利用SPSS进行统计描述
SPSS软件操作-计量资料统计描述
Valid Missing
5 25 50 75 95
119 0
4.6521 4.8000 .79786
.637 -.713 .222 -.377 .440 3.1000 4.1000 4.8000 5.3000 5.7000
• 用加权法计算表⒉1(频数表)数据的均数
VAR00001 Valid N (listwise)
Total N
36
Geometric Mean
53.8174
a. Limited to first 100 cases.
• 计算中位数、P25、P75
St at ist ics
组中值 N
Median Percentiles
Valid Missing
25 75
10 0 11.0000 5.5000 16.5000
Valid
108.00 112.00 114.00 116.00 118.00 120.00 122.00 124.00 126.00 128.00 130.00 132.00 Total
SPSS知识2：统计描述
统计描述符合正态分布或近似正态分布资料的统计描述统计量：（一）描述平均水平的常用统计量——算术均数（二）描述变异水平（离散程度）的常用统计量——离均差平方和（SS）、平均方差（方差：MS）、标准差（SD）（三）描述抽样误差大小的统计量——标准误（SE）。
SPSS操作：对某1变量（如time）进行统计描述：正态性检验：Analyze→nonparametric tests→1-sample K-S→调入某变量和激活Nomal→OK。
正态的统计描述：analyze→descriptive statistics→descriptives→调入某变量，点击option…→点击mean、SE、SD→OK。
分析结果：表descriptive statistics（可看N、min、max、mean、SD）；Z=0.649；P=0.794＞0.05.说明time服从近似正态分布。
对某一变量分组进行统计描述（如按男、女分别做time的统计描述）：文件分割：data→split file；注意：计算机有记忆功能，文件分割后需要把它还原，才不会影响后续操作。
统计描述（操作同上）：analyze→descriptive statistics→descriptives→调入某变量，点击option…→点击mean、SE、SD→OK。
非正态资料的统计描述统计量：（一）描述集中位置——中位数（二）描述变异水平（离散程度）——四分位数间距=P75-P25。
SPSS操作：对某1变量（红血球体积hct）进行统计描述：正态性检验（同上）：Analyze→nonparametric tests→1-sample K-S→调入某变量和激活Nomal→OK。
非正态的统计描述：analyze→descriptive statistics→frequencies→调入某变量，点击statistics…→点击median和quartiles。
编制频数分布表和绘制频数分布直方图一、对数据进行重新编码（recod e）SPSS操作：统计描述：Recode：Transform→recode into different variables…（表示recode后存入新的变量名中，原始数据还在）→调入变量进入“input→output”中，在右侧output框中输入新的变量名，可label→点击change→点击框下的old and new values…→根据手工分组，确定组距后：lowest：1→range→higest:最后一组→OK。
SPSS统计分析数据特征的描述统计分析
SPSS统计分析数据特征的描述统计分析SPSS（Statistical Package for the Social Sciences）是一种常用的统计分析软件，用于对数据进行描述统计分析。
描述统计分析旨在帮助研究人员对数据进行简单的整理、描述和总结，以便更好地理解数据的特征和趋势。
下面将说明几种常用的描述统计分析方法。
1.频数统计频数统计是指对数据中各个变量的不同取值进行计数。
