下载文档原格式
SPSS学习笔记课（1）数据输⼊第三种输⼊法：开始——运⾏——“edit”课（2）数据检查（1）简单检查：排序观察（右击数据名——Sort Ascending/Descending）（2）极端值处理：将要检查的变量转换为Z分数（Descriptive Statistics---Descriptive---选中变量，在save standardized values as variables上打勾）——Data--Select Cases—选if condition is satisfied---定义条件：-2<=za1&za1<=2(两个标准差之内)----filtered/Deleted（3）缺失值处理：Transform---Replace Missing Values---选中处理的数据和处理⽅式课（3）数据整理（1）⽂件的合并（merge files）：打开被合并的⽂件------Data------merge files-----Add variables （2）⾏列转置（transpose）：Data------transpose-----选⼊Variable(s)⼩贴⼠：①时不时按下ctrl+s快捷键存盘②记事本和run edit.exe⽐较适合于中⼩型数据③重复相同命令，点击如下按键课（4）⾮连续性变量的描述统计Bar 直条图，⾮连续性变量（名称变量或顺序变量）Pie 饼图，⾮连续性变量课（5）连续性变量的描述统计Histogram 直⽅图，连续性变量，还可要求绘制正态曲线Frequencies/Descriptive/ExploreExplore在⼀般描述性统计指标的基础上，增加有关数据的其他特征的⽂字与图形描述，显得更加细致与全⾯，有助于⽤户思考对数据进⾏进⼀步分析的⽅案。
Plots对话框：Normality plot with test: 结果中Q—Q图，⽽且有变量正态分布的检验、Kolmogorov-Smirnov 检验和Shapiro—Wilk检验（样本量少于50时适⽤），如果P<.05，说明变量服从正态分布Spread-versus-Level with levene test:变异数同质性检验。
SPSS学习笔记之——相关分析（Pearson、Spearman、卡方检验）一、相关分析方法的选择及指标体系（一）两个连续变量的相关分析1、Pearson相关系数最常用的相关系数，又称积差相关系数，取值-1到1，绝对值越大，说明相关性越强。
该系数的计算和检验为参数方法，适用条件如下：（1）两变量呈直线相关关系，如果是曲线相关可能不准确。
（2）极端值会对结果造成较大的影响（3）两变量符合双变量联合正态分布。
2、Spearman秩相关系数对原始变量的分布不做要求，适用范围较Pearson相关系数广，即使是等级资料，也可适用。
但其属于非参数方法，检验效能较Pearson系数低。
（二）有序分类变量的相关分析有序分类变量的相关性又称为一致性，即行变量等级高的列变量等级也高，如果行变量等级高而列变量等级低，则称为不一致。
常用的统计量有：Gamma、Kendall的tau-b、Kendall的tau-c 等。
（三）无序分类变量的相关分析最常用的为卡方检验，用于评价两个无序分类变量的相关性。
根据卡方值衍生出来的指标还有列联系数、Phi、Cramer的V、Lambda 系数、不确定系数等。
OR、RR也是衡量两变量之间的相关程度的指标。
二、SPSS相关操作SPSS的相关分析散布在交叉表和相关分析两个模块中。
（1）交叉表过程如下图：以上的指标很全面，解释如下：（1）“卡方”复选框：为常用的卡方检验，适用于两个无序分类变量的检验。
（2）“相关性”复选框：适用于两个连续性变量的相关分析，给出两变量的Pearson相关系数和Spearman相关系数。
（3）“有序”复选框组：包含了一组反映有序分类变量一致性的指标，只能用于两变量均为有序分类变量的情况。
（4）“名义”复选框组：包含一组分类变量相关性的指标，有序和无序分类时都可使用，但变量为有序时，检验效能没有“有序”复选框组中的统计量高。
（5）Kappa：为内部一致性系数。
（6）风险：给出OR或RR值。
一、生存分析基本概念1、事件（Event）指研究中规定的生存研究的终点，在研究开始之前就已经制定好。
根据研究性质的不同，事件可以是患者的死亡、疾病的复发、仪器的故障，也可以是下岗工人的再就业等等。
2、生存时间(Survival time)指从某一起点到事件发生所经过的时间。
生存是一个广义的概念，不仅仅指医学中的存活，也可以是机器出故障前的正常运行时间，或者下岗工人再就业前的待业时间等等。
有的时候甚至不是通用意义上的时间，比如汽车在出故障前的行驶里程，也可以作为生存时间来考虑。
3、删失（Sensoring）指由于所关心的事件没有被观测到或者无法观测到，以至于生存时间无法记录的情况。
常由两种情况导致：（1）失访；（2）在研究终止时，所关心的事件还未发生。
4、生存函数（Survival distribution function）又叫累积生存率，表达式为S（t）=P(T>t),其中T为生存时间，该函数的意义是生存时间大于时间点t的概率。
