S P S S编程操作入门
第四章 SPSS编程操作入门
4.1程序编辑窗口操作入门
一、进入程序编辑窗口界面
①创建一个新程序
File——new——syntax
②打开一个旧程序
File——open——syntax
程序文件的扩展名为*.sps
注：syntax窗口的菜单和SPSS窗口的菜单功能基本一致，区别在于RUN菜单。
RUN ALL——运行全部程序
RUN SELECTION——运行所选择的部分程序
二、熟用Paste 按钮
在SPSS所有菜单对话框中均有Paste功能，在所有对话框选择完毕后，不选择 OK，而使用Paste，则程序编辑窗口会自动生成程序。
此功能使得SPSS编程操作变得简单易行，只需要对生成的程序适当加以修改即可。
示例：运用Paste创建一个程序文件。以xuelin.sav.为例，产生P50页的程序语句，并保存在桌面上备用。
该程序文件可以保存，当下次做相同的分析时，无需重新进行复杂的菜单选择，直接在原有程序文件上进行适当的修改，运行即可。
三、编程进行对话框无法完成的工作
示例１：见书
示例２：怎么产生连续自然数１～２００
Input program.
Loop #i=1 to 200.
Compute x=#i.
end case.
End loop.
End file.
End input program.
Execute.
4.2结构化语句简介
一、分支语句（条件语句）
①ＩＦ语句
ＳＰＳＳ程序格式：
ＩＦ逻辑表达式目标表达式
逻辑表达式用于给出判断条件。
目标比达式表示如果满足逻辑表达式后该如何操作。
注：编程基本小知识：
①每句命令完成后，以点号结束，否则程序不被执行。
②全部命令编辑完成后，以Execute.结束，否则程序不被执行.
③学会使用help——command syntax reference自学编程。
示例１：打开案例数据brain1.sav,要求将年龄小于20，性别为1（男）的病人归为第一组（group=1）.
GET
FILE='F:\chenghongli\spss\数据集\brain1.sav'.
if age<20 & sex=1( 逻辑表达式) group=1.（目标表达式）Execute.
示例2：打开案例数据brain1.sav，要求将年龄小于等于40岁的女性病人归为组2.
GET
FILE='F:\chenghongli\spss\数据集\brain1.sav'.
if age le 40 group=2.
execute.
练习1：将血小板大于等于100的列为组1
练习2：打开brain1.sav，创造一个新的字符型变量sex1，当sex 取值为1时，sex1取值为f, 当sex取值为2时，sex1取值为m. GET
FILE='F:\chenghongli\spss\数据集\brain1.sav'.
string sex1 (a1).
compute sex1='f'.
if sex=2 sex1='m'.
execute.
②ＤＯＩＦ语句
如果需要多重分支，有多个条件限制时，需要用到DO IF语句ＳＰＳＳ程序格式：
ＤｏIF逻辑表达式
目标表达式
Ｅｌｓｅ
目标表达式
ＥｎｄＩＦ
示例１：见书（Ｐ５２）
示例２：编程完成书Ｐ３１例题
练习３：自己完成Ｐ３３例题
二、循环语句
在介绍循环语句时，着重介绍Loop/End Loop语句.该语句主要用于建立数据集和数据变换操作。
ＳＰＳＳ程序格式：
Loop 控制变量名=起始值 to 终止值 [BY步长]
运算语句
End Loop
示例1：见书
SET mxloops=10.
Loop.
Compute x=x+1.
End loop. ( 注意要求文件中有x这个变量名，否则返回缺失值) 上述程序亦可表述为：
Loop #lop=1 to 10. 开始循环，要求循环10次
Compute x=x+1. 将变量累加1
End loop. 结束循环
两种程序功能一样，都是将变量x循环加10次。
注：lop前必须有#符号，表示该变量为控制变量，若不加，则产生新变量lop,可试运行一次。
LOOP循环语句的功能之一即是创建一个新的数据集。
示例2：产生1~200的连续自然数
Input program.
Loop #i=1 to 200.
Compute x=#i.
end case.
End loop.
End file.
End input program.
Execute.