通过统计每个取值出现的次数，可以了解数据的分布情况和变量的特点。
SPSS提供了多种方式来进行频数统计，包括直方图、饼图等。
通过这些图表，可以清晰地看到变量的取值分布。
2.中心趋势测量中心趋势测量是描述数据集合中心位置的统计方法，常用的测量指标包括平均数、中位数和众数。
平均数是所有数据的算术平均值，中位数是将数据按大小排列后处于中间位置的数值，众数是出现次数最多的数值。
SPSS提供了计算这些测量指标的功能，以便更好地了解数据的中心位置。
3.离散程度测量离散程度测量是描述数据变异程度的方法，常用的度量指标包括标准差、方差和极差。
标准差是数据与平均数之间的平均偏差，方差是标准差的平方，表示数据的离散程度，极差是最大值与最小值之间的差异。
通过这些指标，可以判断数据的离散程度，以及是否存在异常值等问题。
4.偏度和峰度测量偏度和峰度是描述数据分布形态的指标。
偏度测量的是数据分布的偏斜程度，正偏斜表示分布右侧的极端值较多，负偏斜表示分布左侧的极端值较多。
峰度测量的是数据分布的尖峰程度，正峰度表示尖峰较高且尾巴较短，负峰度表示尖峰较低且尾巴较长。
通过偏度和峰度的测量，可以判断数据的分布形态是否符合正态分布。
5.相关分析相关分析旨在研究两个或多个变量之间的关系。
相关系数是用来衡量变量之间线性相关程度的指标，取值范围从-1到+1、接近-1的相关系数表示负相关，接近+1的相关系数表示正相关，接近0的相关系数表示无相关。
通过相关分析，可以了解不同变量之间的关系，以及它们对研究问题的影响程度。
SPSS数据分析—描述性统计分析
SPSS数据分析—描述性统计分析描述性统计分析是一种针对数据本身的分析方法，通过使用统计学指标来描述数据的特征。
这种分析方法看似简单，但实际上却是许多高级分析的基础工作。
很多高级分析方法都对数据有一定的假设和适用条件，这些可以通过描述性统计分析来判断。
我们也会发现，许多分析方法的结果中都会穿插一些描述性分析的结果。
描述性统计主要关注数据的三个方面：集中趋势、离散趋势和数据分布情况。
描述集中趋势的指标包括均值、众数和中位数，其中均值包括截尾均值、几何均值和调和均值等。
描述离散趋势的指标包括频数、相对数、方差、标准差、标准误、全距、四分位间距、四分位数、百分位数和变异系数等。
需要注意的是，连续型变量和离散型变量的指标有所不同。
由于许多统计分析都有一个正态分布的假设，因此我们经常关注数据的分布特征。
常用峰度系数和偏度系数来描述数据偏离正态分布的程度。
也可以使用Bootstrap方法计算出结果与经典统计学方法计算出的结果进行对比，如果差异明显，则说明原数据呈偏态分布或存在极值。
SPSS用于描述性统计分析的过程大部分都在分析-描述统计菜单中，另有一个在比较均值-均值菜单。
虽然这几个过程用途不同，但基本上都可以输出常用的指标结果。
分析-描述统计-频率过程可以输出连续型变量集中趋势和离散趋势的主要指标，还可以输出判断分布的直方图、峰度值和偏度值。
此外，该过程最主要的作用是输出频数表。
分析-描述统计-描述过程输出的内容并不多，也没有统计图可以调用，唯一特别的是该过程可以对数据进行标准化变换，并保存为新变量。
分析-描述统计-探索过程是在原有数据进行描述性统计的基础上，更进一步的描述数据。
与前两种过程相比，它能提供更详细的结果。
分析-描述统计-比率过程主要用于对两个连续变量间的比率进行描述分析。
输出的结果比较简单，只是指标的汇总表格。
分析-描述统计-交叉表过程主要用于分类变量的描述性统计。
它可以完成频数分布和构成比的分析，也经常被用来做列联表的推断分析。
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。
SPSS数据分析—描述性统计分析
描述性统计分析是针对数据本身而言，用统计学指标描述其特征的分析方法，这种描述看似简单，实际上却是很多高级分析的基础工作，很多高级分析方法对于数据都有一定的假设和适用条件，这些都可以通过描述性统计分析加以判断，我们也会发现，很多分析方法的结果中，或多或少都会穿插一些描述性分析的结果。
