spss软件的应用课件

SPSS软件的应用1-SPSS为StatisticalPackageforthesocialScience的缩写；SPSS是美国SPSS公司在20世纪80年代开发的一个集数据整理、分析过程、结果输出等功能于一身的组合式软件包，是数据处理和统计领域的国际标准软件之一；SPSSForWindows

是SPSS软件的Windows版本，它具有清晰、直观、易学易用、涵盖面广的特点。2-进行统计分析的基本操作步骤：将数据输入SPSS（定义变量、录入数据等），并存盘；进行必要的预分析（进行分布图、均数、标准差的描述等），以确定应采用的统计分析方法；按分析目的选用统计程序，执行统计分析过程；保存和导出分析结果。

3-SPSS主界面(数据管理窗口)介绍菜单栏常用工具栏数据栏当前单元格数据浏览变量浏览4-File菜单栏介绍File(文件操作)完成文件的调入,存储,显示和打印等操作SPSS主界面(数据管理窗口)介绍5-Edit菜单栏介绍Edit(文件编辑)完成文本或数据内容的选择、拷贝、粘贴、寻找和替换等操作SPSS主界面(数据管理窗口)介绍6-View菜单栏介绍View(窗口外观控制)完成文本或数据内容的状态栏、工具栏、字体、网格线和数值标签等功能的操作SPSS主界面(数据管理窗口)介绍7-Data菜单栏介绍Data(数据管理)完成数据变量名称和格式的定义，数据资料的选择、排序、加权、数据文件的转换、连接和汇总等操作SPSS主界面(数据管理窗口)介绍8-Transform菜单栏介绍Transform(数据转换)完成数据值的计算、重新编码和缺失值替代等操作SPSS主界面(数据管理窗口)介绍9-Analyze菜单栏介绍Analyze(统计分析)完成一系列统计分析的选择和应用SPSS主界面(数据管理窗口)介绍10-Graphs菜单栏介绍Graphs(统计图表)完成统计图表的建立和编辑SPSS主界面(数据管理窗口)介绍11-§1.3建立与保存数据文件新建数据文件打开其他格式的数据文件保存数据文件File菜单中的其他条目12-新建数据文件第一步：定义变量属性具体步骤：选择VariableView选项卡；定义变量名(Name)；定义变量类型(Type)；定义宽度(Width)和小数位数（Decimals）；定义变量标签（Label）和值标签(Values)；定义用户缺失值(Missing)；定义变量的显示格式(Columns和Align)；定义变量测度类型(Measure)。13-新建数据文件可供选择的变量类型有：Numeric(标准数值型)；Comma(带逗点的数值型)；Dot(逗点作小数点的数值型)；ScientificNotation(科学记数法)；Data(日期型)；Dollar(带有美元符号的数值型)；CustomCurrency(用户自定义型)；string(字符型)。14-新建数据文件定义用户缺失值对话框：无缺失值选项，为系统默认离散缺失值选项范围并附加一个范围外值15-新建数据文件可供选择的变量测度类型有：Scale(定距定比测量)对等间隔测度的变量或表示比值的变量选此项，如身高、体重；Ordinal（定序测量）对表示顺序的变量选择此项，如比赛名次；Nominal（定类测量）对标称变量选择此项，如民族、性别；16-新建数据文件变量测度类型的默认值情况：字符串（字母数字）变量默认类型为Nominal

；带有值标签的数值型变量或字符串变量默认类型为Ordinal

；没有定义值标签的数值型变量，但数值的个数少于指定的数量被设置成Ordinal

；没有定义值标签的数值型变量，且数值的个数多于指定的数量被设置成Scale

。17-新建数据文件第二步：录入数据和其他常用统计软件相比，SPSS数据界面的优势是能支持鼠标的拖放操作，以及拷贝粘贴等命令。先在首格内输入数字并回车确认，然后复制该数字，再用拖放方式选中所有欲输入该数字的单元格，最后执行粘贴命令即可。连续多个相同值的输入技巧将EXCEL数据直接引入SPSS的技巧在EXCEL中选中所有数据（不包括变量名），然后复制；再切换到SPSS，最好使行1列1单元格成为当前单元格，执行粘贴命令后，数据就会全部转入SPSS，再定义相应的变量即可。18-选择菜单File==>Save(或Saveas)，或直接单击工具栏“”按钮，如果数据文件曾经存储过，则按原文件名保存数据；否则，就会弹出Saveas对话框。若将数据存为SPSS以外的其他类型，可能有些设置会丢失，如标签和缺失值等。尤其是缺失值，如果想存的数据格式不支持缺失值，则数据可能会变得面目全非。注意：建立与保存数据文件--File菜单19-第二章常用统计分析功能的实现§2.1基本统计分析§2.2均值比较与T检验§2.3相关分析§2.4因子分析