通过本程序要求大家掌握：
①Loop 语句的基本功能，以及各命令的含义。
②学会使用help——command syntax reference自学编程。
练习：要求产生连续奇数、偶数。
练习：见程序指南中的example.运行并理解其含义。
Loop命令和ＩＦ命令的综合运用
示例１：见书Ｐ５３。理解每句程序的含义。
练习：要求产生有100条记录的新数据集。要求：随机变量A服从均值为5，标准差为10的正态分布的，当该变量大于5时，改为新变量B，若该变量小于等于5时，则B等于A的平方。（要求固定随机种子）。（可以通过编程指南查找怎样产生这样一个正态分布）。
4.3SPSS Production Facility （了
解）
一、界面说明。
二、实例演示
1.定义变量 （1）Name：定义变量名 变量名必须以字母或字符@开头，其它字符可以是任何字母、数字或_、@、#、$等 符号。变量名总长度不能超过8 个字符（即4 个汉字）。 （2）Type：定义变量类型 SPSS 的主要变量类型有：Numeric（标准数值型）、Comma（带逗号的数值型）、Dot （圆点作小数点的数值型）、Scientific Notation（科学记数法）、Date（日期型）、Dollar （带美元符号的数值型）、Custom Currency（自定义型）、String（字符型）。单击Type 相应单元中的按钮，选择合适的变量类型并单击OK。 （3）Width：变量长度 设置数值变量的长度，当变量为日期型时无效。 （4）Decimal：变量小数点位数 设置数值变量的小数点位数，当变量为日期型时无效。 （5）Label：变量标签 变量标签是对变量名的进一步描述，变量只能由不超过8 个字符组成，8 个字符经 常不足以表示变量的含义。而变量标签可长达120 个字符，变量标签对大小写敏感，显 示时与输入值完全一样，需要时可用变量标签对变量名的含义加以解释。 （6）Value：变量值标签 值标签是对变量的每一个可能取值的进一步描述。 （7）Missing：缺失值的定义方式 SPSS 有两类缺失值：系统缺失值和用户缺失值。在数据长方形中任何空的数字单 元都被认为系统缺失值，用点号（?）表示。SPSS 可以指定那些由于特殊原因造成的 信息缺失值，然后将它们标为用户缺失值，统计过程识别这种标识，带有缺失值的观测 被特殊处理。默认值为None。单击Value 相应单元中的按钮，可改变缺失值定义方式。（8）Column：变量的显示宽度 输入变量的显示宽度，默认为8。 （9）Align：变量显示的对齐方式 选择变量值显示时的对齐方式：Left（左对齐）、Right（右对齐）、Center（居中 对齐）。 （10）Scale：变量的测量尺度 根据变量测量精度不同，可把变量由低到高分为四种尺度：定类变量、定序变量、 定距变量和定比变量。 1）定类变量 定类变量由称为名义（nominal）变量。这是一种测量精度最低、最粗略的基于“质” 因素的变量，它的取值只代表观测对象的不同类别，例如“性别”变量、“职业”变量 等都是定类变量。定类变量的取值称为定类数据或名义数据。定类数据的共同特点是用 不多的名称来加以表达，并由被研究变量每一组出现的次数及其总计数所组成，这种数 据是枚举性的，即由计数一一而得。唯一适合于定类数据的数学关系是“等价关系”。 因而，在定类数据中，同一组内各单位是等价的，同时若更换各不同组的符号并不会改 变数据原有的基本信息。因此，最常用来综合定类数据的统计量是频数、比率或百分比等。 2）定序变量 定序变量由称为有序（ordinal）变量、顺序变量，它的取值大小能够表示观测对 象的某种顺序关系（等级、方位或大小等），也是基于“质”因素的变量。例如：“最高
1、在spss中打开你要处理的数据，在菜单栏上执行：analyse-compare means--one-way anova，打开单因素方差分析对话框。 2、在这个对话框中，将因变量放到dependent list中，将自变量放到factor中，这个 研究中有两个因变量，所以把两个因变量都放到上面的列表里。 3、点击post hoc，打开一个对话框，设置事后检验的方法。 4、在这个对话框中，我们在上面的方差齐性的方法中选择tukey和REGWQ，在方差
不齐性的方法中选择dunnetts，点击continue继续。 5、回到了anova的对话框，点击options按钮，设置要输出的基本结果。 6、这里选择描述统计结果和方差齐性检验，点击continue按钮。
