spss分类变量统计描述

SPSS数据库变量的分类数据分析通常会涉及到定量(quantitative)数据和定性(qualititative)数据，其在分析过程中的作用及相应的分析方法不尽相同。

因此在定义数据库结构时，必须明确数据库中使用的各种变量的类型(type)。

一、根据数据的运算类型不同划分1、数值型变量(numeric)在spss分析软件中，数值型是变量定义的缺省类型，可以进行所有的数值运算与统计分析。

为了更清楚地表达长数据，数值型变量可进一步划分为以下几类：1)逗号变量(comma)，以逗号为三位分割符号，将数据分割开来，如123，123。

2)句点变量(dot)，以逗号为小数点，以圆点为三位分割符号，如123.123,26。

3)科学计数变量(scientific notal)，以10的指数形式表示，分两个部分，第一个部分为有效数字，第二个部分为10的指数值，用e表示，正指数用+号，负指数用-号，如1.23e+02代表的数值为123。

科学计数主要用于一些整数位较长的数据。

数值型变量在数据库中是最常用的，大多数的数据在没有特别要求的情况下，通常采用数值型变量定义，当数值过大，超过了定义的宽度，就会自动转变为科学计数。

2、日期型变量(date)根据年月日时分秒的组合方式不同，日期型变量有多种不同格式，在spss 中，当日期型变量定义之后，只有输入相应格式的日期数据才能被接受。

如dd.mm.yy分别代表日月年，hh：mm：ss分别代表时、分、秒。

日期型变量通常用来反映对应数据产生的日期或时间，当需要了解数据产生的日期或时间特点时，通常会定义这一数据，数据的录入可以自动产生，也可以手工录入。

3、自定义货币变量(custom currency)可以根据使用的货币单位定义货币变量的前缀(prefix)与后缀(suffix)，显示方式为有效数字带定义货币变量的前缀或后缀，如0。

此变量为数值型变量，在使用多种货币销售或采购货物时，可使用此类变量。

描述性统计分析是针对数据本身而言，用统计学指标描述其特征的分析方法，这种描述看似简单，实际上却是很多高级分析的基础工作，很多高级分析方法对于数据都有一定的假设和适用条件，这些都可以通过描述性统计分析加以判断，我们也会发现，很多分析方法的结果中，或多或少都会穿插一些描述性分析的结果。

描述性统计主要关注数据的三大内容：1.集中趋势2.离散趋势3.数据分布情况描述集中趋势的指标有均值、众数、中位数，其中均值包括截尾均值、几何均值、调和均值等。

描述离散趋势的指标有频数、相对数、方差、标准差、标准误、全距、四分位间距、四分位数、百分位数、变异系数等。

注意：连续型变量和离散型变量的指标有所不同。

由于很多统计分析都有一个正态分布的假设，因此我们经常也会关注数据的分布特征，常用峰度系数和偏度系数来描述数据偏离正态分布的程度，也可以使用Bootstrap方法计算出结果与经典统计学方法计算出的结果进行对比，如果差异明显，则说明原数据呈偏态分布或存在极值SPSS用于描述性统计分析的过程大部分都在分析—描述统计菜单中，另有一个在比较均值—均值菜单，虽然这几个过程用途不同，但是基本上都可以输出常用的指标结果。

一、分析—描述统计—频率此过程可以输出连续型变量集中趋势和离散趋势的主要指标，还可以输出判断分布的直方图、峰度值和偏度值，此外，该过程最主要的作用是输出频数表，结果举例如下：二、分析—描述统计—描述看起来似乎这个过程才是正统的描述统计分析过程，实际上该过程输出的内容并不多，也没有统计图可以调用，唯一特别的是该过程可以对数据进行标准化变换，并保存为新变量。

三、分析—描述统计—探索探索性分析是对原有数据进行描述性统计的基础上，更进一步的描述数据，和前两种过程相比，它能提供更详细的结果。

四、分析—描述统计—比率该过程主要用于对两个连续变量间的比率进行描述分析输出的结果比较简单，只是指标的汇总表格，在此略去五、分析—描述统计—交叉表分类变量的描述性统计比较简单，主要就是看频数分布和构成比，基本用交叉表一个过程就可以完成，该过程虽然放在描述统计中，但是由于功能丰富，也经常被用来做列联表的推断分析。

spss描述性统计分析实验总结(3篇)为期半个学期的统计学试验就要完毕了，这段以来我们主要通过excl软件对一些数据进展处理，比方抽样分析，方差分析等，经过这段时间的学习我学到了许多，把握了许多应用软件方面的学问，真正地学与实践相结合，加深学问把握的同时也熬炼了操作力量，回忆整个学习过程我也有许多体会。

