Spss考试基本要求及大纲分析.docx

1、Spss考试基本要求及大纲分析Spss 考试基本要求及大纲分析（仅供参考）基本要求：1、熟练2、知其然亦知其所以然3、从中随机选取2-3或4个操作题4、操作50分+解释50分5、上机独立操作第2章 数据文件的建立及整理1、以下操作在date下完成：sort cases：按照某个分组变量排列数据，分类整理，有升序和降序排列之分。Merge files add cases：插入行数据，增加个案。 add variables：插入列数据，增加变量。2、split file：DataSplit File (文件拆分) 命令，打开Split File对话框。3、select cases：DataSele

2、ct Cases (选择个案)命令，打开Select Cases对话框。执行后，会产生一个“$”的变量，凡被选中的满足条件的个案，该变量对应的值为1(其值标签为Selected)，否则为0 (值标签为Not Selected)，并在个案序号列上将未选中的划上斜线“”作为标记。未选中的个案将在接着进行的统计分析中暂时被关闭。按照设置的选择条件，选中个案。点击if condition is satisfied选择性别xb，点击下方的表达式，让它=1.ok运行。系统将自动产生一个名为“filter_$”的变量，凡被选中的满足条件的个案，该变量对应的值为1(其值标签为Selected)，否则为0 (值

3、标签为Not Selected)，并在个案序号列上将未选中的划上斜线“”作为标记。未选中的个案将在接着进行的统计分析中暂时被关闭。按照设置的选择条件，选中个案。4、weight cases：DataWeight cases (个案加权)命令，打开Weight cases 对话框。对话框中单选项Do not weight cases (不对个案加权)为系统默认选项；第二个单选项为Weight cases by (对个案加权)，选择此项时激活Frequency variable (频数) 矩形框，从源变量列表中选择一个加权变量移入此框中，单击OK，该数据文件的权变量便定义好了。 需要指出，一旦为数

4、据文件定义了权变量，则称这个文件为加权数据文件，其中权变量的信息将一直有效，除非改选用别的变量作为权变量，或者关闭它。此外，如果权变量的值中有0、负数或缺失值，它便不能在分析中应用。 5、调查表编码录入 我们打开spss。然后切换到变量定义窗口，单击数据窗口下面的Variables ew (变量视图)选项卡，出现定义变量窗口。A1、您的性别：A.男 B.女点击value栏右侧的豆腐块按钮，出现value label，对话框。在第一个框里输入1.下面的长一点的框里输入男。点击add。然后，输入2，女，add，最后ok。结果就是这样。第3章 变量计算及转换1、变量计算 commpute ：选择菜单

5、transform 选择compute。执行Transform(转换)Compute命令，打开Compute Variable(计算变量)对话框。例如：体重指数（BMI）体重（kg）/【身高（m）】平方选择菜单transform 选择compute。Target variable栏里面输入 bmi，在后面的公式里：体重/（身高*身高）*10000 在Compute Variable对话框中单击If按钮，打开If Cases条件对话框。2、变量重新赋值recode 现在开始，打开执行TransformRecode，这里recode有两个选择：Into Same Variables (重新赋值给同

6、一个变量)命令；是用新赋值的变量覆盖原有的变量。不推荐使用这种方式。Into Different Variables (重新赋值给不同变量)命令。产生一个新的变量，会在数据文件的最后，这个是不覆盖原有变量的。可以保护数据。推荐这种方式，因为使用这个过程，新产生的变量可以分析时用，不再需要是，就删去。然后，点击old and new values。弹出如下对话框。我们的分组规则：18-30岁青年组，30-50岁中年组，50岁以上老年组。对话框里是重新赋值的标准，分别是在old value 旧值栏里，点击range 填入18 和30.在new value里填入1，点击add。Spss就会显示把18

7、-30的值，都统一重新赋值为1（这里，1是代表青年组，这个我们会在稍后定义，当然你也可以填入任意数，只要在后面定义其值标签时，定义成青年）。同样操作，把中年和老年定义好。同时，如果有其他值的话，就作为系统缺失值。这里50岁以上的就要用下面的栏。下面就是定义，从某个值以上的数值。面其他值，就用all other values，定义成缺失值时，在new value里，点击system-missing。这样就可以了，点击continue，回到recode栏。点击change。最后点击ok。第4章 描述统计过程1、频数分析 Frequencies 并解释执行AnalyzeDescriptive Sta

8、tisticsFrequencies命令打开 单击Statistics按钮，打开统计量选择对话框。此对话框中包括：单击Chart (图形)按钮，打开统计图对话框，对图形类型等进行设置。 Chart Type (图形类型)包括的4个单选项，其中： 单击Format按钮，打开格式对话框示。结果分析：Statistics(统计量)汇总表。 Frequencies (频数)分布表，分别用两个变量输出它们的值频数分布、累积分布等。frequency是指的频数，我们可以看出本次调查调查了118个男生，151个女生percent是百分比，也就是男生女生的频数除以总的样本数。男生占43.9%.，女生占56.1

