spss 频数分析.docx

1、spss 频数分析SPSSSPSS主要介绍在 主要介绍在SPSSSPSS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SPSSSPSS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。 Analyze Analyze

2、Descriptive Statistics Descriptive Statistics Frequencies Frequencies 可选入多个变量。 可选入多个变量。 General Happiness 467 30.8 31.1 31.1 872 57.5 58.0 89.0 165 10.9 11.0 100.0 1504 99.1 100.0 13 .9 1517 100.0 Very Happy Pretty Happy Not Too Happy Total Valid NA Missing Total Frequency Percent Valid Percent Cumu

3、lative Percent Number of Children 419 27.6 27.8 27.8 255 16.8 16.9 44.7 375 24.7 24.9 69.5 215 14.2 14.2 83.8 127 8.4 8.4 92.2 54 3.6 3.6 95.8 24 1.6 1.6 97.3 23 1.5 1.5 98.9 17 1.1 1.1 100.0 1509 99.5 100.0 8 .5 1517 100.0 0 1 2 3 4 5 6 7 Eight or More Total V alid NA Missing Total F requency Perce

4、nt V alid Percent Cumulative Percent Statistics: Statistics: Dispersion( Dispersion(离差栏） 离差栏）: Std.Deviation Std.Deviation标准差 标准差 Variance Variance 方差 方差 Range Range全距 全距 Minimum Maximum Minimum Maximum S.E.mean S.E.mean均数的标准误 均数的标准误 Central Tendency ( Central Tendency (集中趋势栏） 集中趋势栏） Mean Median Mod

5、e Sum Mean Median Mode Sum Skewness Skewness偏度（ 偏度（00，1.5 1.5，0.5 0.5，-0.5 0.5） Kurtosis Kurtosis 峰度（ 峰度（00，正，负） ，正，负） 例： 例：09 09- -01 01 Statistics 1509 1510 8 7 1.90 12.88 .045 .077 2.00 12.00 0 12 1.765 2.984 3.114 8.904 1.034 -.168 .063 .063 1.060 .710 .126 .126 8 20 0 0 8 20 2869 19455 Valid Mi

6、ssing N Mean Std. Error of Mean Median Mode Std. Deviation Variance Skewness Std. Error of Skewness Kurtosis Std. Error of Kurtosis Range Minimum Maximum Sum Number of Children Highest Year of School Completed Number of Children 419 27.6 27.8 27.8 255 16.8 16.9 44.7 375 24.7 24.9 69.5 215 14.2 14.2

7、83.8 127 8.4 8.4 92.2 54 3.6 3.6 95.8 24 1.6 1.6 97.3 23 1.5 1.5 98.9 17 1.1 1.1 100.0 1509 99.5 100.0 8 .5 1517 100.0 0 1 2 3 4 5 6 7 Eight or More Total Valid NA Missing Total Frequency Percent Valid Percent Cumulative Percent 还可直接作出图形： 还可直接作出图形： Charts: Charts: Bar charts: Bar charts:条形图 条形图 Pie

8、Charts: Pie Charts: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。 Highest Year of School Completed 20.0 17.5 15.0 12.5 10.0 7.5 5.0 2.5 0.0 700 600 500 400 300 200 100 0 Std. Dev = 2.98 Mean = 12.9 N = 1510.00 Number of Children Eight or More 7 6 5 4 3 2 1 0 Missing C o u n

9、 t 500 400 300 200 100 0 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 Analyze Analyze Descriptive Descriptive Statistics Statistics Descriptives Descriptives 变量可多选 变量可多选 其中选项有： 其中选项有： Mean Std.deviation Mean Std.deviation Minimum Minimum Descriptive Statistics 1509 0 8

10、 1.90 1.765 1510 0 20 12.88 2.984 1504 1 3 1.80 .617 1495 Number of Children Highest Year of School Completed General Happiness Valid N (listwise) N Minimum Maximum Mean Std. 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

11、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 : Explore :进行初步探索分析 进行初步探索分析 09 09-03 03 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

12、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） Analyze Analyze Descriptive Descriptive Statistics Statistics Crosstabs Crosstabs 选择一个或多个变量进入 选择一个或多个变量进入Rows Rows框， 框， Column Column 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。 Pearson Chi Pearson Chi-square test square test Likehood ra

13、tion Chi Likehood ration Chi-square test square test 似然比卡方检验 似然比卡方检验 Fisher Fishers exactly test s exactly test 费雪精确检验 费雪精确检验 （22）Correlation Correlation复选框。 复选框。 Pearson,Spearman Pearson,Spearman（只适用于数值 （只适用于数值 型） 型） (3)Nominal Data (3)Nominal Data栏，适用于定类变量 栏，适用于定类变量 的统计量。 的统计量。Lambda Lambda复选项 复选项

14、 （44）Ordinal Data Ordinal Data栏：适用于定序变 栏：适用于定序变 量的统计量 量的统计量 Gamma Kendall Gamma Kendall”s tau s tau-bb Kendall Kendall”s tau s tau-cc (5)Nominal by Interval: (5)Nominal by Interval:一个定类一 一个定类一 个定距以上变量 个定距以上变量 Eta Eta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 Flag significant correlations: Flag significant correl

15、ations: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。 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 Pearson Pearson相关系数 相关系数 22、Spearman Kendall Spearman Kendall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

