体育统计学（第四版）课件 附录：SPSS软件应用与操作

体育统计学附录——SPSS软件应用与操作附录一SPSS的介绍SPSSforWindows（以下简称SPSS）是全球知名的统计分析软件，备受各领域统计工作者青睐。其最初命名为“StatisticalPackageforSocialScience”，即“社会科学统计软件包”。在体育领域，近几十年来，SPSS在运动员体能分析、运动成绩预测、体育赛事数据分析等方面得到广泛应用。无论是体育科研人员开展课题研究，还是教练制定训练计划，SPSS都成为不可或缺的重要工具。SPSS系统的发展历程SPSS的介绍：SPSS系统的特点及其在体育统计学中的优势（一）强大的统计分析功能SPSS系统不仅涵盖常规的描述统计和推断统计功能，还拥有多元统计功能，能满足体育领域复杂数据的分析需求。

（二）方便直观的操作界面SPSS系统采用直观可视化界面，体育工作者无需编写复杂程序，通过选择菜单命令、在对话框设置统计参数和功能、点击按钮即可完成统计分析工作。

（三）易于理解的输出结果SPSS系统将统计分析结果以清晰的表格形式呈现，并搭配各种实用统计图形，便于体育工作者理解。（四）丰富的图像分析功能除自动生成统计结果图形外，SPSS系统还支持独立于统计过程的图形绘制与分析。SPSS的介绍：使用SPSS进行体育数据统计分析的基本步骤（一）建立SPSS数据文件针对体育数据，首先要定义数据文件结构，明确各变量的含义、类型和度量方式。

（二）数据整理和转换体育数据往往需要进行整理和转换，以满足分析需求。（三）选择合适的统计过程依据体育研究目的选择恰当的统计过程。（四）结果解释与应用结合体育专业知识，对统计分析结果进行深入解释。SPSS的介绍：使用SPSS进行体育数据统计分析的注意事项

（一）明确统计推断目的在体育研究设计阶段，就应清晰确定统计推断目的。

（二）了解数据性质体育数据具有独特性质，需通过以往研究、数据收集过程以及描述性统计分析，掌握数据总体分布特点。（三）掌握统计方法及含义在体育统计分析中，要清楚所选统计方法及其含义。（四）知晓统计方法应用范围每种统计方法都有其适用条件和局限性。（五）理解统计分析输出内容SPSS输出内容丰富，体育工作者需明确所采用统计方法输出内容的核心部分及其意义。SPSS的介绍：SPSS操作界面介绍图中被方框圈出的部分是SPSS的菜单栏，包含以下主要选项：文件：用于新建项目、打开文件、保存数据或导出结果。编辑：提供基本的编辑功能，如复制、粘贴、查找和替换。视图：可以调整界面显示设置，如工具栏、状态栏和网格线的显示。数据：处理数据的操作，如排序、选择、合并文件、拆分文件等。转换：用于数据的计算和转换，比如生成新变量或重新编码现有变量。分析：核心功能所在，包括描述性统计、相关分析、回归分析、因子分析等。图形：创建各种统计图表，如柱状图、散点图、饼图等。实用程序：提供一些辅助功能，如定义变量集、管理文件等。窗口：管理和切换不同窗口。帮助：提供帮助文档和教程，支持中文界面。图1-1SPSS的介绍：SPSS操作界面介绍图中被方框圈出的部分是SPSS的工具栏，提供了一组常用的快捷按钮，方便用户快速执行某些操作。由于工具栏可以由用户自定义，因此仅以该图为例从左至右依次进行介绍：打开数据文档：打开现有的SPSS数据文件（.sav）、语法文件（.sps）或其他支持的文件格式（如Excel、CSV）。保存此文档：保存当前的数据文件或语法文件。打印：打印当前窗口的内容（如数据视图、输出结果等）。重新调用最近使用的对话框：快速访问先前使用过的分析或操作窗口。撤销用户操作：撤销上一步操作。重做用户操作：恢复被撤销的操作。转到个案：快速找到某个个案。转到变量：快速找到某个变量。变量：查看数据集中所有变量的情况。除此之外，还有运行描述统计、查找、拆分文件、选择个案、值标签、使用变量集、定制工具栏、搜索等工具。图1-1SPSS的介绍：SPSS操作界面介绍图中被方框圈出的部分是数据编辑窗口的“数据视图”，在“数据视图”中，每一行代表一个观测值或称为个案，每一列代表一个变量，用户可直接在单元格输入数据或者修改数据。图1-1SPSS的介绍：SPSS操作界面介绍图中被方框圈出的部分是数据编辑窗口的“变量视图”，在“变量视图”中，每一行代表一个变量，每一列代表变量的一个属性，用户可以通过修改这些属性来定义变量的具体特征。以下是“变量视图”中常见的列及其含义：名称：定义变量的名称，必须以字母开头。类型：指定变量的数据类型。宽度：定义变量值的最大字符长度。小数位数：定义数值型变量的小数位数。标签：为变量添加描述性标签。值：为分类变量定义值标签。缺失：定义变量缺失值处理方式。列：定义变量在数据视图中的显示宽度。对齐：定义变量值在数据视图中的对齐方。测量：定义变量的测量尺度。角色：指定变量的角色，定义变量在分析中的用途。图1-6SPSS的介绍：如何新建、打开、导入和导出数据在SPSS中新建数据文件是从零开始构建数据集的过程，适用于手动录入数据或设计变量结构的场景。方法一：打开SPSS会弹出“欢迎使用IBMSPSSStatistics”窗口，直接点击“新建文件”栏中的“新数据集”，SPSS会自动打开一个新的数据编辑窗口，即新建了一个空白数据集。方法二：点击菜单“新建”——“数据”，SPSS会自动打开一个新的数据编辑窗口，即新建了一个空白数据集。图1-7图1-8SPSS的介绍：如何新建、打开、导入和导出数据SPSS支持直接打开多种格式的数据文件，包括SPSS自身的“.sav”文件和其他外部文件格式。方法一：点击“文件”——“打开”——“数据”，弹出“打开数据”窗口。在“查找位置”下拉栏中找到需要打开的数据文件的地址，即可在文件界面选择文件。“打开数据”窗口默认展示的是“.sav”类型的文件，若需要打开其他类型的文件，则可在“文件类型”下拉栏中选择所需要的文件类型。图1-9图1-10SPSS的介绍：如何新建、打开、导入和导出数据方法二：点击工具栏中的“打开数据文档”快捷按钮，弹出“打开数据”窗口，其余操作同方法一。使用SPSS打开其他格式文件还需要进行一些其他的操作。选择Excel文件（.xls/.xlsx）后，弹出“读取Excel文件”窗口，提示你选择工作表和数据范围（如图1-11）；选择文本文件（.txt/.csv），弹出“文本导入向导”窗口，共分为六步，逐步设置分隔符、变量类型等读取信息（如图1-12）。图1-11图1-12SPSS的介绍：如何新建、打开、导入和导出数据如果文件格式不被SPSS直接支持，或者需要更复杂的导入设置，可以使用SPSS的“导入”功能。点击“文件”——“导入数据”，选择需要导入的文件类型。（如图1-13）图1-13SPSS的介绍：如何新建、打开、导入和导出数据SPSS支持将数据导出为多种格式，方便与其他软件协调。点击“文件”——“导出”，选择你需要导出的文件类型。（如图1-14）图1-14附录二

