SPSS基本统计分析.PPT

第四步，结论与决策 将统计量观测值与临界值比较进行决策。 若观测值大于临界值，,则认为卡方值足够大，实际分布与期望分布之间的差距显著，可以拒绝原假设，断定列联表的行列变量间不独立，存在相关关系。 反之，则相反。 将统计量观测值的概率p值与显著性水平α进行比较。 若统计量观测值的概率p值 α，表明小概率事件发生了，则拒绝原假设，认为行列变量不独立，存在依存关系。 反之，若p-值 ?,不拒绝 H0 二、交叉列联表卡方检验的说明 1、列联表中各单元格中的期望频数不能太小 列联表中不应有期望频数小于1的单元格，或不应有大量期望频数小于5的单元格。否则卡方统计量的值会偏大，会轻易拒绝原假设。 解决办法：可以似然卡方修正 2、样本量的大小 样本量过大，卡方值也会增加，也容易导致轻易拒绝原假设。 4.1.2频数分析的应用举例（住房状况调查） 问题:分析户主的从业状况和房屋产权情况 操作： ⑴选择【analyze】→【descriptive statistics】→ 【frequercies】 ⑵再选择频数分析变量，即“从业状况”、“房屋产权”到【varable（s）】框中 ⑶按【charts】选统计图形，在【chart values】中选择坐标的含义（柱形、饼图），其中【frequencies】表示频数，【percentages】表示百分比。 ⑷按【format】，可以调整频数分布表中数据的输出顺序，这里选择频数的降序【descending counts】。 变量值 累计百分比 频数 此外，在SPSS输出窗口中用鼠标双击待编辑的图形，会出出现【chart editor】图形编辑窗口。例如在【elements】选择【show data lables】,可以在图中显示频数数据。 4.1.3 SPSS频数分析的扩展功能 按【statistics】还可以计算其他重要的统计量，如计算分位数percentile values、以及反映集中趋势和离散程度的统计量。这些扩展分析较适合于定距型变量。 定距型变量的频数分析 例如：分析 “人均住房面积”的分布情况 由于“人均面积”属于定距型变量，需要进行分组后，才能进行频数分析。 扩展一 操作：运用前面介绍的分组操作按“人均面积”将住房分成1、2、3、4组，并赋给变量值，如1为人均住房“小于10平方米”… 【transform】→【recode into different variables】 然后选择频数分析【analyze】→【descriptive statistics】→ 【frequercies】，采用“分组后的人均面积”作为计算频数的变量。在【charts】中使用直方图histograms，带正态曲线with normal curve; 结果一:人均住房面积频数分布表 结果二：分组后人均住房面积直方图  计算分位数 分位数是变量在不同分位点上的取值。分位点在0－100之间。 一般使用较多的是四分位点（Quartiles），即将所有数据按升序排序后平均等分成四份，各分位点依次是25％，50％，75％。于是四分位数便分别是25％，50％，75％点所对应的变量值。此外，还有八分位数、十六分位数等。 SPSS提供了计算任意分位数的功能，用户可以指定将数据等分为n份（Cut points for n equal groups）。 还可以直接指定分位点（Percentile）。 扩展二 四分位差（也称内距或四分位距） 它是上四分位数（QU，即位于75%）与下四分位数（QL，即位于25%）。计算公式为：Qd =QU-QL 四分位差反映了中间50%数据的离散程度，其数值越小，说明中间的数据越集中；其数值越大，说明中间的数据越分散。 四分位差不受极值的影响。此外，由于中位数处于数据的中间位置，因此，四分位差的大小在一定程度上也说明了中位数对一组数据的代表程度。 输出百分位数： 输出四分位数，显示25%、50%、75%的百分位数； 将数据平均分为所设定的相等等份，可输入2—100 的整数，如键入4则输出第25、50、75百分位数 自定义百分位数，可输入0—100 的整数。 离散趋势 分布形态栏 集中趋势栏 输出统计量对话框 案例:分析人均住房面积的分布情况，并对本市户口和外地户口家庭进行比较 展示所有样本的四分位数：在变量【variable（s）】中选择“人均面积”，在【statistics】中选择四分位数【quartiles】即可。 按“户口状况”对数据进行拆分，然后分类比较人均住房面积的分位数。 操作:先使用【data】中【 split file】按“户口状况”