多元统计分析及spss应用.ppt

rzhao@ session 3 聚类分析 应用多元统计分析及SPSS应用 Session 3 统计数据的收集、整理与描述 统计数据的来源 应该注意的是，SPSS 在未特别指定的情形下，直方图或频数分布表是按照原始数值逐一作频数分布的，这与日常需要的等距分组、且组数保持在一定数目的要求不符。 在调用[Frequencies]统计过程命令之前，可先对原始数据进行预处： 已知最小值为84，最大值为128，全距为10，故可要求分成5 组，起点为80，组距为10。 选择[Transform]=[Recode]=[Into Different Variable...]，在弹出的[Recode Into Different Variable]对话框中选定X，单击按钮使之进入[Numeric Variable→Output Variable]列表框，在[OutputVariable]栏的[Name]文本框中输入x1，单击[Change]按钮表示新生成的变量名为x1。 单击[Old and New Values]按钮弹出[Recode Into Different Variable:Old and New Values]子对话框，在[Old Value]选项中单击[Range]项，输入第一个分组的数值范围：80～89，在[New value]栏内输入新值：80，单击[Add]按钮. 依此将各组的范围及对应的新值逐一输入，最后单击[Continue]按钮返回，再单击[OK]按钮即完成。系统在原数据库中生成一新变量为x1，这时再调用[Frequencies]统计过程将输出等距分组且组数为5 的频数分布表。 二、分布的形状 用于描述数据分布形状即分布关于其中心的波动程度的代表值有：极差、内距、方差和标准等，它们描述了分布的离散程度和差异程度。 （一）极差(range) 极差也称为全距，是最大值与最小值之间的距离，它是数据离散或差异程度的最简单测度值，即 例如，在前面的数据中，极差为128-84=44（件）。显然，数据的离散程度大，极差就越大。极差虽然很容易计算，但它只告诉我们数据分布范围，至于分布的中间部分是如何变化的则不得而知。而且它受极端值的影响可能是很大的。 （二）内距(Inter-Quartile Range, IQR) 内距又称为四分位差，是两个四分位数之差，IQR=高四分位数—低四分位数。 若内距比较小，则说明数据比较集中在中位数附近；反之则比较分散。内距常和中位数一起用来描述一个定距特别是定序测量数据的分布。 （三）方差(variance)和标准差(standard deviation) 方差是离差平方的平均数，即 或 三、偏度与峰度 （一）偏度(skewness) 所谓偏度是指反映频数分布偏态方向和程度的测度。 在频数分布中，最大集中点以上（频数曲线图横轴上众数的右边）的频数占总频数的一半多，称为右偏或正偏。 最大集中点以下（频数曲线图横轴上众数的左边）的频数占总频数的一半多，称为左偏或负偏。 偏度的计算公式为： * 多元统计分析及SPSS应用 天津大学 rzhao@ /~zhao Ruiqing Zhao 赵瑞清 Tianjin University Session Topics 统计数据的来源 统计数据的收集 统计数据的描述 统计数据的整理 一、统计数据的直接来源 来源于管理和研究需要而专门组织的调查 来源于科学试验的数据 二、统计数据的间接来源 来源于公开出版物的数据 来源于内部调查的数据 统计数据的收集 数据的搜集方法 询问调查 访问调查 观察实验 电话调查 邮寄调查 观 察 电脑辅助 座 谈 会 个别深访 实 验 访问调查 1. 调查者与被调查者通过面对面地交谈而获得资料 2. 有标准式访问和非标准式访问 标准式访问通常按事先设计好的问卷进行 非标准式访问事先一般不制作问卷 邮寄调查 也称邮寄问卷调查 是一种标准化调查 调查者与被调查者没有直接的语言交流，信息的传递