描述性统计分析
描述性统计分析
一、什么是描述统计分析（Descriptive Analysis）概念：使用几个关键数据来描述整体的情况描述性数据分析属于比较初级的数据分析，常见的分析方法包括对比分析法、平均分析法、交叉分析法等。
描述性统计分析要对调查总体所有变量的有关数据做统计性描述，主要包括数据的频数分析、数据的集中趋势分析、数据离散程度分析、数据的分布、以及一些基本的统计图形。
Excel里的分析工具库里的数据分析可以实现描述性统计分析的功能。
描述性统计分析即是对数据源最初的认知，包括数据的集中趋势、分散程度以及频数分布等，了解了这些后才能去做进一步的分析。
二、常用指标均值、中位数、众数体现了数据的集中趋势。
极差、方差、标准差体现了数据的离散程度。
偏度、峰度体现了数据的分布形状。
1、均值。
均值容易受极值的影响，当数据集中出现极值时，所得到的的均值结果将会出现较大的偏差。
2、中位数：数据按照从小到大的顺序排列时，最中间的数据即为中位数。
当数据个数为奇数时，中位数即最中间的数，如果有N个数，则中间数的位置为(N+1)/2；当数据个数为偶数时，中位数为中间两个数的平均值，中间位置的算法是(N+1)/2。
中位数不受极值影响，因此对极值缺乏敏感性。
3、众数：数据中出现次数最多的数字，即频数最大的数值。
众数可能不止一个，众数不能能用于数值型数据，还可用于非数值型数据，不受极值影响。
4、极差：=最大值-最小值，是描述数据分散程度的量，极差描述了数据的范围，但无法描述其分布状态。
且对异常值敏感，异常值的出现使得数据集的极差有很强的误导性。
5、四分位数：数据从小到大排列并分成四等份，处于三个分割点位置的数值，即为四分位数，四分位数分为上四分位数（数据从小到大排列排在第75%的数字，即最大的四分位数）、下四分位数（数据从小到大排列排在第25%位置的数字，即最小的四分位数）、中间的四分位数即为中位数。
四分位数可以很容易地识别异常值。
箱线图就是根据四分位数做的图。
描述性统计分析
描述性统计分析【导言】在科学研究、市场调查、社会调查以及政策制定等各个领域中，描述性统计分析是一种重要的分析方法。
它主要通过对数据的整理、总结和分析，来描述数据的特征、分布和关系等。
本文将简要介绍描述性统计分析的概念和应用领域，并探讨其在实际问题中的意义和方法。
【一、描述性统计分析的概念】描述性统计分析是一种通过对数据的整理、总结和分析，来描述数据的特征、分布和关系等的方法。
它不仅可以帮助我们更好地理解数据，还可以从中发现问题和规律，为后续的分析和决策提供依据。
描述性统计分析主要包括数据的中心趋势度量、数据的离散程度度量和数据的分布特征等内容。
【二、描述性统计分析的应用领域】描述性统计分析在各个领域中都有广泛的应用，以下是几个常见的应用领域：1. 科学研究：在科学研究中，描述性统计分析可以帮助研究人员对实验数据进行整理和总结，发现数据中的规律和趋势，从而对研究对象进行深入的理解和解释。
2. 市场调查：在市场调查中，描述性统计分析可以帮助市场研究人员对市场数据进行整理和总结，了解产品的市场需求、消费者的购买行为和市场竞争情况，为市场营销活动提供科学依据。
3. 社会调查：在社会调查中，描述性统计分析可以帮助调查人员对社会问题的数据进行整理和总结，了解社会现象的普遍性和差异性，为制定社会政策提供参考依据。
4. 教育评估：在教育评估中，描述性统计分析可以帮助教育管理者对学生成绩、教学效果等数据进行整理和总结，洞察学生的学习状况和教育的质量问题，为教育改革提供参考依据。
【三、描述性统计分析的意义】描述性统计分析的意义主要体现在以下几个方面：1. 描述数据特征：通过描述性统计分析，我们可以对数据的中心趋势、离散程度等特征进行客观的量化和描述，从而更好地理解数据。
2. 发现问题和规律：通过描述性统计分析，我们可以发现数据中的异常值、缺失值等问题，从而及时采取措施进行修复；同时，还可以发现数据中的规律和趋势，为后续的分析和决策提供依据。
调研结果的统计分析方法
调研结果的统计分析方法在现代社会中，调研是一项非常重要的工作。