§2.5聚类分析与判别分析20-序号性别年龄身高体重序号性别年龄身高体重1

2

3

4

5

6

7

8

9

101112131415男男男男男女女女女女男男男男男131313131313131313131314141414156.0155.0144.6161.5161.3158.0161.0162.0164.3144.0157.9176.1168.0164.5153.047.537.838.641.643.347.347.147.033.833.849.254.550.044.058.0161718192021222324252627282930女女女女女男男男男男女女女女女141414141415151515151515151515164.7160.5147.0153.2157.9166.0169.0170.0165.1172.0159.4161.3158.0158.6169.044.153.036.430.140.457.058.551.058.055.044.745.444.342.851.1例已知三十名学生的身高与体重数据，要求对其进行简单的描述统计分析。（数据1)§2.1基本的统计分析21-Descriptives对话框指定统计量与输出结果显示的顺序计算并保存所选变量的标准化值，公式为22-Descriptives对话框均值合计偏度峰度标准差方差全距均值标准误离散趋势分布输出顺序按均值升序显示统计量按均值降序显示统计量按变量名字母顺序显示统计量按数据集中变量的排列顺序显示统计量23-输出结果：标准化值24-探索分析探索分析是指对测得的数据进行初步考察与核实，目的是检查数据中是否存在奇异值、影响点或错误数据，因为奇异值或影响点往往对分析的影响较大，不能真是反映数据的总体特征判别数据分布特征，以及进行假设检验等；探索分析过程，可通过Explore对话框实现(Analyze

DescriptiveStatistics

Explore)，该过程要求参与分析的变量是等间隔测度的数值型变量，因子变量(分组变量)可以是数值型或是字符型。25-例对数据1中的三十名学生的身高数据按性别进行简单的探索分析。选择分析变量指定分组变量选择标识变量选择输出项选择描述统计量设置输出图形指定缺失值的处理方式26-Explore对话框输出基本描述统计量指定均值的置信区间输出最大似然比的稳健估计输出5个最大与最小值输出5﹪、10﹪、25﹪、50﹪、75﹪、90﹪以及95﹪的百分位数剔除带有缺失值的观测量同时剔除缺失值及与其有成对关系的观测量将缺失值单列一组显示27-Explore对话框盒形图描述图形茎叶图直方图输出正态概率与离散概率图输出回归直线斜率及方差齐性的Levene’s检验转换幂值估计对原始数据进行变换28-输出结果㈠：选项均为系统默认29-输出结果㈡：盒形图茎叶图奇异值极值30-§2.2均值比较与T检验均值比较是指利用参数检验的统计推断方法，来检验不同样本均值的差异是否具有统计意义，是否能说明总体存在差异性；SPSS提供的均值比较分析功能(AnalyzeCompareMeans)具体包括：Means过程、单一样本t检验、独立样本t检验、及单因素方差分析等。31-Means过程Means过程的基本功能是分组计算，比较指定变量的描述统计量，包括均值、标准差、总和、方差等一系列单变量描述统计量，还可以给出方差分析表和线性检验结果。例已知（数据1）三十名学生的身高与体重数据，要求分析按性别和年龄分组的学生身高是否存在显著性差异32-Means对话框因变量列表自变量列表指定变量的层次安排33-Means对话框可供选择的统计量用于描述各单元格特征的统计量对第一层每个控制变量的分析方差分析表及和统计量线性检验34-输出结果：选项均为系统默认35-单一样本t检验单一样本t检验是检验某个变量的总体均值与指定的检验值之间是否存在显著差异，其前提是样本来自的总体应服从正态分布；单一样本t检验过程可通过One-SampleTTest对话框实现。例（数据1）是对某市12～15岁青少年身高的抽样调查资料，试在5﹪的显著性水平下，推断该市该年龄段的青少年是否达到了160厘米的标准身高。36-One-sampleTTest对话框检验值缺失值处理方法剔除分析变量含缺失值的观测剔除所有含缺失值的观测37-输出结果：P值=0.653＞0.05，应接受原假设，即可以认为该市青少年身高达到了160cm的标准。38-独立样本t检验独立样本t检验用于检验两独立总体的均值是否具有显著差异，其前提是两样本彼此独立，且其来自的总体均服从正态分布；独立样本t检验可通过Independent-SamplesTTest对话框实现。例对于该数据，在10﹪的显著性水平下，比较该市12～15岁青少年中，男、女青少年的身高是否有显著性差异。39-Independent-Samples