描述性统计主要关注数据的三大内容：1.集中趋势2.离散趋势3.数据分布情况描述集中趋势的指标有均值、众数、中位数，其中均值包括截尾均值、几何均值、调和均值等。
描述离散趋势的指标有频数、相对数、方差、标准差、标准误、全距、四分位间距、四分位数、百分位数、变异系数等。
注意：连续型变量和离散型变量的指标有所不同。
由于很多统计分析都有一个正态分布的假设，因此我们经常也会关注数据的分布特征，常用峰度系数和偏度系数来描述数据偏离正态分布的程度，也可以使用Bootstrap方法计算出结果与经典统计学方法计算出的结果进行对比，如果差异明显，则说明原数据呈偏态分布或存在极值SPSS用于描述性统计分析的过程大部分都在分析—描述统计菜单中，另有一个在比较均值—均值菜单，虽然这几个过程用途不同，但是基本上都可以输出常用的指标结果。
一、分析—描述统计—频率此过程可以输出连续型变量集中趋势和离散趋势的主要指标，还可以输出判断分布的直方图、峰度值和偏度值，此外，该过程最主要的作用是输出频数表，结果举例如下：二、分析—描述统计—描述看起来似乎这个过程才是正统的描述统计分析过程，实际上该过程输出的内容并不多，也没有统计图可以调用，唯一特别的是该过程可以对数据进行标准化变换，并保存为新变量。
三、分析—描述统计—探索探索性分析是对原有数据进行描述性统计的基础上，更进一步的描述数据，和前两种过程相比，它能提供更详细的结果。
四、分析—描述统计—比率该过程主要用于对两个连续变量间的比率进行描述分析输出的结果比较简单，只是指标的汇总表格，在此略去五、分析—描述统计—交叉表分类变量的描述性统计比较简单，主要就是看频数分布和构成比，基本用交叉表一个过程就可以完成，该过程虽然放在描述统计中，但是由于功能丰富，也经常被用来做列联表的推断分析。
spss描述性统计分析实验总结(3篇)
spss描述性统计分析实验总结(3篇)为期半个学期的统计学试验就要完毕了，这段以来我们主要通过excl软件对一些数据进展处理，比方抽样分析，方差分析等，经过这段时间的学习我学到了许多，把握了许多应用软件方面的学问，真正地学与实践相结合，加深学问把握的同时也熬炼了操作力量，回忆整个学习过程我也有许多体会。
统计学是比拟难的一个学科，作为工商专业的一名学生，统计学对于我们又是相当的重要。
因此，每次试验课我都坚持按时到试验室，试验期间仔细听教师讲解，看教师操作，然后自己独立操作数遍，不懂的问题会请教教师和同学，有时也跟同学商议找到更好的解决方法。
几次试验课下来，我感觉我的力量的确提高了不少。
统计学是应用数学的一个分支，主要通过利用概率论建立数学模型，收集所观看系统的数据，进展量化的分析、总结，并进而进展推断和猜测，为相关决策供应依据和参考。
它被广泛的应用在各门学科之上，从物理和社会科学到人文科学，甚至被用来工商业及政府的情报决策之上。
可见统计学的重要性，仔细学习显得相当必要，为以后进入社会有更好的竞争力，也为多把握一门学科，对自己对社会都有好处。
几次的试验课，我每次都有不一样的体会。
个人是理科出来的，对这种数理类的课程原来就很感兴趣，经过书本学问的学习和试验的实践操作更加加深了我的兴趣。
每次做试验后回来，我还会不定时再独立操作几次为了不遗忘操作方法，这样做可以加深我的记忆。
依据记忆曲线的理论，学而时习之才能保证对学问和技能的真正以及把握更久的把握。
就拿最近一次试验来说吧，我们做的是“平均进展速度”的问题，这是个比拟简单的问题，但是放到软件上进展操作就会变得麻烦，书本上只是直接给我们列出了公式，但是对于其中的原理和意义我了解的还不够多，在做试验的时候难免会有许多问题。
不惊奇的是这次试验好多人也都是不明白，操作不好，不像以前几次试验教师讲完我们就差不多把握了，但是这次好像遇到了大麻烦，由于内容比拟多又是一些没接触过的东西。
spss描述统计实验报告
spss描述统计实验报告SPSS描述统计实验报告引言SPSS（Statistical Package for the Social Sciences）是一种用于数据分析和统计建模的软件工具。
