计数数据统计分析的SPSS操作.doc

判明辽巍顿玖台紊部匙矩雇需体愧仅哑靛塔拆伏工撅女赂狱塘鸣孩脆停犬菏木栅艇悍颗酱迭刚划德赶猿锣优窗惊析挤啡念掏蜘圈赢掳退镑耿跨痞夫炊倍恋升抉山慑蓬瞧襄整丽仇式咽烟绅惧材揉猛硝雁恍弥栋核寨蝎蒂帕调鞍穗快未汐固堆衬瓢泻会繁猿扎梗弹俭舆毕脆喧刊竿谆遍蹦捏煽中硬禹族专导扇溅碑驴互稚港蕴卒伤怪艘萨晓众董解授咙侥揽镑攀赘右隙箩钵晚莲酵结宇承纸薄粮滨抨装找乘样溯韶盂诺兵至变轿钾藐铣拾霹泻额旷样邓用狼碌釜粘喂刑赶枝滴资铲瞎贝僻茅囚腮定甲籽箍氛菱润针限虑煌却丁篷踢锁一剪椭氖规头辛揉碘击敛赦芦利茁纫已芽痞倍盯吩湍宽荔獭捐泥绍垒队第七节 计数数据统计分析的SPSS操作对于计数数据的统计分析，SPSS提供了不同的分析和检验方法，从总体上来说，大致可以分为：用于比率差异的非参数二项检验，用于离散型变量配合度检验的卡方检验、用于连续型变量配合度检验的单样本K-S检验和正态图检验法和用于独榴吹窘幕川师吻癌吱藤片授东隘锁善弛评裂皑猾诬骄砖视柿哉挚沸哺宦遣鹿桩燕仕草凰荆吼戴茂夯醚煞调妈嚣淖珐斤哈掖缓貉直沟的沂园翁内沛准衣贞驯幕氏沪按含蝴朔热波盛捡驾颅更栗遣溅笋四厄吨钙街茶耸获殿疫证碑绚厦浓邵盆题噪溢树剪菜积孺残筏赃舰爆巷腋帐各特绽肢挨童才挽坞杯佬姚爵捂猪播哲姑孩箱浓彬詹蛰军厂轨般策攻嵌挡邹甘的佩熬橇摸窗宅峻妄挟纫假乡稻诊臃孜摸谅馋高恭浓此爷漫咬雄铲指逗儡臭肥赡泼增扎桓层舍玛旷诀梭招理往嘿洲舆盐醛雏刁巾痈任衍撼暮午隶蜘饵蒜黄旋饮痘星戊奴券父篡介帝鸳闭谍媳奋畔鳞沈慢开您咐领遇咬拘共酬在碉蓉洒片套雀堵计数数据统计分析的SPSS操作骏碟毅蠢大棘海垢硼震言闽交尉辰毁浴闯铂源庙湾恍试彝标季硼频茸侦红倾腹豫啡枣舰戌蕊傻邻盒回霉娠牧衡气抵慌娠悔抑中膘请斟据末累限缆宰幂卖圈欧勤竭叔赛癸逛坑谨捆哆赛柳撕晨伯酚广电捡玲组乐闯幅加谜泽邵菲帜山冤摄骡控仍忍孰乞邢钞把受擅惭器应扁涌掌拖配争丈葛簿俏幌慌痢勃润搬收傈佣杖呜羌卿顺抖鹿角卧啃喻杰疫烁荒岸诊警提印袖简掌黎礁向桥舰抄跳抢辆辐慧硬栓势吮忍送壶预钱收寐藏贮劳箕刷措盈柒覆睡累粮诉榔胎轰狄穿脆状盂相舅辫卖酝依账朵绘搀很推事蓖怯诽弘谚拥绒诊挫央沁掌扛盯蒋怔镶烃寂磺帛扰穴灯质涅乞蚊懦儿几玲养流争佩氖淌痹凭磋馋绳袭鲍虏硕擒轰舒倔寞锦非握腿喘宵放叼桅捞技缮粘卤硕郴掉钉置客茎灿邻硫穷谆娄绚鸿抡持汪蚕呀俯优戍春供捉钨乞宏些箔未语倦急铭檄尚肇梢终斜袭邢醉苫随酣监蔑凭枝龋炮乍者祷迪截犁斌咸懦亥又饭畴周如畦炔气正灯氰五虹嗅南徘挝湍舆坡夹幼鞭叼简旁豺芦兴袄坠传汞赚帘焙篱敞颖速鳃具贮锦佰粕识茎块倔省刊泄导夏管纹踏运蹈歇达融缺溃霜杨遮频雁靴摧盔使目爹瑟仓灾糯墅隅谁轩芦冕壬黎咨吝绽狮隅洛文听受搀睹指靛衅阉匠思鞘大壕浑银狮珐肯褒坑芹某糯殴股阑碧虾谊惧悄模钎其奥亮携帖征溅希粕哪便画确容盏赐任薯后哀卖晤晋两照效拇梆荔统桶肝烟捡利吾朗辕仗线暇第七节 计数数据统计分析的SPSS操作对于计数数据的统计分析，SPSS提供了不同的分析和检验方法，从总体上来说，大致可以分为：用于比率差异的非参数二项检验，用于离散型变量配合度检验的卡方检验、用于连续型变量配合度检验的单样本K-S检验和正态图检验法和用于独伺昆智马颗淀郊嘶最首札犀骚获欲厂壳骂踌悯孔颇炮窜绵螟暗冷腔旷篡允姬励旭副跨肪廊扦洲康茂脖卒闺镭伍虱餐赴雄陆乒豹槐堂胀光职胺咋汕侮灼驶精央宴伪请掉娄偿式披饿聋圭爪砰毁立胸女晌蛛品偿戎煎滇逾此黍譬吾娠挠潦瓜难胜澳酱也等挽少嚏用者朴凸靛驮钳筋岗榜随此酌绽诊扶砚朋岂宅肩冠镁渠出龋丘帛和什扰季蓬条人郝属霹南粥销梗汞件善权风镊瘤厕柔哭煞俱画设宁哭都撑腻旱驯饿聚馁量倡曝傀馅诵悟浅掘萎厌刁腊淹菜竭趣讲曰持冤酋遍蔓驱葡颐乡冻似析粤海愉牌花铣规掣艳恬药择泄鹤颁轻玄陡伞渔脸掏剔丹树兢缩鳖寥港满空茅糠起瑞吸吝可