通过对特定问题进行有针对性的调研，可以为企业、组织或政府制定决策提供有效的依据。
然而，仅仅进行调研是不够的，还需要对调研结果进行统计分析，以便更好地理解和解释所得到的数据。
在进行调研结果的统计分析时，可以采用以下几种方法：1. 描述性统计分析：描述性统计分析是对数据进行整体概括和描述的方法。
它包括计算调研样本的中心趋势（如平均数、中位数）和离散程度（如方差、标准差）。
通过描述性统计分析，我们可以了解数据的分布情况和基本特征，从而对调研结果有一个初步的认识。
2. 探索性数据分析（EDA）：探索性数据分析是对数据进行更深入的分析和探索的方法。
它包括绘制直方图、箱线图、散点图等图表，并进行相关性分析、变量间的比较等。
通过EDA，我们可以进一步发现数据中的模式、趋势和异常值，为后续的推断性统计分析提供重要的支持。
3. 推断性统计分析：推断性统计分析是基于样本数据对总体进行推断的方法。
它包括参数估计和假设检验。
参数估计是利用样本数据计算得到总体参数（如均值、比例）的估计值，并给出估计的精度范围。
假设检验是对关于总体参数的假设进行检验，从而判断样本数据是否支持该假设。
推断性统计分析能够从样本中得出对总体的推断，具有较高的可靠性和一定的普遍性。
4. 因果推断分析：在某些情况下，我们对研究问题感兴趣的不仅仅是相关性，而是因果关系。
因果推断分析是通过设计实验或者利用自然实验来确定因果关系的方法。
它包括随机化实验和观察性研究。
随机化实验将受试对象随机分为实验组和对照组，通过对比两组之间的差异来确定因果关系。
观察性研究则是通过观察和比较不同群体或时间点的数据来推断因果关系。
因果推断分析可以排除其他干扰因素，得到更加准确的结果。
总之，在进行调研结果的统计分析时，我们需要综合运用描述性统计分析、探索性数据分析、推断性统计分析以及因果推断分析等方法，以全面而准确地理解和解释调研结果。
SPSS统计分析—描述性统计分析
SPSS统计分析—描述性统计分析描述性统计分析（Descriptive statistics analysis）简介描述性统计分析是统计学的一个领域，主要目的是通过对样本数据进行总结、整理和分析，揭示数据中的模式、趋势和关联。
它可以通过计算和展示各种统计指标来帮助我们更好地理解和解释数据。
SPSS（Statistical Package for the Social Sciences）是一种常用的统计分析软件，可以用于进行各种描述性统计分析。
本文将介绍一些常用的描述性统计分析方法和在SPSS中的应用。
1.数据摘要数据摘要是描述性统计分析的基础，主要目的是对数据进行概括性的总结。
常用的数据摘要方法包括计数、频数、百分比、均值、中位数、标准差等。
在SPSS中，可以使用“Frequencies”命令对数据进行频数分析。
该命令可以列出每个变量的频数、百分比以及累积百分比。
此外，使用“Descriptives”命令可以计算各个变量的均值、中位数、标准差等统计量。
2.绘制图表图表可以帮助我们更好地理解和展示数据的特征和分布。
常用的图表包括直方图、饼图、箱线图等。
在SPSS中，可以使用“Graphs”菜单下的不同选项来绘制各种图表。
例如，使用“Bar Chart”选项可以绘制柱状图，使用“Pie Chart”选项可以绘制饼图，使用“Boxplot”选项可以绘制箱线图。
3.相关分析相关分析可以帮助我们研究数据之间的关联关系。
它可以通过计算相关系数来评估两个变量之间的线性关系。
在SPSS中，可以使用“Correlations”命令进行相关分析。
该命令可以计算出各个变量之间的相关系数，并提供了相关系数矩阵和散点图来展示结果。
4.因素分析因素分析是一种常用的数据降维方法，可以帮助我们理解并提取潜在的数据结构和变量之间的关系。
在SPSS中，可以使用“Factor Analysis”命令进行因素分析。
该命令可以根据指定的变量，自动提取主成分或因子，并计算出因子载荷矩阵和因子得分。
报告中描述性和推理统计分析的方法
报告中描述性和推理统计分析的方法描述性统计分析和推理统计分析是统计学中使用最广泛且重要的两种方法。
