spss考试100分必备

1、 我们的口号： 第一句：为100而战， 不要60 第二句：为100而战 不要80 第三句：为100而战 不要90SPSS操作指南1、打开sav格式文件和Excel文件1）打开sav格式的文件（文件打开数据，数据默认sav格式打开即可）2） 打开Excel文件（文件打开数据<将文件类型修改为Excel格式>打开<仔细查看Excel表格，若第一行需要则默认点击确定即可，若第一行不需要则点掉对勾，在范围处输入你需要读出的文件地址确定即可> 注意：输入范围时要采用英文版冒号：） 2、合并文件（例如：合并class1,2,3三个文件的数据）（打开class1文件数据选项合并文件添

2、加个案默认外部SPSS数据文件浏览选中class2文件添加需要的变量确定即可）3、拆分文件（与分析、描述统计、频率等连用）（数据拆分文件（比较组）转入分组方式）如计算频率：分析描述统计频率（统计量、图表、格式等） 频率包含的几个选项 4、计算变量（转换计算变量在目标变量内输入变量名称在数字表达式内输入需要的数据<注意：*是幂函数不是平方>例如：计算变量<体重指数=体重/（身高）*2>确定即可）5、 截尾均值分析描述统计探索统计量确定 （上图中用蓝线框起来的数据即截尾均值）6、比较均值和比较标准差、最大值、最小值等方法一：分析比较均值均值（设定自变量、因变量）选项（选定均

3、值、个案值、标准差）继续确定方法二;拆分文件频率（上面第三题）7、交叉百分比表分析）描述统计交叉表（自变量为列、因变量为行）点击单元格（百分比钩列）确定（若求频数就不必点击单元格）8条形图(看下面的第二个对话框，为了方便:简单图像记为1，复式条形图记为2，个案组摘要记为3，各个变量的摘要记为4，则共有4种组合，重点掌握1和3的组合及2和3的组合）（图形旧对话框条形图）会依次出现以下两个对话框下面我以两道题为例分析：1和3的组合：以教育程度为自变量，月收入为因变量，做出下表; (出现上面的第二个对话框以后，点定义，点其他统计量 ，再将月收入输入到变量里，将教育程度输入到类别轴里，）可以看出：1和

4、3的组合只有一个自变量，在这里即教育程度。2和3的组合：以教育程度、性别为自变量，月收入为因变量做出下表：（步骤进行到题干出现第二个对话框以后点定义，2和3的组合1和3的组合类似，不过在类别轴下的定义聚类里多输入了性别这个自变量）2和3的组合：有两个自变量篇幅有限，还有设置图形属性，设置数据标签没讲，有问题的可以问我。9、设置新变量转换重新编码为不同变量输入自己设置的变量新值旧值赋值继续更改确定10、相关系数（期中前的知识重点）a、定类变量表现为类别，不能区分顺序b、定序数据是表现为类别可以进行排序。c定距数据是表现为数值，可以进行加、减运算以精确计算数据。） 选择相关系数公式：按组合和对称关

5、系的组合 测量方法变量层次要求取值范围是否对称测量 有无PRE意义（消减误差比例）Lambda定类-定类定类-定序0 1对称和不对称有Tau-y定类-定类定类-定序0 1不对称有Gamma定序-定序-1 1对称有Dy定序-定序-1 1不对称有相关比率定类-定距定序-定距0 1不对称E2有皮尔森系数定距-定距-1 1对称 r2有1、 选择皮尔森系数：第一种方法、分析相关双变量（点击左下角pearson）确定 第二种方法、：分析描述统计交叉表（统计量）相关性 相关性身高体重身高Pearson 相关性1.714*显著性（双侧）.000N161161体重Pearson 相关性.714*1显著性（双侧）

6、.000N161161*. 在 .01 水平（双侧）上显著相关。这种题老师会问有没有PRE意义(或消减误差比例）：回答它的平方有消减误差比例，如这道题：消减误差比例的数或消减误差是多少 答：0.714的平方，（见上面的总结）2相关比例系数（Eta）方向度量值按间隔标定受访者性别 因变量.354上月收入 因变量.118老师可能会问选择那个数据是正确的。我们知道：只能以性别为自变量（固有属性一般做自变量），即以月收入为因变量。所以这道题的数据正确的是0.118.老师会问哪个数据具有PRE有消减误差比例的意义或消减误差多少。回答，0.118的平方，(见上面的总结)。Lamdba系数：方向度量值渐进标

7、准误差a近似值 Tb近似值 Sig.按标量标定Lambda对称的.026.0092.768.006教育程度 因变量.000.000.c.c受访者性别 因变量.053.0192.768.006Goodman 和 Kruskal tau教育程度 因变量.005.001.000d受访者性别 因变量.010.003.000dLambda系数比较难懂的是选择哪个正确的数据。（如用到lambda这个公式，先考虑到对称关系，这道题两变量分别是性别与教育程度，我们知道它首先是不对称的，那么0.26这个数据是不正确的；再考虑哪个变量是因变量，我们知道性别肯定是自变量（固有属性），那么我们选择的正确数据数据是0.