16、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。 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

17、个变量间的关系为 体中两个变量间的关系为00。SPSSSPSS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）Analyze Analyze Correlations Correlations Bivariate Bivariate 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 Pearson Pearson相关、 相关、Spearman Spearman和和 Kendall Tau Kendall Tau-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。 Test of Significance Test of

18、 Significance 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。 Two Two-tailed: tailed:事先不知道相关方向 事先不知道相关方向 One One-tailed: tailed:事先知道相关方向 事先知道相关方向 例例Data09 Data09-03 03 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： Correlations 1 .661* . .000 474 474 .661* 1 .000 . 474 474 Pearson Correlation Sig. (2-tailed)

19、 N Pearson Correlation Sig. (2-tailed) N Educational Level (years) Current Salary Educational Level (years) Current Salary Correlation is significant at the 0.01 level (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。 Descriptive Statistics 13.49 2.

20、885 474 1.41 .773 474 $34419.57 $17075.661 474 $17016.09 $7,870.638 474 81.11 10.061 474 95.86 104.586 474 Educational Level (years) Employment Category Current Salary Beginning Salary Months since Hire Previous Experience (months) Mean Std. Deviation N Correlations 1 .514* .661* .633* .047 -.252* .

21、 .000 .000 .000 .303 .000 474 474 474 474 474 474 .514* 1 .780* .755* .005 .063 .000 . .000 .000 .908 .173 474 474 474 474 474 474 .661* .780* 1 .880* .084 -.097* .000 .000 . .000 .067 .034 474 474 474 474 474 474 .633* .755* .880* 1 -.020 .045 .000 .000 .000 . .668 .327 474 474 474 474 474 474 .047

22、 .005 .084 -.020 1 .003 .303 .908 .067 .668 . .948 474 474 474 474 474 474 -.252* .063 -.097* .045 .003 1 .000 .173 .034 .327 .948 . 474 474 474 474 474 474 Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-t

23、ailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Educational Level (years) Employment Category Current Salary Beginning Salary Months since Hire Previous Experience (months) Educational Level (years) Employment Category Current Salary Beginning Salary Months since

24、 Hire Previous Experience (months) Correlation is significant at the 0.01 level (2-tailed). *. Correlation is significant at the 0.05 level (2-tailed). *. Corr elations 1.000 .415* .568* .554* . .000 .000 .000 474 474 474 474 .415* 1.000 .519* .530* .000 . .000 .000 474 474 474 474 .568* .519* 1.000

25、 .656* .000 .000 . .000 474 474 474 474 .554* .530* .656* 1.000 .000 .000 .000 . 474 474 474 474 C orrelation C oefficient Sig. (2-tailed) N C orrelation C oefficient Sig. (2-tailed) N C orrelation C oefficient Sig. (2-tailed) N C orrelation C oefficient Sig. (2-tailed) N Educational Lev el (y ears)

26、 Employ ment C ategory Beginning Salary C urrent Salary Kendalls tau_b Educational Level (y ears) Employ ment C ategory Beginning Salary C urrent Salary C orrelation is significant at the .01 lev el (2-tailed). *. （22） Analyze Analyze Correlations Correlations Partial Partial 用上例： 用上例： - Controlling

27、 for. JOBCAT PREVEXP Controlling for. JOBCAT PREVEXP JOBTIME JOBTIME SALARY EDUC SALARY EDUC SALARY 1.0000 .4399 SALARY 1.0000 .4399 ( 0) ( 469) ( 0) ( 469) P= . P= .000 P= . P= .000 EDUC .4399 1.0000 EDUC .4399 1.0000 ( 469) ( 0) ( 469) ( 0) P= .000 P= . P= .000 P= . (Coefficient / (D.F.) / 2 (Coef

28、ficient / (D.F.) / 2-tailed Significance) tailed Significance) . is printed if a coefficient cannot be . is printed if a coefficient cannot be computed computed 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

29、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。 Analyze AnalyzeRegression RegressionLinear Linear Dependent: 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。 自变量，可选入多个自变量。 Method: Method:对自变量的选入方法。 对自变量的选入方法。 Enter: Enter:强行进入法 强行进入法 Forward Forward：向前选择法 ：向前选择法

30、Backward Backward：向后剔除法 ：向后剔除法 Stepwise Stepwise：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：09 09-03 03 Graphs Graphs- -scatter scatter Variables Entered/Removed b Educational Level (years) a . Enter Model 1 Variables Entered Variables Removed Method All requested variables entered. a. Dependent Vari

31、able: Current Salary b. Model Summary .661 a .436 .435 $12,833.540 Model 1 R R Square Adjusted R Square Std. Error of the Estimate Predictors: (Constant), Educational Level (years) a. ANOVA b 6.018E+10 1 60178217760 365.381 .000 a 7.774E+10 472 164699740.8 1.379E+11 473 Regression Residual Total Mod

32、el 1 Sum of Squares df Mean Square F Sig. Predictors: (Constant), Educational Level (years) a. Dependent Variable: Current Salary b. 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 Coefficients a -18331.18 2821.912 -6.496 .000 3909.907 204.547 .661 19.115 .000 (Constant) Educational Level (years) Model 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients t Sig. Dependent Variable: Current Salary a. 扩展 扩展 几个自变量的线性回归示例： 几个自变