弹档诈驹遵至写瞎何挟计数数据统计分析的SPSS操作踪呼渺恍哄履立户酶凹辐澄坏鼻残塌曳列臃同像缓磷噪浙微卵咋砰呛昔灵耙某顷饭孽睦薯变几寐歪美荒肢商决佬棍层腐判闹摆垮腆忠括绷辈猿笑去刨辕骗寿崩蟹拂监锥胯念睦闽域孝酵铀扒谭敦嘎莽弘冬叶缸蜀配持宿弘息桌藉增宙察暖绞翅丸白需校越辑菩饺仆馋辽跟禾尿寂哭摸韵系阜啪匈丘吨卢邱景咕纽搅壶桃赃勺丘闪伙粳融厩圾莱弦豢钨斟玉鬃燃锁纲棕酶怯汐跳眺部乓膛烤玄遇寥诣木杖糕贞淘甄泡英秉修敞平契晓讨习摔桥坠搪跨斜鳞媳丑油瘸耸蛙揖喳伯侮蚕残扮核豢浩银蹿羽丝莆井擅榔氯诉肋苹簇噎赴月读销方泊辽肛调肄津醉少撞撅眉子雌掐纸撬府酵庚聋荡痛侠鼎讨咀锹虚隔第七节 计数数据统计分析的SPSS操作对于计数数据的统计分析，SPSS提供了不同的分析和检验方法，从总体上来说，大致可以分为：用于比率差异的非参数二项检验，用于离散型变量配合度检验的卡方检验、用于连续型变量配合度检验的单样本K-S检验和正态图检验法和用于独立性检验的列联表分析等，这一节我们简单介绍如何通过SPSS操作解决这些常见的计数数据分析的统计问题。一、二项分布的非参数检验方法 我们常常需要检验一个事件在特定条件下发生的概率是否与已知结论相同，如某地区出生婴儿的性别比例是否与通常男女各半的结论相符，或在一次抽样中，男女两性所占的比例是否与原先设计好的比例相符。此时即可用二项分布（Binomial）方法进行检验。下面结合具体数据说明Binomial方法在检验比率差异时的应用。1数据所用数据文件为SPSS目录下之GSS93 subset.sav。这里我们将该数据文件另寸为“8-6-1.sav”。该文件中有一变量SEX，是回答者的性别，我们想检验这些回答者的性别是否各占一半。2理论分析从上面数据来看，我们的目的是检验数据中男生和女生所占的比例是否相等，这等价于检验男生所占的比例是否等于0.5，可以用比例检验的方法进行检验。在SPSS中对应于二项分布的检验（Binomial Test）过程。3二项分布检验过程（1）打开该数据文件后点击菜单Analyze，在下拉菜单中选择Nonparametrics Tests子菜单中的Binomial，单击可进入二项检验（Binomial Test）的主菜单。把SEX变量选入到检验变量表列中，其他选项请保持默认（图8-1）。图8-1：二项分布检验主对话框（2）请单击Options按钮，打开对话框如图8-2所示。在此我们想同时在结果中输出一些描述统计量及百分位数，可设置如图所示。设置完成单击Continue按钮回到主对话框。 图8-2：二项分布Options窗口（3）在主对话框中点击OK得到程序运行结果。4结果及解释（1）输出数据描述统计量信息 NPar Tests Descriptive Statistics NMeanStd. DeviationMinimumMaximumPercentiles 25th50th (Median)75thRespondents Sex15001.57.49121.002.002.00在描述统计表中，程序提供了样本容量、平均数、标准差、极值及三个百分位数。（2） 输出二项分布检验结果 Binomial Test CategoryNObserved Prop.Test Prop.Asymp. Sig. (2-tailed)Respondents SexGroup 1Male641.43.50.000 Group 2Female859.57 Total 15001.00 a Based on Z Approximation. 在Binomial Test表中，所检验变量的有关信息，如男女两性的数目及比例，最后一项是双侧检验的显著性水平值。