描述性统计分析是通过收集、整理、分析和解释数据的方法，旨在揭示数据的特征和趋势。
推理统计分析则是通过基于样本数据的结论，进一步推断总体的特征和关联性。
本文将详细论述这两种方法的基本概念、应用场景、常见的统计指标和分析方法。
一、描述性统计分析1.1 描述性统计分析的基本概念描述性统计分析是通过对数据进行总结、整理和归纳，呈现数据的特征和总体状况。
在实际应用中，常用的描述性统计分析方法有统计图表、频数分布、集中趋势和离散程度等指标。
1.2 描述性统计分析的应用场景描述性统计分析适用于多个领域，例如社会科学、市场调查、医学研究等。
在社会科学研究中，描述性统计分析可以帮助研究者了解人口统计学数据、调查问卷的回答情况等。
在市场调查中，描述性统计分析能够对产品的销售情况、消费者行为进行总结和分析。
1.3 描述性统计分析的常见统计指标和分析方法常见的描述性统计分析指标包括平均数、中位数、众数、标准差、方差等。
这些指标可以揭示数据的中心位置、分布形态和离散程度。
此外，统计图表如直方图、条形图、饼图等也是描述性统计分析常用的可视化方式。
二、推理统计分析2.1 推理统计分析的基本概念推理统计分析是通过从样本中得出关于总体特征的推断，以此作为决策和预测的依据。
推理统计分析是基于概率的，通过利用样本数据估计总体参数，并进行假设检验和置信区间估计等统计推断。
2.2 推理统计分析的应用场景推理统计分析广泛应用于科学研究、质量控制、市场调查等领域。
在科学研究中，通过推理统计分析可以对实验结果进行合理的解释和推断。
在质量控制中，推理统计分析可以帮助判断产品合格与否。
在市场调查中，推理统计分析可以根据样本数据对总体的情况进行推测。
2.3 推理统计分析的常见方法推理统计分析的常见方法包括参数估计、假设检验、置信区间估计等。
参数估计可以通过样本数据估计总体参数，并对总体进行推测。
所谓描述性统计分析,就是对一组数据的各种特征进行分析,
实例演示
返回本章首页
偏度（ Skewness ) 是描述数据分布对称性的统计量 ，而 且也是与正态分布的对称性相比较而得到的。如果分布的偏度 等于0 ，则其数据分布的对称性与正态分布相同 ；如果偏度大 于0，则其分布为正偏或右偏，即在峰的右边有大的偏差值，使 右边出现一个拖得较远的尾巴；如果偏度小于 0，则为负偏或 左偏，即在峰的左边有大的偏差值，使左边出现一个拖得较远 的尾巴。
反映处在某一观测值范围内的 个案数。图中每个直方条下部 的中点坐标是该观测值范围的
据
20
中点、直方条的宽度代表该观
文 件 并
10
得
测值范围、直方条的高度代表 该观测值范围内的个案数。
到
Std. Dev = 48.43
直
Mean = 435.8
方
0
N = 120.00
图
300.0
350.0
400.0
450.0
正态概率图（Normal Q-Q Plot)的SPSS过程 离散正态概率图（Detrended Normal Q-Q Plot)的SPSS过程
返回本章首页
Normal Q-Q Plot of 选择反应时间
3
2
1
0
-1
-2
-3
100
200
300
Observed Value
Dev from No位、百分位数
标准分数及其线性转换 交叉列联表分析
1. 平均数、标准误
返回本章首页
中位数、众数、全距
返回本章首页
标准差、方差
严格地讲，在方差和标准差的计算中，分母应取n-1，因为 数据变异的自由度是n-1。但在大样本情况下，使用n和n-1差别 不大。
描述性统计分析方法
描述性统计分析方法描述性统计分析是指对收集到的样本数据进行整理、分析和总结的过程。
它旨在通过使用统计指标和图表来描述数据的特征和分布，以便更好地理解数据，发现其中的规律和趋势。
在进行描述性统计分析时，常用的方法包括中心趋势测度、离散程度测度、分布形态描述和相关性分析等。
一、中心趋势测度中心趋势测度是用来表示数据集中趋向于某个中心的位置。
常用的中心趋势测度包括均值、中位数和众数等。
1. 均值：均值是以所有数据的数值和除以数据个数的统计量，用来表示平均水平。
