京公网安备 11010802034615号
经营许可证编号:京B2-20210330
用excel完全可以代替SPSS软件
市场研究界习惯使用SPSS软件进行统计计算与分析,大家都说效果非常不错。当年刚刚创业时,我们也慕名准备使用该软件。到同行处去看了一下,不仅英文多,而且与Window不兼容(当时是这样),对于我们这些离不开微软程序的人来说,这样的学习成本太高了。后来,深入研究了一下excel程序,发现微软实在是优秀的软件公司,使用excel程序完全可以替代SPSS程序。

一、 excel中的统计函数
除了轻而易举的四则运算之外,在excel中有专门的统计函数栏目(点击插入-函数-统计),包括∶中位数(MEDIAN)、众数(MODE)、方差(DEVSQ)、标准差(STDEV)、频率(FREQUENCY)、置信区间(CONFIDENCE)、最大值(MAX)、最小值(MIN)等等,看一看帮助说明操作起来很容易。
如果一下找不到想要的函数,也不难,可以根据公式让excel计算。我不喜欢记公式,就去查一下书,然后把常用的一些统计公式做到excel某个文件中。比如,为计算应调查的样本数量,做出下表∶
1、重复抽样
概率度t
标准差σ
极限误差△
样本总数N
样本数n
B3
C3
=B3^2*C3^2/D3^2
2、不重复抽样
概率度t
标准差σ
极限误差△
样本总数N
样本数n
B5
C5
D5
E5
F5
=E5*B5^2*D5^2/(E5*D5^2+B5^2*D5^2)
等等。上表中B3、C3等符号是为了说明空格的位置才加上去了,在excel中看不到,在相应的位置输入实际的数据结果就会自动算出来。当然,用vb的frame控件来编个程序也可以,但好像太浪费大脑与电脑资源了,这样的函数已经足够解决我们的问题。其它很多统计计算用函数也可同样处理。
二、 统计数据分析
1、分析工具库加载宏
SPSS中的回归分析,在excel“工具”中也用(见本人的博客“利用excel提高工作效率”),用数组公式也可以,步骤如下∶
A. 选定数组公式输入区域
B. 输入公式
C. 按ctrl+shift+enter完成
2、聚类分析等
充分利用excel中的“筛选”、“排序”即可,在“数据”菜单中,具体操作方法请看“帮助”。在excel中做交叉分析时,可以使用“筛选”,数据的个数数字会显示在excel文件的下方。当然,如果要做大量的交叉分析,这样的办法还是很不方便的,不够自动化,很多数字要靠手工记录,这个时候,就要辛苦一些,用vb语言做一下程序了(不要怕,vb语言就是为非专业人士准备的程序语言,操作思路见本人的博客“利用excel提高工作效率”。
3、各种统计检验
在excel中,还有成对双样本均值分析、t检验:双样本等方差假设、F检验:双样本方差分析等,能够大大提高统计结论的科学性。
三、 用宏语言安排统计工作
在SPSS中,使用者没有什么自由度,完全受到人家事先编好程序的控制,遇到一些临时出现需要特别处理的问题十分被动,不妨尝试一下在Window中用vb语言编一些程序吧。我做交叉分析就用了vb语言,就是用循环句(for)而已,让统计结果自动汇总显示在数据库的某一处。当然,为了提高程序的运行速度,建议尽量利用Window本身已有的功能。比如,我会让程序先对数据库进行排序,然后利用Window已有的“筛选”功能提高计算的速度,这样,运行效率提高了很多。即使不懂这些所谓的技巧也没有关系,大不了让电脑累一些就是了,你自己可以放松一下,多一些伸懒腰的时间。
数据库的汇总统计用countif函数也可以,但太笨,如果你经常做统计工作,建议将工作“录制宏”,并进行一些改编,这样,一点击鼠标,数据的统计结果就自动出来了。这还不够,我还让excel根据统计结果自动作图,自动将统计数据库及图标拷贝到Word中(因为我们总是在Word中写分析报告)。
我们的问卷一般都录入在Word文件中,我们设置的excel数据统计程序显示的选项都是数字,没有把汉字选择项表示出来。一开始,我们都是从Word中一点一点把文字拷进excel表格中的相应位置,后来,我觉得如果已经在电脑中输入过一次,就不应该为此做第二次的手工工作,就编了一个小程序,Word中的汉字就可以直接自动拷贝到excel中来了,省了很多手工劳动。
四、 其它,象制图之类的工作,excel也相当出色,没有必要劳驾SPSS。
总之,Office实在是太强了,在电脑办公方面有绝对的垄断性,好好用它,就可以不理睬许多其它的电脑软件,大大提高我们的工作效率,降低自己的学习与时间成本。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27数据分析的基础范式,是支撑数据工作从“零散操作”走向“标准化落地”的核心方法论框架,它定义了数据分析的核心逻辑、流程与目 ...
2026-01-27在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26在数字化浪潮下,数据分析已成为企业决策的核心支撑,而CDA数据分析师作为标准化、专业化的数据人才代表,正逐步成为连接数据资 ...
2026-01-26数据分析的核心价值在于用数据驱动决策,而指标作为数据的“载体”,其选取的合理性直接决定分析结果的有效性。选对指标能精准定 ...
2026-01-23在MySQL查询编写中,我们习惯按“SELECT → FROM → WHERE → ORDER BY”的语法顺序组织语句,直觉上认为代码顺序即执行顺序。但 ...
2026-01-23数字化转型已从企业“可选项”升级为“必答题”,其核心本质是通过数据驱动业务重构、流程优化与模式创新,实现从传统运营向智能 ...
2026-01-23CDA持证人已遍布在世界范围各行各业,包括世界500强企业、顶尖科技独角兽、大型金融机构、国企事业单位、国家行政机关等等,“CDA数据分析师”人才队伍遵守着CDA职业道德准则,发挥着专业技能,已成为支撑科技发展的核心力量。 ...
2026-01-22在数字化时代,企业积累的海量数据如同散落的珍珠,而数据模型就是串联这些珍珠的线——它并非简单的数据集合,而是对现实业务场 ...
2026-01-22在数字化运营场景中,用户每一次点击、浏览、交互都构成了行为轨迹,这些轨迹交织成海量的用户行为路径。但并非所有路径都具备业 ...
2026-01-22在数字化时代,企业数据资产的价值持续攀升,数据安全已从“合规底线”升级为“生存红线”。企业数据安全管理方法论以“战略引领 ...
2026-01-22在SQL数据分析与业务查询中,日期数据是高频处理对象——订单创建时间、用户注册日期、数据统计周期等场景,都需对日期进行格式 ...
2026-01-21在实际业务数据分析中,单一数据表往往无法满足需求——用户信息存储在用户表、消费记录在订单表、商品详情在商品表,想要挖掘“ ...
2026-01-21在数字化转型浪潮中,企业数据已从“辅助资源”升级为“核心资产”,而高效的数据管理则是释放数据价值的前提。企业数据管理方法 ...
2026-01-21在数字化商业环境中,数据已成为企业优化运营、抢占市场、规避风险的核心资产。但商业数据分析绝非“堆砌数据、生成报表”的简单 ...
2026-01-20