SPSS统计分析实用教程(第2版)

73 单击【确定】按钮，得到客户表输出结果，如图3-26所示。

图3-26 客户表输出结果3.6 应用统计图进行描述性统计分析描述性统计分析除了应用数量指标以外，还可以应用条形图、饼图、帕累托图、直方图、箱图、茎叶图等统计图形，相应的统计图选项分布在【图形】菜单或者某些分析过程的相应选项下。

本节主要介绍在输出描述性统计量的同时，可以选择的统计图形。

在【分析】→【描述统计】→【频率】子菜单下的“图表”选项，可以选择绘制条形图、饼图和直方图。

在【分析】→【描述统计】→【探索】子菜单下的“绘制”选项，可以绘制箱图、茎叶图、直方图和检验数据正态性的Q-Q 图，并且可以选择是否按照分组来绘制箱图。

除帕累托图位于【分析】菜单的【质量控制】子菜单以外，所有的统计图都可以在SPSS 的【图形】菜单下得到。

一个好的习惯是，在进行统计分析前，总是把数据“画出来”，即做出数据的相关的统计图。

数据的类型不同，适用的统计图形也不同。

在绘制图形之前，一定要先清楚你要绘制的数据属于何种数据类型：是分类数据，还是尺度数据。

3.6.1 定性数据的图形描述——条形图、饼图、帕累托图定性数据的图形描述常用条形图、帕累托图或饼图表示。

（1）条形图给出相应每一类的频率（或者相对频率），长方形的高度（注：水平方向条形图为长方形的长度）与类的频率或者相对频率成比例。

（2）帕累托图是按照从高到低顺序排列条形图的长方形条后形成的一种特殊条形图，最高的长方形在左边。

它是质量控制中常用的一种图形工具，其中，长方形的高度通常表示生产过程中产生问题（如缺陷、事故、故障和失效）的频数，而最左边的长方形对应于最严重的问题区域。

帕累托图形就是在【分析】菜单的【质量控制】子菜单下“排列图”。

（3）饼图把一个整圆（饼）分成几份，每一份代表一个类，每份中心角与类相对频率成比例。

表3-1汇总了自1977年以来全世界45起与能源有关导致多人死亡的事故的原因。

该数据显然是定性数据，它保存在本章的数据文件“DisasterReason.sav ”中。

SPSS基本统计分析（⼆）：探索分析1、主要功能：
此分析⽅法可检查数据是否有错误，对样本分布特征以及样本分布规律作初步了解。

剔除奇异值和错误数据。

探索性分析过程将提供在分组和不分组的情况下常⽤的统计量和图形。

2. SPSS操作
2.1操作步骤
对30名10岁少⼉（15男15⼥）的⾝⾼（cm）进⾏探索性分析。

注意：录⼊数据时，对不同分组需要定义新的组值，这⾥，0代表男孩，1代表⼥孩。

点击统计，出现如下对话框：
点击图，出现如下对话框：
点击选项，出现如下对话框：
2.2输出结果
（1）个案处理摘要：由表中可以看出不同性别的有效个案数、缺失个案数和总计个案数。

（2）下表中包含了所有的描述性统计指标。

（3）M估计量：给出的是4种集中趋势的稳健估计量，表格下⽅还给出了不同⽅法计算估计量的加权常量。

当数据中存在极端值或异常值时，M估计量是很好的均值和中位数的替代者，能够更好的反映数据的集中程度。

在描述统计中，如果均值和中位数与M估计量的差距很⼤，说明数据中存在异常值。

（4）百分位数
（5）正态性检验
给出了KS和SW两种正态检验⽅法的结果，P值均⼤于0.05，因此认为数据服从正态分布。

（6）⽅差齐性检验
表格所⽰为莱⽂⽅差齐性检验的结果，并列举了计算莱⽂统计量的4种算法，由结果得，P值均⼤于0.05，认为不同性别的⾝⾼⽅差是齐性的。

（7）箱图与极端值
由箱图可以看出，编号为24的⼥孩⾝⾼在箱图外，属于离群点。

极值表格中输出的是每个变量的5个最⼤值和5个最⼩值。

应用数理统计与SPSS操作第二版课程设计1. 课程设计背景数理统计作为现代统计学的重要分支之一，已经普及至各个领域。

而在实际应用中，SPSS作为一款经典的统计软件也已经被广泛运用于各行各业。

本课程旨在通过结合应用数理统计与SPSS操作，使学生对于统计学的基础知识和实际应用有更深入的了解。

同时，通过课程设计，学生将亲手完成使用SPSS进行数据分析的流程，提高实际操作能力。

2. 课程设计内容2.1 教学目标通过此课程设计，学生应该掌握以下技能：•了解统计学的基本概念、方法和原理；•掌握SPSS软件的使用方法，能够正确地进行数据输入、清洗、验证、分析和可视化；•能够熟练运用SPSS软件进行常见的数据统计分析、假设检验和回归分析等操作；•能够将数据分析结果进行解释、总结和描述，并能够有效地使用图表和报告呈现。