t=0时S(t)=1，随着t的增加S(t)递减（严格的说是不增），1-S(t)为累积分布函数，表示生存时间T不超过t的概率。
二、生存分析的方法1、生存分析的主要目的是估计生存函数，常用的方法有Kaplan-Meier法和寿命表法。
对于分组数据，在不考虑其他混杂因素的情况下，可以用这两种方法对生存函数进行组间比较。
2、如果考虑其他影响生存时间分布的因素，可以使用Cox回归模型（也叫比例风险模型），利用数学模型拟合生存分布与影响因子之间的关系，评价影响因子对生存函数分布的影响程度。
这里的前体是影响因素的作用不随时间改变，如果不满足这个条件，则应使用含有时间依存协变量的Cox回归模型。
下面用一个例子来说明SPSS中Cox回归模型的操作方法。
例题要研究胰腺癌术中放疗对患者生存时间的影响，收集了下面所示的数据：操作步骤：SPSS变量视图菜单选择：点击进入Cox主对话框，如下，将time选入“时间”框，将代表删失的censor变量选入“状态”框，其余分析变量选入“协变量”框。
SPSS学习笔记描述样本数据一般的，一组数据拿出来，需要先有一个整体认识。
除了我们平时最常用的集中趋势外，还需要一些离散趋势的数据。
这方面EXCEL就能一次性的给全了数据，但对于SPSS，就需要用多个工具了，感觉上表格方面不如EXCEL好用。
个人感觉，通过描述需要了解整体数据的集中趋势和离散趋势，再借用各种图观察数据的分布形态。
对于SPSS提供的OLAP cubes（在线分析处理表），Case Summary（观察值摘要分析表），Descriptives （描述统计）不太常用，反喜欢用Frequencies（频率分析），Basic Table（基本报表），Crosstabs（列联表）这三个，另外再配合其它图来观察。
这个可以根据个人喜好来选择。
一．使用频率分析（Frequencies）观察数值的分布。
频率分布图与分析数据结合起来，可以更清楚的看到数据分布的整体情况。
以自带文件Trends chapter 13.sav为例，选择Analyze->Descriptive Statistics->Frequencies，把hstarts选入Variables，取消在Display Frequency table前的勾，在Chart里面histogram，在Statistics选项中如图1图1分别选好均数(Mean)，中位数(Median)，众数(Mode)，总数(Sum)，标准差(Std. deviation)，方差(Variance)，范围(range)，最小值(Minimum)，最大值(Maximum)，偏度系数(Skewness)，峰度系数(Kutosis)，按Continue返回，再按OK，出现结果如图2图2表中，中位数与平均数接近，与众数相差不大，分布良好。
标准差大，即数据间的变化差异还还小。
峰度和偏度都接近0，则数据基本接近于正态分布。
下面图3的频率分布图就更直观的观察到这样的情况图3二．采用各种图直观观察数据分布情况，如采用柱型图观察归类的比例等。
第一章 基本统计分析功能1. Frequencies 过程1 【Charts 钮】用于设定所做的统计图。
2 Chart type 单选钮组 定义统计图类型，有四种选择：无、条图（Bar chart ）、圆图(Pie chart)、直方图Histogram ），其中直方图还可以选择是否加上正态曲线（With normal curve ）。
3 Chart Values 单选钮组 定义是按照频数还是按百分比做图（即影响纵坐标刻度）。
4 【Format 钮】用于定义输出频数表的格式，不过用处不大，一般不管。
5 Order by 单选钮组 定义频数表的排列次序，有四个选项：1. Ascending values 为根据数值大小按升序从小到大作频数分布；2. Descending values 为根据数值大小按降序从大到小作频数分布；3. Ascending counts 为根据频数多少按升序从少到多作频数分布；4. Descending counts 为根据频数多少按降序从多到少作频数分布。
3 Multiple Variables 单选钮组如果选择了两个以上变量做频数表，则4. Compare variables 可以将他们的结果在同一个频数表过程输出结果中显示，便于互相比较，5. Organize output by variables 则将结果在不同的频数表过程输出结果中显示。
6 Suppress Tables more than...复选框 当频数表的分组数大于下面设定数值时禁止它在结果中输出，这样可以避免产生巨型表格。
Descriptives 过程【Save standardized values as variables 复选框】确定是否将原始数据的标准正态评分存为新变量。
1 【Display 单选钮组】用于选择输出结果中是否包含统计描述、统计图或两者均包括。
2 【Dependent List 框】用于选入需要分析的变量。
SPSS学习笔记
第1章Modeler操作
1.1节点
添加节点：双击鼠标左键
删除节点：直接DEL
添加连接：ALT+鼠标拖动