7、点击ok按钮，开始处理数据。 8、我们看到的结果中，第一个输出的表格就是描述统计，从这个表格里我们可以看到 均值和标准差，在研究报告中，通常要报告这两个参数。
9、接着看方差齐性检验，方差不齐性的话是不能够用方差齐性的方法来检验的，还好， 这里显示，显著性都没有达到最小值0.05，所以是不显著的，这证明方差是齐性的 。 10、接着看单因素方差分析表，反应时sig值不显著，而错误率达到了显著的水平，这 说明实验处理对错误率产生了影响，但是对反应时没有影响。 11、接着看事后检验，因为反应时是没有显著差异的，所以就不必再看反应时的事后检 验，直接看错误率的事后检验，从图中标注的红色方框可以看到，第一组和二三组都有显著的差异，而第二组和第三组没有显著差异。关于dunnet方法，它适合在方差不齐性的时候使用，因为方差齐性，不必去看这个方法的检验结果了。
spss基本知识点 【篇一：spss基本知识点】 结论不同麻醉诱导方法存在组间差别；患者的收缩压在不同的诱导 方法下不同诱导时相变化的趋势不同，其中 a 组不同诱导时相收缩 压较为稳定。第八章非参数检验（nonparametrictests 菜单）参 数检验：?? 通过样本的参数来检验总体参数的方法是参数检验。如：通过样本的均值、方差来检验总体的数学期望与总体方差提出的假 设是否为真.?? 参数检验对总体的分布有一定的要求，比如正态性和 方差齐性非参数检验：?? 对总体分布情况未知时，无法用参数检验 方法?? 非参数检验通过样本的分布对总体的分布进行检验非参数检 验所要处理的问题：?? 两个总体分布未知，它们是否相同（用两组 样本来检验）?? （由一组样本）猜出总体的分布（假设），然后用 另一组样本去检验它是否正确注：两种分布是否相同，一般包含了 参数（均值、方差等）是否相同的问题。如果两个总体的分布函数 形式相同，而参数不同，也被视为概率分布不同 nonparametrictest 菜单(1) nonparametrictest 菜单(2) 卡方检验 chi‐square?? 适用于拟合优度检验，即检验单变量的分布与理论 分布是否一致?? 实例 1：贫困调查.sav 中身体状况变量的数据分 布是否符合以往的经验：?? 完全不能自理 5%?? 基本不能自理10%?? 能自理无劳动能力 20%?? 部分丧失劳动能力 25%?? 身体 健康 40% ?? 1.weightcasesby：death?? 2.analyze‐nonparametrictest‐chisquare 二项分布检验 binomial ?? 二项分布的变量将总体分为两类（如医学中的生与死），二项分布的检验是通过样本中这两类的频率来检验总体中这两类的 概率是否为给定的值 ?? binomial 过程可检验二项分类变量是个来 自概率为 p 的二项分布例 1：一般来说，新生儿染色体异常率为1%，某医院观察了 400 名新生儿，只发现一例异常，请问该地新生 儿异常率是否低于一般水平？数据文件见 6.2sav 1.weight cases by：num 2.analyze－nonparametric test－binomial 例 2：某地 某一时期内出生 40 名婴儿，其中女性 12 名（定 sex＝0），男性 28名（定 sex＝1）。问这个地方出生婴儿的性别比例与通常的男女 性比例（总体概率约为 0.5）是否不同？ ?? 按出生顺序输入数 据， ?? 数据文件见 6.3.sav 1- sample k-s 过程 ?? 对连续性资料 的分布情况加以考察。这是一种拟合优度性检验，研究的是样本观
目录 一、SPSS界面介绍 (2) 1、如何打开文件 (2) 2、如何在SPSS中打开excel表 (3) 3、数据视图界面 (3) 4、变量视图界面 (4) 二、如何用SPSS进行频数分析 (11) 三、如何用SPSS进行多变量分析 (15) 四、如何对多选题进行数据分析 (18) 1、对多选题进行变量集定义 (18) 2、对多选题进行频数分析 (21) 3、对多选题进行多变量交互分析 (24) 五、如何就SPSS得出的表在excel中作图 (27)
一、SPSS界面介绍 提前说明：第一，我这里用的是SPSS 20.0 中文汉化版。第二，我教的是傻瓜操作，并不涉及理论讲解，具体的为什么和用什么理论公式来解释请认真去听《社会统计学》的课程。第三，因为是根据我自己的操作和理解来写的，所以可能有些地方显的不那么科学，仍然要说请大家认真去听《社会统计学》的课程，那个才是权威的。 1、如何打开文件 这个东西打开之后界面是这样的： 我们打开一个文件：
