SPSS26.0统计分析：在心理学与教育学中的应用 课件 第16章 基本统计图表的制作

SPSS26.0统计分析

——在心理学与教育学中的应用2026/10/30第十六章基本统计图表的制作第十六章基本统计图表的制作

统计图表可以将资料所包含的数据变化规律、趋势、分布状态和对比关系等形象直观地表现出来，可以使得读者能易于阅读、比较。在前面的各种章节中，有些菜单命令的对话框中，就已经有了统计图的制作输出功能，（1）在第四章的第一节“频率分析”中，已经说明了输出图形中就包括饼图、条形图、直方图等。（2）在第四章的第三节“探索分析”中，已经说明了箱图，用于分析数据的分布。（3）在第四章的第四节“P-P图”中，已经说明了P-P概率图，用于检验数据分布形态；（4）在第九章的第一节“一元线性回归分析”中，已经说明了散点图的制作。以上饼图、直方图、箱图、散点图、P-P概率图，在前面有关章节的菜单命令可以实现，在这里就不再在【图形】菜单命令下进行讲解。在SPSS中还单独有【图形】菜单提供了多种绘制图表的功能，主要包括3个子菜单：【图表构建器】命令相当于图表向导，它对SPSS的绘图功能作了粗略的介绍，初学者可以大致了解SPSS的绘图能力；【图形画板模板选择程序】命令主要涵盖了SPSS各种复杂的交互性图表；【旧对话框】命令主要包括SPSS常用传统的统计图表。在本章中进一步讲解【旧对话框】命令下的条形图、线图，以及【分析】菜单命令下的ROC曲线。第十六章基本统计图表的制作

第十六章基本统计图表的制作16.1条形图

16.2折线图

16.3ROC曲线（感受性曲线）

16.1条形图

条形图（BarCharts），又称柱形图，它是利用相同宽度的条形的长短或高低来表现统计数据大小或变动的统计图。在SPSS中，可以绘制三种条形图：简单条形图、簇状条形图（复式条形图）、堆积条形图。

（1）简单条形图（Simple）：单式条形图，各个条形相互独立；（2）簇状条形图（Clustered）：也称为复式条形图、分组条形图，每组的相邻两个或多个条形左右连接，以方便进行组间比较；（3）堆积条形图（Stacked）：也称为分段条形图，同一组的条形图上下连接，可以进行组与组之间的互相比较。16.1.1簇状条形图【例16-1】以“大学生创业问卷调查.sav”文件为例，分析“V6创业前的准备”变量在性别变量上的簇状条形图。绘制条形图的具体操作步骤如下：第1步：打开分析数据。打开“大学生创业问卷调查.sav”文件。第2步：启动分析过程。打开【图形】

【旧对话框】

【条形图】命令，SPSS将弹出“条形图”的向导对话框，如下图所示。SPSS将条形图大致分为3种类型：简单条形图、簇状条形图、堆积条形图（分段条形图）。在“图表中的数据为”栏，表达类型有：“○个案组摘要”：用分类值作图，条形图中每一条代表观测量的一个分类；“○单独变量的摘要”：用变量值作图，条形图中每一条代表一个变量；“○单个个案的值”：用单元值作图，条形图中每一条代表一个观察值。这里选择“簇状”和“

个案组摘要”在此向导界面，单击【定义】按钮，进入簇状条形图定义的主对话框“定义簇状条形图：个案组摘要”。第3步：设置分析选项。在“条形表示”（BarPresent）框中，用户可以选择以下条形图中条所代表的统计量：（1）个案数：按照分组变量分组后各组的观测量个数；（2）个案百分比：按照分组变量分组后各组的观测量个数占总观测量个数的百分比；（3）累积数量：观测量数的累积数量；（4）累积百分比：观测量数的累积百分比；（5）其他统计：用户可以自行定义条形图中的统计量。在本例中，选择第一个单选按钮“

个案数”。如果选中“○其他统计”该选项，下面的“变量”列表框被激活，用户需要通过单击按钮从左边原变量中选择一个分析变量进入“变量”列表框中，然后单击【更改统计】按钮，SPSS将弹出“统计”对话框，如图所示。第4步：设置变量。指定作图变量。在“类别轴”框中，需要通过单击向右按钮从左边原变量中选择一个变量作为分类变量（也称为分组变量）。条形图中每个条形的长度分别代表对应各组的统计量的值。在本例中，选择“V6创业前的准备”。