描述数据和重新编码鉴于本书正文第二章中涉及认识数据和编码的知识，以下介绍如何借助于SPSS进行这部分操作。描述数据和重新编码：计算样本统计量案例回顾：“data02-01.sav”数据文件中包含了国民体质测试中30-40岁年龄段人群台阶指数数据分布，具体内容如表2-1所示。任务：计算出国民体质测试中30-40岁年龄段人群台阶指数数据的样本统计量（如极差、平均数、中位数、众数、标准差、方差）。描述数据和重新编码：计算样本统计量SPSS操作步骤：第一步：运行SPSS，打开“data02-01.sav”数据文件。第二步：点击菜单“分析”——“描述统计”——“频率”，弹出“频率”对话框。（如图2-1）图2-1描述数据和重新编码：计算样本统计量第三步：在“频率”对话框中，将左侧所要分析的变量“台阶指数”选入到“变量”框中，取消“显示频率表”。（如图2-2）第四步：点击“统计”按钮，弹出“频率：统计”对话框。在界面中选择“平均值”、“中位数”、“众数”、“标准差”、“方差”、“范围”等统计指标，点击“继续”按钮返回到上一界面。（如图2-3）图2-2图2-3描述数据和重新编码：计算样本统计量第五步：点击“确定”按钮执行命令，输出结果。分析统计结果：台阶指数的平均值为57.6458，中位数为57.7，众数为57.1，标准差为8.87534，方差为78.772，极差为45。（如图2-4）图2-4描述数据和重新编码：数据的编码案例回顾：“data02-02.sav”数据文件包含了某健身俱乐部测量收集的30名会员的身体质量指数（BodyMassIndex，以下简称BMI值），具体数据如表2-2所示。任务：将这30名会员的BMI值进行重新编码，将连续型数据离散化。描述数据和重新编码：计算样本统计量SPSS操作步骤：（一）重新编码为相同变量第一步：运行SPSS程序，打开“data02-01.sav”数据文件，选择“转换”——“重新编码为相同的变量”，弹出“重新编码为相同的变量”对话框。（如图2-5）图2-5描述数据和重新编码：计算样本统计量第二步：将左侧变量列表中的“BMI”变量选中，点击右键按钮，将其选入“数字变量”框中。（如图2-6）第三步：点击“旧值和新值”按钮，弹出“重新编码为相同的变量：旧值和新值”对话框。（如图2-7）图2-6图2-7描述数据和重新编码：计算样本统计量第四步：选中“旧值”中的“范围，从最低到值”输入18.5，在“新值”中的“值”输入1，点击“添加”按钮。第五步：选中“旧值”中的“范围”输入18.5到24，在“新值”中的“值”输入2，点击“添加”按钮确认。第六步：选中“旧值”中的“范围”输入24到28，在“新值”中的“值”输入3，点击“添加”按钮确认。第七步：选中“旧值”中的“范围，从值到最高”输入28，在“新值”中的“值”输入4，点击“添加”按钮确认。第八步：设置完成后，点击“继续”按钮返回“重新编码为相同的变量”对话框。（如图2-8）图2-8描述数据和重新编码：计算样本统计量第九步：点击“确定”按钮执行命令，输出结果。呈现出了BMI重新编码前后的结果，可以看出“BMI”变量的取值已经发生了明显变化。（如图2-9）图2-9描述数据和重新编码：计算样本统计量（二）重新编码为不同变量SPSS操作步骤：第一步：运行SPSS程序，打开数据，选择“转换”——“重新编码为不同变量”，弹出“重新编码为不同变量”对话框。（如图2-10、11）图2-10图2-11描述数据和重新编码：计算样本统计量第二步：将左侧变量列表中的“BMI”变量选中，点击右键按钮，将其选入“输入变量->输出变量”列表中，显示为“BMI-->？”，提示需要输入新变量名称。第三步：在“输出变量”中的“名称”输入“BMI_New”，标签中输入“BMI重新编码”。输入完成后点击“变化量”按钮，此时在“输入变量->输出变量”列表中将显示“BMI-->BMI_New”。第四步：点击“旧值和新值”按钮，弹出“重新编码为不同变量：旧值和新值”对话框。（如图2-12）图2-12描述数据和重新编码：计算样本统计量第五步：选中“旧值”中的“范围，从最低到值”输入18.5，在“新值”中的“值”输入1，点击“添加”按钮确认。第六步：选中“旧值”中的“范围”输入18.5到24，在“新值”中的“值”输入2，点击“添加”按钮确认。第七步：选中“旧值”中的“范围”输入24到28，在“新值”中的“值”输入3，点击“添加”按钮确认。第八步：选中“旧值”中的“范围，从值到最高”输入28，在“新值”中的“值”输入4，点击“添加”按钮确认。第九步：设置完成后，点击“继续”按钮返回“重新编码为不同变量”对话框。（如图2-13）图2-13描述数据和重新编码：计算样本统计量第十步：点击“确定”按钮执行命令，输出结果。图2-14是BMI重新编码为不同变量的结果，可以发现BMI原变量后面生成了一个新变量“BMI_New”。需要注意的是，该变量为定序变量，其中每个值所代表的含义需在执行完命令后对变量的值标签进行设置。

