《基本统计分析》PPT课件.ppt

1、第四章 SPSS的基本统计分析,SPSS的基本统计分析,频数分析-对应表格法,计算描述统计量-对应数值法,探索性描述分析-结合,交叉分组下的频数分析,多选项分析,统计图-对应图形法,频数分析,目的 粗略把握变量的总体分布状况。 例： 对某个问题的总体看法，如新业务的使用愿望、教学效果等 对某事物的客观描述，如通话的漫游类型、大客户的行业分布 采用的方法 制作频数分布表：包括计算 频数、累计频数、百分比、累计百分比 绘制统计图形：条形图（品质数据）、饼图、 直方图（数量数据）,频数分析,基本操作步骤 (1)菜单选项:Analyze-Descriptive Statistics-Frequenci

2、es (2)选择几个待分析的变量到variables框. (3)chart选项，选择所需要的图形 例：班级男女生频数分布表、成绩分布表,频数分析,应用举例 移动通话的漫游类型分析 特点：定类数据 使用频数、百分比、总数(不可缺少的) 不使用频数表中给出的累计频数和累计百分比 移动通话时间分析、移动客户话费分析 特点：定序数据、数量数据 除使用频数、百分比、总数外，还可以充分使用累计频数和累计百分比,频数分析,数据中存在缺失值 使用有效百分比(分母为有效样本数) 例：学生成绩得优率、得良率 Frequencies-Format 频数分布表输出按变量值、频数升序、降序输出,频数分析,频数分析中的其

3、他分析 计算中位数、分位数:适用于定序、定距数据 数据按升序排序后，找到若干个分位点上的变量值 quartiles:计算四分位数25%(QL)、50%(中位数)、75%(QU) cut points for n equal groups: n等份 percentile: 自定义百分位点 计算众数:适用于定类数据（但必须是数值型）,频数分析,频数分析中的其他分析 分位数的应用 从一个侧面比较两组样本数据的集中趋势 例：( QL=50,QU=80) 和 (QL=70,QU=75) 的比较 在排除极端值影响的条件下，通过计算分位数差，比较两组样本数据的离散程度 例: ( QL=50,QU=80) 和

4、 (QL=70,QU=75) 的比较 分位数、中位数、众数的应用举例 不同类型的移动客户月话费比较（数据拆分） 利用分位数（不显示频数分布表），比较男女生成绩集中程度,计算描述统计量,目的 精确把握变量的总体分布状况，了解数据的集中趋势、离散趋势、对称程度、陡峭程度。 基本方法 计算基本描述统计量,计算描述统计量,描述集中趋势的统计量 均值(mean):表示某变量所有变量值集中趋势或平均水平的统计量。 适用于定距数据。 特点：利用了全部数据，易受极端值的影响。 描述离散程度的统计量 标准差(standard deviation-Std Dev):表示某变量的所有变量值离散趋势的统计量。 SPS

5、S中计算的是样本标准差。 方差(variance):标准差的平方。 SPSS中计算的是样本方差。 极差 (range):最大值(minimum)-最小值(minimum),计算描述统计量,描述对称程度的统计量 偏度(skewness):描述某变量所有变量值分布形态的偏斜程度和方向的统计量. 偏度为0表示对称; 大于0表示正偏差大(右偏),众数比均值小,极值大于均值; 小于0表示负偏差大(左偏)。,计算描述统计量,描述陡峭程度的统计量 峰度(kurtosis):描述某变量所有变量值分布形态陡缓程度的统计量。 峭度为0表示与正态分布峭度相同。 大于0表示比正态分布陡，尖峰。 小于0表示比正态分布缓

6、；平峰。,计算描述统计量,其他统计量 均值标准误差(S.E means) 中心极限定理认为：样本均值N(u,2/n) 反映样本均值与总体真值间的平均离散程度 样本数越大，样本均值的离散程度越小，对真值的估计越准确,计算描述统计量,基本操作步骤 (1)菜单选项:Analyze-Descriptive Statistics -Descripive (2)选择将参加计算的数值型变量名到Variables框。 仅适用于数值型变量 分析比较男生和女生的学习成绩 比较集中趋势 比较离散趋势 比较偏斜程度 比较陡峭程度 实现方式：数据拆分,其他功能 数据标准化处理 新变量的均值为0,标准差为1; 小于0表示

