SPSS课件讲解.pptVIP

1. SPSS的5个窗口 （1）数据编辑窗口（SPSS Data Editor） （3）草稿结果窗口（SPSS Draft Viewer） 2. 数据录入与数据获取 2.1.1 统计软件中数据的录入格式 （1）不同观测对象的数据不能在同一记录中出现，即同一观测数据应当独占一行。 （2）每一个观测量指标或影响因素只能占据一列的位置，即同一指标的数量观测值都应当录入到同一个变量中去。 一、变量的储存类型 SPSS中，变量有三种的基本类型：数值型、字符型和日期型。 二、变量的测量尺度 三、变量名与变量标签值 四、缺失值 2.2 数据的直接录入 2.2.1 操作界面说明 2.3 外部数据的获取 相关分析与回归模型的建立与分析 相关分析和回归分析是统计分析方法中最重要内容之一，是多元统计分析方法的基础。相关分析和回归分析主要用于研究和分析变量之间的相关关系，在变量之间寻求合适的函数关系式，特别是线性表达式。 主要内容： 对变量之间的相关关系进行分析（Correlate）。其中包括简单相关分析（Bivariate）和偏相关分析（Partial）。 建立因变量和自变量之间回归模型（Regression），其中包括线性回归分析（Linear）和曲线估计（Curve Estimation）。 数据条件：参与分析的变量数据是数值型变量或有序变量。 一、相关分析 相关分析是研究变量之间关系的密切程度，以及根据样本资料推断总体是否相关。在统计分析中，常利用相关系数定量地描述两个变量之间线性关系的紧密程度。 相关分析的一个显著特点是变量不分主次，被置于同等的地位。 相关分析的步骤： （1）提出原假设，即两个总体无显著的线性关系 （2）构造检验统计量 （3）计算检验统计量的观测值及对应的概率p值 （4）根据计算结果，得出结论 相关分析 在SPSS中，可以通过Analyze菜单进行相关分析（Correlate），Correlate菜单如图所示。 Bivariate过程：此过程用于进行两个或多个变量间的参数或非参数相关分析，如果是多个变量，则给出两两相关的分析结果。这是Correlations子菜单中最为常用的一个过程，实际上对Bivariate过程的使用可能占到相关分析的95%以上。 Partial过程：如果需要进行相关分析的两个变量其取值均受到其他变量的影响，就可以利用偏相关分析对其他变量进行控制，输出控制其他变量影响后的相关系数。 Distances过程：调用此过程可对同一变量内部各观察单位间的数值或各个不同变量间进行相似性或不相似性（距离）分析，前者用于检测观测值的接近程度，后者则常用于考察各变量的内在联系和结构。该过程一般不单独使用，而是用于因子分析、聚类分析或多维尺度分析的预分析，以帮助了解复杂数据集的内在结构，为进一步分析做准备。 1、简单相关分析（Bivariate） 两个变量之间的相关关系称简单相关关系。有两种方法可以反映简单相关关系。一是通过散点图直观地显示变量之间关系，二是通过相关系数准确地反映两变量的关系程度。 散点图 SPSS软件的绘图命令集中在Graphs菜单。下面通过例题来介绍具体操作方法。 如果只考虑两个变量，可选择简单的散点图Simple，然后点击Define，打开Simple Scatterplot对话框,如图所示。 简单相关分析操作 简单相关分析是指两个变量之间的相关分析，主要是指对两变量之间的线性相关程度作出定量分析。仍然上题为例，说明居民收入与某商品的销售量两变量的相关分析过程，具体操作如下： (1)打开数据库后，单击Analyze ? Correlate? Bivariate 打开Bivariate对话框，见图所示。 (2)从左边的变量框中选择需要考察的两个变量进入 Variables 框内，从Correlation Coefficients 栏内选择相关系数的种类，有Pearson相关系数，Kendall′s一致性系数和Spearman等级相关系数。从检验栏内选择检验方式，有双尾检验和单尾检验两种。 Pearson相关系数也称积差相关系数，是人们定量地描述线性相关程度好坏的一个常用指标。（适用于线性相关的情形；样本存在极端值对其值的计算影响极大；要求相应的变量呈双变量正态分析。） Spearman等级相关系数又称秩相关系数，是利用两变量的秩次大小作线性相关分析，对原始变量的分布不作要求，属于非参数统计方法，适用范围较Pearson相关系数要广得多。即使原始数据是等级资料也可以计算Spearman相关系数，但统计效能比Pearson相关系数要低一些（不容易检测出两者事实上存在的相关关系） Kendall′s一致性系数用于反映分类变量相关性的指标，适用于两个变量均为有序分类