TTest对话框分组变量40-输出结果：P值=0.144＞0.10，应接受原假设，即可以认为该市男女青少年的身高不存在显著差异。41-单因素方差分析用于测试某一个控制变量的不同水平是否给观察变量造成了显著差异和变动。例如培训是否给学生成绩造成了显著影响前提是因变量服从正态分布；可通过One-WayANOVA对话框实现。42-例已知四种不同颜色的饮料在五个超市的销售量资料如下，试分析不同颜色饮料的销售量之间是否具有显著差异。(数据2)单因素方差分析超市黄色无色粉色绿色1234527.925.128.524.226.526.528.725.129.127.231.228.330.827.929.630.829.632.431.732.8变量sale定义为43-One-WayANOVA对话框因变量列表影响因素变量多重比较选择项对照比较选择项指定输出统计量及缺失值处理方法44-One-WayANOVA

对话框多重比较选择项对话框45-对照比较选择项指定输出统计量及缺失值处理方法多项式选项对照比较选项输出统计量缺失值处理方法One-WayANOVA

对话框46-输出结果：(选项均为系统默认)由于F=10.544，P值=0.000＜0.05，故应拒绝原假设，即可认为不同颜色饮料的销售量之间具有显著差异。47-§2.3相关分析相关分析是研究变量间密切程度的统计方法，线性相关分析研究的是两变量间线性关系的程度，用相关系数表示；SPSS提供的相关分析功能有(AnalyzeCorrelate)：二元变量相关分析(Bivariate)、偏相关分析(Partial)。48-二元变量相关分析例已知三十名学生的身高与体重数据，试分析学生身高与体重的相关程度(数据1)。二元变量相关分析通过Bivariate命令项调用Correlations过程和NonparCorr过程来实现，可以按指定项显示变量的描述统计量，选择计算指定两变量间的相关系数，同时对相关系数进行检验等。49-BivariateCorrelations对话框适用于正态分布等间隔测度的变量用于计算分类变量的秩相关，考虑结点的影响用于计算分类变量的秩相关相关系数显著性检验标识有显著意义的相关系数单尾检验双尾检验分析变量50-输出变量的均值和标准差输出两变量的积差和与协方差成对剔除带有缺失值的观测量剔除所有带有缺失值的观测量BivariateCorrelations对话框51-输出结果：(选项均为系统默认)由于身高与体重的相关系数为0.780，P值为0.000，说明学生的身高与体重具有高度相关关系。52-偏相关分析例已知三十名学生的身高与体重数据，以年龄为控制变量，试分析学生身高与体重的偏相关关系(数据1)。偏相关分析通过Partial命令项调用PartialCorr过程来实现，用于计算在控制了其他变量影响的情况下，两个变量间的线性相关关系，用偏相关系数表示。53-PartialCorrelations对话框分析变量控制变量显著性检验显示实际的显著性水平54-PartialCorrelations对话框均值及标准差零阶相关矩阵(即：Pearson相关矩阵)55-输出结果：(选项均为系统默认)在剔除掉“年龄”的影响后，身高和体重两个变量的偏相关系数为0.7178，p=0.00<0.05,所以身高和体重之间的相关程度还是很大的56-§2.4因子分析

例如在评价企业的经营业绩时，要考虑许多指标，如利润、产值、产品数量、产品质量、固定资产、流动资产等等。若要全部列出也许可以有几十个变量。因此用少量的几个综合变量代替原来的许多变量是有实际意义的。因子分析的基本思想