它可以帮助研究人员对数据进行描述统计分析，从而得出结论并做出预测。
本实验旨在利用SPSS软件对实验数据进行描述统计分析，以探究数据的特征和规律。
实验设计本实验选取了一组包括性别、年龄、身高和体重等信息的样本数据，共计100个样本。
通过SPSS软件对这组数据进行描述统计分析，包括均值、标准差、频数分布等指标，以便对样本数据进行全面的了解。
结果分析首先，我们对样本数据中的性别进行了频数分布分析。
结果显示，样本中有55%的男性和45%的女性，性别分布相对均衡。
接着，我们对年龄、身高和体重等连续变量进行了均值和标准差的分析。
结果显示，样本的平均年龄为30岁，标准差为5岁；平均身高为170厘米，标准差为8厘米；平均体重为65公斤，标准差为10公斤。
这些数据表明样本中的年龄、身高和体重分布较为集中，且具有一定的变异性。
结论通过对样本数据的描述统计分析，我们得出了对样本特征和规律的初步认识。
样本中男女比例相对均衡，年龄、身高和体重分布较为集中且具有一定的变异性。
这些结果为我们进一步的数据分析和研究提供了重要参考。
总结SPSS软件作为一种强大的数据分析工具，可以帮助研究人员对数据进行描述统计分析，从而深入了解数据的特征和规律。
本实验利用SPSS对样本数据进行了描述统计分析，得出了对样本特征和规律的初步认识，为后续的研究工作奠定了基础。
希望本实验能够对SPSS软件的应用和描述统计分析方法有所启发，为相关研究工作提供参考。
- 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)。
第三节利用SPSS进行统计描述一、统计描述方法在教育技术研究过程中收集到大量的资料数据，但从这些杂乱无章的资料中，很难对其总体水平与分布状况做出评价判断。
因此，必须采用一些适当的方法对这些资料进行处理，使之简约化、分类化、系统化，从中发现它们的分布规律，掌握总体的特征，以便对其水平做出客观的评价。
统计描述方法，是研究简缩数据并描述这些数据的统计方法。
将搜集来的大量数据资料，加以整理、归纳和分组，简缩成易于处理和便于理解的形式，并计算所得数据的各种统计量，如平均数、标准差、以及描述有关事物或现象的分布情况、波动范围和相关程度等，以揭示其特点和规律。
（一）数据资料的整理和表示在教育技术研究中，我们用各种方法搜集来的资料，一般是零散的，它只反映个别现象的个别特征，必须经过整理加工，使之系统化，才能计算统计指标，进行统计分析，为进一步研究提供有用的信息，首先要进行的是统计整理，它包含以下几部分内容：1．数据检查主要检查数据的完整性与正确性。
统计资料完整性的检查，就是要根据调查项目检查是否填写齐全，避免遗漏，删去重复。
正确性检查，就是检查搜集的资料是否真实可靠。
特别是统计数字的真实性是统计工作的生命，统计资料的检查整理必须抓紧这一环。
数据检查可分为逻辑检查和计算检查两种方法。
逻辑检查，是从理论和一般常识上来检查资料内容是否合理，指标之间是否矛盾。
计算检查是检查统计数字在计算方法和计算结果上有否错误。
2．数据分类数据分类就是把搜集来的数据进行分组归类。
数据分类要做到既不重复、不遗漏，又不混淆，一般又可分为品质分类和数量分类。
品质分类：是按事物性质划分为不同的组别、种类。
如以性别为标志可分为男与女；按“理解能力”、“学习态度”等为标志，又可分为好、较好、一般、差等几种水平，每种水平可看成类，每一类可给以相当的数量。
可以通过各类所包含的数据再进行数量化的比较和分析。
数量分类：是按数量的属性分类。
有顺序排列法、等级排列法和次数分布法等。
⒊数据的排序数据排序：将各数据从大到小或从小到大进行排列。
这样就可以看出最高分和最低分是多少，各分数出现的次数和位于中间的是什么数等。
包括等级排列和次数排序。
等级排列：即根据顺序排列划分等级。
但与顺序排列不同，它是按数值所含的意义确定的。
若是学习成绩，应以数值大的排为第一等级；若是反映时间，则将最小的数值排为第一等级。
次数排序：即根据在指定的数值范围内，数据出现的频数大小排序。
⒋数据统计表就是把所研究的教育技术现象和过程的数字资料，以简明的表格形式表现出来。