要提的一点就是，SPSS保存的数据拓展名是.sav： 2、如何在SPSS中打开excel表 在上图的下拉箭头里找到excel这个选项： 然后你就能找到你要打开的excel表了。 3、数据视图界面 我现在打开了一个数据库。 可以看到左下角这个地方有两个框，两个是可以互相切换的，跟excel切换表一样，跟excel切换表一样： 现在的页面是数据视图，也就是说这一页都是原始数据，这里的一行就是一张问卷，一列就是一个问题，白框里的1234代表的是选项。这个表当时录数据的时候为了方便看，是把ABCD都转换成了1234，所以显示的是1234，当然直接录ABCD也可以，根据具体情况看怎么录，只要能看懂。 多选题的录入全部都是细化到每个选项，比如第四题，选项A选了就是“是”，没选就是
1. 定义变量 （1）Name定义变量名 变量名必须以字母或字符 @开头，其它字符可以是任何字母、数字或_、@、 #、$等 符号。变量名总长度不能超过 8 个字符（即 4 个汉字）。 （2）Type:定义变量类型 SPSS 的主要变量类型有： Numeric （标准数值型）、 Comm（a 带逗号的数值型）、 Dot （圆点作小数点的数值型）、Scientific Notation （科学记数法）、Date （日期型）、Dollar （带美元符号的数值型）、 Custom Currency （自定义型）、 String （字符型）。单击 Type 相应单元中的按钮，选择合适的变量类型并单击OK。 （3）Width :变量长度设置数值变量的长度，当变量为日期型时无效。 （ 4） Decimal :变量小数点位数设置数值变量的小数点位数，当变量为日期型时无效。 （ 5） Label :变量标签变量标签是对变量名的进一步描述，变量只能由不超过 8 个字符组成， 8 个字符经常不足以表示变量的含义。而变量标签可长达 120 个字符，变量标签对大小写敏感，显示时与输入值完全一样，需要时可用变量标签对变量名的含义加以解释。 （ 6） Value :变量值标签 值标签是对变量的每一个可能取值的进一步描述。 （7）Missing :缺失值的定义方式 SPSS 有两类缺失值:系统缺失值和用户缺失值。在数据长方形中任何空的数字单元都被认为系统缺失值，用点号（? ）表示。 SPSS 可以指定那些由于特殊原因造成的信息缺失值，然后将它们标为用户缺失值，统计过程识别这种标识，带有缺失值的观测被特殊处理。默认值为 None。单击Value相 应单元中的按钮，可改变缺失值定义方式。 （8）Column：变量的显示宽度输入变量的显示宽度，默认为 8。 （9）Align ：变量显示的对齐方式 选择变量值显示时的对齐方式： Left （左对齐）、 Right （右对齐）、 Center （居中对齐）。（10）Scale ：变量的测量尺度根据变量测量精度不同，可把变量由低到高分为四种尺度：定类变量、定序变量、定距变量和定比变量。 1 ）定类变量 定类变量由称为名义（ nominal ）变量。这是一种测量精度最低、最粗略的基于“质”因素的变 量，它的取值只代表观测对象的不同类别，例如“性别”变量、“职业”变量等都是定类变量。定类变量的取值称为定类数据或名义数据。定类数据的共同特点是用不多的名称来加以表达，并由被研究变量每一组出现的次数及其总计数所组成，这种数据是枚举性的，即由计数一一而得。唯一适合于定类数据的数学关系是“等价关系”。 因而，在定类数据中，同一组内各单位是等价的，同时若更换各不同组的符号并不会改变数据原有的基本信息。因此，最常用来综合定类数据的统计量是频数、比率或百分比等。 2）定序变量定序变量由称为有序（ ordinal ）变量、顺序变量，它的取值大小能够表示观测对象 的某种顺序关系（等级、方位或大小等），也是基于“质”因素的变量。例如：“最高 学历”变量的取值是： 1－小学及以下、 2－初中、 3－高中、中专、技校、 4－大学专科、 5－大 学本科、 6－研究生以上。由小到大的取值能够代表学历由低到高。定序变量的取值称为定序数据或有序数据。适合于定序数据的数学关系是“大于（>）”和“小于（ <） 关系。在定序数据中，同一组内各单位是等价的，相邻组之间的单位是不等价的，它们存在“大于”或“小于”的关系。而且进行保序变换（或称单调变换），不改变数据原有的基本信息即等级顺序。最适合用于综合定序数据取值的集中趋势的统计量是中位数。 3）定距变量