8、00。老师可能会问，哪个数据具有PRE（消减误差比例）意义，回答：0.00（就本题而言），进而他可能会问，消减误差比例多少：答：0.00(见总结）相关系数这一节：要正确掌握相关系数公式适用的条件，要清楚哪个数据是我们最终求得结果(正确的数据），该数据是否具有PRE意义（及消减误差比例），能消减误差比例是多少。（见总结表）11、选择个案数据选择个案如果条件满足如果(后面自己进行条件的设置）（在这道题中，设置的条件为性别<2,最后我们进行相关命令时，只有性别为1的执行了命令，这样性别为2的排除在外）1分教育程度比较不同性别被访者月收入的差异，并简要说出结论。（数据：CGSS2003.sav）

9、 （分析比较均值均值）报告上月收入受访者性别教育程度均值N标准差男小学及以下701.844222967.484初中747.198481889.910高中及以上1057.6215651328.385总计911.8128351837.361女小学及以下272.38651401.041初中408.26994643.728高中及以上826.6714141080.749总计572.753059875.365总计小学及以下441.2810731897.336初中564.2918421376.716高中及以上947.9929791222.395总计735.8358941431.724报告上月收入教育程度受访

10、者性别均值N标准差小学及以下男701.844222967.484女272.38651401.041总计441.2810731897.336初中男747.198481889.910女408.26994643.728总计564.2918421376.716高中及以上男1057.6215651328.385女826.6714141080.749总计947.9929791222.395总计男911.8128351837.361女572.753059875.365总计735.8358941431.724（对） （错）这种题目，大家可能会弄成第二个答案，这种题目一般后面有一个表，大家做好了对照一下。如果错

11、了。重新做一次，改变自变量列表的输入顺序。（注意：输入一个自变量进入自变量列表后，一定要点下一张再输入第二个自变量）2.检验总体中平均身高是否等于170cm，并说明结论。(单个样本t检验.sav)（分析比较均值单样本T检验）单个样本检验检验值 = 170 tdfSig.(双侧)均值差值差分的 95% 置信区间下限上限身高-1.23419.232-2.05000-5.52741.4274Sig叫做相伴概率。结论：两种情况：如果sig大于0.05，总体均值和检验值之间不存在显著差异（相等)，接受结论 反之，小于0.05，总体均值和检验值之间存在显著差异（不相等）不接受结论 零假设H0表述：总体均值

12、和检验值之间不存在显著差异（相等)3检验两样本两所大学数学平均值是否相等。(独立样本 t检验.sav)（分析比较均值独立样本T检验）独立样本检验方差方程的 Levene 检验均值方程的 t 检验FSig.tdfSig.(双侧)均值差值标准误差值差分的 95% 置信区间下限上限数学成绩假设方差相等.571.461-.82216.423-7.888899.59375-28.2267412.44896假设方差不相等-.82214.363.424-7.888899.59375-28.4167412.63897 定义组比较重要，自变量的取值输入到里面去（如：这个数据学校取值为1、2则分别在使用指定值里输

13、入1、2）零假设：H0：两总体的均值之间不存在显著差异。分析：先看sig.（在这是0.461),1.如果是大于0.05说明方差相等成立，再看sig.(双侧）对应假设方差相等的数据与0.05的大小关系，如果大于0.05，结论：两总体均值之间没有显著差异（相等），如果小于0.05，结论：两总体均值之间存在显著差异（不相等）。2如果sig.小于0.05，则看sig（双侧）与假设方差不相等对应的数据（该例题是0.424），看与0.05的大小关系，结论与上面相同。在这，先看到数据0.461，再看0.423 ，得出结论。4比较同学补课前后平均成绩是否有显著差异。（分析均值配对样本T检验）（配对样本t检验.

14、sav）成对样本检验成对差分tdfSig.(双侧)均值标准差均值的标准误差分的 95% 置信区间下限上限对 1数学前 - 数学后-12.3333321.559775.08169-23.05475-1.61191-2.42717.027对 2化学1 - 化学2-7.5555613.814843.25619-14.42551-.68560-2.32017.033分析结论：看sig.(双侧），如果大于0.05，结论：两总体均值之间不存在显著差异（相等），如果小于0.05，两总体均值之间存在显著差异（不相等）两配对样本T检验：H0（零假设）：两总体均值之间不存在显著差异5对水稻品种和产量作单因素方差分