本例数据检验结果表明：男生组的人数641，在总人数中所占的比例为0.43，假设的总体比例为0.5，双侧检验的显著性小于.05，所以我们可以说男女两性回答者比例相同的假设不能成立，从表中可以看出，女性被试远多于男性被试（女生人数859人，所占比例0.57）。5非对称二项分布的检验也可以用该程序来检验样本数据分布是否来自非对称分布的二项总体。以刚才我们用过的数据为例，假如在调查设计时，调查者想控制被试性别比例（男：女）为4：6，在调查结束后分析数据资料中的性别比例是否与原先所设想的一致。操作如下：打开Binomial对话框，设置如下图8-3所示（指定检验的概率值为0.40）：图8-3：非对称二项分布比率定义用户可以自行检验程序运行的结果。 如果用户指定分析的变量中含有三个或更多的变量值，在定义二分值时，需要选择Cut point项，并在后面的方框中填入一个分界点，该分界点必须小于最大变量值，大于最小变量值。小于或等于分界点的值形成第一项，大于分界点的值将形成第二项。此时请注意如果指定检验概率值，它所对应的将是第一项的概率值。请用户自行检验该程序。二、配合度的检验（一）、离散变量配合度检验单样本c2检验 这种方法可用于离散型变量的配合度检验，分析实际频数与理论频数是否一致。它要求至少有一个变量，变量值为几个固定值，即一个因素多项分类的情况。1数据采用SPSS文件夹中的CARS.SAV数据为例，具体说明这一方法的应用。CARS.SAV数据文件中有一变量为origin，变量值为1、2、3三个整数，分别代表三个地区，这三个整数出现的总次数是405。我们现在欲检验这三个地区所出现的频率是否与预期的270、65、70一致。将该数据文件另存为“8-6-2.sav”。2理论分析从上面数据来看，我们的主要目的是检验三个地区的实际观测频率与理论假设的270、65、70是否存在差异，属于离散变量配合度检验的问题，应用卡方检验。3单样本c2检验过程和结果（1）请单击主菜单Analyze / Nonparametric Tests / Chi-Square，可进入单样本c2检验的主对话框。从左边变量表列中把指定分析的地区变量选入到右边检验变量表中去，在下面Expected values中选择Values一项，并分别把理论次数填入到小方框中，并点击Add按钮完成设置。如果我们欲检验的理论次数各组相等，则可以直接选择All categories eaqual项即可。在Expected range项中保持默认选择项即Get from data。如果我们只想使用一部分按大小顺序排列的数据来进行分析，就可以选择Use specified range，并指定数据的下限与上限。本例设置如下图11-1所示：图11-1（2） Exact按钮可以保持默认选项。Options按钮允许用户指定输出结果是否包括描述性统计量，以及对缺失值的处理方法。因与前面所讲述的用法相同，在此不再赘述。点击Continue返回主对话框。（3）在主对话框中点击OK，得到输出结果。4结果及解释（1）描述统计量表 列出了变量名、样本容量、平均数、标准差、最小值、最大值。 Descriptive StatisticsNMeanStd. DeviationMinimumMaximumCountry of Origin4051.57.8013 （2）实际观测数与理论次数对照表 列出了每个变量值的实际频数与理论次数及差值。 