常用统计方法与SPSS软件的使用PPT课件.ppt

常用统计方法与SPSS软件的使用 1 书籍介绍1 张文彤 SPSS11 0统计分析教程 基础篇 高级篇 北京希望电子出版社 2002 操作详细 有助于理解模块 2 马庆国 管理统计 科学出版社 2005 侧重于理论与实践的结合 分阶段学习容易接受 3 吴明隆 SPSS统计应用实务 科学出版社 2003年 适用于社会学 管理学 心理学使用问卷调查的实证研究 其余书籍4 余建英 何旭宏 数据统计分析与SPSS应用 人民邮电出版社 2003年5 阮桂海等 统计应用分析教程 SPSS LISREL SAS实例精选 清华大学出版社 2003年软件使用 SPSS11 5 目前最高版本 SPSS13 0 2 一 量化研究量化研究与质化研究都重视研究的客观性 科学性与数据分析的正确性 这是两种不同的研究派别 量化研究的特征 量化研究注重减少 垃圾进 垃圾出 研究者通过正确收集数据 选择合适而正确的统计方法 以客观的立场分析数据 使之形成有用的信息 以检验研究假设 进而发现研究结果 整理归纳形成结论 3 一 量化研究量化研究与质化研究的区别 1 量 采用逻辑实证主义 将现象背后的原理简化为单一的客观实在 不因人的主观意志而转移 内部动力机制 质 采用自然现象主义 认为自然和社会是多元的 描述多元的现象 2 量 注重变量间必然的因果关系或相关情形 质 注重变量脉络间关系的诠释和分析 3 量 重视假设演绎法 质 注重经验归纳法 4 量 的研究者保持中立 借助仪器或问卷等收集信息 质 的研究者一般采用参与性的活动通过互动收集信息 5 量 的研究重视由受试样本推论到总体 质 的情景限制推论 4 二 量的研究步骤 选择定义研究问题 设计问卷 研究问题必须是可以检验的 有研究价值或重要的问题方法 通过相关文献的研究分析 挖掘相关研究问题 制定研究主题 草拟研究问题 对于重要的关键词要给予完整解释执行研究程序实施程序包括 样本的选择 测量工具的改进 数据的搜集数据分析检验研究假设 选择合适而正确的统计方法 描述性统计 推断性统计 结果分析与结论根据数据分析的结果 结论应该与最初拟订的假设或研究问题有关 研究结论要指出假设是否得到支持 5 理论 假设 概念的操作性定义 选取样本 调查 相关设计访问或问卷调查 实验设计设计实验组事实观察 访问 问卷 搜集资料 分析资料 结果发现 例1 6 三 量表的编制 变量的属性名义变量 变量分类 如性别 年级 企业性质等 控制性变量 次序变量 方向性 如表示优劣 多少 高低 次序等等距 比率 变量 间距相等 具有可加 可乘性 如经营额 学生成绩 各种财务杠杆等 不同的变量属性 所使用的统计方法也不同 如果设计的变量属性不符合所要求使用的统计方法 会导致统计结果的错误 在回归分析中应该特别注意 例如 多元回归分析的自变量与因变量应该都是 连续变量 自变量如果是类别变量或次序变量应该首先转换为虚拟变量 与研究相关的变量的矢量方向一致及变量属性一致 7 量表编制的原则 如何使用量表将定性问题转换为定量 量表的属性应该是次序变量 但次序变量与名义变量都属于 离散变量 离散变量无法求平均数或进行相关性统计 回归等分析 因此必须转变成等距的虚拟变量来统计 五点量表法 Liket fivepoint 李克特 最可靠的方法 适合与一般群体来设计 其好处在于不但能分清矢量的高低程度 而且等确定中心距 以保持变量的内部平衡 七点量表法 Liket Sevenpoint 李克特 适合与高精确度的问卷设计 一般适合与专家群体 其确定的准确度更高 但如果受试群体没有能力分清这种高精确性的矢量 会导致问卷收集数据的不准确性 8 问卷设计 我认为参加在职训练能增进工作效率非常同意 非常不同意54321你认为安全在你外出旅游中的作用是 1 很不重要2 不重要3 无所谓4 较重要5 很重要 例2 9 四 统计与数据挖掘方法论 Database ODBCInterface Datacleaning Datatransforming Dataselecting ObjectiveData Datamining ModeExplaining Man machineinteraction Datapreprocessing 10 五 数据处理常用方法 将问卷各个题目按照关键字段依次输入EXCEL 形成二维的数据库 选择合适的方法进行数据库的数据的转换字符性转换为数字性 尽量使用EXCEL强大的转换功能数据的非正常值的转换 如通过查找原始问卷 变量属性的转换数据格式的转换 如spss的强大的Restructure功能 行列转置等 导入SPSS可使用SPSS的OPENDATA文件 单选 多选 2004新生原始数据 11 六 SPSS软件的界面与数据控制 12 13 14 信度分析一般用于问卷 试卷 问题测量的稳定性和可靠性ReliablityAnalysis过程通过ALPHA 克郎巴哈系数 来截定 0 9稳定性很好 