15、析，并简要说出结论。（数据：cotton_1.sav） （分析均值单因素ANOVA）（cotton_1.sav）ANOVA产量平方和df均方F显著性组间125.718341.90613.583.000组内49.364163.085总数175.08219结论分析：看显著性：如果小于0.05，至少有一个品种的平均产量（这是这道题的变量，具体问题具体作答）与其他品种存在显著差异（不相等）；如果大于0.05，所有品种的平均产量无显著差异（相等）。这道题的零假设：回答：A1=A2=A3=A4，总体的均值之间不存在显著差异。（看具体题目，如果有3个样本，A1=A2=A3）6以自变量品种和产量作单因素方差分

16、析，做出如下结果并简要说出结论。（分析均值单因素ANOVA选项方差同质性检验）（cotton_1.sav）方差齐性检验产量Levene 统计量df1df2显著性.561316.648ANOVA产量平方和df均方F显著性组间125.718341.90613.583.000组内49.364163.085总数175.08219老师可能会问方差齐性检验表格的数据：如果显著性大于0.05，（这个例题的显著性数据为0.648）说明方差相齐，反之，方差不齐，表ANOVA的分析和题5相同 方差同质性检验的零假设H0：总体的方差相等7以自变量水稻品种和因变量产量作单因素方差分析，做出如下结果并简要说出结论。多重

17、比较产量LSD(I) 品种(J) 品种均值差 (I-J)标准误显著性95% 置信区间下限上限1.002.00-.360001.11090.750-2.71501.99503.00.720001.11090.526-1.63503.07504.005.84000*1.11090.0003.48508.19502.001.00.360001.11090.750-1.99502.71503.001.080001.11090.345-1.27503.43504.006.20000*1.11090.0003.84508.55503.001.00-.720001.11090.526-3.07501.635

18、02.00-1.080001.11090.345-3.43501.27504.005.12000*1.11090.0002.76507.47504.001.00-5.84000*1.11090.000-8.1950-3.48502.00-6.20000*1.11090.000-8.5550-3.84503.00-5.12000*1.11090.000-7.4750-2.7650*. 均值差的显著性水平为 0.05。这道题是第5、6题的“进化版”。它能清楚地比较哪几个样本存在的显著差异。（在这道题：他可以看出1、2、3无显著差异，4与1、2、3存在显著差异）（第一步） （第二步）（第一步后，点选

19、项）（第三步，第二步后点两两比较）（这是在第二步方差同质性检验得出方差相齐时的情况才能进行这一步：选公式的时候，看题目，题目有选择公式提示（我标记的题目表格紫色部分，LSD）（如果对spss比较熟悉的话，可以省略第二步）结论：（品种1与2、3的平均产量没有显著差异，与品种4存在显著差异）（看红色部分，如果大于0.05，两者无显著差异（相等），小于0.05，存在显著差异（不相等）均值相等性的键壮性检验产量统计量adf1df2显著性Welch13.64638.842.001Brown-Forsythe13.583314.982.000a. 渐近 F 分布。如果第二步方差同质性检验显著性小于0.05

20、，即方差不齐时，（见题5），第三步如下，最终得出结果如右表（第三步：接第二步）8做出如下的教育程度、性别和年龄为自变量，月收入为因变量的多因素方差分析结果，并简要说出结论。（分析一般线性模型单变量）（CGSS2003（练习）.sav）主体间效应的检验因变量:月收入源III 型平方和df均方FSig.校正模型8.803E84320473197.31010.886.000截距42633466.703142633466.70322.669.000gender5630490.11115630490.1112.994.084edu34665549.451103466554.9451.843.048gen

21、der * edu34023031.603103402303.1601.809.054gender * edu * age51113261.591222323330.0721.235.205误差9.892E952601880696.191总计1.437E105304校正的总计1.077E105303a. R 方 = .082（调整 R 方 = .074）（第一步）（这里要注意的是：定类 （第二步：根据题目要求设置模型：点和定序变量自变量输入到固定因 模型设定，如果是表格红色子，定距自变量输入到协变量， 部分类型的模型设定，用ctrl键选中，如：年龄) 再输进去第三步：得出上面的表格结论：看青色

22、部分，即sig下面的数据：如果大于0.05，结论：如果值大于0.05,自变量（如果有多个自变量，则说X与Y自变量各个水平的交互作用）对于因变量没有显著影响，反之，小于0.05，有显著影响9以体重为因变量，以班级、性别、身高作为自变量，做出如下回归分析表，并简要说出结论。（分析回归线性）（身高体重统计.xls）模型汇总模型RR 方调整 R 方标准 估计的误差1.738a.545.5376.428a. 预测变量: (常量), 班级, 性别, 身高。系数a模型非标准化系数标准系数tSig.B标准 误差试用版1(常量)-35.24719.073-1.848.066身高.607.102.4955.966.000性别-5.8441.677-.289-3.484.001班级.0561.013.003.055.956a. 因变量: 体重R方：“确定系数、决定系数”，如果老师问含义回答：方程的解释力，方程拟合度（越大越好，最少要超过0,1）结论：当自变量为定距变量时：在这标记的是表格红色数据0.607，解释：当班级和性别不变的情况下，身高每增加1cm，体重增加0