2.2 课程大纲•第一章绪论–1.1 引言–1.2 统计学的基本概念–1.3 SPSS软件的简介和安装•第二章数据的收集和准备–2.1 数据的类型和概念–2.2 数据的收集方法和注意事项–2.3 数据的预处理和清洗•第三章数据的描述和表示–3.1 描述性统计分析–3.2 图形展示和可视化–3.3 数据的摘要和总结•第四章参数估计和假设检验–4.1 总体参数估计–4.2 假设检验的基本原理和步骤–4.3 假设检验的常见类型和实例•第五章方差分析和回归分析–5.1 单因素方差分析–5.2 多因素方差分析–5.3 简单线性回归分析和多元线性回归分析•第六章实验设计和质量控制–6.1 实验设计的基本原则和步骤–6.2 质量控制的方法和重要性•第七章课程总结和报告–7.1 课程总结和复习–7.2 报告的基本结构和要点–7.3 设计和完成一份科学报告3. 考核要求根据本课程设计的教学目标和大纲，考核方式如下：•日常作业和练习：占总成绩30%，需要学生进行SPSS操作练习和数据分析作业。

•期末考试：占总成绩50%，需要学生进行现场的手写或电脑操作试题。

27 结果文件，需要在SPSS 16或者更高版本中安装结果浏览器软件Legacy Viewer 才能阅读“*.spo ”格式的输出结果文件。

2.2 SPSS 数据编辑器简介
2.2.1 开始SPSS
当启动SPSS 软件（SPSS Statistics ）以后，默认情况下首先弹出图2-1所示的SPSS 开始界面对话框。

如果选择左边部分的两个选项，你可以进行如下的选择。

（1）选择【打开现有的数据源】，打开最近使用过的数据文件。

（2）选择【打开其他文件类型】，打开最近使用过的其他类型的非SPSS 的*.sav 格式的文件，例如SPSS 语法文件（*.sps ），SPSS 结果输出文件（*.spv
）等。

图2-1 SPSS 开始界面
或者选择右边的4个选项之一。

（1）选择【运行教程】，将出现SPSS 统计分析软件的教程，用户可以从中系统地学习SPSS 统计分析软件的各项功能。

（2）选择【输入数据】，可以输入全新的数据。

（3）选择【运行现有的查询】，可以运行已有的Sql 查询语句，在SPSS 数据编辑器中显示查询结果。

（4）选择【使用数据库向导创建新查询】，SPSS 数据库向导将帮助用户一步一步地从数据库中获取数据。

如果勾选图2-1下方的【以后不再显示此对话框（D ）】，则以后启动SPSS 软件时，图2-1所示的对话框将不再出现。

2.2.2 SPSS 的数据编辑器界面
1．数据编辑器界面
SPSS 数据编辑器有两个界面，数据视图界面和变量视图界面。

数据视图界面的数据编辑区是。

spss第二版习题及答案SPSS第二版习题及答案SPSS（Statistical Package for the Social Sciences）是一种统计分析软件，广泛应用于社会科学领域的数据分析和研究中。

对于学习SPSS的人来说，掌握习题并查看答案是提高技能的重要途径之一。

本文将为大家介绍一些SPSS第二版习题及其答案，希望能够帮助读者更好地理解和应用SPSS。

一、描述统计学习题1. 对于以下数据集，请计算平均数、中位数、众数、标准差和极差。

数据集：12，15，18，20，22，25，25，27，30，30答案：平均数：23.4，中位数：24，众数：25和30，标准差：6.89，极差：18 2. 对于以下数据集，请计算四分位数和箱线图。

数据集：10，12，15，18，20，22，25，25，27，30，30，32，35，40，45答案：第一四分位数（Q1）：18.5，第二四分位数（Q2）：25，第三四分位数（Q3）：32.5，箱线图：参考附图1。

