SPSS统计分析实用教程(第2版)

4．读取“*.txt”数据文件
现需将“人居收入.txt”文件中的数据读入SPSS，如图所示： (1) 打开“数据编辑器”对话框，选择“文件”|“打开文本数据”命令，打 开“打开数据”对话框。选择文本文件，单击“打开”按钮，打开“文本导入向 导”对话框，如图所示：
(2) 在“您的文本文件与 预定义的格式匹配吗？ ” 选项组中选择 “ 是 ” 单选 按钮，可单击“浏览” 按 钮，选择已预定义好的 格式；单击 “ 否 ” 则需要 建立一个新格式。
2.1.1 打开定义变量视图
• 按前一章所述打开SPSS主界面，视图切换标签处单击“变 量视图”，即打开“变量视图”窗口，如图所示。在该视 图可对变量的以下属性进行定义：名称、类型、宽度、小 数、标签、值、缺失、列、对齐、度量标准和角色。
2.1.2 定义变量名称
• 在“变量视图”变量栏的“名称”栏中定义变量名称，用 户可根据数据需要或个人习惯进行定义，如果不对变量进 行定义，系统将自动默认变量名为var00001、var00002、 var00003等。一般根据变量的实质意义来命名，例如：年 龄、性别、年级等变量，可用Age,Gender,Grade命名，也 可用中文意义命名，但当出现变量数量较大时，一般使用 流水编号，即防混淆又方便。虽然变量可根据用户的需求 自行编辑，但仍有其需共同遵循的原则： • 若用英文命名，变量名首字必须为英文字母，其后方可接 数字、英文字母、@等。若用中文命名，则可直接使用。 • 不可使用空格和特殊字符（如键盘上的！、#、$、%、&、 ^、*、（、）、？等字符）。
(9) 之后进入下一步，如图所示。在“变量之间有哪些分隔符？”中，可根据 文本数据中变量间的分隔符，可选择“制表符”、 “空格”、“逗号 ”、“分号” 和“其他”复选框。在“文本限定符是什么？”中，可选择“无”、“单引号”、“ 双引号”和“其他”单选按钮，一般默认为“无”，选择完毕后单击“下一步” 。

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”。

探索性分析
03
均值比较与t检验
总结词
单样本t检验用于检验单个样本的均值是否与已知的某个值或参考值存在显著差异。
详细描述
在单样本t检验中，我们将已知的某个值或参考值作为检验标准，然后比较单个样本的均值与此标准之间的差异。通过计算t统计量和对应的p值，我们可以判断样本均值与标准值是否存在显著差异。
单样本t检验
通过图形方式展示两个变量之间的关系，可以直观地观察到它们之间的模式和趋势。
相关分析
散点图
相关系数
预测模型
通过一个或多个自变量预测因变量的值，建立预测模型，并评估模型的拟合优度和预测能力。
回归系数
描述自变量对因变量的影响程度，通过回归系数可以了解各个自变量对因变量的贡献。
线性回归分析
非线性关系
协方差分析是在考虑一个或多个协变量的影响后，比较两个或多个分类变量对数值型变量的影响。通过控制协变量的影响，可以更准确地评估各组之间的差异，并确定分类变量对数值型变量的真实效应。
总结词
详细描述
协方差分析
05
非参数检验
适用范围
01
卡方检验主要用于比较实际观测频数与期望频数之间的差异。
计算方法
02
通过卡方统计量，即实际观测频数与期望频数的差的平方与期望频数的比值，来评估两者之间的差异程度。
聚类分析
聚类分析基于观测数据之间的相似性或距离将它们分组，使得同一聚类中的数据尽可能相似，不同聚类中的数据尽可能不同。
聚类分析在市场细分、生物信息学和社交网络等领域有广泛应用。
THANKS FOR
WATCHING
感谢您的观看
详细描述
探索性分析
总结词
探索性分析还可以用于预测和分类，例如决策树、逻辑回归等。

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。