图2-14描述数据和重新编码：计算样本统计量（三）自动重新编码SPSS操作步骤：第一步：运行SPSS程序，“data02-02.sav”数据文件，选择“转换”——“自动重新编码”，弹出“自动重新编码”对话框。（如图2-15、16）图2-15图2-16描述数据和重新编码：计算样本统计量第二步：将左侧变量列表中的“BMI”变量选中，点击右键按钮，将其选入“变量->新名称”列表中，显示为“BMI-->?”，提示需要输入新变量名称。此时，在下方的“新名称”右侧的方框中输入新名称“新BMI”，点击“添加新名称”按钮，添加后显示为“BMI-->新BMI”。同时，在下方“重新编码起点”的选项中选中“最小值”。最后勾选“将空字符串值视为用户缺失值”选项。第三步：完成所有设置后，点击“确定”按钮执行命令，输出结果。（如图2-17）图2-17附录三

整理和清洗数据鉴于本书正文第三章中涉及体育统计数据的收集方法和收集过程，

同时第四章介绍如何对体育数据进行整理和呈现，

以下介绍如何借助于

于SPSS进行数据清洗、数据转换和图表绘制。数据清洗的基本操作案例回顾：“data03-01.sav”数据文件中包含了某地区50名成年人的年龄（单位：岁）、性别、身高（m）、体重（kg）、BMI（kg/m²）等基本特征，具体内容如表3-1所示。ID性别年龄身高体重BMIID性别年龄身高体重BMI1女221.5854.221.7126男231.6867.123.772女241.5656.823.3427男251.7876.224.053女251.6550.618.5928男251.7069.223.944女251.5758.423.6929男261.7068.123.565女251.5555.923.2730男271.8183.325.436女261.5544.518.5231男271.7472.523.957女301.6763.622.8032男271.6263.624.238女301.5556.423.4833男271.8378.223.359女311.5864.225.7234男281.7279.026.7010女311.5855.322.1535男291.7280.227.1111女321.6367.525.4136男291.8095.529.4812女321.5759.324.0637男291.6665.923.9113女331.6470.426.1738男291.8060.118.5514女331.6584.731.1139男301.7078.727.2315女331.5859.323.7540男301.7792.229.4316女341.6272.327.5541男311.7065.222.5617女351.5846.918.7942男321.7087.430.2418女351.6867.023.7443男321.7167.222.9819女351.6053.821.0244男321.7381.427.2020女351.6468.425.4345男321.8097.330.0321女361.5658.524.0446男331.7556.918.5822女361.5658.223.9247男331.6377.729.2423女361.6044.817.5048男331.7068.223.6024女361.6055.421.6449男341.7069.524.0525女371.6876.527.1050男341.7069.524.05表3-1

某地区成年人的基本特征数据清洗的基本操作——缺失值清洗任务：缺失值是指在数据集中某些字段或属性的值未被记录或不可用的情况。使用频率法检测在原始数据中缺失的数据条。SPSS操作步骤：第一步：运行SPSS程序，打开“data

03-01.sav”数据文件，选择“分析”——“描述统计”——“频率”，弹出“频率”对话框。（如图3-1、2）图3-1图3-2数据清洗的基本操作——缺失值清洗第二步：将左侧列表中的变量“性别”、“年龄”、“身高”、“体重”和“BMI”选中，点击右键按钮，将其选入“变量”框中。在变量列表下方有“显示频率表”选项，系统默认显示频率表。第三步：设置完成后，点击“确定”按钮执行命令，输出结果。（如图3-3）图3-3数据清洗的基本操作——缺失值清洗分析统计结果。表3-2是“性别”、“年龄”、“身高”、“体重”和“BMI”的统计结果。从表3-2可以看出“性别”变量有一个个案缺失，“体重”变量有两个个案缺失并导致这两个个案的“BMI”变量同时缺失。如果统计表中出现缺失个案，则说明数据集中存在缺失值，应找到该观测量，仔细核对原始数据，并补充录入。性别年龄身高体重BMI个案数有效4950504848缺失10022表3-2