统计学是比拟难的一个学科，作为工商专业的一名学生，统计学对于我们又是相当的重要。

因此，每次试验课我都坚持按时到试验室，试验期间仔细听教师讲解，看教师操作，然后自己独立操作数遍，不懂的问题会请教教师和同学，有时也跟同学商议找到更好的解决方法。

几次试验课下来，我感觉我的力量的确提高了不少。

统计学是应用数学的一个分支，主要通过利用概率论建立数学模型，收集所观看系统的数据，进展量化的分析、总结，并进而进展推断和猜测，为相关决策供应依据和参考。

它被广泛的应用在各门学科之上，从物理和社会科学到人文科学，甚至被用来工商业及政府的情报决策之上。

可见统计学的重要性，仔细学习显得相当必要，为以后进入社会有更好的竞争力，也为多把握一门学科，对自己对社会都有好处。

几次的试验课，我每次都有不一样的体会。

个人是理科出来的，对这种数理类的课程原来就很感兴趣，经过书本学问的学习和试验的实践操作更加加深了我的兴趣。

每次做试验后回来，我还会不定时再独立操作几次为了不遗忘操作方法，这样做可以加深我的记忆。

依据记忆曲线的理论，学而时习之才能保证对学问和技能的真正以及把握更久的把握。

就拿最近一次试验来说吧，我们做的是“平均进展速度”的问题，这是个比拟简单的问题，但是放到软件上进展操作就会变得麻烦，书本上只是直接给我们列出了公式，但是对于其中的原理和意义我了解的还不够多，在做试验的时候难免会有许多问题。

不惊奇的是这次试验好多人也都是不明白，操作不好，不像以前几次试验教师讲完我们就差不多把握了，但是这次好像遇到了大麻烦，由于内容比拟多又是一些没接触过的东西。

统计分析分类以及SPSS分析方法一、统计分析内容的分类人类对客观事物的理解是多种多样的，这些理解能够是企业生产的规模，能够是企业生产机器的稳定性，能够是一个地区的教学质量，能够是市场经济的规律，也能够是一个时期的经济形势或环境等等。

撇开这些形形色色的形式内容，人们对客观事物的理解从目的来看可分为表面理解和本质理解两种。

本文将这种从形式内容中抽象出来的对客观事物的理解称之为统计分析内容。

表面理解就是对客观事物表面特征的理解；本质理解是从客观事物表面特征出发，最终得到超越客观事物表面特征的本质特征的理解。

同样，与统计分析内容相对应的统计分析（方法）就可分为表面分析和本质分析两种。

在统计分析方法的使用上，形式内容的理解与统计分析方法的关联不大，反而是在统计分析内容理解（对客观事物表面理解和本质理解）上，分析方法的使用差别较大，所以本文主要从统计分析方法的角度对统计分析内容加以细分。

在SPSS中，横向叫个案，所有个案组成样本；纵向叫变量，一个变量代表客观事物的某方面特征。

表面理解在SPSS中主要对应于样本理解，目的是理解样本所代表的具体事物的特征（当然样本的特征离不开变量，但目的不在变量）。

本质理解则以样本数据为基础，总结出同类事物的普遍特征，这些特征就是变量自身的特征（它从样本出发，但又超越样本），所以本质理解能够认为就是对变量的理解。

统计分析内容的划分与人们对客观事物的理解规律也密不可分。

人类对客观事物的理解都是由浅入深、由外及里的。

这种由浅入深、由外及里的理解过程正好体现了表面理解和本质理解两个过程。

统计分析的两种内容既是人们对客观事物理解的两个方面，也是人们对客观事物理解的两个过程，但它们能够是相互独立的。

因为人类出于理解目的的需要能够只理解客观事物的表面，也能够只理解客观事物的规律。

（一）表面理解表面理解是一种以理解具体客观事物表面特征为目的的理解。

对具体客观事物表面特征的理解，从定量和定性两个角度出发，还能够分为事物描述理解和事物评价理解两种。