在“聚类定义依据”框中，需要通过单击向右按钮从左边原变量中选择一个变量作为堆积变量。在本例中，选择“性别”。第5步：设置标题。单击右上角的【标题】按钮，打开“标题”对话框，如图所示。第6步：【选项】设置。单击【选项】按钮，打开“选项”对话框，如图所示。第7步：在主对话框中点击【确定】按钮，提交执行。输出结果，如图所示。[分析]：由图可知，在B选项女性选择人数最多，且多于男性，而在C选项男性选择人数最多，多于女性。16.1.2堆积条形图堆积条形图，也称为分段条形图。案例：【例16-2】以“大学生创业问卷调查.sav”文件为例，分析“V6创业前的准备”变量在年级变量的分段条形图。第1步：打开分析数据。打开“大学生创业问卷调查.sav”文件。第2步：启动分析过程。打开【图形】

【旧对话框】

【条形图】（BarCharts）命令，SPSS将弹出“条形图”的向导对话框。本例中条形图类型选择第三个：“堆积”。数据的表达方式选择第一种：“

个案组摘要”。单击【定义】按钮，进入堆积条形图定义的主对话框“定义堆积条形图：个案组摘要”。第3步：设置分析选项。本例，在“条形表示”框中，选择第一个单选按钮“

个案数”。

第4步：设置变量。指定作图变量。在“类别轴”框中，需要通过单击向右按钮从左边原变量中选择一个变量作为分类变量（也称为分组变量）。条形图中每个条形的长度分别代表对应各组的统计量的值。在本例中，选择“V6创业前的准备”。

在“堆积定义依据”框中，需要通过单击向右按钮从左边原变量中选择一个变量作为聚类变量（也称为分层变量）。在本例中，选择“年级”。第5步：在主对话框中点击【确定】按钮，提交执行。输出结果，如图所示。

[分析]：由图可知，各个年级在B、C选项上的选择的总人数较多。第十六章基本统计图表的制作

第十六章基本统计图表的制作16.1条形图

16.2折线图

16.3ROC曲线（感受性曲线）

16.2折线图折线图，又称线图（LineCharts），它是利用点的高低变化来表明数据升降情况的一种统计图。通过将不同阶段的数据点连接，可以更清晰地表明数据的变化趋势。线图主要用于时间序列分析、数据分配情况比较和两变量依存关系的分析等。折线图可分为简单线图、多线线图、垂线线图。【例16-3】以某大学心理咨询中心的案例记录数据为例，分析大学生恋爱问题咨询的案例人数随年份发展变化的图形。绘制简单线图的具体操作步骤如下：

第1步：打开分析数据。打开“恋爱问题咨询人数.sav”文件。第2步：启动分析过程。打开【图形】

【旧对话框】

【折线图】命令，SPSS将弹出“折线图”向导对话框，如图所示。在该向导对话框中，用户可以选择线图的类型，分为3种类型：简单：简单线图，一个图形中只有一条水平走向的折线；多线：多线线图，一个图形中有多条水平走向的折线；垂线：垂线线图，一个图形中有多组水平走向的数据，但在水平方向上不予以连接，而只是在垂直方向上将同一时间点的数据予以连接。在“图表中的数据为”栏：用户可以选择以下的折线图中的数据表达类型：个案组摘要：用分类值作图，线图中每一条线代表观测量的一个分类；单独变量的摘要：用变量值作图，线图中每一条线代表一个变量；单个个案的值：用单元值作图，线图中每一条线代表一个观察值。

第3步：线图定义。单击【定义】按钮，进入正式的定义对话框“定义简单折线图：个案组摘要”对话框，如图所示。

在此对话框中，从左边原变量中选择需要绘制折线图的变量进入右边的“折线表示”中。在本例中，选择“人数”变量。在“折线表示”框中，选择以“

其他统计”，然后再选择“人数”变量，单击向右按钮选入到“

其他统计”下面的变量框中。此绘图变量的数值将在线图的纵轴上表示。将“年度”变量选择到右边的“类别轴”框中，作为线图的横轴。在此对话框的其他部分，以及单击【标题】按钮所弹出的“标题”对话框，单击【选项】按钮所弹出的“选项”对话框，都与“定义简单条形图：个案组摘要”对话框完全相同，此处不再赘述。第4步：在主对话框中点击【确定】按钮，提交执行。输出结果，如图所示。

16.2.2多线线图【例16-4】103名被试参加教育实验，分三个小组并分别接受三种实验处理方案的一种处理，并在实验过程中分五次测试了成绩，请以实验阶段为横轴、以成绩分数为纵轴，三种实验方案分三条线绘制。绘制多线线图的具体操作步骤如下：第1步：打开分析数据。打开“教育实验的测验成绩.sav”文件。第2步：启动分析过程。打开【图形】