均值对异常值敏感，容易受到极端值的影响。
2. 中位数：中位数是将数据按照顺序排列后，位于中间位置的数值。
中位数不会受到极端值的影响，更能反映数据的普遍情况。
3. 众数：众数是一组数据中出现频率最高的数值，可用于描述具有离散分布的数据。
二、离散程度测度离散程度测度是用来表示数据集合中数据分散程度的方法。
常用的离散程度测度有范围、方差和标准差等。
1. 范围：范围是最大值和最小值的差值，可用来衡量数据的整体变化幅度。
范围对异常值敏感，易受到极端值的影响。
2. 方差：方差是各数据与均值差的平方和的平均数，用来描述数据的平均离散程度。
方差较大时，表示数据的离散程度较高。
3. 标准差：标准差是方差的平方根，用于度量数据相对于均值的离散程度。
标准差较大时，表明数据分散程度大。
三、分布形态描述分布形态描述是对数据分布形态特征进行描述的方法。
常用的分布形态描述包括偏度和峰度等。
1. 偏度：偏度描述了数据分布曲线相对于均值偏离的大小和方向。
偏度为正表示数据分布朝右偏，为负表示数据分布朝左偏，为0表示数据均匀分布。
2. 峰度：峰度描述了数据分布曲线的陡峭程度，反映了数据分布的尖峰与平顶程度。
峰度大于0表示数据分布曲线相对于正态分布更陡峭，小于0表示数据分布曲线相对于正态分布更平顶。
四、相关性分析相关性分析用来研究两个变量之间的相关关系。
常用的相关性分析方法有协方差和相关系数。
描述性统计分析
描述性统计分析描述性统计分析是一种通过对数据进行收集、整理、汇总、展示和解释，来揭示数据特征、分布和趋势的方法。
它是统计学中最基础的分析方法之一，广泛应用于各个领域的数据研究与决策中。
本文将简要介绍描述性统计分析的基本概念、常用方法和应用场景。
一、描述性统计分析的基本概念描述性统计分析是通过对数据的常见统计指标进行计算和分析，来描述数据的集中趋势、离散程度和分布情况。
常见的统计指标包括：均值、中位数、众数、极差、标准差、方差等。
这些指标可以帮助我们更好地理解和概括数据的特征，从而进行合理的数据解读和决策。
二、描述性统计分析的常用方法1. 数据收集：首先需要确定所需数据的来源和采集方法，可以通过问卷调查、实地观察、抽样调查等方式来收集相关数据。
2. 数据整理和清洗：对收集到的数据进行整理和清洗，包括缺失值的处理、异常值的剔除，确保数据的准确和完整。
3. 数据汇总和展示：将数据进行汇总，并通过图表等形式进行可视化展示，以便更直观地观察数据的特征和趋势。
4. 统计指标计算：通过计算均值、中位数、众数、标准差等统计指标，揭示数据的集中趋势和离散程度。
5. 数据解释和分析：根据计算得到的统计指标，对数据的特征和分布进行解释和分析，从中提取有价值的信息。
三、描述性统计分析的应用场景1. 社会科学研究：在社会学、心理学、教育学等领域的研究中，描述性统计分析可以用来描绘人群的特征和行为规律，为研究提供数据支持。
2. 经济与金融分析：在经济学和金融学研究中，通过对经济指标和市场数据进行描述性统计分析，可以了解经济形势和市场趋势，从而指导决策。
3. 市场调研与营销：在市场调研和营销策划中，通过对受众、消费者数据进行描述性统计分析，可以更好地了解目标市场和消费群体的需求和偏好。
4. 医学与健康研究：在医学和健康研究中，通过对患者数据和健康指标进行描述性统计分析，可以了解疾病的发病率、死亡率等情况，为医疗决策提供依据。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
.
20
例4-3 已知有某地城市和农村各55名10岁女生身高数 据，数据见文件4-2-1.sav，请利用Explore过程分组分 析。
.
21
4.4 列联表分析
通过频数分析能够掌握单个变量的数据分布情况。 在实际分析过程中，不仅要了解单变量的分布特征，还 要分析多个变量不同取值下的分布，掌握多变量的联合 分布特征，进而分析变量之间的相互影响和关系。当问 题涉及多个变量时，采用单纯的频数分析方法显然不 够，这时，我们需要借助交叉分组下的频数分析，又称 为列联表分析。
.