二、假设检验学习题1. 一个研究人员想要确定一种新的药物是否对治疗抑郁症有效。

他随机选择了100名患有抑郁症的患者，并将他们分为两组：实验组和对照组。

实验组接受新药物治疗，对照组接受安慰剂。

请使用SPSS进行假设检验，判断新药物是否显著改善了患者的抑郁症状。

答案：使用t检验进行假设检验。

设定零假设（H0）：新药物对抑郁症状无显著改善；备择假设（H1）：新药物对抑郁症状有显著改善。

根据样本数据计算得到t值和p值，如果p值小于设定的显著性水平（通常为0.05），则拒绝零假设，认为新药物对抑郁症状有显著改善。

三、相关性分析学习题1. 一个市场研究人员想要确定广告投入和销售额之间的相关性。

他收集了10个不同广告投入和销售额的数据。

请使用SPSS进行相关性分析，并解释结果。

答案：使用Pearson相关系数进行相关性分析。

根据样本数据计算得到相关系数r，r的取值范围为-1到1，如果r接近1，则表示广告投入和销售额之间存在正相关关系；如果r接近-1，则表示存在负相关关系；如果r接近0，则表示不存在线性相关关系。

在教育技术研究过程中收集到大量的资料数据，但从这些杂乱无章的资料中，很难对其总体水平与分布状况做出评价判断。

因此，必须采用一些适当的方法对这些资料进行处理，使之简约化、分类化、系统化，从中发现它们的分布规律，掌握总体的特征，以便对其水平做出客观的评价。

统计描述方法，是研究简缩数据并描述这些数据的统计方法。

将搜集来的大量数据资料，加以整理、归纳和分组，简缩成易于处理和便于理解的形式，并计算所得数据的各种统计量，如平均数、标准差、以及描述有关事物或现象的分布情况、波动范围和相关程度等，以揭示其特点和规律。

（一）数据资料的整理和表示在教育技术研究中，我们用各种方法搜集来的资料，一般是零散的，它只反映个别现象的个别特征，必须经过整理加工，使之系统化，才能计算统计指标，进行统计分析，为进一步研究提供有用的信息，首先要进行的是统计整理，它包含以下几部分内容：1．数据检查主要检查数据的完整性与正确性。

统计资料完整性的检查，就是要根据调查项目检查是否填写齐全，避免遗漏，删去重复。

正确性检查，就是检查搜集的资料是否真实可靠。

特别是统计数字的真实性是统计工作的生命，统计资料的检查整理必须抓紧这一环。

数据检查可分为逻辑检查和计算检查两种方法。

逻辑检查，是从理论和一般常识上来检查资料内容是否合理，指标之间是否矛盾。

计算检查是检查统计数字在计算方法和计算结果上有否错误。

2．数据分类数据分类就是把搜集来的数据进行分组归类。

数据分类要做到既不重复、不遗漏，又不混淆，一般又可分为品质分类和数量分类。

品质分类：是按事物性质划分为不同的组别、种类。

如以性别为标志可分为男与女；按“理解能力”、“学习态度”等为标志，又可分为好、较好、一般、差等几种水平，每种水平可看成类，每一类可给以相当的数量。

可以通过各类所包含的数据再进行数量化的比较和分析。

数量分类：是按数量的属性分类。

有顺序排列法、等级排列法和次数分布法等。

⒊数据的排序数据排序：将各数据从大到小或从小到大进行排列。

2118.7 小结本章主要介绍了回归分析的基本概念。

从简单线性回归的概念入手，介绍了回归方程、回归方程的拟合程度检验、应用回归方程进行预测等方法。

多元线性回归和简单线性回归十分类似，应用回归分析需要检验回归分析的前提条件。

另外，还需要对回归方程的拟合程度进行分析和检验。

SPSS 线性回归分析过程提供了丰富的选项，用户可以根据预测变量与响应变量的相关程度来选择预测变量。

8.5节介绍了非线性回归，要求先给出数据之间的模型和未知参数的初始值，然后SPSS 将估计出该模型的具体形式，并给出模型拟合程度的度量。

8.6节介绍了曲线拟合的方法。

思考与练习1．下面哪些指标能够给出个案对回归影响大小的信息： A ．COOK 距离 B ．R 方C ．调整的R 方D ．Leverage 值2．进行线性回归，需要对回归的条件进行验证，哪些条件是不需要验证的： A ．因变量和自变量之间具有因果关系 B ．残差具有方差齐性 C ．残差之间不相关D ．自变量服从正态分布3．在一元回归情况下，以下论断正确的是：A ．回归方程的显著性检验和斜率的显著性检验是等价的B ．R 方和变化的R 方等价C ．回归方程的常数项可以忽略D ．以上论断都不正确4．下列方程是否为线性方程，如果形式上不是线性方程，能否变换成线性方程？ A ．201y b b x =+ B ．2210b xb x b y e ++=C ．3311220b x b x b x Y b e e +=++5．数据文件“world95.sav ”记录了1995年统计的各个国家的生育率（Fertility ）和妇女的平均预期寿命（Lifeexpf ）等数据。

