SPSS期末复习笔记-新版.docx

2

SPSS四种输出结果：枢轴表/轻量表、文本格式、统计图表、模型 SPSS四种窗口：语法窗口、输出窗口、数据窗口、脚本窗口 SPSS三种运行方式：命令行方式、批程序方式、菜单对话框 SPSS默认文件类型：

数据文件*.sav：此为SPSS软件默认的数据文件格式，双击可由SPSS直接读取。

命令文件*.sps：可在语法编辑程序(syntax)中先编写或贴上欲执行之分析指令，并将其存贮起来，供日后重复使用或检查之用。

输出文件*.spo: 允许直接加以编辑或转贴到其他编辑软件，SPSS 16.0版之后将输出文件的默认格式改为*.spv。

数据文件清洗——多余重复的数据筛选清楚，将确实的数据补充完整，将错误的数据纠正或删除。 数据→标识重复个案 标识异常个案 问题的答案被称作变量的取值。将答案转变成可用于统计分析的数据，需要经过一个被称作“编码coding”的过程。

数据阵/数据文件：n个案例、m个变量构成的阵列 SPSS对数据的处理是以变量为基础的。

所以，数据录入前一定先定义变量及其属性，包括指定名称、（存储）类型、宽度、小数、标签、值、缺失、列（宽）、对齐、度量标准和角色。这也被称作建立数据框架。

变量名必须以字母、汉字或字符@开头，数字不可以，其他字符可以是任何字母、数字或_、@、#、$等符号。变量名中不能有空白字符或其他特殊字符（如“！”、“？”、“*”等）。 变量名最后一个字符不能是英文句号（.）。

在SPSS中不区分大小写。例如，HXH、hxh或Hxh对SPSS而言，均被视为同一个变量。 SPSS的保留字不能作为变量的名称，如ALL、AND、BY、EQ、GE、GT、LT、NE、NOT、OR、TO、WITH等。

SPSS中变量有3种基本类型：数值型、字符型（区分大小写）和日期型。

但根据不同的显示方式，数值型又被区分成：数值、逗号、圆点、科学计数法、美元、（用户）设定货币等6个子类型。不过，只有数值(N)最为常用。

默认状态下，所有变量的类型均为数值型，且宽度是8位、小数位是2位。 对话框界面可修改宽度和小数位，然后“确定”，但宽度必须大于小数位。 变量标签是对变量名的进一步描述，可长达120个字符 SPSS有两类缺失值：系统默认缺失值和用户定义缺失值。

对于数值型变量值，系统默认缺失值为圆点“.”，而字符型变量值的系统默认缺失值为空字符串（什么也没有）。

指定“列”实际上是设定变量的显示宽度，默认为8个字符的宽度。

统计学中，按照对事物描述的精确程度，将度量标准从低到高区分为4种类型： 定类尺度：仅能测定类别差，不能比较大小，各类之间没有顺序和等级，只能计算频数频率百分比，可以使用数值型变量，也可以是字符型变量。要符合穷尽和互斥的原则。 定序尺度：可比较优劣或排序，但数值不代表绝对数量大小，可以是数值型变量，可以是字符型变量。可以计算频数、频率和累计频率、累计频数。 定距尺度：不仅能区分不同类型并排序，还能指出类别之间的差距是多少，最典型的是温度。严格来说只能加减。其0值没有物理含义，没有绝对的“0”点，故不能做乘、除运算。 定比尺度：测算两个测度值之间比值，与定距变量相比差别是有一个固定的绝对“零点”。0在定距变量中仅是一个测量值，而定比变量真正表示没有。可以加减乘除。E.g.重量、年龄

可以将高层次测量尺度的结果转换为低层次测量尺度的测量结果，但不能把低层次的转化为高层次的。

半开放题的处理：指定变量时，可以使用两个变量，第1个变量中，“其他”作为一个选项；第2个变量将“其他”中“请注明”的内容作为一个单独的开放题，而将没有选择“其他”一项的案例在此变量上的取值作为系统缺失值。为使得变量名之间具有一定的逻辑联系，可以考虑将第二个变量的名称设置为由第一个变量名称后直接加“a”之类的字符。 多选题的处理：