【旧对话框】

【折线图】命令，SPSS将弹出“折线图”向导对话框，如图所示。在该向导对话框中，在本例中选择“多线线图”和“个案组摘要”为例，阐述折线图的绘制步骤。第3步：进行设置定义。单击【定义】按钮，进入正式的定义对话框“定义多线折线图：个案组摘要”对话框，如图所示。在此对话框中，在“折线表示”框中，选择以“

其他统计”，然后再选择“测验成绩”变量，单击向右按钮选入到“

其他统计”下面的变量框中。此绘图变量的数值将在线图的纵轴上表示。将“阶段”变量选择到右边的“类别轴”框中，作为线图的横轴。将“试验方案”变量选择到右边的“折线定义依据”框中，作为分别制作折线的依据。第4步：在主对话框中点击【确定】按钮，提交执行。输出结果，如图所示。案例：【例16-5】6名被试参加反应时实验，分别六种实验情境下进行实验，在实验过程中，分21次测试了被试在实验过程中对刺激的反应时，请以实验时间过程为横轴、以反应时为纵轴，6名被试（对应6个实验情境）分6条线绘制。第1步：打开分析数据。打开“被试反应时间.sav”文件。第2步：启动分析过程。打开【图形】

【旧对话框】

【折线图】命令，SPSS将弹出“折线图”向导对话框，在该向导对话框中，在本例中选择“多线线图”和“个案组摘要”为例，阐述折线图的绘制步骤。第3步：进行定义。单击【定义】按钮，进入正式的定义对话框“定义多线折线图：个案组摘要”对话框，如图所示。在“折线表示”框中，选择以“

其他统计”，然后再选择“反应时间”变量，单击向右按钮选入到“

其他统计”下面的变量框中。此绘图变量的数值将在线图的纵轴上表示。将“时间进程”变量选择到右边的“类别轴”框中，作为线图的横轴。将“实验情境”变量选择到右边的“折线定义依据”框中，作为分别制作折线的依据。第4步：在主对话框中点击【确定】按钮，提交执行。输出结果，如图所示。在输出窗口中，可以进一步左键双击该图形，弹出图形编辑器对话框。在图形编辑器的对话框中，对图中的多条线的线型进行定义与整理，可以得到如下图形。第十六章基本统计图表的制作

第十六章基本统计图表的制作16.1条形图

16.2折线图

16.3ROC曲线（感受性曲线）

16.3ROC曲线（感受性曲线）ROC曲线（receiveroperatingcharacteristiccurve，简称ROC曲线）称为接受者操作特性曲线。得此名的原因在于曲线上各点反映着相同的感受性，它们都是对同一信号刺激的反应，只不过是在几种不同的判定标准（判断条件）下所得的结果而已。ROC曲线是以虚报率（也就是1-正确否定率）为横轴、击中率为纵轴所组成的坐标图，和被试在特定刺激条件下由于采用不同的判断标准得出的不同结果画出的曲线。16.3ROC曲线（感受性曲线）ROC曲线在许多研究领域都有广泛的应用，包括心理学领域、医学领域、生物领域。在心理学研究中，主要用于实验心理学、心理物理方法、心理疾病、精神病的诊断。ROC曲线方法可以检测某一方法的诊断性能优劣、或某一被试的感受性优劣。需要有一个数值来标志ROC曲线方法（分类器）的好坏，于是AUC（AreaUnderROCCurve,AUC）就出现了。AUC的值就是处于ROC曲线下方的那部分面积的大小。16.3.1ROC曲线在实验心理学中的样例案例：【例16-6】在某一个实验中：选图画页1000页，分成10个组，每组100张。10组画页信号的先定概率分别是0.05、0.15、0.25……0.99。对于每一组画页，主试者使用一种信号的先定概率，然后按此先定概率呈现给被试者一定数量的画页，要求被试者把它们当做“信号”记住。例如，先定概率为0.05时，则当作“信号”的画页为5张；当做“噪音”的画页为95张。作为信号的画页呈现完毕之后，与此组作为噪音的画页混合，然后随机地逐张呈现给被试。这时，每呈现一张画页，即要求被试判断此画页是“信号”还是“噪音”，并要求被试把结果记录在实验纸上。得到如下表格，请绘制该被试的感受性曲线图。序号先定概率（测验情境）被试报告结果击中数量被试报告结果正确否定数量10.05击中3正确否定6920.15击中11正确否定6130.25击中19正确否定5240.35击中27正确否定3950.45击中36正确否定2860.55击中45正确否定2270.65击中56正确否定1980.75击中67正确否定1190.85击中69正确否定6100.95击中73正确否定2第1步：数据整理录入。在SPSS中，需要定义三个变量：（1）诊断分类先定概率，或参照标准（test）。（2）被试判断类别：一般来说，用1代表真正类，真正类（TruePositive,TP）指一个实例是正类（即信号）并且也被预测报告/诊断成正类，在实验心理学中称为正确击中信号；用0代表真负类，真负类（Truenegative,TN）是指如果实例是负类（即噪音）也被预测报告/诊断成负类，在实验心理学中称为正确否定。在本例中，定义“被试报告结果”变量，1代表正确击中，即实例为信号且报告为信号；0代表正确否定，即实例是噪音且被试报告也为噪音。（3）诊断分类的频率或数量：本例中定义“报告数量”。将本例中的数量录入整理为：“画页实验数据.sav”。第2步：变量加权。按【数据】