1.定义变量 （1） Name：定义变量名 变量名必须以字母或字符 @开头，其它字符可以是任何字母、数字或 _、 @、 #、 $等符 号。变量名总长度不能超过 8 个字符（即 4 个汉字）。 （2） Type：定义变量类型 SPSS 的主要变量类型有：Numeric （标准数值型）、Comma（带逗号的数值型）、Dot （圆点作小数点的数值型）、Scientific Notation （科学记数法）、Date（日期型）、Dollar （带美元符号的数值型）、Custom Currency （自定义型）、String （字符型）。单击Type 相应单元中的按钮，选择合适的变量类型并单击OK。 （3） Width ：变量长度 设置数值变量的长度，当变量为日期型时无效。 （4） Decimal ：变量小数点位数 设置数值变量的小数点位数，当变量为日期型时无效。 （5） Label ：变量标签 变量标签是对变量名的进一步描述，变量只能由不超过8 个字符组成， 8 个字符经 常不足以表示变量的含义。而变量标签可长达120 个字符，变量标签对大小写敏感，显 示时与输入值完全一样，需要时可用变量标签对变量名的含义加以解释。 （6） Value ：变量值标签 值标签是对变量的每一个可能取值的进一步描述。 （7） Missing ：缺失值的定义方式 SPSS 有两类缺失值：系统缺失值和用户缺失值。在数据长方形中任何空的数字单 元都被认为系统缺失值，用点号（?）表示。SPSS可以指定那些由于特殊原因造成的 信息缺失值，然后将它们标为用户缺失值，统计过程识别这种标识，带有缺失值的观测 被特殊处理。默认值为None。单击 Value相应单元中的按钮，可改变缺失值定义方式。 （8） Column：变量的显示宽度 输入变量的显示宽度，默认为 8。 （9） Align ：变量显示的对齐方式 选择变量值显示时的对齐方式： Left （左对齐）、 Right （右对齐）、 Center （居中对齐）。（10） Scale ：变量的测量尺度 根据变量测量精度不同，可把变量由低到高分为四种尺度：定类变量、定序变量、 定距变量和定比变量。 1）定类变量 定类变量由称为名义（ nominal ）变量。这是一种测量精度最低、最粗略的基于“质”因 素的变量，它的取值只代表观测对象的不同类别，例如“性别”变量、“职业”变量等都 是定类变量。定类变量的取值称为定类数据或名义数据。定类数据的共同特点是用不多的 名称来加以表达，并由被研究变量每一组出现的次数及其总计数所组成，这种数据是枚举 性的，即由计数一一而得。唯一适合于定类数据的数学关系是“等价关系”。因而，在定 类数据中，同一组内各单位是等价的，同时若更换各不同组的符号并不会改变数据原有的 基本信息。因此，最常用来综合定类数据的统计量是频数、比率或百分比等。 2）定序变量 定序变量由称为有序（ordinal）变量、顺序变量，它的取值大小能够表示观测对 象的某种顺序关系（等级、方位或大小等），也是基于“质”因素的变量。例如：“最高
SPSS基本操作步骤详解 本文采用SPSS21.0版本，其它版本操作步骤大体相同 一、基本步骤 （一）检查数据 在进行项目分析或统计分析之前，要检核输入的数据文件有无错误，即检核missing。 例，“XX量表”采用Likert scale五点量表式填答，每个题项的数据只有五个水平：1,2,3,4,5。 1.执行次数分布表的程序 Analyze（分析）→Descriptive statistics（描述统计）→将题项变量【例，a1—a10】键入至Variables（变量）框中→Frequencies（频率）→Statistics（统计量）→Minimum （最小值）、Maximum（最大值）→Continue(继续)→OK（确定） 2.执行描述统计量的程序 Analyze（分析）→（描述统计）→将题项变量【例，a1—a10】键入至Variables（变量）框中→Descriptives（描述）→Options（选项）→Minimum（最小值）、Maximum（最大值）【此处一般为默认状态即可】→Continue(继续)→OK（确定） （二）反项计分 若是分析的预试量表中没有反向题，则此操作步骤可以省略； 量表或问卷题中如果有反向题，则在进行题项加总之前将反向题反向计分，否则测量分数所表示的意义刚好相反。 