绕过节点：ALT+鼠标双击
禁用节点：编辑—节点—禁用启用
删除链接：鼠标右键。
删除节点全部链接：选中节点 F3
缓存：除了源节点其他中间节点可使用缓存增加处理速度
注释：添加注释，在注释选项卡开的时候所有的都显示，如果不开就不会显示。
模型块：如果是选择的建模节点，或者数据库建模，则会出现模型块。
双机模型块可以看到预测数据。
给模型块添加输出节点可以输出
注释：通过流属性编辑注释颜色
载入文件：可以在IBM® SPSS® Modeler 中重新载入以下几种已保存的对象：
•流 (.str) •状态 (.cst) •模型 (.gm) •模型选项板 (.gen) •节点 (.nod)
•输出 (.cou) •工程 (.cpj)
映射数据流：可以将原数据源替换或者映射。
一、生存分析基本概念1、事件（Event）指研究中规定的生存研究的终点，在研究开始之前就已经制定好。
根据研究性质的不同，事件可以是患者的死亡、疾病的复发、仪器的故障，也可以是下岗工人的再就业等等。
2、生存时间(Survival time)指从某一起点到事件发生所经过的时间。
生存是一个广义的概念，不仅仅指医学中的存活，也可以是机器出故障前的正常运行时间，或者下岗工人再就业前的待业时间等等。
有的时候甚至不是通用意义上的时间，比如汽车在出故障前的行驶里程，也可以作为生存时间来考虑。
3、删失（Sensoring）指由于所关心的事件没有被观测到或者无法观测到，以至于生存时间无法记录的情况。
常由两种情况导致：（1）失访；（2）在研究终止时，所关心的事件还未发生。
4、生存函数（Survival distribution function）又叫累积生存率，表达式为S（t）=P(T>t),其中T为生存时间，该函数的意义是生存时间大于时间点t的概率。
t=0时S(t)=1，随着t的增加S(t)递减（严格的说是不增），1-S(t)为累积分布函数，表示生存时间T不超过t的概率。
二、生存分析的方法1、生存分析的主要目的是估计生存函数，常用的方法有Kaplan-Meier法和寿命表法。
对于分组数据，在不考虑其他混杂因素的情况下，可以用这两种方法对生存函数进行组间比较。
2、如果考虑其他影响生存时间分布的因素，可以使用Cox回归模型（也叫比例风险模型），利用数学模型拟合生存分布与影响因子之间的关系，评价影响因子对生存函数分布的影响程度。
这里的前体是影响因素的作用不随时间改变，如果不满足这个条件，则应使用含有时间依存协变量的Cox回归模型。
下面用一个例子来说明SPSS中Cox回归模型的操作方法。
例题要研究胰腺癌术中放疗对患者生存时间的影响，收集了下面所示的数据：操作步骤：SPSS变量视图菜单选择：点击进入Cox主对话框，如下，将time选入“时间”框，将代表删失的censor变量选入“状态”框，其余分析变量选入“协变量”框。
SPSS学习笔记---------------------------------------1. SPSS学习笔记之——常用统计方法的选择汇总2. SPSS学习笔记之——多因素方差分析3. SPSS学习笔记之——协方差分析4. SPSS学习笔记之——重复测量的多因素方差分析5.SPSS学习笔记之——二项Logistic回归分析6.SPSS学习笔记之——两配对样本的非参数检验（Wilcoxon符号秩检验）7.SPSS学习笔记之——两独立样本的非参数检验（Mann-Whitney U秩和检验）8.SPSS学习笔记之——多个独立样本的非参数检验（Cruskal-Wallis秩和检验）9.SPSS学习笔记之——生存分析的Cox回归模型（比例风险模型）10.SPSS学习笔记之——相关分析（Pearson、Spearman、卡方检验）11.SPSS学习笔记之——配对logistic回归分析12.SPSS学习笔记之——单样本非参数检验13.SPSS学习笔记之——ROC曲线14.SPSS学习笔记之——Kaplan-Meier生存分析15.SPSS学习笔记之——多相关样本的非参数检验（Friedman检验）16.R×C列联表(分类数据)的统计分析方法选择与SPSS实现17.SPSS学习笔记之——OR值与RR值----------------------------------------价SPSS学习笔记之——多因素方差分析问题：对小白鼠喂以三种不同的营养素，目的是了解不同营养素增重的效果。
采用随机区组设计方法，以窝别作为划分区组的特征，以消除遗传因素对体重增长的影响。
现将同品系同体重的24只小白鼠分为8个区组，每个区组3只小白鼠。
三周后体重增量结果(克)列于下表，问小白鼠经三种不同营养素喂养后所增体重有无差别？区组号营养素1营养素2营养素3150.1058.2064.50247.8048.5062.40353.1053.8058.60463.5064.2072.50571.2068.4079.30641.4045.7038.40761.9053.0051.20842.2039.8046.20SPSS软件版本：18.0中文版。