基于信息损失最小化而提出的一种非常有效的方法。它把众多的指标综合成几个为数较少的指标，这些指标即为因子指标。那么我们就可以用公共因子指标代替原始观测指标，从而达到分析简化的目的。57-因子分析运用因子分析来研究大学生的价值观受什么因素的影响。现有20名大学生关于价值观的9项测验结果，包括合作性、对分配的看法、行为出发点、工作投入程度、对发展机会的看法、社会地位的看法、权力距离、对职位升迁的态度、以及领导风格的偏好。（数据3）58-利用SPSS软件进行实例计算及分析59-将“合作性、对分配的看法、行为出发点、工作投入程度、对发展机会的看法、社会地位的看法、权力距离、对职位升迁的态度、以及领导风格的偏好”作为分析变量，具体操作如下表所示：60-在图1对话框点击Extraction…按钮，出现图2对话框，选择主成分提取法。61-在图1对话框点击Rotation…按钮，出现图3对话

框，选择varimax方法进行因子载荷旋转。62-在对话框点击ok按钮，给出计算结果因子变量的方差贡献各因子变量的累计方差贡献率提取了三个公共因子后对原变量总体的描述情况旋转以后得到的因子对原变量总体的刻画情况63-表1：未经旋转的载荷矩阵64-表2旋转的载荷矩阵65-因子分析

表1和表2是按照前面设定的方差极大法对因子载荷矩阵旋转后的结果。在未经旋转的载荷矩阵（表1）中，因子变量在许多变量上都有较高的载荷例如在第一个变量中，除了“中作投入”和“社会地位”外，几乎在其他所有变量上都有较高的载荷，那么它的含义就会比较模糊。

经过旋转以后，第一个因子的变量含义略加清楚，基本上反映了“权力距离”、“职位升迁”、“领导风格”、“发展机会”、“行为出发点”等第二个因子基本上反映“团队合作”、“分配看法”、“工作投入”等第三个因子反映了社会地位的看重程度。66-因子命名权力距离职位升迁领导风格发展机会行为出发点团队合作分配看法工作投入个人因素外部环境社会地位看法社会地位67-§2.5聚类分析与判别分析聚类分析：人们认识某事物时往往先对这类事物的各个对象进行分类，以便寻找其中同与不用的特征。例如在国民经济领域，有时候需要根据各个省份的经济特点、产业结构、生产总值、人口、人均收入、消费等特点分成几个区域。比如分成经济发达地区、经济不发达地区、资源丰富地区、资源匮乏地区等。分成这样一些区域的好处，有利于国家把属于同一类的地区可以采取类似的经济政策。68-聚类分析的基本思想：它是一种探索性的分析，在分类过程中，人们不必事先给出一个分类的标准，聚类分析能够从样本数据出发，自动进行分类。

聚类分析包括：对个案的聚类分析和对变量的聚类分析对个案的聚类分析：类似于判别分析，就是将观察的个案进行分类对变量的聚类分析：类似于因素分析，是根据个别变量之间的亲密程度逐次进行聚类69-对个案的聚类分析研究问题：对某一个班的数学成绩进行聚类，聚类的依据是第一次数学成绩和入学考试的数学成绩（数据4）70-利用SPSS软件进行实例计算及分析层次聚类法71-对个案的聚类分析对个案进行聚类72-

单击Method按钮，出现HierarchicalClusterAnalysis:Method对话框，如下最近距离法适合于连续性的变量73-单击Polt按钮，出现HierarchicalClusterAnalysis:Polt对话框，如下:输出树形图74-单击Save按钮，出现HierarchicalClusterAnalysis:SaveNewVar对话框，如下:在事先不能判别是几类的情况下选择在大致可以判断是几类的情况下选择75-在对话框点击ok按钮，给出计算结果第一行表示，第五个样本和第八个样本最先进行了聚类，样本间的距离为4.000076-层次聚类分析的树形图77-从上面的树形图中，我们可以将这十个同学分成三类，同时也可以分成两类，这个就需要根据自己的研究问题的具体情况而定了分成两类的结果是:hahjessyuwateryajushizgHxhliakii分成三类的结果是：hahjessyuwateryajushizgHxhliakiiJohnwish78-对变量的聚类分析