统计表数据清洗的基本操作——错误值清洗任务：错误值是指数据集中不符合要求的、超出有效范围的数值。使用频率法检测在原始数据中错误值。SPSS操作步骤：第一步：运行SPSS程序，打开“data03-01.sav”数据文件，选择“分析”——“描述统计”——“频率”，弹出“频率”对话框。（如图3-4、5）第二步：将左侧列表中的变量“性别”选中，点击右键按钮，将其选入“变量”框中。在变量列表下方有“显示频率表”选项，系统默认显示频率表。图3-4图3-5数据清洗的基本操作——错误值清洗第三步：点击“格式”按钮，弹出“频率：格式”对话框，勾选“按值的升序排序”选项和“比较变量”选项，设置完成后点击“继续”按钮返回主对话框。（如图3-6）图3-6数据清洗的基本操作——错误值清洗第四步：完成所有设置后，点击“确定”按钮执行命令，输出结果。（如表3-3）解读频率分析结果：表3-3是性别频率分析的结果。结果显示：男性和女性的人数均为23，存在1个缺失值和3个错误值“小学”。应仔细核对原始数据，并对其进行纠正。表3-3性别频率统计表频率百分比有效百分比累积百分比有效男23464646女23464692无效

12294小学366100

总计50100100数据清洗的基本操作——异常值清洗任务：异常值是指在数据集中与其他观测值相比显著偏离的个别数据点。使用箱图检测在原始数据中的异常值。SPSS操作步骤：第一步：运行SPSS程序，打开“data03-01.sav”数据文件，选择“分析”——“描述统计”——“探索”，弹出“探索”对话框。（如图3-7、8）第二步：将左侧列表中的变量选中（本节以BMI为例），点击右键按钮，将其选入“因变量列表”框中。图3-7图3-8数据清洗的基本操作——异常值清洗第三步：点击“图”按钮，弹出“探索：图”对话框。（如图3-9）第四步：选中“箱图”栏的“因子级别并置”。第五步：设置完成后，点击“继续”按钮返回“探索”对话框。图3-9数据清洗的基本操作——异常值清洗第六步：点击“确定”按钮执行命令，输出结果。（如图3-10）解读BMI箱图，其中“○”表示异常值，数字则代表着异常值对应的个案号。由图3-10可知，BMI中存在两个异常值。针对这两个异常值，我们可以根据实际情况进行纠正或剔除。图3-10数据清洗的基本操作——重复值清洗任务：重复值是指在数据集中完全相同或部分字段相同的多条记录。检测在原始数据中除变量“ID”外其余变量出现重复的数据。SPSS操作步骤：第一步：运行SPSS程序，打开“data03-01.sav”数据文件，选择“数据”——“标识重复个案”，弹出“标识重复个案”对话框。（如图3-11、12）图3-11图3-12数据清洗的基本操作——重复值清洗SPSS操作步骤：第一步：运行SPSS程序，打开“data03-01.sav”数据文件，选择“数据”——“标识重复个案”，弹出“标识重复个案”对话框。（如图3-11、12）第二步：在左侧列表中选中识别重复个案的依据：性别、年龄、身高、体重、BMI，点击右键按钮，将其选入“定义匹配个案的依据”框中。勾选列表框下方的“主个案指示符（1=唯一个案或主个案，0=重复个案）”，并选择“每组中的最后一个个案为主个案”，名称可以设置为系统默认的“最后一个基本个案”。再勾选变量表下方的“将匹配个案移至文件开头”和“显示创建的变量的频率”。图3-11图3-12数据清洗的基本操作——重复值清洗第三步：完成所有设置后，点击“确定”按钮执行命令，输出结果。（如表3-4）表3-4频率统计表图3-13频率百分比有效百分比累积百分比有效重复个案12.02.02.0主个案4998.098.0100.0总计50100.0100.0解读频率统计结果：表3-4是频率统计表，从该表中可以发现重复个案有1个，主个案有49个。图3-13是重复值检测后的部分结果，在数据文件中最后一列出现的新变量“最后一个基本个案”中显示为“0”的即为要删除的重复个案。数据转换的基本操作图3-14任务：将“data03-01.sav”数据文件中的身高、体重数据计算身体质量指数（BMI）进行数据转换。SPSS操作步骤：第一步：运行SPSS程序，打开“data

03-01.sav”数据文件，选择“转换”——“计算变量”，弹出“计算变量”对话框。（如图3-14、15）第二步：在“目标变量”框中输入变量名称“BMI”。图3-15数据转换的基本操作第三步：点击“类型和标签”按钮，弹出“计算变量：类型和标签”对话框，在“标签”的输入框中输入“BMI”；“类型”选择数字型。点击“继续”按钮回到“计算变量”对话框。（如图3-16）第四步：在“数字表达式”栏中输入BMI的数字表达式“体重/（身高**2）”。具体输入方法为：选中左侧变量列表中的“体重”、“身高”变量，点击右箭头按钮，通过方框下面的计算器按钮或计算机键盘输入“/”、“（）”“**”、“2”，进行变量关系式的叙述。（如图3-17）图3-16图3-17数据转换的基本操作第五步：点击“如果”按钮，弹出“If个案对话框”。选择“包括所有个案”。点击“继续”按钮回到计算变量对话框。（如图3-18）第六步：完成所有设置后，点击“确定”按钮执行命令，输出结果。（如图3-19）图3-18图3-19图表绘制——直方图任务：将某高校学生身高绘制成直方图，数据文件“data03-02.sav”如表3-5所示。表3-5某高校学生身高（单位：cm）163162159168164158177173163163157173179169181168180174164175158158159169181168165174164175164159160162159181177160177164165182174169182176166175165157157159160169182173179185179181160156162170183168180175167157163161170162184164157165175176171158162157164163180176167158180169163171185156181157168182图表绘制——直方图SPSS操作步骤：第一步：运行SPSS，打开数据文件“data03-02.sav”。第二步：点击菜单“图形”——“旧对话框”——“直方图”，弹出“直方图”对话框。（如图3-20、21）第三步：选中“身高”变量，将其选入“变量”框内，并勾选“显示正态曲线”。

