2012SPSS学习笔记2).docxVIP

3数据文件操作 3.1一般操作 数据排序 数据文件分组 数据文件合并 对记录的合并 对变量的合并 数据文件转置 变量取值的求秩 求出变量取值在指定条件下的大小顺序，使得取值按照一定的顺序进行排列，秩就反映了取值在这个有序列里的位置信息。 变量值的重新编码 可分为生成新变量和不生成新变量 计算新变量 3.2分类汇总 按指定的分类变量对观测值量进行分组，然后计算各分组内的某些变量的描述统计量。 按性别、年龄 分类，算出身高、体重的均值，并统计每个分类的个数。 3.3观测值的权重 3.4数据文件的结构重组 子公司与季度 销售量问题 横向结构：每个子公司一条观测值记录，包含它在4个季度 纵向结构：每个子公司每个季度建立一条观测值  4基本统计分析功能 统计分析和建模之前，对数据进行描述性工作。 展现数据的基本统计指标。 4.1 OLAP：在线分析过程 汇总变量：连续型变量 分组变量： 实例操作： 设置变量间差异 设置分组间差异： 输入对选中的分组变量进行比较的 第一个类别的取值 输入对选中的分组变量进行比较的 第二个类别的取值 交互式操作：右键图表-编辑 4.2 观测的摘要报告分析 4.3 行和列的摘要报告分析 4.4 频数分析 4.4.1 对分组变量的频数分析 4.4.2 对连续变量的频数分析 4.5 描述性统计分析 主要用来对连续变量，可以将原始数据转换成标准Z分值（标准化数据）并存入当前数据集，标准化后的变量值没有度量衡的差异，更加易于比较。 4.6 探索性分析 能够帮助用户决定选择何种统计方法进行数据建模，判断是否需要把数据转换成正态分布，以及是否需要做非参数统计。 4.7 列联表分析  5均值比较和T检验 能否用样本均值估计总体均数，两个变量均值接近的样本是否来自均值相同的总体。 两个样本某变量的均值不同，其差异是否具有统计意义，它能否说明总体之间存在的差异。 假设检验： |--参数检验（定量数据） |--单样本：T检验、Z检验 |--双样本 |--独立样本 |--配对样本 |--非参数检验（非定量数据） |--单样本：卡方检验、K-S检验、游程、二项式 |--双样本 |--独立样本 |--配对样本 对来自正态总体的两个样本进行均值比较，常用t方法，因方差是否相同而T公式不同 对方差齐次性检验常使用F检验。 5.1均值过程 常用于分组计算、比较指定变量的描述性统计量。 实例： 学生身高随年龄(第一层)、性别(第二层)的统计 5.2单样本T检验 用于检验单个变量的均值与给定的常数之间是否存在显著差异，样本均值与总体均值之间的差异。 要求：单样本来源于正态总体分布 零假设：样本均值=总体均值 t分布的临界值：t0.05和t0.01 实例： 儿童身高于70的假设 5.3两独立样本T检验 检验两个样本是否来自均值相同的总体 5.4配对样本T检验 自身配对 同源配对 6非参数检验 非参数检验方法不依赖于总体的分布，在总体分布情况不明时，同来检验不同样本是否来自同一个总体的统计推断方法。 6.1简介 非参数与参数检验的区别： 参数检验： 对样本所属总体的性质做出若干假设，即对总体的分布形状做某些限定，如：Z检验、t检验、F检验等。把所要推断的总体的数字特征看做未知的参数进行推断，称为参数统计方法，基于此做的假设检验就称为参数检验， 参数检验只有在关于在总体分布的假设成立时，所得出的结论才是正确的。 非参数检验：对总体不做太多或严格限定的统计推断方法。 优点： 检验条件宽松，适应性强 检验方法灵活，用途广泛。不但应用于定距、定比等连续变量的检验，且适用于定类、定序等分类变量的检验。使用等级或符号秩 计算相对简单，易于理解 缺点：功效低。 6.2卡方检验 Chi-square test 6.3二项式检验 Binominal test 6.4游程检验 Runs test 6.5 K-S单样本检验 1-Simple K-S test 6.6 两样本独立检验 2 Independent Simples test 6.7 k个独立样本的检验 K Independent Simples test 6.8 两个相关样本的检验 2 Related Simple test 6.9 k个相关样本的检验 K Related Simple test 7多重响应分析 7.1概述 多重响应分析，多重应答，针对同一个问题被访者可能回答出多个有效的答案。 本质是分类，通常对多选题的结果进行数据转换：二分法和分类法。 7.2变量集定义 能够将多个基本变量定义为多重响应的数据分类，多重二分类变量集或多重多分类变量集。然后进行频数分析或交叉表分析。 7.3变量集的频数分析 7.4交叉表分析 7.5  8回归分