7、在平均水平下,大于0反之. 正态分布的数据标准化后呈标准正态分布（68%，95%，99%） save standardized values as variables选项 将变量作标准化后,结果存入名为“Z+原变量名”的新变量中. 数据标准化处理应用举例 快速找到移动话费出众的客户 网通集团企业效益评价,计算描述统计量,探索性描述分析,目的:在未知数据分布特点情况下,通过计算详尽描述统计量,辅助全面的统计图,认识数据分布。 基本操作步骤 (1)菜单选项:analyze-descriptive statistics-Explore (2)选择将参加计算的数值型变量名到Dependent list

8、框 (3)进行分组描述分析时，将分组变量选入Fact list框 描述统计量： M统计量：集中趋势的估计值，不受极端值影响。用于判断有无异常值。,探索性描述分析,相关图形 箱线图 茎叶图 直方图 正态分布图：检验变量是否符合正态分布 方差齐性检验：各组离散程度是否相同 H0：方差相等 举例：两班学生成绩分布情况，离散程度是否相同。,购买流行服装,交叉分组下的频数分析,针对定类数据和定序数据的频数分析(用于定类定序数据分析有custom tablelogisticloglinear) 目的:通过了解不同变量在不同水平下的数据分布情况 ，判断水平对变量是否有影响 例：女生的学习成绩比男生好吗？(两

9、变量) 不同专业的女生学习成绩都比男生好吗？ (三变量) 分析的主要步骤 产生交叉列联表 分析列联表中变量间的关系,产生交叉列联表,什么是列联表 多个变量在不同取值下的数据分布频数表,列变量,行变量,工商管理,控制变量,频数,产生交叉列联表,基本操作步骤 (1)菜单选项: analyze-descriptive statistics- crosstabs (2)选择一个变量作为行变量到row框. (3)选择一个变量作为列变量到column框. (4)可选一个或多个变量作为控制变量到layer框. (5)是否显示各分组的条图(display clustered bar charts ),产生交叉

10、列联表,定距数据可做适当分组后再产生列联表 仅利用频数，信息利用不充分 进一步计算 cells选项:选择在频数分析表中输出各种百分比. row:行百分比(Row pct); column:列百分比(Col pct); total:总百分比(Tot pct);,分析列联表中变量间的关系,目的： 通过列联表分析，检验行列变量之间是否独立。 方法： 卡方检验：对品质数据的相关性进行度量（这里两变量均为定类数据或定序数据）,分析列联表中变量间的关系,卡方检验基本步骤 (1)H0:行列变量之间无关联或相互独立 (2)构造卡方统计量 统计量服从(r-1)*(c-1)个自由度的卡方分布 count:观察(实

11、际)频数 expected count:期望频数 (期望频数反映的是H0成立情况下的数据分布特征),分析列联表中变量间的关系,卡方检验基本步骤 (3)计算卡方统计量的值，并得到该统计量值的概率P值 (4)决策。概率P与显著性水平比较，小于等于则拒绝H0,否则不能拒绝 实现步骤 statistics选项 cells选项,卡方检验的要求: 一般要求列联表中期望频数小于5的格子数不超过20%，否则会夸大卡方值，容易得出拒绝结论，可以采用精确检验。 N=40, T=5,Pearson卡方检验，若P,改用确切概率法检验 N40,或T5,确切概率法检验,分析列联表中变量间的关系,行列变量相关性的其他测度指

12、标 Nominal: phi系数：在22列联表中 ,通常-1,1,负号无实际意义 列联C系数(contingency coefficient）, 通常为0,1) V系数 0,1 值越大表示行列变量的相关性越大,分析列联表中变量间的关系,Ordinal 反映定序变量一致性指标 行变量等级越高，列变量等级也越高或越低一致性高 行变量等级越高，列变量等级不定不一致 指标绝对值越大越相关，越接近0越无关,定序变量一致性检验,年龄与工资收入交叉列联表 低 中 高 青 400 0 0 中 0 500 0 老0 0 600 低 中 高 青 0 0 500 中 0 6000 老 400 0 0,一致,一致,应