它可以避免文字的冗长叙述，便于比较各项目之间的相互关系，便于总计、平均和其他统计值的计算，便于检查计算错误和项目遗漏。
⒌数据的图示法数据的图示法是利用几何图形或其他图形等的描绘，把所研究对象的特征、内部结构、相互关系和对比情况等方面的数据资料，绘制成整齐简明的图形。
它是用以说明研究对象和过程的量与量之间对比关系的一种方法。
它能准确地表现统计资料，有助于对统计资料进行比较、对照、分析和研究。
图示法，具有直观、形象，便于记忆和思考以及表达语言难以说清的内容之优点。
在教育技术研究中常用的有条形图、曲线图、直方图和圆形图等，其绘制方法是大家所熟知的，这里不作介绍。
（二）特征参数的计算为了分析研究对象总体的特征，不必对总体中每一个单位都进行研究。
而是通过抽样方法，按照随机性原则，从全部对象中，只抽取部分单位（样本组）加以研究，对于每组样本，首先应对其基本特征参数进行计算，以给出整体特征的统计描述。
并根据统计数据，对总体对象作出具有一定可靠程度的估计和推测。
常用的特征参数包括：⒈集中量数（1）算术平均数，用表示，设为各次观察的结果，则有:上式中，表示平均分表示每个学生的得分，n表示学生人数。
（2）中数，是指一组按大小顺序排列起来的量数中的中间点的数，又称中位数，用Mdn来表示。
（3）众数，是指一列数中出现次数最多的数值，常用M表示。
2．差异量数-差异量数是表示量数之间的差异程度的一些统计量的总称，它是用以表示一群量数的离散情况或离中趋势。
集中量数在量尺上是一个点，表示各量数所在的位置。
差异量数在量尺上是一段距离，表示一个量数与另一个量数或中心点之间的距离。
只有知道了差异量数的大小，才能了解集中量数的代表性如何。
差异量数愈大，集中量数的代表性愈小；差异量数愈小，则集中量数的代表性愈大。
在统计分析中经常应用的是标准差，它是与平均数的差数的平方和的平均数的算术平方根。
上式中，S为标准差，为每个学生的得分与平均分的离差，上述公式计算步骤如下：（1）先求出各数据与平均分的离差；（2）求各个离差的平方和；（3）将除以n再开方，即得标准差。
3．标准分数- 标准分数，又称Z分数。
是以标准差为单位表示一个分数在团体分数中所处的位置。
标准分数的计算公式：公式中x－原始分数，－平均分数，S－标准差。
（三）次数分布-次数分布又称次数分配。
是指总体或样本按随机变量（数据）大小次序在出现频率上的排列。
一般采用次数分布表、次数分布直方图或次数分布曲线来表示。
【例6-1】现有50名学生的成绩，原始数据如表6-1所示：（n=50）1．次数分布表为了显示该组样本在不同分数段中的次数分布情况，我们对该数组进行次数分布统计，编制出该数组的次数分布表。
方法如下：（1）求全距：最大数－最小数=98－51=47（2）定组数，一般10－20组为宜。
（3）定组距，组距=（全距+1）/组数=（47+1）/10=4.7(取5)（4）定组限，95-100，90-95，85-90……等（5）求组中值：组中值=（上限+下限）/2，如95-100一组，其组中值=（100+95）/2=97.5（6）归类把原始数据，分别归到相关组中，得出次数分布表如表6-2所示：2．次数分布曲线根据这个次数分布表，可绘出对应的次数分布直方图、次数分布曲线和积累次数曲线，分别如图6-8、图6-9和图6-10所示。
为了分析次数分布曲线的特征，我们可以把它与正态分布曲线相比较来进行研究。
3. 正态分布曲线正态分布是一种理论分布，在次数分布中，中间的次数多，由中间往两边的次数逐渐减少，且两边的次数多少是相等的。
根据正态分布绘成的曲线称为正态分布曲线，正态分布曲线形状如钟形，它的特点是中间成一高峰，由高峰向两侧逐渐下降，先向内弯，后向外弯，降低的速度是先慢后快，以后又再次减慢，最后达到接近底线，但永远不与底线相接，形成一个单峰的对称的钟形形态，如图6-11所示。
正态分布曲线的形状和位置由平均分和标准差S 所决定。
平均分对应于单峰位置，越大，曲线越往右移动。
标准差S越大，曲线的单峰高度越低，宽度越大，显得越“胖”；S越小，曲线的高度越高，宽度越小，显得越“瘦”。