16
【界面介绍】
⑴ 选 择 菜 单 【Analyze】→【Descriptive Statistics】→ 【Explore】，进入探索性分析界面，出现如图所示的 窗口。
.
17
(2)单击【Statistics】按钮，弹出Statistics子对话框，如图 所示。该项用于选择所需要的描述统计量。
描述性统计分析
【学习提要】
对数据进行统计描述是统计分析中最基本的工作。对于 整理好的数据，通过描述性统计分析，可以挖掘出很多统计 量的特征。SPSS软件中，描述性统计分析功能主要集中在 “Descriptive Statistics”菜单。具体包括5个过程： Frequencies过程、Descriptives过程、Explore过程、 Crosstabs过程和Ratio过程。
.
26
指标的具体含义如下：
加权比例均值(Weighted mean ) • 加权比例均值属于集中趋势描述指标，是两变量均值的
比。
平均绝对离差(AAD，Average Absolute Dispersion) • AAD用于对比率变量离散程度的描述。
n
Ri M
ADD i1 n
• 式中，R i 是比率数， M 是比率变量的中位数。
.
27
离散系数(COD，Coefficient of Dispersion) • COD也用于对比率变量离散程度的描述，其数学定义为：
n
Ri M
i 1
COD= n 相关价格微分(PRD，PriceM-related Differential)
• PRD也用于对比率变量离散程度的描述，是比率均值与 加权比率均值的比。
标准差Std.deviation：描述变量关于均值的偏离程度 方差Variance：标准差的平方 极大值Maximum：某变量所有取值的最大值 极小值Minimum：某变量所有取值的最小值 全距Range：某变量极大值与极小值之差 均值的标准误差S.E.mean：均值的标准误差
.
5
在描述性统计分析中，Descriptives过程是连 续资料统计描述应用最多的一个过程，他可对变 量进行描述性统计分析，计算并列出一系列相应 的统计指标。
⑷ 将分组变量选入Group Variable框中。选择Sort by group variables选项表示选择分组变量的排序方式。选择Display result选 项表示显示结果。选择Save result.s to external file选项表示将分31 析 结果存入外部文件。
• ⑸ 单击【Statistics】按钮，弹出Statistics子对话框。该对 话框主要由以下几个部分组成。
.
22
列联表分析的主要任务有两个：
• 第一，根据收集到的样本数据，产生二维或多维交叉 列联表。交叉列联表是两个或多个以上变量交叉分组 后形成的频数分布表。
• 第二，在交叉列联表的基础上，分析两两变量之间是 否具有独立性或一定的相关性。对交叉列联表中的行 变量和列变量之间关系进行分析是列联表分析的第二 个任务。在列联表基础上做进一步分析，可以得到行 变量和列变量之间是否有联系、联系的紧密程度如何 等更深层次的信息。
.
25
4.5 相对比描述
相对比描述用于对两变量间变量值对比变化的 描述分析，适用于定距型变量。在实际问题中，研究 者有时除了希望了解变量自身的统计特征外，还希望 得到两个变量相对比之间的统计描述。通常，这可以 通过对两个变量做除法形成一个新变量，然后分析新 变量的统计特征来得到(如均值、中位数、标准差、 全距等)。SPSS的Ratio过程除了能够完成上述分析 外，还提供了其他相对比描述指标，大致属于集中趋 势描述指标(Central Tendency)和离散程度描述指标 (Dispersion)的范畴。
.
18
(3)单击【Plots】按钮，弹出Plots子对话框。该项用于选择 所需要的统计图。
.
19
(4 )单击【Options】按钮，在弹出的子对话框中选择对 缺失值的处理方式，可以是不分析有任一缺失值的记录 （Exclude cases listwise）、不分析计算某统计量时有缺 失值的记录（Exclude cases pairwise），或报告缺失值 （Report values）。
COV
n
(Ri M )2
i 1
n
M
.
29
【界面介绍】
• ⑴ 选择菜单【Analyze】→【Descriptive Statistics】→【Ratio】，进入比率分析界面，出 现所示的窗口。
.
