描述性统计分析.ppt

1、说明性的统订分析，【学习种子文件】统订地记述对数数据是统订分析中最基本的工作。 描述性统一校正分析能够对整理后的数据采用许多统一校正量的特征。 在SPSS软件中，说明性的统一解析功能主要集中在“Descriptive Statistics”菜单上。 它包括五个流程： Frequencies流程、Descriptives流程、Explore流程、Crosstabs流程和Ratio流程。 4.1描述统一修正量的常见的描述性统一修正量主要是描述变量集中倾向的统一修正量、描述变量分布状况的统一修正量、描述变量离散程度的统一修正量这3种。 通常，通过综合这些个的3种统修正量，能极为正确且明确地把握数据的

2、分布特征。 描述变量定径套趋势的统计校正量：平均值Mean :表示变量值的平均级中位数Median :数据定径套中位于中间位置的最频值Mode :数据定径套中出现次数最多的数与Sum :某变量的所有变量值之和， 记述变量分布状况的统一修正量偏差Skewness :记述变量分布的对称度和方向，偏差度为0表示对称，大于0表示右偏差，小于0表示左偏尖度Kurtosis :记述变量分布的陡峭度。 峰度为0表示陡峭度和正态概率分布相同，大于0表示比正态概率分布陡峭， 描述小于0表示比正态概率分布缓慢的变量的偏差程度的统一修正量标准离差Std.deviation :与平均值相关的变量的偏差程度方差Vari

3、ance :标准离差的平方极大值Maximum :某变量全部取值的最大值极小值Minimum :某变量距离Range :某个变量的极大值和极小值的差平均值的标准误差s，不，在描述性统一修正分析中，Descriptives过程是连续数据统一修正描述应用最多的过程，他可以对变量进行描述性统一修正分析，修正并列举一系列对应的统一修正指标。 选择【画面介绍】菜单【analyze】【descriptive statistics】【descriptive s】，进入基本描述性统一修正量的分析画面，显示如图的窗口。 在Variables(s )框中定义要解析的数值型变量，可以选择多个变量作为云同步。 如果要

4、将原始数据的标准正规得分另存为新变量，请选择savestandardizedvaluesasvariables选项。 如果您喀呖声选项(Options )按钮来指定要修订的基本描述整合量，则会出现如图所示的视窗。 【实验例】例4-1测定了20台液晶显示器的重量，数据参照4-1-1.sav，对此进行了说明性的统一分析。 4.2次数分布表度数分析系统修正不是考虑实际取的值，而是各组中观测点的个数。 通过度数分析可以知道变量取值的情况，对于把握数据的分布特征很有用。 如果变量的自然可能值限于有限数值，则频率分析必须将该可能值区划成若干个可能值区间，如果该变量的可能值在某个范围内的离散值，则该频率分析

5、将校正该变量的各个可能值点处的个数分布选择【画面介绍】菜单【analyze】【descriptive statistics】【frequencies】后，进入度数分析的分析画面，显示如图所示的窗口。 在“Variables(s )”框中选择几个频率分析变量选择“Display frequency tables”的复数项后，将在结果中输出频率表。 喀呖声【Statistics】按钮，则显示Statistics子对话框。 喀呖声【Charts】按钮，则显示Charts子对话框。 喀呖声【Format】按钮，则显示Format子对话框。 使用此对话计程仪框可定义输出频率表的格式。 实际上，使用的是差

6、动奥尔特的格式。 例4-210岁女性有110名身高数据。 数据请参照文件4-2-1.sav。 请制作度数表。 4.3探索性分析Explore过程可以对变量进行更详细的描述性统一分析，主要用于资料的性质、分布特征等完全不清楚的情况，所以也称为探索性分析。它基于一般的描述性统一修正指标，增加关于数据其他特征的文字和图形描述，如茎叶图、箱图等，有助于制定更加详细、全面、用户继续分析的方案。 选择【画面介绍】菜单【analyze】【descriptive statistics】【explore】后，进入搜索性分析画面，出现如图所示的窗口。 喀呖声【statistics】按钮后，如图所示，显示stati

7、stics子对话框。 此项用于选择所需的描述性修正量。 喀呖声【plots】按钮后，显示出plots子对话框。 本项目用于选择必要的统一修订图。 喀呖声【options】按钮，在显示的子对话框中选择缺失值的处理方法。 不解析有缺失值的recose (exclude cases list wise )，修正某个统一修正量时不解析有缺失值的recose (exclude casse )，已知例4-3某城市和农村各55名的10岁女性身高数据，数据为fa 4.4通过列表分析度数分析可以把握各个变量的数据分布状况。 在实际分析过程中，不仅要分析单个变量的分布特征，还要分析多个变量的可能值的分布，掌握多变

8、量的共同分布特征，并进一步分析变量之间的相互影响和关系。 当问题涉及多个变量时，简单的频率分析方法显然是不一盏茶的，在这种情况下，需要交叉组的频率分析，即列表分析。 清单分析的主要塔斯克有两个。 第一，根据收集的样本数据，生成二维或多维的交叉表。 交叉列网络链接表是由两个以上变量交叉分组而成的次数分布表。 其次，根据交叉表，对两个变量之间的独立性或恒定相关性进行有木有分析。 分析行变量与行表中列变量之间的关系是行表分析的第二个塔斯克。 根据纵列表进一步分析，可以得到行变量和纵变量之间的关联有木有、关联密度如何深等信息。 选择【界面介绍】菜单【analyze】【descriptive stati

9、stics】【crosstabs】，进入列表分析画面。 例4-4调查了339名45岁以上的吸烟习惯和肺癌的关系，数据见4-4-1.sav。 问问吸烟者和非吸烟者得肺癌的概率是否不同。 4.5相对比描述用于对相对比描述2变量之间的变量值的比较变化的描述分析，并应用于固定距离型变量。 在实际问题上，研究者有时不仅想知道变量本身的统一特征，而且想得到两个变量的相对比的统一记述。 通常，这是通过将两个变量相除来创建新变量，然后分析新变量的统一特征(平均值、中位数、标准离差、总距离等)而得到的。 SPSS的Ratio过程除了可以完成上述分析外，还提供其他相对比描述指标，大致属于集中趋势描述指标和离散程度

10、描述指标的范畴。 指标的具体含义是加权比例平均是集中趋势描述指标，两变量平均之比。 “平均绝对方差”(AAD，Average Absolute Dispersion) AAD用于描述托拉斯变量的离散程度。 式中，比率数，m是比率变量的中位数。 离散系数(COD，Coefficient of Dispersion) COD也用于控制托拉斯变量的离散程度的记述，其数学定义是相关价格微分(PRD， 离散系数COV (严格差异)是一种用于描述康托拉斯变量的离散程度的基于平均值的离散系数和基于中位数的离散系数，其中COV是非对称的，COV是非对称的基于平均值的离散系数是通常意义上的离散系数，将标准差除以平均值得出的基于中位数的离散系数的数学定义，选择【界面介绍】菜单【analyze】【descriptive statistics】【ratio】，进入比率分析界面，显示出来并在Numerator框中选择托拉斯中分子的变量。 在Denominator框中选择要作为组合托拉斯分母的变量。 在“Group Variable”框中选择分组变量。 如果选择了“按组排序变量”(Sort by group variables )选项，则会选择如何对分组变量进行排序。 选择Display result选项后，将显示结果。 选择“Save results to e