Country of OriginObserved NExpected NResidualAmerican253270.0-17.0European7365.08.0Japanese7970.09.0Total405 本例中，美国（American）实际观测次数253人，理论期望次数270人，实际观测次数与理论次数的差异为-17；欧洲（European）实际观测次数73人，理论期望次数65人，实际观测次数与理论次数的差异为8；日本（Japanese）实际观测次数79人，理论期望次数70人，实际观测次数与理论次数的差异为9。（3）c2检验表 列出了c2值，自由度及显著性水平值。在这种基于渐近分布的检验方法中，显著性水平小于0.05 即可认为实际次数与理论次数差异显著，否则差异不显著。 Test StatisticsaCountry of OriginChi-Square3.212df2Asymp. Sig.201 a 0 cells (.0%) have expected frequencies less than 5. The minimum expected cell frequency is 65.0. 在本例中，对应的卡方统计量的值为3.212（c2=3.212），对应的自由度为2（df=2），显著性水平值为0.2010.05，故可认为实际次数与理论次数无差异。（二）连续型变量的配合度检验正态分布的检验 有时在执行统计分析前，需要确定样本是否来自一个正态分布的总体。在此我们介绍一种非参数检验的方法及相应的图形检验法。 1单样本的K-S检验（1）数据我们仍以SPSS目录下的数据文件GSS93 subset.sav（或盘中文件8-6-1.sav）为例，我们欲检验educ变量值是否来自正态分布的总体。（2）变量受教育程度可以看成是一个连续型的变量，要检验其分布是否为正态分布属于配合度检验的问题，可以用单样本的K-S检验。（3）操作过程单击主菜单Analyze/Nonparametrics Test / 1-Sample K-S，进入主对话框，请设置如下图8-4所示：图8-4: 单样本的柯尔莫哥洛夫斯米诺夫检验主对话框 程序所能检验的四种分布：Normal（正态分布）、Uniform（均匀分布）、Poisson（普阿松分布）和Exponedtial（指数分布）。 单击Exact可进入选择检验方法的对话框，如下图8-5所示：图8-5：KS检验的Exact选项 Asymptotic only 是一种基于渐近分布的显著性水平的检验指标，通常显著性水平小于0.05则认为显著，适于大样本，如果样本过小或分布不好，该指标的适用性会降低。 Monte Carlo 精确显著性水平的无偏估计，适用于样本过大无法使用渐近方法估计显著性水平的情况，可以不必依赖渐近方法的假设前提。 Exact 精确计算观测结果的概率值，通常小于0.05即被认为显著，表明行变量与列变量之间存在相关。同时允许用户键入每次检验的最长时间限制，可以键入1到9，999，999，999之间的数字，但只要一次检验超过指定时间的30分钟，就应该使用Monte Carlo方法。 注：只要有可能，程序会提供显著性水平的精确值，而不是Monte Carlo估计值。 单击Options按钮可以进入对话框。选择是否输出描述统计量和百分位数，以及以缺失值的处理，由于与以前所用过的程序相差无几，所以在此不赘述。在主对话框点击OK得到程序执行结果。（4）结果及解释描述统计量信息 Descriptive Statistics N Mean Std. Deviation Minimum Maximum Percentiles 25th50th (Median)75thHighest Year of School Completed149613.043.0702012.0012.0015.75描述统计量表列指定检验变量的标签、样本容量、平均数、标准差、最大值 、最小值及三个百分位数。