SPSS 第三单元 描述性统计分析

1、描述性统计分析，是其他统计分析的基础和前提。在描述性分析中，通过各种统计图表和数字特征量，我们可以更准确地掌握样本的总体特征，从而选择正确的统计推断方法。Spss的许多模块可以完成描述性统计分析，但专门为此设计的几个模块集中在描述性统计菜单中，用于计算各种统计数据或绘制统计图以实现描述性功能。(1)频率过程：适用于连续和离散随机变量。除了输出样本统计数据，如均值、中值、模式、标准差、方差和总距离，它还可以生成频率分布表和常用的统计图表，如条形图、饼图和直方图。(2)描述过程：适用于连续随机变量，可以输出均值、标准差、方差和总距离等样本统计量。此外，通过标准化原始数据获得的数据可以保存在新的变量

2、中，用于进一步的统计分析。描述符的大部分功能可以通过频率来实现，其操作过程和输出结果类似于频率统计输出。(3)探索过程：计算描述性统计，通过各种统计图表描述数据的分布类型；它具有强大的描述数据分布特征的功能，并能输出常用的描述性统计数据，如方框图、枝叶图、直方图、正态图等。(4)交叉过程：适用于两个或两个以上变量交叉分类形成的列联表，并分析变量之间的相关性。1.“频率”过程的频率分布表是描述性统计中最常用的方法之一。频率处理是专门为生成频率表而设计的。它不仅可以生成单个变量的详细频率表，显示文件中指定变量的特定值出现的频率，还可以获得一些描述性的统计数据或根据需要给出百分位的数值，以及常用的统

3、计图表，如条形图和圆图。分析描述性统计频率，显示频率表复选框确定是否在结果中输出频率表。点击统计按钮，弹出统计对话框，用于定义其他需要计算的描述性统计。分布指标、百分位指标、集中趋势指标、离散趋势指标、计算百分比时选择此选项，弹出图表对话框，用于设置统计图。图表类型单选按钮组定义统计图表类型，有四种选择：无、条形图、饼图和直方图，其中直方图还可以选择是否添加正态曲线。“图表值”单选按钮组定义是根据频率还是百分比绘制(即影响纵坐标比例)。格式按钮弹出格式对话框，用于定义输出频率表的格式，但用处不大，通常被忽略。描述性过程描述性过程是对连续数据进行统计描述的最广泛使用的过程。它可以对变量进行描述性

4、统计分析，计算并列出一系列相应的统计指标。这与其他流程没有什么不同。但是，这个过程有一个特殊的功能，就是将原始数据转换成标准的正常分值，并将其作为变量存储在数据库中，以供以后分析。变量列表顺序字母平均升序平均降序。探索性过程主要用于在完全不清楚的情况下分析数据的性质和分布，因此称为探索性分析。在常用描述性统计指标的基础上，增加了对数据详细分布特征的文字和图形描述，如茎叶图、方框图等。它更加详细和全面。它还可以为变量转换提供线索，达到方差齐性的目的，有助于用户制定进一步分析的计划。显示单选按钮组用于选择输出结果是否包括统计描述、统计图表或两者。相关列表框用于选择要分析的变量。因子列表框如果您希望

5、根据特定因子对分析的变量进行分组和分析，请在此选择分组变量。选择一个变量，它的值将被用作每个记录的标签。最典型的情况是使用记录身份证号码的变量。箱线图，用五种统计量来反映原始数据的分布特征，即数据分布中心的位置、分布、偏度、变异范围和异常值。盒子两端分别为上四分位数和下四分位数，中间水平线为中间值，两端连线为除异常值以外的最小值和最大值。也标记可能的异常值。显然，盒子越长，数据变化的程度就越大。方框中中间水平线的中点表示分布是对称的，否则就是不对称的。一个直销中心有两批30名员工的薪资计算数据，第一批是调资前的数据，第二批是调资后的数据。通过绘制他们的方框图(如上图所示)，可以很容易地得出这样

6、的结论：在工资调整之前，总体水平约为752元，四分位范围为307.5，没有异常值。调整后的方框图显示，2号、29号、10号、24号和27号为轻度异常值，26号、30号和28号为极端异常值。为什么会有异常值？经进一步分析可知，2号、29号、10号、24号员工因其技能强、服务时间长、积累贡献大、业绩好、工作勤奋，应获得较高的报酬；27号、26号、30号和28号工人的工资较低，因为他们技能低、服务时间短、累积贡献小、业绩差，甚至一般水平也难以达到。这反映了工资调整中奖励上级、惩罚下级的原则。另外，调整后的整体工资水平比调整前高出270元，四分位区间为106，工资分配比调整前更加集中，这不仅在适当的范围内扩大了差距，而且防止了差距过大。这种工资分配具有激励作用，因此可以说工资调整达到了预期目标。茎叶图将数据分成两部分：整数部分和尾数部分，整数部分形成图的主干，尾数部分形成图的叶子。茎叶图的排列有点像频率表，每行由一个整数茎和几片叶子组成。左边是主干值，主干宽度通常标记在图表的底部。右边是树叶。该图显示了每片叶子的尾数值，并且在图的底部标记了每片叶子代表几个实际观察值。茎叶图可以非常直观地显示数据的分布范围和形状，近年来非常流行。1.茎叶图看起来非常类似于直方图，但是由茎叶图显示的可变信息比直方图详细得多。2.用茎叶图表示数据有两个优点：第一，不损失统计图中的原始数据信息