1、SPSS数据分析的流程



2、SPSS特性：



3、数据的编辑：

1.常量

数值型常量：除了普通写法外还可以用科学计数法，如：1.3E18；

字符型常量：用单引号或双引号括起来如果字符中包含单引号，则必须使用双引号；

日期常量：日期个数的数据，一般需要使用日期函数进行转换；

2.变量

变量名长度不能超过8；

三种基本的类型：数值、字符和日期；

可以在variable view界面设定变量的长度及小数位、变量的描述、变量值的描述、missing值、显示宽度、对齐方式和变量的测度方式；

3.变量的测试方式

Scale：定距变量，如：身高、体重等；

Ordinal：定序变量，如：教育程度、级别等；

Nominal：定类变量，如：性别、民族等；

4.操作符与表达式

三种基本的运算：数学、关系和逻辑

数学运算符：+ – * / ** ()

关系运算符：> >= < <= = ~=

逻辑运算符：&(AND) |(OR) ~(NOT)

三种运算对应三种表达式

5.常用的数据操作命令

Data->Sort Cases

Transform->Rank Cases

Transform->Count

Transform->Recode

Transform->Automatic Recode

Transform->Compute

Data->Transpose

Data->Split Files

Data->Merge Files

6.Compute

数值型：compute num1=value.

字符型：String A(a11).compute a=’hello world’.

日期型：compute data1=date.mdy(month，day， year).

7.Rocode

recode variable name(old value=new value).

recode variable name(old value=new value) into new variable name.

字符型变量使用auto recode

8.Split file

有的时候需要对变量做些分组的分析，但一些分析方法并不提供分组变量的设置选项这就需要用到Split file命令；

例如使用 Descriptives 做描述性分析，如果想分年龄做分析，这样就可以用年龄变量做为分组变量；

可以看到这里的Split其实是分组，而不是拆分文件；



9.Merge File

add cases 合并变量相同，但是case不同的文件；

add variables合并变量不同，case相同的文件这里的变量不同可以是部分的变量不同，case相同也可以是一个文件的case是另外一个文件的子集；

10.数据的分类汇总

使用Aggregate命令

指定分类变量对观测量进行分组，对每组观测量的各变量求描述统计量；

11.检查重复的数据

使用identify duplicate cases

12.数据的加权

使用weight case

13.选取一定的case进行分析

使用select cases：在对数据的子集进行分析的时候需要用到这个命令；

14.常用的数学函

取绝对值：abs（数字型表达式）

求余数函数：mod（数字型表达式，模数），模数不能为0该函数在需要对某一变量求模数的余数时使用，如果对一个顺序编号或自然数序列求模数的余数，可将该序列按模数等距分类，从而实行等距抽样；

四舍五入函数：rnd（数字型表达式）

开方函数：sqrt（数字型表达式）

4、基本的统计分析

1.SPSS统计分析概述：

针对不同类型的数据选取不同的分析方法，正确的分析方法是得到正确结果的关键；

spss提供数字分析和图形分析两种分析形式；

高级分析之前一般都需要做描述性统计分析，把握数据的规律对分析解释数据有很好的引导和帮助作用；

2.Descriptive Statistics

Frequencies：频数分析

Descriptives：描述统计

Explore：探索分析

Crosstabs：列联表分析

Ratio：比率分析

3.Descriptives

– 可以对变量进行标准化；

4.Explore

Explore是对连续性变量进行探索性分析最有效的工具；

考察数据的奇异性和分布特征；

箱盒图、茎叶图、正态检验图及方差齐次性检验；

5.Crosstabs

数据类型要求为分类变量；

二维或多维交叉频数表（列联表），分析事物（变量）之间的相互影响和关系；

可以做卡方检验，来分析行列变量之间是否存在相关性；

6.分类变量统计描述常用指标



7.Spss操作


8.连续变量的描述指标

9.如何计算各个描述统计量

文 | @数据挖掘与数据分析