图3-20图3-21图表绘制——直方图第四步：点击“确定”按钮执行命令，输出图形。（如图3-22）图3-22图表绘制——条形图任务：将某高校体育学院各年级学生人数绘制成条形图，数据文件“data03-03.sav”如表3-6所示。表3-6某高校体育学院各年级学生人数年级人数大一235大二200大三165大四150图表绘制——条形图SPSS操作步骤：第一步：运行SPSS，打开数据文件“data03-03.sav”。第二步：点击菜单“图形”——“旧对话框”——“条形图”，弹出“条形图”对话框。（如图3-23、24）图3-23图3-24图表绘制——条形图第三步：选择“简单”、“个案组摘要”后，点击“定义”按钮，弹出“定义简单条形图：个案组摘要”对话框。（如图3-25）第四步：选中“其他统计”选项，激活“变量”选框，选中左侧变量列表中的“人数”变量，将其选入“变量”框内；选中“年级”变量，将其选入“类别轴”框内。图3-25图表绘制——条形图第五步：点击“确定”按钮执行命令，输出图形。（如图3-26）图3-26图表绘制——折形图任务：将某市各年龄段男生身高绘制成折线图，数据文件“data03-04.sav”如表3-7所示。表3-7某市各年龄段男生平均身高（单位：cm）年龄身高7125.28129.89134.710139.811145.512151.913158.614164.715169.016170.817170.618171.119170.820169.8图表绘制——折形图SPSS操作步骤：第一步：运行SPSS，打开数据文件“data03-04.sav”。第二步：点击菜单“图形”——“旧对话框”——“折线图”，弹出“折线图”对话框。（如图3-27、28）图3-27图3-28图表绘制——折形图第三步：选择“简单”和“个案组摘要”，点击“定义”按钮，弹出“定义简单折线图：个案组摘要”对话框。（如图3-29）第四步：选中“其他统计”选项，激活“变量”选框，选中左侧变量列表中的“身高”变量，将其选入“变量”框内；选中“年龄”变量，将其选入“类别轴”对话框。图3-29图表绘制——折形图第五步：点击“确定”按钮执行命令，输出图形。（如图3-30）图3-30图表绘制——散点图SPSS操作步骤：第一步：运行SPSS，打开数据文件“data03-05.sav”。第二步：点击菜单“图形”——“旧对话框”——“散点图/点图”，弹出“散点图/点图”对话框。图3-31图表绘制——散点图第三步：选择“简单散点图”，点击“定义”按钮，弹出“简单散点图”对话框。（如图3-32）第四步：选中“体重”变量，将其选入“Y轴”框内；选中“身高”变量，将其选入“X轴”框内。图3-32图表绘制——散点图第五步：点击“确定”按钮执行命令，输出图形。（如图3-33）图3-33图表绘制——饼图SPSS操作步骤：第一步：运行SPSS，打开数据文件“data03-06.sav”。第二步：点击菜单“图形”——“旧对话框”——“饼图”，弹出“饼图”对话框。（如图3-34、35）图3-34图3-35图表绘制——饼图第三步：选择“个案组摘要”，点击“定义”按钮，弹出“定义饼图：个案组摘要”对话框。（如图3-36）第四步：选中“变量总和”选项，激活“变量”选框，选中左侧变量列表中的“学生数”变量，将其选入“变量”框内；选中“年级”变量，将其选入“分区定义依据”对话框。图3-36图表绘制——饼图第五步：点击“确定”按钮执行命令，输出图形。（如图3-37）图3-37附录四