例，“XX量表”采用Likert scale五点量表式填答，反向题重向编码计分：1→5,2→4,3→3【可不写】,4→2,5→1。 Transform（转换）→Recode into same Variables（重新编码为相同变量）→将要反向的题目键入至Variables（变量）框中【例，a1，a3，a5】→Old and new values（旧值和新值）→在左边Old value—value中键入1，在右边New value—value中键入5，Add （添加）→……依次进行此步骤……在左边Old value—value中键入5，在右边New value —value中键入1，Add（添加）→Continue(继续)→OK（确定）【注意不同量表计分方式不同，因而反向编码计分也不同，常见的有四点量表、五点量表和六点量表等】 （三）题项加总 量表题项加总的目的在于便于进行观察值得高低分组。 例，“XX量表”采用Likert scale五点量表式填答，题项为：a1，a2……a10，记总分为：az。 Transform（转换）→Computer Variable（计算变量)→在左边Target Variable（目标变量）中键入az，在右边Numeric Expression（数字表达式）中键入a1+a2+……+a10
实验三-IBM-SPSS软件的基本操作
云南大学软件学院 实验报告 课程：大数据分析及应用任课教师：蔡莉实验指导教师（签名）： 学号： 20131170142 姓名：郭昱专业：软件工程日期： 2015/11/01 成绩： 实验三 IBM SPSS软件的基本操作 一、实验目的 1．熟悉SPSS的菜单和窗口界面，熟悉SPSS 各种参数的设置； 2．掌握SPSS的数据管理功能。 二、实验内容及步骤 （一）数据的输入和保存 1. SPSS界面 当打开SPSS后，展现在我们面前的界面如下： 菜单栏 工具栏
注意：窗口顶部显示为“SPSS for Windows Data Editor”，表明现在所看到的是SPSS的数据管理窗口。该界面和EXCEL极为相似，很多操 作也与EXCEL类似。 2.定义变量 选择菜单Data==>Define Variable。系统弹出定义变量对话框如下： 对话框最上方为变量名，现在显示为“VAR00001”，这是系统的默认变量名；往下是变量情况描述，可以看到系统默认该变量为数值型，长度为8，有两位小数位，尚无缺失值，显示对齐方式为右对齐；第三部分为四个设置更改按钮，分别可以设定变量类型、标签、缺失值和列显示格式；第四部分实际上是用来定义变量属于数值变量、有序分类变量还是无序分类变量，现在系统默认新变量为数值变量；最下方则依次是确定、取消和帮助按钮。
假如有两组数据如下： GROUP 1: 0.84 1.05 1.20 1.20 1.39 1.53 1.67 1.80 1.87 2.07 2.11 GROUP 2: 0.54 0.64 0.64 0.75 0.76 0.81 1.16 1.20 1.34 1.35 1.48 1.56 1.87 先来建立分组变量GROUP。请将变量名改为GROUP，然后单击OK按钮。 现在SPSS的数据管理窗口如下所示： 第一列的名称已经改为了“group”，这就是我们所定义的新变量“group”。 现在我们来建立变量X。单击第一行第二列的单元格，然后选择菜单Data==>Define Variable，同样，将变量名改为X，然后确认。此时SPSS的数据管理窗口如下所示： 现在，第一、第二列的名称均为深色显示，表明这两列已经被定义为变量，其余各列的名称仍为灰色的“var”，表示尚未使用。同样地，各行的标号也为灰色，表明现在还未输入过数据，即该数据集内没有记录。 3.输入数据 我们先来输入变量X的值，请确认一行二列单元格为当前单元格，弃鼠标而用键盘，输入第一
S P S S编程操作入门
第四章 SPSS编程操作入门 4.1程序编辑窗口操作入门 一、进入程序编辑窗口界面 ①创建一个新程序 File——new——syntax ②打开一个旧程序 File——open——syntax 程序文件的扩展名为*.sps 注：syntax窗口的菜单和SPSS窗口的菜单功能基本一致，区别在于RUN菜单。 RUN ALL——运行全部程序 RUN SELECTION——运行所选择的部分程序 二、熟用Paste 按钮 在SPSS所有菜单对话框中均有Paste功能，在所有对话框选择完毕后，不选择 OK，而使用Paste，则程序编辑窗口会自动生成程序。 此功能使得SPSS编程操作变得简单易行，只需要对生成的程序适当加以修改即可。 示例：运用Paste创建一个程序文件。以xuelin.sav.为例，产生P50页的程序语句，并保存在桌面上备用。
