第二节常用的数据描述统计本节拟讲述如何通过SPSS菜单或命令获得常用的统计量、频数分布表等.1．数据这部分所用数据为第一章例1中学生成绩的数据，这里我们加入描述学生性别的变量“sex”和班级的变量“class”，前几个数据显示如下（图2－2），将数据保存到名为“2-6—1.sav”的文件中。
图2－2：数据输入格式示例1．Frequencies语句（1）操作打开数据文件“2-6—1.sav"，单击主菜单Analyze /Descriptive Statistics / F requencies…，出现频数分布表对话框如图2—3所示.图2－3：Frequencies定义窗口把score变量从左边变量表列中选到右边，并请注意选中下方的Display frequency table复选框（要求显示频数分布表）。
如果您只要求得到一个频数分布表，那么就可以点OK按钮了.如果您想同时获得一些统计量,及统计图表，还需要进一步设置。
①Statistics选项单击Statistics按钮,打开对话框，请按图2-4自行设置。
有关说明如下：（ⅰ)在定义百分位值(percentile value)的矩形框中，选择想要输出的各种分位数，SPSS提供的选项有：●Quartiles四分位数,即显示25%、50％、75％的百分位数。
●Cut points equal 把数据平均分为几份。
如本例中要求平均分为3份。
●Percentile显示用户指定的百分位数，可重复多次操作.本例中要求15％、50%、85%的百分位数。
(ⅱ）在定义输出集中趋势（Central Tendency)的矩形框中,选择想要输出的集中统计量，常用的选项有: ●Mean 算术平均数●Median 中数●Mode 众数●Sum 算术和（ⅲ)在定义输出离散统计量(Dispersion）的矩形框中，选择想要输出的离散统计量,常用的选项有：●Std. Deviation 标准差●Variance 方差●Range 全距●Minimum 最小值●Maximum 最大值●S.E。
第三单元3分类变量的统计分析一、分类变量的描述统计分析分类变量的描述统计分析主要包括频数分布、频率分布和柱状图等。
1.频数分布频数（frequency）是每个类别在样本或总体中的出现次数。
频数分布（frequency distribution）是指将各个类别的频数按照从小到大的顺序列出，以显示它们的分布情况。
频数分布可以通过计算或绘制柱状图来展示。
2.百分比分布百分比（percentage）是每个类别频数与总频数的比例。
百分比分布（percentage distribution）是指将各个类别的百分比按照从小到大的顺序列出，以显示它们的分布情况。
百分比分布可以通过计算或绘制饼状图来展示。
3.柱状图柱状图（bar chart）是一种常用的展示分类变量分布情况的图形。
在柱状图中，每个类别在x轴上对应一个竖直的条形，条形的高度表示该类别的频数或百分比。
柱状图不仅可以展示各个类别的分布情况，还可以进行不同类别之间的比较。
二、分类变量的关联性分析分类变量的关联性分析可以帮助我们了解两个或多个分类变量之间的相关性。
其中常用的关联性分析方法包括卡方检验和列联表分析。
1.卡方检验卡方检验（chi-square test）是一种非参数统计方法，用于检验两个分类变量之间是否存在相关性。
卡方检验的原假设是两个变量独立无关，备择假设是两个变量相关。
通过计算卡方统计量和对应的P值，可以判断两个变量之间的关联性。
2.列联表分析列联表（contingency table）是用来描述两个或多个分类变量之间关系的表格。
通过计算每个类别的频数或百分比，并绘制列联表的热图或堆积图，可以直观地展示两个变量的关联性。
此外，通过计算列联表的卡方值和判断显著性水平，还可以进行进一步的关联性分析。
三、分类变量的预测分析分类变量的预测分析可以帮助我们根据已有数据对未知数据进行分类。
其中常用的预测分析方法包括逻辑回归和决策树。
1.逻辑回归逻辑回归（logistic regression）是一种用于建立分类模型的统计学方法。