如图6-5所示。
在正态分布曲线图上，正态曲线以下，以S为距离单位所包括的面积是按一定比例分配的，若将正态曲线底边从-3S到3S分成四等分，每等分距离为1.5S，则每距离间隔之间所包括的面积比例如表6-3和图6-12所示。
利用正态分布曲线这些性质，我们可以得到划分不同学习水平等级的界限和学生人数比例的理论数值。
例如对于常态=75，S=10的情况，其优、良、中、差各等级的分数范围和人数比例应如表6-4所示（N＝30）。
按照上述方法，对于一个给定的样本组N=30，得知其平均分=83，标准差S=7.78，我们便可以得到学习水平等级的划分界线，并将人数比例的理论数和实际数相比较，如表6-5所示。
根据图6-12和表6-4，我们便可以得到如下结论：（1）样本组的峰值位置位于的右侧，属于正偏态的情况。
（2）样本组的水平等级标准较高，分数要在94.7以上才能达到优等，而在71.3以下便认为是差等。
（3）样本组中优、良等级的实际人数（1+17）要比理论数（15人）所占的比例为多。
因此可以认为该总体属于平均水平较高的整体。
二、-S平面特征数据分析模型为了综合地、直观地考察样本组的整体统计特征，我们给出一个-S平面分析模型，如图6-13。
模型中的横坐标表示平均分的大小（），而纵坐标则表示标准差（S）的大小，坐标原点以常态作参考标准（＝75，S＝10）。
用、S两个参数，可以确定样本组落在平面的某一个象限，而不同的象限，将代表样本组具有不同的统计特征。
为了说明各象限所代表的意义，表6-6给出了四组不同特征的数组，它们将分别位于不同的象限，具有不同的特点。
利用平均分和标准差S所在的位置，我们可以直观地看到样本组成绩的统计特征。
【例6-2】某班语文平均考试成绩为74分，标准差8分。
甲学生得90分，乙学生为72分。
通过标准分数的计算可以得知他们在全体同学中所出的位置。
（1）平均分（2）标准差按照求S 步骤进行计算，可得到＝1819，代入公式（10-2）便可得到标准差S对于这一组数据，由于=83＞75，S=7.78＜10，它处于第四象限，属于平均水平较高，且相对集中的水平。
三、利用SPSS进行统计特征分析【例6-3】现有学生24人，分成两小组，在某一次期中测验中，某学科测验成绩如表6-7所示。
试利用SPSS对该班学生成绩进行等级排序，并计算总平均分、总标准差，再分别计算两组学生的平均分和标准差。
根据处理结果，分析两组学生成绩的统计特征。
操作步骤：⒈录入数据录入数据的过程分为两个步骤，一是定义变量，二是录入变量值。
（1）定义变量：“学号”、“组别”与“成绩”。
（2）录入变量值：在数据编辑窗口中，按照表1的内容，将各变量值一一录入。
录入后的部分界面如图6-14所示。
⒉数据的等级排序（1）选择“Data→Sort Cases”命令，弹出“Sort Cases”对话框，把“成绩”变量选入“Sort by”中，并在Sort Order中选择“Descending（降序）”选项，将学生成绩按降序排列，如图6-15所示，单击“OK”按钮。
（2）排序结果排序结果在数据编辑窗口可以即时浏览，如图6-16所示，并可以通过选择“File→Print…”命令，将结果打印输出。
⒊平均分与标准差的计算（1）计算总平均分与标准差①选择“Analyze→Descripitive Statistic→Descripitives…”命令，弹出“Descripitive”对话框，从左侧将“成绩”变量选入“Variables”栏中，如图6-17所示。
②单击“OK”按钮，提交运行，输出结果如表6-8所示。
（2）分别计算两组学生的平均分和标准差由于录入数据时两组数据是混合一列，所以在统计之前要将两组学生的数据拆分，在进行统计处理。
①数据拆分选择“Data→Split File…”命令，弹出“Split File”对话框，激活“Organize by group”选项，从左侧选择“性别”变量进入“Groups Based on”栏目，最后激活“Sort the file by grouping variables”选项，如图6-18所示。