13、用举例,受教育程度越高通信支出越高吗？ 受教育程度越高通信支出比例越高吗？,多选项分析,什么是多选项问题？ (1)即:在回答某些问题时,答案在两个以上 例如:请问您平时主要的休闲娱乐方式是: a.看电视、听广播b.玩游戏c.体育运动d.逛街购物e.经常去港澳游玩f.看书学习 g.喝酒聊天h.工作太忙,没时间休闲娱乐 又如：您经常浏览的网站？在下列品牌中您信任哪些品牌？ (2)多选项问题不能直接处理。因为SPSS中的一个变量对每一个答案只能取一个值。,多选项分析,多选项问题的处理方法 (1)思路： 将一个问题定义成几个变量，用这几个变量来描述该问题的几个可能被选择的答案。 分别做频数分析或交叉分

14、组下的频数分析 (2)方法： 多选项二分法(multiple dichotomies method)和多选项分类法(multiple category method) 普通频数分析和交叉分组下的频数分析,多选项分析,多选项二分法 将每个答案作为一个变量，每个变量只有两个取值(0或1)。 例如:,多选项分析,多选项分类法: 预先估计多选项问题可能被选择的最多答案数.为每个答案建立一个变量,取值为多选项问题的可选答案. 例如:最多可选三个学校,多选项分析,多选项分析的基本思路 定义多选项变量集 多选项频数分析 多选项交叉分组下的频数分析,多选项分析,定义多选项变量集 目的:将已分解的变量定义为一个

15、集合,便于进行多选项分析 菜单选项:analyze-multiple response-Define Variable Sets 从原变量中选取被分解的变量(数值型)到variables in sets框 指定被分解的变量是按多选项二分法(dichotomies)分解还是按多选项分类法(categories)分解的. 为变量集命名。系统自动在名字前加字符$.,多选项分析,多选项频数分析 菜单选项:analyze-multiple response-frequencies 选择待分析的多选项变量集到tables for 框。 缺失数据处理：只要有一个变量含有缺失值就将该个案剔除 exclude

16、cases list wise within dichotomies：只用于二分变量多项选择的分析。 exclude cases list wise within categories：只用于分类变量多项选择的分析。,多选项分析,多选项交叉分析下的频数分析 菜单选项:analyze-multiple response-crosstabs 选择行变量并定义取值范围 选择列变量并定义取值范围 选择控制变量并定义取值范围 其他选项 常用分析指标： 应答人数百分比（percent of cases）：选择该项的人占总人数的比例（较大） 应答次数百分比（percent of responses）：选择该

17、项的次数占总应答次数的比例（较小）,多选项分析,多选项分析实例 在某次市场调查中收集了北京、上海和广州三个城市的受访者对几种常见饮料的喜好情况，可选的饮料有茶、牛奶、咖啡、果汁、矿泉水。（数据是从原始数据库中抽出的一小部分资料），作以下分析： 采用二分法组织数据 受访人群中最受欢迎的饮料是哪种？ 男、女喜爱的饮料有无差异？ 三个城市的人群对饮料的喜好有无差异？ 不同学历的消费者休闲方式有无差异？,统计图形的种类及用途,1、用于显示频数分布： （ Line和Area也能作，但不很适合） Bar（ 不仅仅用于） Pie: Histogram: Boxplot: Error Bar:显示总体分布 2

18、、用于判断数据分布 P-P图 Q-Q图,统计图形的种类及用途,3、用于时间序列 Line Area Bar: High-low：类似K线图 4、用于观察数量变量之间关系 scatter,电信增值业务市场前景（以法国为例）,统计图形的种类及用途,5、用于数据分析 Pareto分析重要因素 Control分析数据变异 统计图形在SPSS中分为一般统计图和交互式统计图,条形图,其他汇总方式的条图：各科成绩的均值、各省份移动收入比例 复式条图和堆积条图：两班男女生成绩均值,统计图的编辑,双击图形进入编辑状态 图形的转换： 条图、线图、面积图和饼图之间可互相转换 散点图和直方图之间可互相转换 2、图形的设置： 适用于复式和堆积图,统计图的编辑,3、图形坐标设置 Scale Axis:条图、