9、%Valid percent，有效的百分比，即有效回答的问卷占总体的百分比。Cumulative percent 是累加的百分比。即是把有效百分比依次从上往下相加，如果我们的变量是一个定序的变量，这种统计指标还是很有用的（意思是说，如果不是定序的话，这个指标就可以不看了）。Bar plot (条形图)。2、描述统计量Descriptives并解释(1)执行AnalyzeDescriptive StatisticsDescriptives (描述)命令，打开Descriptives对话框。(2)从源变量清单中选择一个或多个分析变量移至Variable(s)栏中。3、数据的标准化一正态分布 (1)

10、 打开数据文件。儿童 宇传华.sav的数据。 (2) 执行AnalyzeDescriptive StatisticsFrequencies命令。（3）选择变量身高，在左下方有一个display frequency table，输出频数表。默认情况下是打着对号的。但是这里我们点击以下鼠标，不选它，系统会弹出警告提示，大意是说你真的不需要输出频数表吗？我们点击确定就可以了。然后点击chart，在里面选择histogram，就是直方图，下方有with normal curve，同样选中。输出图形如下。2、两个群体进行比较标准化比如，假设我考人民大学，英语73分。我的同学考北京大学，英语58分。那现在

11、要比较我们两个人的英语水平，这个时候有的同学说，比分数不就可以了，如果比分数的话，那我的英语比我同学高，但是事实上，我的英语水平不及他。因为人民大学历年的英语都是很简单的。而北大的英语题可以说非常难。这样我们两个人之间要比较的话，就需要统一标准。比如下面的数据 标准化 英语.sav。这个时候统一标准的方法，就是将两个数据都标准化。选择descriptive，选择人大英语和北大英语两个变量，勾选save standardrized as variable。结果就是在数据文件的最后两列，都会有标准化值产生。我的人大成绩73分对应的标准化值z人大英是-0.450，我同学的北大英语成绩58对应的标准化

12、值z北大英是0.659,这个时候就可以比较了，可以看出我同学的成绩其实是比我高的。3Descriptive（描述统计）的其他功能单击Options按钮，打开Options对话框。Discriptive里还为我们提供了其他一些常用的统计量。比如均值，标准差，方差等。如下图。4各部分含义总量 最小值 最大值 均值 均值标准误 五画出数据的正态分布曲线见上面曲线图第5章 交互分析过程1、交互分析命令Crosstabs (交叉表) 交互分析 通过交叉表或者是列联表，总之英文叫做crosstab，来展示两个变量的关系。交叉表过程可以显示两个或多个变量的联合频数分布表，简称列联表或交叉表。如图。上表就是一

13、个曲型的交叉表，横着的行，分别是吸烟与不吸烟，竖着的列，分别是患肺癌与不患肺癌。通过横竖交叉，把我们调查的200个人分成四个类别。分别是吸烟，患肺癌：60吸烟，不患肺癌：40不吸烟，患肺癌：20不吸烟，不患肺癌：80步骤：（1）打开吸烟与肺癌.sav。（2）选择dataweight case，打开加权对话框，选择weight case by。把权数选进去。Ok执行。（3）执行AnalyzeDescriptive StatisticsCrosstabs (交叉表)命令，打开Crosstabs对话框。把两个变量分别选入row和collumn，其他默认。Ok运行。（4）运行结果如下。吸烟的人有60%

14、患有肺癌，不吸烟的人有20%患有肺癌。吸烟的有40%的不患，不吸烟的有80%不患。（结果如果需要出现%号：重新调入crosstab过程。选择下方的cell按钮。在percentages里选择row。运行）2、如何解读（判定） 2值 ，df ，sig 值（假设检验的问题）（接上面）重新调入crosstab过程。点击statstics按钮，选择chi-square。Ok运行。结果如下。上表里就是我们最终想要的统计数据。Pearson chi-square就是我们通常所说的卡方。用希腊字母就是2 。2值是33.33，df是1（自由度等于样本容量减1），sig是0.000。通常这说明，吸烟和肺癌是有关

15、系的。吸烟会导致肺癌。两者的关系有统计意义，显著度小于0.05. 2是由皮尔逊发明的，所以在spss输出里叫做pearson chi-square2是由两个正态分布的是由n个独立的标准正态分布的平方和相加而成的。自由度为n。自由度不同，X2分布的图形不同。可以说，如果自由度限大的话，X2分布会趋近于正态分布。那么卡方怎么判定，我们用显著度来判定，就是spss输出表格里的sig。Sig0.05的话，我们可以认为两个变量是有关系的，相互影响的。于显著度标准问题，我们一般用0.05来作标准， 005，Mean Difference (均值差)，即样本均值与检验值100之差为-0.022含义：t ：T