概率分布鉴于本书正文第五章中涉及体育统计数据的概率分布及其应用，以下介绍如何借助于SPSS进行分析。概念分布——正态性检验案例回顾：“data04-01.sav”数据文件包含了某学校128名学生某课程的修读状况，有性别、修读性质、成绩、绩点、学分绩点和辅修标记等基本数据，具体内容如表4-1。表4-1某学校学生某课程修读状况1序号性别修读性质成绩绩点学分绩点辅修标记1男初修813.79.25主修2男初修743.07.5主修3男初修712.56.25主修4男初修692.05.0主修5男初修803.79.25主修.....................124男初修843.79.25主修125男初修904.010.0主修126女初修833.79.25主修127男初修763.38.25主修128男初修763.38.25主修任务：对该数据进行正态性检验。方法一：利用频率分析检验数据的正态性SPSS操作步骤：第一步：运行SPSS程序，打开“data04-01.sav”数据文件，选择“分析”——“描述统计”——“频率”，弹出“频率”对话框页面。（如图4-1）第二步：将变量“成绩”移入右侧“变量”框中，点击“图表”按钮。在“图表”对话框页面中，同时勾选“直方图”、“在直方图中显示正态曲线”。图4-1方法一：利用频率分析检验数据的正态性第三步：设置完成后，点击“继续”按钮，回到“频率”对话框页面。（如图4-2）图4-2方法一：利用频率分析检验数据的正态性第四步：点击“确定”按钮执行命令，输出图形。（如图4-3）通过观察可以看出绘制的直方图与对应的正态分布曲线形状大致相同，基本可以判断数据服从正态分布。为了更准确地判断数据的正态分布，还可以采用其他统计方法，如Q-Q图、P-P图、偏度和峰度检验等。图4-3方法二：利用P-P图或Q-Q图来检验数据的正态性SPSS操作步骤：第一步：运行SPSS程序，打开“data04-01.sav”数据文件，选择“分析”——“描述统计”——“P-P图或Q-Q图”，进入“P-P图或Q-Q图”对话框。（如图4-4）图4-4方法二：利用P-P图或Q-Q图来检验数据的正态性第二步：将变量“成绩”移入右侧“变量”框中，点击“确定”按钮，可以得到统计结果。（如图4-5）图4-5方法二：利用P-P图或Q-Q图来检验数据的正态性第三步：Q-Q图与P-P图的判断原理相同，区别在于横纵坐标的单位不同，P是累积比例，Q是分位数。散点能够与斜线吻合，说明该数据列符合正态分布，若点明显分散在两侧，没有集中于一条直线上，则数据不服从正态分布。（如图4-6）图4-6方法三：利用描述分析检验数据的正态性SPSS操作步骤：第一步：运行SPSS程序，打开“data04-01.sav”数据文件，选择“分析”——“描述统计”——“描述”，弹出“描述”页面。（如图4-7）第二步：将变量“成绩”移入右侧“变量”框中，点击“选项”按钮。（如图4-8）图4-7图4-8方法三：利用描述分析检验数据的正态性第三步：在“描述：选项”页面中勾选“峰度”、“偏度”，点击“继续”按钮，回到“描述”对话框。（如图4-9）图4-9方法三：利用描述分析检验数据的正态性第四步：点击“确定”按钮执行命令，输出结果。如果峰度绝对值小于10且偏度绝对值小于3，可认为数据符合正态分布。（如图4-10）图4-10方法四：利用探索分析检验数据的正态性SPSS操作步骤：第一步：运行SPSS程序，打开“data04-01.sav”数据文件，选择“分析”——“描述统计”——“探索”，弹出“探索”页面。（如图4-11）第二步：将变量“成绩”移入右侧“因变量列表”框中。（如图4-12）图4-11图4-12方法四：利用探索分析检验数据的正态性

第三步：点击“探索：图”按钮。在“图”对话框中，勾选“含检验的正态图”。（如图4-13）第四步：点击“继续”按钮，回到“探索”对话框页面。图4-13方法四：利用探索分析检验数据的正态性第五步：点击“确定”按钮执行命令，输出结果。通过对比数据列与标准正态分布有没有显著性差异来判断数据是否服从正态分布。如果显著性值即P值大于0.05，则认为数据符合正态分布；如果P值小于0.05，则拒绝原假设，认为数据不符合正态分布。通常，在样本量小于5000时，参考S-W检验结果，样本量大于5000时，则参考K-S检验结果。（如图4-14）图4-14概念分布——非正态分布数据转换案例回顾：“data04-02.sav”数据文件包含了某学校113名学生某课程的修读状况，有性别、修读性质、成绩、绩点、学分绩点和辅修标记等基本数据，具体内容如表4-2。表4-2某学校学生某课程修读状况2任务：运用SPSS软件进行非正态分布数据转换的操作方法及步骤。序号性别修读性质成绩绩点学分绩点辅修标记1男初修713.06.0主修2男初修602.04.0主修3男初修763.36.6主修4男初修632.04.0主修5男初修672.55.0主修.....................109男初修763.36.6主修110男初修753.36.6主修111女初修773.77.4主修112男初修763.36.6主修113男初修713.06.0主修概念分布——非正态分布数据转换图4-15SPSS操作步骤：第一步：进行数据的正态性判断，详细步骤可参考正态性检验方法2、3的操作，正态性检验结果如图4-15、16，偏度系数和S-W检验均显示，该批数据呈现轻微负偏态。图4-16概念分布——非正态分布数据转换第二步：将负偏态资料进行反转。反转的方法是，首先找出该数据系列的最大值，用最大值+1，再减去每个数值。这样就可以将负偏态分布资料转换为正偏态。选择“转换”——“计算变量”，打开“计算”页面。（如图4-17）图4-17概念分布——非正态分布数据转换第三步：在“目标变量”栏中输入新变量名称“X”，在“数字表达式”栏中编辑“90-成绩”。原数据的最大值是89，所以是89+1=90，成绩则由左侧成绩变量调入。（如图4-18）第四步：点击“确定”按钮，在原文件中得到一个新变量“X”。（如图4-19）图4-18图4-19概念分布——非正态分布数据转换第五步：重新对变量X的数据进行正态性判断。根据检验结果可以看到，此时数据呈现轻微正偏态。（如图4-20、21）图4-20图4-21概念分布——非正态分布数据转换第六步：对变量X的数据进行平方根变换，定义新变量“Y”，在剔除个别极端异常值后，对变量Y重新进行正态性检验。在先前的“计算变量”对话框中，在“目标变量”栏输入新变量名称“Y”，在“函数组”下拉栏中选中“全部”，在“函数和特殊变量”下拉栏中选择“Sqrt”，在“数字表达式”栏中编辑“SQRT（？）”为“SQRT（X）”。再同以上第四、五步操作后，根据输出的检验结果可以看到，此时数据呈正态分布。（如图4-22、23、24、25）图4-22图4-23图4-24图4-25概念分布提醒：1.应根据数据的偏态程度在平方根变换、对数变换、倒数变换间合理选择转换方法，以免矫枉过正；2.对变换后的新变量需要重新进行正态性检验；3.如果数据变换后仍然有极端异常值存在，在样本量比较大时，可以删除，如本例的操作。如果样本量小，则不建议删除，如果此时数据仍然呈偏态分布，则意味着后续统计分析不能使用以正态分布理论为基础的统计方法。4.在进行后续分析时注意是否需要还原变换后的数据，特别是在解释统计结果时。附录五t检验鉴于本书正文第七章中涉及假设检验的基本思想和步骤，