（1）探索性分析这两个变量，探察两个变量中是否存在异常点。

（2）做出这两个变量的散点图，建立两个变量的线性回归模型，判断得到的模型的合理性。

（3）利用生育率来预测妇女的预期寿命，并设置相关选项，以进一步检验关于线性回归的假定条件。

SPSS统计分析基础教程第二版课程设计一、课程简介SPSS统计分析基础教程第二版课程是为了帮助学生全面掌握SPSS软件的基本操作和实现各种统计分析方法而设计的。

学生将通过本课程，学习到如何使用SPSS软件进行数据输入、数据清洗、数据可视化、统计分析等基础知识，并能熟练掌握SPSS软件的应用。

二、课程目标1.让学生掌握SPSS软件的基本操作步骤；2.帮助学生掌握数据输入、数据清洗、数据可视化、统计分析等基础知识；3.让学生能够熟练掌握SPSS软件的应用，并能灵活运用在实际的数据处理和分析中。

三、课程内容1. SPSS软件基础•SPSS软件介绍；•SPSS软件操作环境介绍；•SPSS数据文件格式；•SPSS软件的基础操作。

2. 数据输入与数据清洗•数据输入的三种形式；•SPSS软件数据集的构建；•数据清洗与数据转换。

3. 数据描述与可视化•数据描述概念；•数据可视化方法；•频数分布；•统计图表。

4. 统计分析方法•单变量的描述与检验；•双变量的描述及相关性分析；•比较分析；•方差分析；•回归分析；5. 统计分析结果的解读与表达•统计分析结果报告撰写；•统计分析报告格式与要求；•统计分析结果的可视化表达。

四、教学方法本课程采用讲解和练习相结合的教学方法，以降低学员的认知难度，让学生更好地理解和掌握SPSS软件的相关操作和分析方法。

具体教学方法包括：•讲解法：讲解SPSS软件的相关操作和分析方法；•案例分析法：通过分析实际案例，让学生应用SPSS软件进行数据处理和分析；•练习法：编织练习题，让学生进行自主练习，加深对SPSS软件的理解和掌握。

五、考核要求本课程考核包括平时成绩和期末考试成绩。

考试形式为闭卷考试，主要考核学生对SPSS软件的操作能力和统计分析方法的理解掌握程度。

六、参考资料•SPSS统计分析基础教程第二版；•SPSS Program Syntax Reference Guide；•SPSS Advanced Models 16.0；•SPSS Statistics 20.0 User’s Guide；•SPSS Survival Manual：A Step by Step Guide to Data Analysis Using SPSS。

第二章均值比较检验与方差分析在经济社会问题的研究过程中，常常需要比较现象之间的某些指标有无显著差异，特别当考察的样本容量n比较大时，由随机变量的中心极限定理知，样本均值近似地服从正态分布。

所以，均值的比较检验主要研究关于正态总体的均值有关的假设是否成立的问题。

◆本章主要内容：1、单个总体均值的 t 检验（One-Sample T Test）；2、两个独立总体样本均值的 t 检验（Independent-Sample T Test）；3、两个有联系总体均值均值的 t 检验（Paired-Sample T Test）；4、单因素方差分析（One-Way ANOVA）；5、双因素方差分析（General Linear Model→Univariate）。

◆假设条件：研究的数据服从正态分布或近似地服从正态分布。

在Analyze菜单中，均值比较检验可以从菜单Compare Means，和General Linear Model得出。

如图2.1所示。

图2.1 均值的比较菜单选择项§2.1 单个总体的t 检验（One-Sample T Test）分析单个总体的 t 检验分析也称为单一样本的 t 检验分析，也就是检验单个变量的均值是否与假定的均数之间存在差异。

如将单个变量的样本均值与假定的常数相比较，通过检验得出预先的假设是否正确的结论。

例1：根据2002年我国不同行业的工资水平（数据库SY-2），检验国有企业的职工平均年工资收入是否等于10000元，假设数据近似地服从正态分布。

首先建立假设：H0：国有企业工资为10000元；H1：国有企业职工工资不等于10000元打开数据库SY-2，检验过程的操作按照下列步骤：1、单击Analyze →Compare Means →One-Sample T Test，打开One-Sample T Test 主对话框，如图2.2所示。