该程序文件可以保存，当下次做相同的分析时，无需重新进行复杂的菜单选择，直接在原有程序文件上进行适当的修改，运行即可。 三、编程进行对话框无法完成的工作 示例１：见书 示例２：怎么产生连续自然数１～２００ Input program. Loop #i=1 to 200. Compute x=#i. end case. End loop. End file. End input program. Execute. 4.2结构化语句简介 一、分支语句（条件语句） ①ＩＦ语句 ＳＰＳＳ程序格式： ＩＦ逻辑表达式目标表达式 逻辑表达式用于给出判断条件。
目标比达式表示如果满足逻辑表达式后该如何操作。 注：编程基本小知识： ①每句命令完成后，以点号结束，否则程序不被执行。 ②全部命令编辑完成后，以Execute.结束，否则程序不被执行. ③学会使用help——command syntax reference自学编程。 示例１：打开案例数据brain1.sav,要求将年龄小于20，性别为1（男）的病人归为第一组（group=1）. GET FILE='F:\chenghongli\spss\数据集\brain1.sav'. if age<20 & sex=1( 逻辑表达式) group=1.（目标表达式）Execute. 示例2：打开案例数据brain1.sav，要求将年龄小于等于40岁的女性病人归为组2. GET FILE='F:\chenghongli\spss\数据集\brain1.sav'. if age le 40 group=2. execute. 练习1：将血小板大于等于100的列为组1 练习2：打开brain1.sav，创造一个新的字符型变量sex1，当sex 取值为1时，sex1取值为f, 当sex取值为2时，sex1取值为m. GET
SPSS常用分析方法操作步骤 一、单变量单因素方差分析 例题：某个年级有三个班，现在对他们的一次数学考试成绩进行随机抽（见下表），试在显著性水平下检验各班级的平均分数有无显著差异（数据文件：数学考试成绩.sav）。 （1）建立数学成绩数据文件。 （2）选择“分析”→“比较均值”→“单因素方差”，打开单因素方差分析窗口，将“数学成绩”移入因变量列表框，将“班级”移入因子列表框。 （3）单击“两两比较”按钮，打开“单因素ANOVA两两比较”窗口。 （4）在假定方差齐性选项栏中选择常用的LSD检验法，在未假定方差齐性选项栏中选择Tamhane’s检验法。在显著性水平框中输入，点击继续，回到方差分析窗口。 （5）单击“选项”按钮，打开“单因素ANOVA选项”窗口，在统计量选项框中勾选“描述性”和“方差同质性检验”。并勾选均值图复选框，点击“继续”，回到“单因素ANOVA选项”窗口，点击确定，就会在输出窗口中输出分析结果。 二、单变量多因素方差分析 研究不同温度与不同湿度对粘虫发育历期的影响，得试验数据如表5-7。分析不同温度和湿度对粘虫发育历期的影响是否存在着显著性差异（数据文件：粘虫.sav）。 （1）建立数据文件“粘虫.sav”。 > （2）选择“分析”→“一般线性模型”→“单变量”，打开单变量设置窗口。 （3）分析模型选择：此处我们选用默认； （4）比较方法选择：在窗口中单击“对比”按钮，打开“单变量：对比”窗口进行设置，单击“继续”返回； （5）均值轮廓图选择：单击“绘制”按钮，设置比较模型中的边际均值轮廓图，单击“继续”返回； （6）“两两比较”选择，用于设置两两比较检验，本例中设置为“温度”和
统计分析模型 （1）信度分析文献[558] 操作步骤：分析—度量—可靠性分析（R）—移动变量到项目（I）框内—统计量—描述性（项+度量+如果。）—项之间（相关性）—继续—确定 信度系数界限值：0．60—0．65认为不可信；0．65—0．70认为是最小可接受值：0．70～0．80认为相当好；0．80—0．90就是非常好。因此，—份信度系数好的量表或问卷最好在0．80以上，0．70—0．80之间还算是可以接受的范围；分量表最好在0．70以上：0．60—0．70之间可以接受。若分量表的内部一致性系数在0．60以下或者总量表的信度系数在0．80以下，应该考虑重新修订量表或增删题目。 项已删除的刻度 方差 删除任何题项后的Cronbach’s α系数也无显著提高。可见核心知识性员工激励组合量表的内部一致性高，信度较好。信度分析说明该问卷的整体结构设计具有较高的可信度。由此可以认为，该问卷具有较好的内在信度，依此调查得到的数据是可信的，基于该问卷进行的数据统计分析结果也是比较可靠的。