并着重介绍了单样本t检验、

独立样本t检验以及配对样本t检验，以下介绍如何借助于SPSS进行分析。t检验：单样本t检验案例回顾：“data05-01.sav”数据文件中包含了A校2014年随机抽取的100名大一学生的体质健康测试成绩。欲比较A校2014年随机抽取100名大一学生的体质健康测试成绩与80分是否存在显著性差异，具体内容如表5-1所示。任务：检验A校2014年的100名大一学生的体质健康测试成绩与80分差异。t检验：单样本t检验SPSS操作步骤：第一步：运行SPSS，打开“data02-01.sav”数据文件。第一步：运行SPSS程序，打开“data05-01.sav”数据文件，选择：“分析”——“比较平均值”——“单样本t检验”，弹出“单样本t检验”对话框。（如图5-1）图5-1t检验：单样本t检验SPSS操作步骤：第二步：在“单样本t检验”对话框中，将左侧的“体质健康成绩”选入因变量列表（也就是“检验变量”），将“80”填入检验值。（如图5-2）第三步：点击“确定”按钮执行命令，输出结果。（如图5-3）解读单样本t检验结果：由图5-3中的“显著性（双尾）”一列可见，单样本检验的p值≤0.01，即该体质健康成绩的样本与均值为80分有显著差异。图5-2图5-3t检验：独立样本t检验案例回顾：“data05-02.sav”数据文件中包含了A校2014年和2019年随机抽取的50名大一学生的体质健康测试成绩。欲检验A校不同年级学生之间的体质健康测试成绩是否存在显著性差异，具体内容如表5-2所示。任务：检验A校2014级和2019级学生在大一时的体质健康成绩的差异。t检验：独立样本t检验SPSS操作步骤：第一步：运行SPSS程序，打开“data05-02.sav”数据文件，选择：“分析”——“比较平均值”——“独立样本t检验”，弹出“独立样本t检验”对话框。（如图5-4）图5-4t检验：独立样本t检验SPSS操作步骤：第二步：在“独立样本t检验”对话框中将左侧的“体质健康”选入“检验变量”，将“年份”选入“分组变量”。（如图5-5）第三步：点击“定义组”，打开“定义组”对话框，填入代表不同组的数字，点击“继续”，回到“独立样本t检验”对话框。（如图5-6）图5-5图5-6t检验：独立样本t检验SPSS操作步骤：第四步：点击“确定”按钮执行命令，输出结果。（如图5-7）解读独立样本t检验结果：由图5-7中的“显著性（双尾）”一列可见，独立样本检验的p值≤0.01，即不论是2014年和2019年的样本为等方差还是不等方差，都有显著差异。图5-7t检验：配对样本t检验案例回顾：“data05-03.sav”数据文件中包含了A校2014年和2017年随机抽取的各50名大一学生的体质健康测试成绩。欲检验，A校2014级学生大一和大四的体质健康测试成绩是否存在显著性差异，具体内容如表5-3。任务：检验A校2014级学生在大一和大四时的体质健康成绩的差异。t检验：配对样本t检验SPSS操作步骤：第一步：将数据导入SPSS后，选择：“分析”——“比较平均值”——“成对样本t检验”，弹出“成对样本t检验”对话框。（如图5-8）图5-8t检验：配对样本t检验SPSS操作步骤：第二步：在“成对样本t检验”对话框中，将“Y1”选入变量1，将“Y4“变量2。（如图5-9）第三步：点击“确定”按钮执行命令，输出结果。（如图5-10）解读配对样本t检验结果：由图5-10中的“显著性（双尾）”一列可见，配对样本检验的p值≤0.01，即2014级学生在大一和大四的体质健康成绩有显著差异。图5-9图5-10鉴于教材正文第八章中涉及到了方差分析的基本原理，并详细介绍了单因素方差分析、双因素方差分析以及样本均数的多重比较法，以下介绍如何借助SPSS进行分析。附录六

