
SPSS分析技术:描述统计;了解手中的数据,从这里开始
无论是总体数据还是样本数据,描述统计都是了解它们的第一步,因为了解数据是进行进一步数据分析的基础。在统计基础文章中介绍过,描述数据可以从三个维度进行:集中趋势描述,离散程度描述和分布形态描述。每个描述维度都有相应的描述统计量,例如,描述集中趋势可以通过平均值、众数等统计量来展示;通过标准差、方差、最大值、最小值和范围等统计量来描述数据的离散程度;通过峰度和偏度来指示数据的分布形态。
SPSS-描述统计
SPSS将描述数据三个维度的所有统计量都整合进入【描述统计】菜单,能够非常方便的对定距数据进行描述,从而帮助分析者快速的了解数据,为进一步的数据分析打下坚实的基础。下图是SPSS的【描述统计】的统计量选择菜单:
从图中可知,该菜单提供了三个维度的特征统计量供分析者进行选择。集中趋势指标是平均值;离散指标包括标准差、方差、最大值、最小值、范围、标准误差平均值;分布状况指标包括峰度和偏度。
除了以上描述性指标以外,SPSS描述统计功能还能够将分析数据转换成Z分数(普通正态分布转换成标准正态分布)。在下图的左下角有一行小字:将标准化值另存为变量,如果将这行小字选中,则在原始数据表中将新生成一列由原始数据转换成的Z分数。
需要强调,只有服从正态分布的数据转换成标准正态分布才有意义。普通正态分布转换成标准正态分布后,原始数据在标准正态分布中所处的位置即为Z分数。Z分数的计算公式就是普通正态分布转换为标准正太分布的公式:
案例分析
现在有一份关于大学生网络使用情况的调查问卷,收集了100份有效回复。部分问卷和收集数据如下图所示。我们以其中的年龄变量为例,说明如何用SPSS提供的描述统计功能了解问卷回答者年龄的情况。
(例题数据文件已经上传到QQ群,群号文章底部温馨提示,需要的朋友可以前往下载)
分析步骤
1、从QQ群中下载问卷数据。打开数据后,选择菜单【分析】-【描述统计】-【描述】,打开描述统计对话框,如下图所示,将【感受1】到【感受10】选入【变量】,并选左下方的【将标准化得分另存为变量】。
2、点击【选项】按钮,在跳出的对话框中,选择所需的描述统计量。这里为了展示,将所有的统计量都选中。
3、点击确定,输出结果。
结果解释
1、描述性统计表。
每一行为选中的一个变量,每一列表示一个统计量。一目了然,分析者能够非常方便的从中了解不同变量的数据。
2、Z分数数据;
在数据视图最后部分,会将由原始数据转换得到的Z分数存储在这里。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15