①多重二分法：编码时，将每一个选项定义成一个变量，有几个选项就有几个变量，且均以取值等于1表示选了该项、以取值等于0表示未选该项。（标准处理方式）

②多重分类法：也是利用多个变量来对一个多选题的答案进行编码。应该用多少个变量，取决于实际可能给出的最多答案的数目而定。这多个变量必须为数值型变量，所有变量采用同一套取值标签。

Excel、txt的文件读取之后要保存为SPSS的文件。插入终止线时，开始（即0列）处和结尾（最后一列）处必须插入，否则会少变量

F4.0 A1 F是数值型 A是字符串 F4.0就是 数值型 宽度是4 小数是0 什么是固定宽度的，什么是分隔符等分开的？

数据管理

转换→变量级别的

—计算新变量：compute

—已有变量值的分组合并：recode（重新编码为不同/相同变量）

将度量变量重新分组为序号变量，或者将序号变量、名义变量的不同取值加以归类合并 “重新编码为相同变量”：对现有变量直接进行编码，保留该变量，只是根据设定的规则替换掉原来的取值。

“重新编码为不同变量”：根据现有变量的取值生成一个新变量来保存重新编码的结果。

包括端点！！

—连续变量的离散化

如果想进行的分组是比较有规律的，例如，等距分组，或等样本量分组，可以使用SPSS提供的“可视离散化”过程进行分组。

2

SPSS提供了两种可视离散化：需用户自行判断设定的可视离散化和基本全自动的最优离散化。

建议生成分割点的时候先填第一个分割点的位置和个数，然后自动生成宽度。 —变量的自动重编码与数值移动 自动重编码：自动按照原变量取值的大小或字符顺序生成新变量，而新变量的值就是原变量值大小的序号或先后序次。 个案排秩：变量的排秩实际上就是根据某个变量的取值大小来对个案排次序，同时将得到的排序结果保存到一个新变量中。虽然效果同样都是基于某个变量对个案进行排序，但“个案排秩”过程比“自动重新编码”过程更为灵活。 结：遇到相同取值如何给序号值 默认为最常用的秩：新变量的值等于原变量取值的序号

数值移动：在SPSS中，一种方式是以“计算变量”过程利用Lag( )函数、Lead( )函数来实现 lag函数是返回之前的，取前面的数（滞后），在杂项里面；lead函数是返回后面的，取后面的数（提前），但是计算变量里面没有lead函数了 转换→转换值

—“转换”菜单中的其他功能 “对个案内的值计数”过程用于标识某个变量中是否出现了某个值或某个范围的值，也可以计算一组变量中出现特定取值的变量个数。 数据→文件级别的 —排序个案

用户所指定的变量被称作排序变量

排序个案v.s.个案排秩 区别：是否产生新变量；个案相对位置是否变动。 —拆分文件 可以和选择个案达到同样的目的 按照不同组分别汇总统计结果 “按组组织输出”

拆分文件一旦设定，除非另行取消，否则将在后续的数据处理和分析中一直有效，而且会被另存在数据集里。 —选择个案（筛选） 除了拆分文件的功能，还有并不想对全部个案进行分析，而只是想对其中的一部分进行分析，这也需要用到“选择个案”过程。

过滤掉未选中个案：默认未选中个案不包括在分析中，但保留在数据中；并在数据文件中生成名为filter_$的变量加以标识，取值1表示被选中，0表示未被选中；数据视图最左端未被选中个案处会标以反斜杠。

选择个案一旦设定，除非另行取消，否则将在后续的数据处理和分析中一直有效，而且会被另存在数据集里。

随机个案样本 精确 后面的两个框框： 第一个框表示样本的容量。

第二个框表示样本的范围，也就是从第一个个案开始到第多少个个案 老师随机抽选同学回答问题就是这样做的。

—加权个案

给不同个案赋以不同的权重，以改变个案在统计分析中的重要性。通常两种情况下会用到这一过程：以频数形式录入的数据；不等概率样本数据。

加权个案一旦设定，除非另行取消，否则将在后续的数据处理和分析中一直有效，而且会被另存在数据集里。（同样的还有选择个案和拆分文件） —分类汇总

按指定的分类变量对个案进行分组，并按分组对变量求指定的描述性统计量，结果可以另存为新数据文件，也可以直接（生成新变量）添加到当前数据文件。 个案数：定义一个新变量，其取值等于每一分组下的个案数目 上方、下方都是开区间

