描述性统计Descriptives与Explore的应用.doc

北京大学社会学系 数据分析课程讲义 刘爱玉 2005年 第四讲 描述性统计（Descriptives与Explore的应用） 一．Descriptives Frequencies主要用于数字型或字符型变量的数据汇总，可以求出很多种的统计量 Descriptives过程一般用于数字型变量的数据汇总，汇总时，可以统计出除众数、中位数以外的多种统计量。 （一）应用实例 数据 如何在对话框中进行操作 输出结果 （二）统计量分析 1．Variables框——将要分析的变量放到这个框里 2．Save standardized values as variables 如果选择这个框，将对Variables框中的变量进行标准化并产生相应的Z分值，并作为新的变量保存在数据窗中，新变量的名字是原来的变量名前加z，标准化的计算公式如下： 3．Options对话框 Mean( Grouped Media) S.E.Mean StdDEV Variance Kurtosis Skewness Range Minimum Maximum Sum Default--------默认值，为均值、标准偏差、最小、最大） 4．Display order 输出顺序 二．Explore分析 探索性分析是在一般描述性分析的基础上，增加有关数据其他特征的文字与图形描述，以便用户对数据进行进一步的分析。 分析方法及解释： Analyze-----Explore-----对话框出现--------将收入放到Dependent list框----放定距及以上变量，文化程度放到 Factor list框（以文化程度分组对收入进行探索性统计分析） Statistics对话框 [1]Descriptives 描述性分析,输出均数、中位数、众数、5％修正均数、标准差、方差、标准误、最小值、最大值、全距、四分位全距、峰度系数、峰度系数的标准误、偏度系数、偏度系数的标准误及指定的指数的置信区间。 分析结果是interquartial range 第一个：5750=15000－9250（75％分位上的值－25％分位上的值）(没有上过学) 第二个：8500=13000－4500（小学） 其余类推 [2]M-estimators：作中心趋势的粗略最大似然确定，输出四个不同权重的最大似然确定数。分别是Huber、Andrew、Hampel和Turkey，其中Huber法适用于数据接近正态分布时的情况，另三种则适用于数据有许多异常值时的情况。如果估计量离均数和中位数较远，说明数据中可能存在异常值，这个时候一般用这个估计值代表均数来反映集中趋势比较好。 [3]Outliers输出5个最大值与最小值 [4]Percentiles： 输出第5、10、25、50、75、90、95%位数 Plots [1]Boxplots箱图 Factor levels together选择这一项，每个因变量一组箱图，是系统的默认方式 Dependents together：每个分组变量水平一组箱图 None无 箱式图中： 中间的黑粗线为中位值（median value）， 红色的箱体为四分位数的间距（第三个四分位与第一个四分位）， 上下两条细线之间的距离是1.5倍四分位数间距， 线条外的数据是离群值（outlier）或极值（extreme），其中离方框上、下界的距离超过四分位数间距（框体）1.5倍的值，称为离群值，以O表示， 超过3倍的为极值,以﹡表示。 [2] Descriptives Stem-and-leaf:茎叶图，系统默认状态(这个图分为三个部分：频数、茎和叶，茎是整数部分，叶是小数部分，stem width表示茎宽， 每行的茎和叶组成的数字再乘以茎宽，就得到实际数据的近似值，实际数据中与这个近似值靠近的值的个数即为频数表示的个数。 目前全家月平均毛收入（元） Stem-and-Leaf Plot for A1= 男 Frequency Stem Leaf 5.00 0 . 00 18.00 0 . 223333333 47.00 0 . 44444444455555555555555 40.00 0 . 6666666666666777777 45.00 0 . 8888888888888888999999 51.00 1 . 0000000000000000000000011 11.00 1 . 22233 28.00 1 . 4455555555555