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。
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
R 语言：数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代，无论是科研人员验证实验假设（如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域，常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下，“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而，零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点：原理、优势与应用解析 在机器学习领域，随机森林（Random Forest）作为集成学习（Ensemble Learning） ...
2025-09-05Excel 区域名定义：从基础到进阶的高效应用指南 在 Excel 数据处理中，频繁引用单元格区域（如A2:A100、B3:D20）不仅容易出错， ...
2025-09-05CDA 数据分析师：以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下，CDA（Certified Data Analyst） ...
2025-09-05SQL 日期截取：从基础方法到业务实战的全维度解析 在数据处理与业务分析中，日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络（CNN）的发展历程中，解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师：驾驭数据范式，释放数据价值 在数字化转型浪潮席卷全球的当下，数据已成为企业核心生产要素。而 CDA（Certified ...
2025-09-04K-Means 聚类：无监督学习中数据分群的核心算法 在数据分析领域，当我们面对海量无标签数据（如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分：数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域，“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析：解锁数据价值的关键 在数字经济高速发展的今天，数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ()：深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中，loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题，需先明确 K-S 图的核心用途（检验样本分布与理论分布的一致性），再结合横轴 ...
2025-09-02CDA 数据分析师：助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下，数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战：基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中，税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX：租房系统数据库性能优化实践 在租房管理系统中，rent表是核心业务表之一，通常存储租赁订单信 ...
2025-09-01CDA 数据分析师：企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”， ...
2025-09-01数据清洗工具全景指南：从入门到进阶的实操路径 在数据驱动决策的链条中，“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化：以预测结果为核心的闭环调优路径 在机器学习模型落地中，“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