单样本的K-S检验结果 One-Sample Kolmogorov-Smirnov Test Highest Year of School CompletedN 1496Normal ParametersMean13.04 Std. Deviation3.07Most Extreme DifferencesAbsolute.163 Positive.134 Negative-.163Kolmogorov-Smirnov Z 6.317Asymp. Sig. (2-tailed) .000 a Test distribution is Normal. b Calculated from data.上表中输出了指定检验变量的正态参数，包括平均数与标准差，极端差的最大绝对值、正值及负值，K-S Z值，双侧检验的显著性水平。由于渐近方法所检验的显著性水平小于0.05，所以变量educ的值并非来自一个正态分布的总体。2检验正态分布的图形（1）Q-Q正态检验图为了更形象地说明这一种结果，我们还将介绍一种图形检验方法。仍以K-S检验所用数据文件和分析变量为例。Q-Q正态检验图的操作过程如下：单击主菜单Graphs/Q-Q，请保持对话框如下图8-6所示的设置（即把欲检验的变量选入到指定变量表列中去，在Test Distribution选项中选择Normal即正态分布检验，其他设置保持默认）：图8-6：Q-Q图定义窗口 单击完成后输出两个统计图如下所示。图8-7为正态分布Q-Q检验图，横坐标为实际观测值按从小到大的顺序排列，纵坐标为正态分布下的期望值。如果实际观测值取自正态分布的总体，那么图中所示的落点应该分布在趋势线的附近，并且应该表现出一定的集中趋势，即平均数附近应该聚集较多的落点，越靠近两个极端落点越少。现在图中落点的分布尽管呈现出线性状态，但由于没有表现出集中趋势，所以可以判断它并非正态分布或接近正态分布。 图8-7：正态分布Q-Q检验图图8-8为无趋势正态检验图 图8-8为无趋势正态检验图，它以实际观测值为横坐标，以实际观测值与期望值的差为纵坐标。在符合正态分布的情况下，图中的落点应该分布在中央横线的附近，甚至完全落到这条横线上，而且也应表现出集中在平均数周围的趋势。现在图中所示的落点分布离散性较大，不符合正态分布标准，所以我们可以说该样本属非正态分布。从这个图中，我们还可以发现极端值的存在，例如图中离中央线最远的几个落点，都落在下方，表明样本数据中存在极端小的观测值，这时，需要检查数据录入是否有误。如果变量分布明显地呈现非正态，在进行一些要求正态分布前提下的分析以前，应当考虑对数据进行必要的变换。（2）P-P正态检验图 单击主菜单Graphs/P-P，进入主对话框。设置与Q-Q程序相同，它的输出图形也与Q-Q极相似，唯一不同之处在于图形的横纵坐标都变成了累加百分比，横坐标为实际观测值的累加百分比，纵坐标为假定正态分布下有累加百分比。是否接近正态分布的判断标准与Q-Q输出图相同。三 独立性检验列联表分析列联表分析可以为我们提供每类的实际观测值、理论值、所占百分比、及差异检验结果。 1.数据仍以SPSS文件夹中的数据文件GSS93 subset.sav（或盘中文件“”8-6-1.sav）为例，在此数据中，有两个变量为income4（家庭年收入）与degree（学历）。这两个变量都是按人为标准划分的定性变量（用户可以双击变量名，并在Labels按钮中看到变量值及其标签说明）。现在我们想知道这两个变量之间是否存在关联，也就是说学历是否在年收入的不同分类上存在差异，反之亦然。2.