1、信度分析（指标及其降维与量表的可靠性关系，即Cronbachα系数） (2)2分析——频率分析（把握数据分布特征） (3)3、分析——探索 (4)4、P-P图 (4)5、制图 (5)附加内容：参数估计 (5)6、t检验（student t检验）——均值的差异性 (6)附加：非参数检验 (6)7、方差F检验 (6)8、单因素ANONA检验（亦是方差检验，即一维方差分析） (7)9、分析→一般线性模型→单变量 (8)10、卡方分析（Kappa）——表示观测值A t与理论值p t间的偏离程度。
(8)11、相关分析（不确定性关系分析）——方向与大小方面的关联 (9)附加：二元变量相关分析：（两个及以上变量零假设的相关性分析） (9)12、偏相关分析：（控制可能影响性变量） (10)13、回归分析基础（确定性关系的分析） (10)附加：线性回归分析（R2、F（方差）、Sig.） (10)14、主成分分析与因子分析 (15)15、因子分析 (17)16、分析→分类 (19)分类概述（非分层的） (19)附加：K-means聚类过程：（用变量来实现样品的动态分类） (20)附加：系统聚类（分层聚类） (20)两步聚类：（置信度Confidence level区别其是否有差异） (21)1、信度分析（指标及其降维与量表的可靠性关系，即Cronbachα系数）信度界定：人们在衡量某事物的某种综合特征时，往往要从影响该事物该种特征的多个方面进行分析。
例如评价某人的身体素质，就要从他的身高、胸围、脉搏、血压及肺活量等多个方面进行考虑。
由这些指标的聚集构成的表称为量表。
量表的结构是否合理，或者说所选择的指标是否全面反映对应事物的性质，以及指标取值的可信程度等等，需要作出判断。
可靠性分析就是一种对上面几个问题进行解决的方法。
基本功能：通过研究测量数值和组成研究指标的特性，剔除无效的或者对研究对象作用较小的指标，从而达到将一个多维的研究对象进行降维的目的，正是由于对分析数据进行了降维，发现了反映研究对象的数据结构，从而提高数据的可靠性。
第一节：spss的基本脉络：20世纪60年代末，美国斯坦福大学的三位研究生研发了最早的统计分析软件spss，同时成立了spss公司并在1975年组建spss总部；伴随着spss的成长壮大，其产品内涵也在不断扩大并由最初的spss（Statistical Package for the Social Sciences“社会科学统计软件包”）发展至2000年更名为spss（Statistical Product and Service Solutions“统计产品与服务解决方案”）；2009年4月spss公司重新定义其产品并更名为PASW(Predictive Analytics Software“预测统计分析软件”），新产品包括四部分PASW Statistics（统计分析）、PASW Modeler（建模）、Data Collection family（数据收集）、PASW Collaboration and Deployment Services（部署协作服务）。
其版本也有最初的spss/pc+输入命令行的方式发展成为如今的可视对象的交互式操作方式：spss for windows，目前较新的版本是pasw（spss）18.0版。
相比较其他专业统计软件来说，spss易学易用以普及，这也是spss兴盛的主要原因之一。
spss被广泛的应用于社会科学和自然科学领域。
并在各个行业产生了深远的影响，提高各行业数据处理能力，并为各领域数据挖掘和数据预测提供准确的数据支持，提升了诸多领域的运作效率，在人类活动各领域发挥了巨大作用。
第二节：PASW主窗口菜单介绍PASW主窗口菜单包含File、Edit、View、Data、Transform、Analyze、DirectMarketing、Graphs、Utilities、Add-ons、Window、Help等菜单项。
主窗口菜单及功能PASW也包含两个基本窗口Data View（数据查看及录入修改窗口）和Variable View（变量属性窗口）Data View窗口如下：Variable View窗口如下：利用SPSS进行数据分心的一般步骤：1）spss数据的准备阶段；2）spss数据的加工整理阶段；3）spss数据的分析阶段；4）spss分析结果的阅读和解释；缺失数据（missing）pasw数据文件1.pasw数据文件的扩展名是.sav;2.pasw数据文件是一种有结构的数据文件，pasw数据的基本组织方式（数据机构、数据内容）；原始数据的组织方式（case、variable），频数数据的组织方式egpasw数据结构和定义方法（variable view窗口中）变量名（name）、类型（type）、宽度(width)、小数点位数（decimals）、标签（label)、值（values）、缺失值（missing）、列宽度（columns）、对齐方式（align）、度量尺度（measure）、数据来源方式（role）变量名（name）1）变量名的字符个数不多于8个（可变）；2）首字符应以英文字母或汉字开头，后面可以跟！、？、*以外的字母或数字符号；3）变量名不区分大小写，不能与特定含义的字符同名，如ALL,BY,AND,OR,NOT等4）Spss有默认的变量名，以字母“var”开头，后面补足5位数字。