内部：取值大于等于a且小于等于b 外部：取值小于a或大于b

分类汇总与拆分文件两个过程有何异同： 分类汇总还对变量做了描述性统计，而拆分文件只是对变量做了分类汇总，对变量进行描述还需要进一步的操作。

—数据文件的重组 （指的是长、宽格式之间的转换）

数据录入的默认格式每一案例占一行、每一变量占一列。这种数据被称作宽格式数据

某些特殊情况下，比如重复测量数据，进行分析时需要采用长格式数据，即：按照每一观测（observation）占一行、同一个案占多行的格式排列的数据。（标识符变量、索引变量） ①长→宽 将选定个案重组为变量

转换后原文件中的数据被直接替换，但文件名没有变。 ②宽→长 将选定变量重组为个案 —数据文件的合并

①纵向拼接/垂直合并 添加的是个案 ②横向合并/水平合并 添加的是变量

若使用关键变量（指定横向合并时按照什么样的规则进行对应）进行横向合并，则各数据文件都必须事先按照关键变量取值进行升序排列，否则会出错。为便于以SPSS进行横向合并，各数据文件中，表示不同含义的变量尽量采用不同的变量名称。

单变量描述统计：

集中趋势测量（中心性、中心测量）→众数（适用于任何测量等级的变量：名义、序号和尺度变量）

中位数（只适用于序号、尺度变量，而不适用于名义

变量，序号变量要还原到数字本来代表的意思，有一半的被调查对象的…在…以下/上）

均值（均值是数据分布的平衡点。只适用于尺度变量，

而不适用于名义、序号变量。另外，均值对变量的取值大小很敏感，故，对于存在极端值的情形，均值不宜用作反映变量分布集中趋势的指标，更好的选择是中位数。） 左偏（负偏态）：均值<中位数<众数

右偏（正偏态）：众数<中位数<均值（平均数受偏高数值影响较大） 若要分析不同城市的中位数等的结果，可以先拆分文件再进行分析

离散趋势测量（尺度统计量）→方差（总体：

??2??Y?Y?ii?1N2N样本：

s2???y?y?ii?1n2n?1 单位是变

2

量原始测量单位的平方 样本方差，也被称作样本修正方差，它是总体方差的无偏估计。这也是为什么需要在计算样本方差时除以n-1的原因）、标准差、异众比例（1-众数组所占比例）、范围（全距/极差）

分布形状测量→峰态（峰点陡缓程度通过计算峰度kurtosis系数来测量，多峰分布往往意味着群体内部存在分化）

偏态（分布是否对称通过计算偏度skewness系数来测量，SK是无量纲的量，

取值通常在-3到+3之间，其绝对值越大，表明偏斜程度越大。当分布呈右偏态时，SK>0，故也称正偏态；当分布为左偏态时，SK<0，故也称负偏态。）

统计学 = 描述统计 + 推断统计（参数检验&非参数检验）

推断统计 = 参数估计 + 假设检验（由样本来认识总体的两种方式） 参数估计 = 点估计 + 区间估计

描述统计的目的在于：简化或概括数据（信息）。采用何种描述统计工具取决于变量的测量水平。

数据分析的两个任务：描述样本 推断总体 判断是否正态（尺度变量）： 方法一：通过考察偏度和峰度系数 方法二：通过考察正态P-P图

方法三：通过正态性非参数检验（分析→非参数检验→单样本 “使用定制字段分配”） 除了考察变量取值分布的集中趋势、离散趋势、分布形状之外，还可以考察一些位置统计量，如：四分位数、百分位数等

对于尺度变量的描述统计，可以采用 分析 → 描述统计 → 频率 过程，也可以采用 分析 → 描述统计 → 描述 过程，还可以用分析 → 描述统计 → 探索 过程

IQR：四分位距=第三四分位数-第一四分位数 中间50%案例的取值范围，反映取值分布的离散程度

样本均值的标准误SE?s n标准误：抽样分布（若重复抽样规模为n=N的样本，将所有可能样本均穷尽，每一个样本统计量（如均值）的值便构成了一个新的分布，叫做抽样分布）的标准差

单总体均值（比例是特殊的均值）的假设检验：t检验

t?Y??0?Y?Y??0Y??0?~t(n?1)?/nS/n

分析→比较均值→单样本T检验

结论举例：因为95%置信区间并未包含0值，故应拒绝零假设。并无足够证据支持平均收入为20000美元的说法，故应认为收入不等于20000美元。 二总体均值差异的假设检验