauKendallTau--bb相关；同时对相关系数进行检相关；同时对相关系数进行检验。

验。

TestofSignificanceTestofSignificance是用于变量间相关的是用于变量间相关的显著性检验。

系统默认的是双侧检验。

显著性检验。

系统默认的是双侧检验。

TwoTwo--tailed:

tailed:

事先不知道相关方向事先不知道相关方向OneOne--tailed:

tailed:

事先知道相关方向事先知道相关方向例例Data09Data09--0303使用系统默认值进行相关分析：

使用系统默认值进行相关分析：

Correlations1.661**..000474474.661**1.000.474474PearsonCorrelationSig.（2-tailed）NPearsonCorrelationSig.（2-tailed）NEducationalLevel（years）CurrentSalaryEducationalLevel（years）CurrentSalaryCorrelationissignificantatthe0.01level（2-tailed）.**.分析：

起始工资、现工资与雇员受教育水分析：

起始工资、现工资与雇员受教育水平、工作经验、职务等级之间是否存在平、工作经验、职务等级之间是否存在线性关系。

线性关系。

DescriptiveStatistics13.492.8854741.41.773474$34419.57$17075.661474$17016.09$7,870.63847481.1110.06147495.86104.586474EducationalLevel（years）EmploymentCategoryCurrentSalaryBeginningSalaryMonthssinceHirePreviousExperience（months）MeanStd.DeviationNCorrelations1.514**.661**.633**.047-.252**..000.000.000.303.000474474474474474474.514**1.780**.755**.005.063.000..000.000.908.173474474474474474474.661**.780**1.880**.084-.097*.000.000..000.067.034474474474474474474.633**.755**.880**1-.020.045.000.000.000..668.327474474474474474474.047.005.084-.0201.003.303.908.067.668..948474474474474474474-.252**.063-.097*.045.0031.000.173.034.327.948.474474474474474474PearsonCorrelationSig.（2-tailed）NPearsonCorrelationSig.（2-tailed）NPearsonCorrelationSig.（2-tailed）NPearsonCorrelationSig.（2-tailed）NPearsonCorrelationSig.（2-tailed）NPearsonCorrelationSig.（2-tailed）NEducationalLevel（years）EmploymentCategoryCurrentSalaryBeginningSalaryMonthssinceHirePreviousExperience（months）EducationalLevel（years）EmploymentCategoryCurrentSalaryBeginningSalaryMonthssinceHirePreviousExperience（months）Correlationissignificantatthe0.01level（2-tailed）.**.Correlationissignificantatthe0.05level（2-tailed）.*.Correlations1.000.415**.568**.554**..000.000.000474474474474.415**1.000.519**.530**.000..000.000474474474474.568**.519**1.000.656**.000.000..000474474474474.554**.530**.656**1.000.000.000.000.474474474474CorrelationCoefficientSig.（2-tailed）NCorrelationCoefficientSig.（2-tailed）NCorrelationCoefficientSig.（2-tailed）NCorrelationCoefficientSig.（2-tailed）NEducationalLevel（years）EmploymentCategoryBeginningSalaryCurrentSalaryKendall'stau_bEducationalLevel（years）EmploymentCategoryBeginningSalaryCurrentSalaryCorrelationissignificantatthe.01level（2-tailed）.**.（（22））AnalyzeAnalyze————CorrelationsCorrelations————PartialPartial用上例：

用上例：

--Controllingfor..JOBCATPREVEXPControllingfor..JOBCATPREVEXPJOBTIMEJOBTIMESALARYEDUCSALARYEDUCSALARY1.0000.4399SALARY1.0000.4399（0）（469）（0）（469）P=.P=.000P=.P=.000EDUC.43991.0000EDUC.43991.0000（469）（0）（469）（0）P=.000P=.P=.000P=.（Coefficient/（D.F.）/2（Coefficient/（D.F.）/2--tailedSignificance）tailedSignificance）"."isprintedifacoefficientcannotbe"."isprintedifacoefficientcannotbecomputedcomputed回归分析是处理两个及两个以上变量间线性依存回归分析是处理两个及两个以上变量间线性依存关系的统计方法。

关系的统计方法。

回归分析作为一个严肃的统计学模型，有着严格回归分析作为一个严肃的统计学模型，有着严格的使用条件。

因此在做回归分析之前，应该对数的使用条件。

因此在做回归分析之前，应该对数据进行基本的判断。

如作出散点图、观察变量间据进行基本的判断。

如作出散点图、观察变量间的趋势等。

的趋势等。

AnalyzeAnalyze——RegressionRegression——LinearLinearDependent:

Dependent:

因变量，只选一个因变量，只选一个Independent:

Independent:

自变量，可选入多个自变量。

Method:

对自变量的选入方法。

Enter:

强行进入法强行进入法ForwardForward：

向前选择法：

向前选择法BackwardBackward：

向后剔除法：

向后剔除法StepwiseStepwise：

逐步进入法：

逐步进入法（例，及解释）（例，及解释）先做散点图：

先做散点图：

0909--0303GraphsGraphs----scatterscatterVariablesEntered/RemovedbEducationalLevel（years）a.EnterModel1VariablesEnteredVariablesRemovedMethodAllrequestedvariablesentered.a.DependentVariable:

CurrentSalaryb.ModelSummary.661a.436.435$12,833.540Model1RRSquareAdjustedRSquareStd.ErroroftheEstimatePredictors:

（Constant）,EducationalLevel（years）a.ANOVAb6.018E+10160178217760365.381.000a7.774E+10472164699740.81.379E+11473RegressionResidualTotalModel1SumofSquaresdfMeanSquareFSig.Predictors:

（Constant）,EducationalLevel（years）a.DependentVariable:

CurrentSalaryb.剩余变差：

剩余变差：

YY值对于回归直线的偏差。

值对于回归直线的偏差。

回归变差：

回归已知时误差减少的量。

回归变差：

回归已知时误差减少的量。

总变差总变差==剩余变差剩余变差++回归变差回归变差总平方和总平方和==未解释的平方和未解释的平方和++已解释的平方已解释的平方和和Coefficientsa-18331.182821.912-6.496.0003909.907204.547.66119.115.000（Constant）EducationalLevel（years）Model1BStd.ErrorUnstandardizedCoefficientsBetaStandardizedCoefficientstSig.DependentVariable:

CurrentSalarya.扩展扩展————几个自变量的线性回归示例：

几个自变

展开阅读全文