方差分析方差分析：单因素方差分析案例回顾：“data06-01.sav”数据文件中包含了A校2014年随机抽取的150名大一学生的体质健康测试成绩。欲比较A校2014年、2019年和2022年随机抽取50名大一学生的体质健康测试成绩之间是否存在显著性差异，表6-1显示了本研究中获得的数据。任务：检验A校2014年、2019年和2022年的50名大一学生的体质健康测试成绩的差异。方差分析：单因素方差分析SPSS操作步骤：第一步：运行SPSS程序，打开“data06-01.sav”数据文件，选择：“分析”——“比较均值”——“单因素ANOVA检验”，弹出“单因素ANOVA检验”对话框。（如图6-1）图6-1方差分析：单因素方差分析SPSS操作步骤：第二步：在“单因素ANOVA检验”对话框中将左侧的“体质健康”选入因变量列表（也就是观测变量），将“年级”选入因子（也就是控制变量）。（如图6-2）第三步：点击“对比”，弹出“单因素ANOVA检验：对比”对话框，勾选“多项式”，则“等级”下拉列表就会被激活，然后就可以对趋势分析指定多项式的形式，本案例选择“线性”，点击“继续”，回到“单因素ANOVA检验”对话框。（如图6-3）图6-2图6-3方差分析：单因素方差分析SPSS操作步骤：第四步：点击“事后比较”，弹出“单因素ANOVA检验：事后多重比较”对话框，将左侧两个因子均移入右侧，在“假定等方差”栏中选择“LSD”，点击“继续”，回到“单因素ANOVA检验”对话框。（如图6-4）图6-4方差分析：单因素方差分析SPSS操作步骤：第五步：点击“选项”，弹出“单因素ANOVA检验：选项”对话框，在“统计”栏中选中“描述”，其余保留原始设置，点击“继续”，回到“单因素ANOVA检验”对话框。（如图6-5）图6-5方差分析：单因素方差分析SPSS操作步骤：第六步：在“单因素ANOVA检验”对话框中，点击“确定”按钮执行命令，输出结果。（如图6-6）解读单样本方差分析结果：由图6-6中“多重比较”表的“显著性”一列可见，2014级与2019级学生样本的体质健康测试成绩有极显著的差异（p=0.002＜0.05），2019级与2022级学生样本的体质健康测试成绩有较显著的差异（p=0.025＜0.05），但2014级学生与2022级学生样本的体质健康测试成绩没有显著差异（p=0.354＞0.05）。图6-6方差分析：双因素方差分析案例回顾：“data06-01.sav”数据文件中包含了A校2014年随机抽取的150名大一学生的体质健康测试成绩。欲检验A校不同年级、不同性别学生之间的体质健康测试成绩是否存在显著性差异，表6-2显示了本研究中获得的数据。任务：检验A校2014级、2019级、2022级不同性别学生在大一时的体质健康成绩的差异。方差分析：双因素方差分析SPSS操作步骤：第一步：运行SPSS程序，打开“data06-01.sav”数据文件，选择：“分析”——“一般线性模型”——“单变量”，弹出“单变量”对话框。（如图6-7）图6-7方差分析：双因素方差分析SPSS操作步骤：第二步：将“体质健康”选入因变量（也就是观测变量），将“性别”与“年级”选入固定因子（也就是控制变量）。（如图6-8）第三步：点击“模型”按键，打开“单变量：模型”对话框。在“指定模型”栏选择“全因子”，表示方差分析的模型包括所有因素的主效应，也包括因素之间的交互效应，然后点击“继续”，回到“单变量”对话框。（如图6-9）图6-8图6-9方差分析：双因素方差分析SPSS操作步骤：第四步：点击“图”按键，弹出“单变量：轮廓图”对话框。将“性别”添加至“水平轴”栏，将“年级”添加至“单独的线条”栏，点击“添加”，显示这两个因素变量的交互作用，即“性别*年级”这个交互作用变量。在“图标类型”栏选择折线图。点击“继续”，回到“单变量”对话框。（如图6-10）图6-10方差分析：双因素方差分析SPSS操作步骤：第五步：点击“事后比较”打开“单变量：实际平均值的事后多重比较”对话框，将左侧两个因子均移入右侧，在“假定等方差”中选择“LSD”，点击“继续”，回到“单变量”对话框。（如图6-11）第六步：点击“选项”按键，打开“单变量：选项”对话框，在“显示”栏中选中“描述统计”，点击“继续”，回到“单变量”对话框。（如图6-12）图6-11图6-12方差分析：双因素方差分析SPSS操作步骤：第七步：在“单变量”对话框中，点击“确定”按钮执行命令，输出结果。（如图6-13、14、15）解读双因素方差分析结果：由图6-14中“多重比较”的输出结果中的“显著性”一列可见，2014级与2019级学生样本的体质健康测试成绩有极显著的差异（p=0.002＜0.01），2019级与2022级学生样本的体质健康测试成绩有较显著的差异（p=0.026＜0.05），但2014级学生与2022级学生样本的体质健康测试成绩没有显著差异（p=0.356＞0.05）。由图6-15可见，不同性别的学生其“年级”变量对体质健康测试成绩的预测平均效果也不同。图6-6图6-14图6-15鉴于教材正文第九章中涉及到了相关分析的基本思想，并详细介绍了皮尔逊相关系数和斯皮尔曼相关系数的定义、检验方法，以下介绍如何借助SPSS进行分析。附录七

相关分析案例回顾：“data07-01.sav”数据文件中包含了研究者们对20名大学男生进行了细致的体质测量，包括身高（cm）、体重（kg）、腰臀比以及瘦体重（kg）这四个关键指标，具体内容如表7-1所示。序号身高

体重腰臀比瘦体重1170620.7846.62173620.79483180750.8353.94170730.8153.95172550.7344.16179790.82577172600.7445.18173600.7648.39171560.7345.110165450.6238.211176850.8656.412175600.7546.513170650.7945.814169750.8550.415170720.8249.516170650.7647.717184820.8355.218172760.8451.419170730.8449.620170620.7846.6表7-1SPSS操作步骤：（一）绘制散点图第一步：运行SPSS程序，打开“data07-01.sav”数据文件，选择“图形”——“旧对话框”——“散点图/点图”，弹出“散点图/点图”对话框。图7-1图7-2第二步：在弹出的“散点图/点图”对话框中，选择“简单散点图”，点击“定义”。第三步：在弹