16、统计量值 df (自由度)为8 双尾T检验的显著性概率Sigmean difference，均值差，这个很好算，就是9个打包机数据的均值减去100得来的。95 Confidence Interval of the Difference)：样本均值与检验值偏差的95置信区间为(-0.954，0. 910)，置信区间不包含0，则说明以95的置信概率样本值与检验值偏差为零。接受原假设。Sig就是t的检验，遵循的还是假设检验的逻辑。如果sig0.05那么就可以认为不能拒绝原假设。u=u03、独立样本T检验 如何解读Sig 值独立样本的T检验用于检验来自正态总体的两个彼此独立的样本之间的差异。即检验两个

17、群体的均值是否相等。独立样本的T检验的步骤如下：打开城市社会学.sav，执行AnalyzeCompare MeansIndependent-Sample T Test (独立样本T检验)命令，打开Independent-Sample T Tes对话框。从源变量清单中选择一个或几个数值型变量移入Test Variables框。这里选择你平均每个月花多少钱。选择分组变量移入Grouping Variables框里，这时框内显示“变量名? ?单击Difine Groups (定义分组) 按钮，默认的是选择Use specified values，表示用分组变量的值进行分组，并在Groupl和Grou

18、p2框中分别输入指定的分组变量的不同有效值，区分两个独立样本。打开对话框。分别输入1，2. (2)单击Options按钮，打开选项对话框，设置置信概率及缺失值的处理方式。它与单个样本T检验的选项对话框完全相同，默认就可以了。 (3)单击OK，提交系统运行。输出结果如下组统计量值表这里显示，男生平均每个月花527.7元，女生平均每个月花559.5元，标准差更大一点，可以说女生在消费方面，差别比男生大。独立样本T检验结果表。表中显示结果分为两部分：这里表格的前两列，由一个F和sig，这个是Levenes Test for Equality Of Variances，为方差齐性检验，这个检验的是两组

19、的方差是否相等。原假设是方相等，备择假设是不想等，sig0.166，所以接受原假设，认为两组方差是相等的。那么如果两组的方差相等，我们只看数据表格的第一栏就可以了，因为他们方差想得，第一栏是Equal variances assumed (等方差假设)，这时，t=-0.802，双尾显著性概率Sig= 0.424，所以可以认为两个群体的消费水平没有差别。因此应该接受原假设H。：1 =2，即男女生平均每个月花的钱是一样多的。均值差为-31.75；均值差标准误为39.589；均值差的95置信区间为(-110.210，46.717)。4、配对样本T检验 如何解读Sig 值 配对样本的T检验用于检验来自

20、正态总体的两个彼此相关的样本均值之间的差异。打开或建立数据文件，执行AnalyzeCompare MeansPaired-Sample T Test (配对样本T检验) 命令，打开PairedSample T Test对话框。从源变量清单中选择一对或几对成对数值型变量，移入Paired Variables (配对变量)框，框内显示出“甲变量乙变量”，表示这一对变量将作为比较的检验变量。 当从变量清单中选择了一个变量时，栏下Current Selections (当前选择)状态栏里显示出选中的变量名，再选择另一个变量，对话框中央的箭头按钮方可被激活，这时才允许将它们移入Paired Variab

21、les框。 (2)单击Options选项按钮，打开选项对话框，在这里设置置信水平以及缺失值的处理方式。(3)选项确定后，单击OK提交系统运行。结果分析：1 配对样本相关性检验表如表所示。2 表67中的Correlation (相关系数)，显示配对样本的线性相关性。相关系数为0990，不线性关系的显著性概率Sie= 0000005，说明两种轮胎的磨损量具有高度的线性相关关系。3 配对样本显著性检验表如表68所示。表68的显示结果为： Paired Differences (配对变量数值差)中，列出成对样本数值差的统计量值，有数值差的平均值为264克、标准差为261457克、平均标准误为8268克、95置信区间为(66965，451035)。 t统计量值t=3193：自由度为9。 T检验的双尾显著性概率Sig=0011005。005为系统默认的显著性概率，因此应该不应拒绝原假设，即可以认为性别不同，朋友数量没有显著的差异。关于sig的总结在SPSS软件统计结果中，不管是回归分析还是其它分析，都会看到“SIG”，SIG=significance，意为“显著性”，后面的值就是统计出的P值，如果P值0.01P0.05,则为差异显著，如果P0.01,则差异极显著。(职业枪手，从实例中理解意思，仅供参考）