第三讲用Frequencies做数据汇总-北京大学.docVIP

第三讲 用Frequencies做数据汇总 从问卷设计、发放、回收、整理、编码以及计算机录入，把原始数据文件转变为SPSS的SAV文件，我们就可以进行数据的汇总分析了。对数据进行汇总的主要目的有两个： 通过数据汇总，统计出各个变量值的频率、频次等，了解变量分布的结构； 通过数据汇总，可以检测到所录数据的真伪，如经过汇总，发现性别汇总表上出现性别的编码值为3，则显然是录入有错误。我们可以以此为线索对其进行纠正 一．数据汇总使用的数据类型 ASCII码数据，即纯文本文件，是在文本编辑器中编辑和存储的，Word带分行符号的文本格式，EDIT命令、WINDOWS中的书写编辑器等，这种数据的扩展名采用·DAT SPSS系统中生成的数据库*·SAV 数据库数据*·DBF Epidata生成的数据 二·频次统计及统计量的计算 SPSS-----File----open-----data-----*·SAV-----Analyze-----Descriptives----- Frequencies-----显示对话框 左边↑↓--------可以寻找需要的变量 右边各个框的含义： Statistics——统计量 1．Percentile values百分比计算，包括：四分位、10分位与百分位 [1]Quartiles：计算4等分处的百分比，显示25 50 75 处的值 [2] Cut point for 10 equal groups 计算10等分处的百分比，也可以输入一个其他的数字，把个案分成你想要的相等的组，如对收入进行5等分。 [3]Percentile[s]按照指定的百分位数计算频率，第50个Percentile[s] 与中位数相同 Change 改变百分位数的选择 Remove 从框中移走百分位数 Add 将选择的百分位数加以确认 2．Central Tendency（均值、中位值、众数）---根据典型值来估计或预测每个研究对象的数值 [1]Mean---最适合于分析定距变量 简单平均值 均值= 加权平均值 （分组时） 均值= 比较适合于定距、定比变量 [2]Median----最适合于定序变量 也就是第50百分位数上的值，也就是说有50%的观察点落在这个值之下，主要适用于定序变量（中位数），但在分析诸如有极端值的定距变量时，也常常使用中位值。 Md= (N+1)/2(当观察总数为奇数时)，居中位置左右两位数的平均值（当观察总数为偶数时） Md= cf对应于下限的累积频次或低于中位值点实下限累积频次； N调查总数 n中位值组的频次 L包含中位数的间距的下限 U包含中位值组的间距的上限 均值受极端值变化的影响，而中位数不， 均值预测定距变量最好，均值一般不用于定类与定序变量。 当然根据分析的需要有的时候也用。 在二分变量中（0，1），均值对这种变量有特殊的解释，如SEX（0，1）， 男1， 女0， 则如果均值是40%， 说明编码为1 的男性占40% 样本的中位数从一个样本到另外一个样本有较大的差异，但分布高度倾斜时，中位值比均值好，中位值预测定序变量的效果比较好。 [3]Mode-----预测定类变量的效果最好 众数，为次数出现最多的变量值，主要适用于定类变量，用众数来预测定类变量所犯的错误最小 当变量是定距变量时，可以用以下公式计算 公式：L+ [ f2×W/(f1 + f2)] f1 众值组下一组次数 f2 众值组上一组次数 W 组距 例： 成绩 组中值 人数 95－100 97.5 3 90-94 92.0 8 85-89 87.0 7 80-84 82.0 6 75-79 77.0 4 70-74 72.0 2 比较精确地求众值，Mode＝90＋[3×5/（7＋3）]=91.5 [4]Sum 求和 3.Dispersion----------离散趋势测量------可以点右键，看统计量的意义 用来测量离散趋势的统计量 [1]异众比 variation ration-------定类变量的离散趋势分析 异众比 =（N－众数）/N， 不同于众值的数在全体数值中所占的比例，用于测量定类变量的离散趋势。异众比越大，说明用众值估计的效果越差，SPSS不给出异众比，但可以计算出来 [2] 分位差----定序变量 第一个：四分互差（Interquartile range）：Q= Q3 —Q1 Q越大，说明有50%的个案的分布越是远离中位值，中位值的代表性就越小，以中位值作为估计或预测的效果就越差。如以收入变量为例，四分互差为12000－6000＝6000 Statistics 收入总计 N Val