30
⑵ 将相对比中作分子的变量选入Numerator框中。
⑶ 将相对比中作分母的变量选入Denominator框中。
.
23
【界面介绍】
⑴ 选 择 菜 单 【Analyze】→【Descriptive Statistics】→ 【Crosstabs】，进入列联表分析界面。
.
24
【实验案例】
例4-4 调查339名45岁以上吸烟习惯与患肺癌的关系，数 据见4-4-1.sav。试问吸烟者与不吸烟者患肺癌的概率是 否有所不同。
.
8
【实验案例】 例4-1 测量20台液晶显示器的重量，数据见4-1-1.sav，对其进行 描述性统计分析。
.
9
4.2 频数分布表分析
频数分析统计的是每一组中观测点的个数，而不是 考虑其实际取值。
通过频数分析能够了解变量取值的情况，对于把握 数据的分布特征非常有用。当某变量的自然取值是局限 在有限的几个数值中，则频数分析就是统计该变量在各 个取值点的个数分布情况；如果某变量的取值是在某范 围内的离散值，则需要将其取值区域划分为几个取值区 间，频数分析就是统计该变量在各个取值区间观测点个 数的分布情况。
.
3
描述变量分布情况的统计量
偏度Skewness：描述变量分布的对称程度和方 向。偏度为0表示对称，大于0表示右偏，小于0表 示左偏
峰度Kurtosis：描述变量分布的陡峭程度。峰度为 0表示陡峭程度和正态分布相同，大于0表示比正 态分布陡峭，小于0表示比正态分布平缓
.
4
描述变量离散程度的统计量
.
10
【界面介绍】 ⑴ 选择菜单【Ana来自yze】→【Descriptive Statistics】→ 【Frequencies】，进入频数分析的分析界面，出现如图所 示的窗口。
⑵ 将若干频数分析变量选择到Variables(s)框中；选择Display frequency tables复项表示在结果中输出频数表。
.
1
4.1 描述统计量
常见的描述性统计量主要包括以下3类： 描述变量集中趋势的统计量、描述变量分布 情况的统计量、描述变量离散程度的统计 量。
通常，综合这三类统计量就能够极为准 确和清晰的把握数据的分布特点。
.
2
描述变量集中趋势的统计量：
均值Mean：表示变量值的平均水平 中位数Median：一组数据中处于最中间位置的数 众数Mode：一组数据中出现次数最多的数 和Sum：某变量的所有变量值之和
.
11
⑶ 单击【Statistics】按钮后弹出Statistics子对话框。
.
12
⑷ 单击【Charts】按钮后弹出Charts子对话框。
.
13
⑸ 单击【Format】按钮，弹出Format子对话框。该对话框 用于定义输出频数表的格式，在实际中，我们一般采用 默认格式。
.
14
• 例4-2 已知有某地110名10岁女生身高数据，数据见文 件4-2-1.sav ，请编制频数表。
.
15
4.3 探索性分析
Explore过程可对变量进行更为深入详尽的描述性统 计分析，主要用于对资料的性质、分布特点等完全不清楚 时，故又称之为探索性分析。
它在一般描述性统计指标的基础上，增加有关数据其他 特征的文字与图形描述，如茎叶图、箱图等，显得更加详 细、全面，有助于用户制定继续分析的方案。
.
28
变异系数(COV，Coefficient of Variation)
• COV用于对比率变量离散程度的描述，分为基于均值 的变异系数(Mean centered COV)和基于中位数的变异 系数(Median centered COV)。基于均值的变异系数是通 常意义下的变异系数，是标准差除以均值；基于中位数的 变异系数数学定义为：
.
6
【界面介绍】
⑴ 选 择 菜 单 【Analyze】→【Descriptive Statistics】→ 【Descriptives】，进入基本描述性统计量的分析界面， 出现如图所示的窗口。
.
7
⑵ 在Variables(s)框定义要分析的数值型变量，可同时选择多 个变量。 ⑶ 若需将原始数据的标准正态评分存为新变量，则选择Save standardized values as variables选项。 ⑷ 单击【Options】按钮指定计算哪些基本描述性统计量，出 现如图所示的窗口。
.
32
【实验案例】
例4-5 已知有2005年各省城乡居民消费水平数据，数据见4-51.sav。试按地区对各省城乡消费水平之比进行分析，并比 较不同地区城乡消费水平是否有较大差异。