从工作满意度与员工参与的相关分析结果中可以看出，工作满意度的6个维度均与员工参与有相关关系，且都为正向相关，显著性水平均达到0.05的显著性水平，可证明薪酬激励量表具有较高的收敛效度，可以进行后续研究，他们之间的相关性也可以说明本文的研究具有一定的意义。 对比上面相关系数表，项间相关性矩阵中相关系数判别标准：》=0.1(强相关)
（3）频数分析 P66 文献[558] 操作步骤：分析—描述统计—（123）频率（F）—移动变量到变量（V）框内—显示频率表格√—统计量—分布（偏度+峰度）—继续—确定 频率也称频数，就是一个变量在各个变量值上取值的个案数。SPSS中的频数分析过程可以方便地产生详细的频数分布表，即对数据按组进行归类整理，形成各变量的不同水平的频数分布表和常用的图形，以便对各变量的数据特征和观测量分布状况有一个概括的认识。描述总体分布形态的统计量主要有偏度和峰度两种。偏度(Skewness)是描述取值分布形态对称性的统计量，由Pearson在1895年提出。偏度由样本的3阶中心矩与样本方差的3／2次方的比值而得，偏度的绝对值越大，表示数据分布的偏斜程度越高。来自正态总体的样本偏度近似为0。偏度系数有两种测量方式，分别为皮尔逊偏度系数1和皮尔逊偏度系数2。偏度系数等于0的时候属于正态分布；偏度系数大于0的时候是右偏分布，表明较低的值占多数；偏度系数小于0的时候为左偏分布，表明较高的值占多数。峰度(Kutosis)是描述变量取值分布形态扁平程度的统计量，由Pearson 在1905年提出。峰度等于0的时候表示数据分布的扁平程度适中，即正态分布；峰度大于0的时候表示数据呈扁平分布；峰度小于0表明数据呈尖峰分布。 3 / 12
主成分分析在SPSS中的操作应用(1) 一、引言 主成分分析和因子分析在社会经济统计综合评价中是两个常被使用的统计分析方法。现在SPSS、SAS等统计软件使用越来越普遍，但SPSS并未像SAS一样，将主成分分析与因子分析作为两个独立的方法并列处理[注：主成分分析与因子分析二者是又有着区别与联系，最主要的不同在于它们的数学模型的构建上，具体区别请见参考文献2]，而是根据二者之间的关系有机地将主成分分析嵌入到因子分析之中，这样虽然简化了分析程序，却为主成分分析的计算带来不便。且国内许多SPSS教程并没有详细讲解如果应用SPSS进行主成分分析，如何使用SPSS对主成分分析进行计算呢？为使读者能够正确使用SPSS软件进行主成分分析，本文将通过一个实例来详细介绍如何用SPSS做主成分分析。接下来先简单介绍主成分分析原理与模型，以便读者对主成分分析有个大致的了解。 二、主成分分析原理和模型[1] （一）主分成分析原理 主成分分析是设法将原来众多具有一定相关性（比如P个指标），重新组合成一组新的互相无关的综合指标来代替原来的指标。通常数学上的处理就是将原来P个指标作线性组合，作为新的综合指标。最经典的做法就是用F 1 （选取的第 一个线性组合，即第一个综合指标）的方差来表达，即Var(F 1)越大，表示F 1 包 含的信息越多。因此在所有的线性组合中选取的F 1应该是方差最大的，故称F 1 为第一主成分。如果第一主成分不足以代表原来P个指标的信息，再考虑选取 F 2即选第二个线性组合，为了有效地反映原来信息，F 1 已有的信息就不需要再出 现再F 2中，用数学语言表达就是要求Cov(F 1 , F 2 )=0，则称F 2 为第二主成分，依 此类推可以构造出第三、第四，……，第P个主成分。（二）主成分分析数学模型 F2=a12ZX1+a22ZX2……+a p2ZX p …… F p =a 1m ZX 1 +a 2m ZX 2 +……+a pm ZX p 其中a 1i , a 2i , ……,a pi (i=1,……,m)为X的协方差阵Σ的特征值多对应的 特征向量，ZX 1, ZX 2 , ……, ZXp是原始变量经过标准化处理的值，因为在实际 应用中，往往存在指标的量纲不同，所以在计算之前须先消除量纲的影响，而将原始数据标准化，本文所采用的数据就存在量纲影响[注：本文指的数据标准化是指Z标准化]。