效果极佳0 9 0 8可以接受 应该做小幅改进0 8 0 7有价值 做部分改进0 6 0 7有价值 做较大改进0 6 应该重新设计注意 如果问卷数量较少 系数可以稍微降低 案例1和2 15 七 常用的统计方法 描述性统计 基本的数据分布状况参数假设检验 判别显著性相关分析 判别相关度 线性 非线性 回归 因素确定 因素间关系1 线性回归 多元回归 2 分类资料回归多元统计 因素结构1 聚类分析和判别分析2 因子分析 16 描述性统计常用指标 平均值 Mean 标准方差 S D 最小值 Min 最大值 Max 偏度系数 Ske 峰度系数 Kur 目的 发现基本的数据分布状况 为下一步有针对性的数据分析做准备判断正态分布 偏度系数 Ske 0 峰度系数 Kur 3 案例3课程体系评价 17 描述性统计我国主要来源城市竞争力分析 18 2020 1 15 19 全国调查 上海 苏州调查 20 北京广州调查 省内调查 21 市内调查 22 多项选择题分析MultipleResponse菜单 只要数据输入没问题 才做更简单 案例4 23 均数间的比较 comparemean 假设检验 通过P值来判断P0 05 否定假设H1 两个T检验案例 一个单因素方差分析案例 24 两种电子商务水平下企业各流程的差异检验 25 相关分析 Bivariate过程 Partial过程 Bivariate过程 通过R值 相关系数 判断因素之间的线性相关程度 0 8 R 1高度相关0 5 R 0 8显著相关0 3 R 0 5低度相关0 R 0 3弱微相关R 0不相关注意 只有在0 05水平下具有显著作用的关系才具有分析价值 案例7 26 Partial过程 协相关分析 核心 因素过多会产生干扰 应该在消除这些干扰因素的情况下进行因素的分析 1 如果发现C变量的消失会导致原来两个变量 A B 的显著性关系突然变的不显著了 则证明C变量是A B变量的中间变量 A B两个变量的相关性主要通过C变量来实现 2 如果C变量的消失没有使A B变量之间的显著性关系消失 则证明C变量不是A B变量的中间变量 A B C 情况1 情况2 案例7支持电子商务战略的因素关系 案例8 27 多元线性回归适用条件 1 避免共线性 Torerlance VIF 1 Torerlance 10 2 残差独立性 Durbin watson在2附近 样本越多越好参差独立性观察 Durbin watson 参差正态PP图解决 删除强影响点 结合Cook s等距离计算方法 变量转换 对数 倒数等方法变换 赋予权重 Nonliner 共线性观察 VIF 相关性检验 因子分析解决 增大样本量主成分分析岭回归路径分析 结构方程建模 28 29 分类资料回归 Optimalscaling 在众多因素变量的属性不统一的情况下探索进入方程的变量 只具有借鉴意义 发现基本规律 关键 判断变量的属性等距变量 数值 次序变量 有序多分类 名义变量 无序 案例9话费的影响因素 30 聚类分析 聚类方法主要是把没有分类新的资料按照相似程度归类 R聚 对样本进行分类Q聚 对变量进行分类由于我们选用的变量一般是分类变量 为了使聚类更加科学和可靠 我们使用SPSS的系统聚类方法 HierarchicalCluster 该方法能够通过 距离测量方法 确定合适的测距方法选取合适的聚类中心 然后经过叠代运算得出结论 1 城市旅游形象因素聚类 Q 2 电子商务流程能力的聚类 R 31 聚类分析 K mean 规定聚类数 根据人为规定的聚类数进行计算HierarchicalCluster 自行迭代计算 根据计算的结果结合专业需要进行判断 冰状图 案例11旅游形象因素的聚类 32 判别分析 Discriminant 通过实际大量的数据来帮助判断未来事物的性质优点 建立判别函数的自变量可以是任意测量尺度的 对于数据的属性没有限制 虚拟变量也是可以的 适用条件 1 变量应该是连续型或有序分类变量2 样本来源于多元正态分布 该前提一般做不到 所以不用过多考虑 3 变量独立 无共线性注意事项 变量数量加以控制 N 10P 8 10个为佳 可以结合主成分进行分析 33 案例12我国上市公司的预警模型 34 因子分析 用来在复杂的结构数据中通过主成分提取来确定大致的因素 并将这些因素归为不同的类别 能够避免共线性的问题 得出哪些问题能够用来研究这些因子 寻找这些变量间的潜在结构 因子分析各变量间应该存在一定的相关性 可以使用KMO统计量和Bartlett sTest球型检验加以判定 在因子分析中重点应该放在主成分的可解释上确定多少主成分可以通过提取主成分积累贡献率来判断 一般在70 85 以上就比较满意了 35 因子分析 KMO统计量判断KMO 0 9 效果极佳 KMO 0 8 效果很好 KMO 0 7 效果尚可 KMO 0 6 效果接受 KMO 0 6 不能使用成分与因子分析的区别1 主成分分析目的在于避免共线性问题 不在于解释主成分包含