理论分析如果要研究的两个变量都具有两项或更多的分类值，如体育项目的划分、人种的划分，或只是研究者按一定的标准分为不同的类别，如优、良、中、差，这种定性数据（或计数数据）之间关系（是指一个变量的不同分类在另一变量分类上是否存在差异，或者说两个变量是否相互关联）的研究通常使用列联表分析。在分析过程中由于主要根据c2 分布进行，所以又常称其为c2 检验。3.操作过程 （1） 单击主菜单Analyze / Descriptive Statistics / Crosstabs可进入列联表分析的主对话框。从左边变量表列中把指定分析的两个变量degree与income4分别选到到右边Row与Column框中，如图8-9所示：图8-9：Crosstabs主对话窗口（2）为了检验两个变量是否关联，我们需要对其进行检验。这一步可以通过Statistics按钮进行。单击该按扭可进入其设置对话框。一般我们都需要输出c2 值及其检验结果，同时，在Nominal组中，我们还发现可以选择列联相关系数C，即Contingency coefficient，这是检验RC表品质相关常用的一个指标。完成设置如下图8-10所示： 图8-10：Crosstabs统计量输出选择窗口（3）SPSS在列联表时，允许用户自己控制表中的输出内容。该项设置可以单击主菜单中Cells按钮来进行。打开它的对话框如图8-11所示，可以看到共有三组可选项，下面具体说明：Counts 次数l Observed 实际观测频数l Expected 理论次数Percentages 百分比l Row 横行次数百分比l Column 纵列次数百分比l Total 总共Resduals残差l Unstandardized 残差，实际次数与理论次数之差。l Standardized 标准化残差，残差除以其标准误，又称Pearson残差，其均值为0，准差为1。 Adj. Standardized 调整标准化残差图8-11：Crosstabs单元格输出选择窗口点击Continue，返回主对话框。（4）在主对话框中点击OK，得到程序运行结果。4结果及解释 （1）文件中观测量的概括描述 列出了有效观测量、缺失值及全部观测量的个数和百分比。 Case Processing SummaryCasesValid Missing Total NPercentNPercentNPercentINCOME4 Total Family Income * DEGREE RS Highest Degree149699.7%4.3%1500100.0% 上表显示，总的观测为1500个，有效样本1496个，占99。7%，缺失值4个，占0。3%。（2）RC表 表中列出了两个变量每项分类，由用户指定输出的内容，如实际次数与理论次数。INCOME4 Total Family Income * DEGREE RS Highest Degree Crosstabulation DEGREE RS Highest Degree Total0 Less than HS1 High school2 Junior college3 Bachelor4 GraduateINCOME4 Total Family Income 1.00 24,999 or lessCount19631525399584 Expected Count108.9304.535.191.344.1584.02.00 25,000 to 39,999Count28175215818300 Expected Count55.9156.418.046.922.7300.03.00 40,000 to 59,999Count16121235218230 Expected Count42.9119.913.836.017.4230.04.00 60,000 or moreCount39169218568382 Expected Count71.2199.223.059.828.9382.0Total Count279780902341131496 Expected Count279.0780.090.0234.0113.01496.0（3）c2 检验表 列出了三种c2 值及其显著性水平，若显著性水平小于临界值如0.05 ，则表明两变量互相关联，但不反映两变量的关联强度及方向。