【个案加权】，打开【个案加权】对话框。选择“

个案加权依据”，将“报告数量”变量选择到右边。点击【确定】按钮，完成加权设置。第3步：ROC分析设置。按【分析】【分类】【ROC曲线】，打开ROC曲线分析对话框。将“先定概率”变量选择到右边的“检验变量”框内，将“被试报告结果”变量选择到“状态变量”框内，如图所示，在此框下面，“状态变量值”是指是真正类状态的代表值，在本例中，即是正确击中所代表的值，因此在此框中，输入1。在此对话框中，同时选择四个复选框：“ROC曲线”、“带对角参考线”、“标准误差和置信区间”、“ROC曲线的坐标点”。点击【选项】按钮，打开选项对话框：

在本对话框中，“检验方向”框内，“较大的检验结果表示更加肯定的检验”，指检验变量的较大值为真正类的情境，在本例中，较大的“先验概率”表示信号出现的概率更大，因此选择这个选项。在此选项对话框中，其他部分，本例按默认选择，点击【继续】按钮回到上一级对话框。第4步：在主对话框中点击【确定】按钮,提交执行。

第5步：结果分析。第一个表：个案处理摘要第二个：ROC曲线第三个表：曲线下的面积[分析]：根据ROC曲线统计量的评价标准，本例中面积图的值为0.867，属于较高的准确性，也就是说，被试对信号的识别具有较高的准确性。对应的显著性水平小于0.05，拒绝原假设，这也说明ROC曲线的面积要显著大于0.5。第四个表：曲线的坐标[分析]：此表的1-正确否定率、击中率，就是前面ROC曲线图的横坐标、纵坐标。击中率，计算公式为TP/累积TP，刻画的是所识别出的正实例占所有已识别的正实例的比例。所谓正实例，即实例是正类并且也被预测报告/诊断成正类的情境。1-正确否定率，计算公式为1-TN/累积TN，刻画的是所识别出的负实例占所有已识别的负正实例的比例。所谓负实例，即实例是负类并且也被预测报告/诊断成负类的情境。16.3.2ROC曲线在心理疾病诊断、医学诊断中的样例【例16-7】为了研究神经传递物质（CK）对诊断神经官能症的作用，对根据《中国精神疾病分类和诊断标准(CCMD-2-R)》诊断为神经官能症的230例病人和130名正常人分别测定了每个人的CK值，有如下频率表。试分析神经传递物质CK对诊断该神经官能症的诊断性能。CK值实例是病人组实例是正常组1～4028840～80132680～12011815120以上971SPSS操作步骤：第1步：数据整理录入。在SPSS中定义三个变量：（1）诊断分类的参照依据，在本例中为变量“诊断分类CK值”。（2）被试判断类别，在本例中为“诊断报告结果”：一般来说，用1代表真正类，用0代表真负类。（3）诊断分类的频率或被试数量：在本例中定义“报告数量”。数据录入整理为：“神经传递物质CK对诊断该神经官能症.sav”。第2步：变量加权。按【数据】

【个案加权】，打开【个案加权】对话框。选择“

个案加权依据”，将“报告数量”变量选择到右边。点击【确定】按钮，完成加权设置。第3步：ROC分析设置。按【分析】【分类】【ROC曲线】，打开ROC曲线分析对话框。将“诊断分类CK值”变量选择到右边的“检验变量”框内，将“诊断报告结果”选择到“状态变量”框内，如图所示，在此框下面，为“状态变量值”，在本例中，在此框中，输入1。在此对话框中，同时选择四个复选框：“ROC曲线”、“带