图2.2 一个样本的t检验的主对话框2、从左边框中选中需要检验的变量（国有单位）进入检验框中。

使用SPSS评价学生的学习效果作者：张璐张盈侯致武来源：《现代商贸工业》2018年第36期摘要：通过具体案例，阐述使用SPSS软件进行多选项分析分析的详细过程，最后对不同班级在不同课程上的表现来分析学生的学习效果，为提升教学质量提供了一定的参考。

关键词：SPSS；教师评学；多选项分析中图分类号：G4 文献标识码：A doi：10.19311/ki.1672-3198.2018.36.081高等教育质量的最终落脚点是学生学习，对学生学习效果的评价更是提升高等教育质量的重要切入点。

本文利用SPSS软件对某大学教师对班级的评价数据表进行数据分析，以期为该校提供一个较为合理的评价学生学习效果的方法。

论文的初始数据来自于某大学教务处，采用其2017—2018 学年第一学期的教学质量评价数据。

案例：根据某大学数学教研室七名教师对所带课程班级的网上评价成绩，结合里克特量表的分类标准，给出了课堂教学效果评价标准（表2所示），制作了“教师评学表得分.sav”数据文件（表3所示）。

（2）启动交叉表格程序。

选择“分析”|“多重响应”|“交叉表格”命令。

如图2所示设置“多重响应交叉表格”。

通过多选项分析，可以得到如表4、5两张数据表格。

通过表4和表5中的计数，我们能够用每个班级在不同的课程上的表现来分析学生的学习效果。

“非常同意”和“同意”两项的总数最多，说明学生的学习比较好，而且评价指标也符合实际要求。

通过上述案例中的分析方法，可以再结合互联网上的大数据，就可以评价网络平台教育的教学质量，以及学生在线学习的效果，从而对大数据背景下的网络教育进行统计与测评。

参考文献[1]薛薇.基于SPSS的数据分析（第三版）[M].北京：中国人民大学出版社，2014.[2]冯岩松.SPSS22.0统计分析应用教程[M].北京：清华大学出版社，2015.[3]谢蕾蕾，宋志刚，何旭洪.SPSS统计分析实用教程（第2版）[M].北京：人民邮电出版社，2013.[4]颜其松.浅谈SPSS在社会研究多选项分析中的运用[J].重庆科技学院学报（社会科学版），2013，（10）.。

147续表二项式检验上个月流失与否类别N观察比例 检验比例 渐近显著性（双侧）无 家庭收入（千美元）组1 <=47 345.48 .50 .194a 组2 >47 381.52总数 726 1.00 家庭收入（千美元）组1 <=47 160.58 .50 .006a 组2 >47 114.42 是总数2741.00a. 基于Z 近似值从表6-1中的“二项式检验”部分可知，没有客户流失的组中家庭收入高于中位数47和小于等于47的比例与50%无显著区别；而有客户流失的组中，小于等于47的客户显然超过大于47的客户，即收入偏低的客户居多。

从“描述性统计量”部分知，在流失组中其家庭收入均值为61.63，没有流失的组均值为83.54。

流失组的3个四分位数都小于没有流失组的相应的四分位数。

6.2.3 K-S 检验K-S 检验是一种利用样本数据推断样本来自的总体是否与某一理论分布有显著差异的非参数统计方法，是拟合优度检验的方法之一。

它适用于探索连续型随机变量的分布。

K-S 检验在实际中有广泛的应用，如可以检验某个班级某科的成绩是否与正态分布有显著差异，某地区新生婴儿的体重是否与正态分布有显著差异，某商店顾客的到来是否与泊松分布有显著差异等都可以用K-S 检验来实现。

SPSS 的K-S 检验可以检验4种理论分布：正态分布、均匀分布、泊松分布和指数分布。

单样本K-S 检验的原假设为样本来自的总体与指定的理论分布无显著差异，记作0H 。

精算师需要分析某个地区驾驶员的交通事故数量，她在该地区随机抽取了500名驾驶员的数据。

她想验证驾驶员的交通事故数量是否服从泊松分布，就可以采用单样本的K-S 检验。

具体操作如下。

（1）打开本章的数据文件“autoaccidents.sav ”，选择【分析】→【非参数检验】→【单样本非参数检验】，弹出“单样本非参数检验”对话框，如图6-31所示，在“字段”选项卡中设置检验字段为“事故数”。