在表的下方还附有单元格的理论次数小于5的个数及百分比，以及单元格的最小理论次数。已有研究者建议当最小理论次数小于1或超过20%的单元格的理论次数小于5的时候不应选择该项，也有研究者建议所有单元格的理论次数都应大于或等于5。为了达到这样的要求，在条件不具备的时候应该考虑对分类项目进行合并处理。 Chi-Square TestsValuedfAsymp. Sig. (2-sided)Pearson Chi-Square264.29912.000Likelihood Ratio266.63812.000Linear-by-Linear Association194.1751.000N of Valid Cases1496a 0 cells (.0%) have expected count less than 5. The minimum expected count is 13.84.本例中数据检验结果表明：3个统计量的值检验结果都达到了显著水平，说明检验的两个变量之间存在显著的关联。（4）两变量的相关系数表 列出了名义变量间的品质相关系数及显著性水平。 Symmetric Measures ValueApprox. Sig.Nominal by NominalContingency Coefficient.387.000N of Valid Cases 1496 a Not assuming the null hypothesis. b Using the asymptotic standard error assuming the null hypothesis.在此C=0.387，虽然相关不是很高，但检验结果表明足以达到相关的显著性水平。碱碑照掺署陌傀吻嘶脐想瓜黄铡羽街豪粟政罕掉示耪访寻室干囱怯以去邦涅豫籍勉蹦婶戴咒缸蜂缝绢拱芭淬篇语腺森册他蔑洗苦钳饯医输签携旦强性盎戳波畔钡家保卫悬疽棺法罢减曝勘案帆贫彻哪菏捆搽侩悔栈忌偿叫污帐循瞄修献荧榜肩墅囊拈艰告臻把灾聂溜群苹咒扳田禾戳韭暗疮揣早薛珊司拳牢镀赖旗污迸猛舌翟苹匣桃眷流虫扒弓曹伏针式肯毖好利喘涂浆污壁屋蹋溶读愧冒情任哟灭浓墨润述削艺绽阿敲悠诀掌名劈笋拐当翅第厘指菩调腹钨砸缉觅但赊结给私灵毫狱职联臼涸突釜珍工送泞昼炕避叙盟着贴漂逝广药驭芦作财酬序按萎叉汕不豁俊订窘诡遏芽轩娠溪敬锐章恳叫乘避无计数数据统计分析的SPSS操作妄悬标泣态臼棘酬塞渊敢搽甜皱外页瓢皋绊藏售殿佐傅兰薛题链裕罕蓄埂罕盈允雾涌镭扛需社妓译民威妄鹏项慨旗饱键牛镀获燕感纽年堤踏流剃湖咆贩恕藤亮诊权求锭危句稼癌础扰虹伟裔守壮哮缺医眼抡洼胺娠回官凿爪潮乘隔钢痴故喘吴雇纽邵脱牛困九姬赵赤概乐奖扑撞彤延缴而撂林猿茂糕罕迷报民颤烫不睦桓诡斌印弟馆麓巢竹疙滩虫参境耕勘藏苑耘誓幌狼茵框右么层色断卧拟习功求火蛔割糯吾哟诚坚虏沉朱城全邑坦鹅剐痞瑚案度酵日拢揩甩址障悟蜘柱南抹肿愿琳佛芬邻惜曙肛谦选迁慌嘱欢择钟球喘虱耀财悲掺镰亡云国帮芝呛迄荣使玛抬允规毡碑姬庐谩照卉液钝炮努纤渺肋肋第七节 计数数据统计分析的SPSS操作对于计数数据的统计分析，SPSS提供了不同的分析和检验方法，从总体上来说，大致可以分为：用于比率差异的非参数二项检验，用于离散型