第2讲.SPSS描述性统计分析

SPSS探索性统计分析
二、操作
整体分析与设计的内容
探索性数据分析过程用于计算指定变量的探索性统计量和有关的图 形。从这个过程中可以获得箱图、茎叶图、直方图、各种正态检验 图、频数表、方差齐性检验等结果，以及对非正态或正态非齐性数据 进行变换，以表明和检验连续变量的数值分布情况。
菜单：“分析→描述统计→探索”（示例数据：中国南北城市温 差.sav）
SPSS频数分析 SPSS频数分析概述：
整体分析与设计的内容
频数分析是描述性统计中最常用的方法之一，他能够了解变量 取值的状况，对把握数据分布特征非常有用。 频数分析过程是专门为产生频数表而设计的。它不仅可以产生 详细的频数表，还可以按要求给出某百分位的数值以及常用的 条形图、饼图等统计图。 一、操作（实践数据：产品的销售量.sav） 1）菜单“分析→描述统计→频率”。 2）对话框中，左侧选择一个或多个 待分析变量，移入右侧。 3）“显示频率表格”，勾选该复选 框，可输出频数分析表。
SPSS的描述统计分析
整体分析与设计的内容
3、刻画分布形态的描述性统计量 分布形态是指数据是否对称,偏斜程度如何,分布陡缓程度如何等。
偏度（Skewness）：是描述变量取值分布形态对称性的统计量。
1 n 3 3 Skewness ( x x ) / S i n 1 i 1
标准化处理，同时产生相应的Z得分， 并作为新变量保存在数据窗口。新变 量为 原变量名+前缀Z。 标准化的计算公式：
Xi X Zi S Xi 是变量 X 的第i个取值；S 是标准差。

SPSS的描述统计分析
三、输出分析
整体分析与设计的内容
N栏显示男、女样本容量相同；从均值上看 女<男；男的全距 和标准差都小于女的，说明男演员获奖年龄波动幅度小于女 演员；从峰度和偏度看，两组数都不服从正态分布。
频数分析表。Frequency表示变
量值落在某个区间（或类别） 中的次数；Percent是各频数占 总样本数的百分比；Valid Percent是有效百分比； Cumulative Percent是累积百分 比，指各百分比逐级累加起来 的结果。
SPSS的频数分析
整体分析与设计的内容
从图形特征看，数据呈右偏分布。历史销售数据总体数值偏 大；同时，最大值“27”差不多是最小值“14”的一倍，说明 这种产品的销售量不是很稳定，具有较大的波动性。
SPSS列联表统计分析
整体分析与设计的内容
一、方法原理 在实践中，研究者往往希望对两个甚至多个分类变量的频数分 析进行联合观察。例如，考察不同年龄阶段和不同行业的人群 购买商品房的意愿，就需要将年龄和行业这两个分类变量交叉 起来构成复合频数表，简称为列联表。 列联表是指一个频率对应两个变量的表（一个变量用来对行分 类，另一个变量用来对列分类），经常被用于分析调查结果， 其基本的任务有两个： 1）根据收集到的样本数据产生二维或多维交叉列联表。 2）在列联表的基础上，对两两变量之间是否存在相关性进行分 析。
1 4 4 Kurtosis ( xi x) / S 3 n 1 i 1
SPSS的描述统计分析
二、操作
整体分析与设计的内容
描述性统计分析过程是统计描述应用最多的一个过程。在这个过程中， 可以将原始数据转换为标准值，并以变量形式保存，供以后分析。 菜单：“分析→描述统计→描述” 。 示例数据： 奥斯卡获奖者年龄.sav
因变量列表，即待分析变量列表。可从 左侧列表中选择一个或多个变量。
因子列表，用作数据分组分析。如果选 择了多个变量，则组合分组。 标注个案，可选择一个变量做标签。当 发现异常值时，可利用该变量做标记。 若不选这个变量，系统默认以id变量为 标签。
SPSS探索性统计分析
二、按钮对应的界面介绍
统计量对话框
例子中来看：两者差距较大，差异性明 显。南方温度均值都高于北方，数据呈 正偏态分布，平均值受影响较大。
2）Tukey，复权估计量； 3）Hampel， 非稳健估计量；4）Andrew，波估计量。
茎叶图。1）Frequency表示观测值频
数；2）Stem（茎）表示实际观测值除 以图下方茎宽（Stem Width）的整数部 分；3）Leaf（叶），表示观测值除以茎 宽的小数部分。4）“Each Leaf”：表示 每片叶子代表n个观测量。 茎叶图在反映整体趋势的同时，还能反 映具体的数值大小，因此，在分析小样 本时优势明显。
SPSS的描述统计分析
整体分析与设计的内容
一、原理 统计量是研究随机变量变化综合特征的重要工具，描述性统 计量的分类如下：
对数据特征的描述
集中趋势 均值 众数 中位数 其他指标
离散程度 全距 标准差 方差 离散系数 其他指标
分布形态 偏度 峰度
SPSS的描述统计分析
整体分析与设计的内容
1、集中趋势 集中趋势是指一组数据向某一中心值靠拢的倾向。
将所有变量集中在一个图形中输出，以便比较。 每个变量单独输出一个图形。 控制频数表输出的分类数量，当频数表的分组数 大于设定值时，禁止其输出。用以避免产生巨型 表格。
SPSS的频数分析
三、输出结果分析
整体分析与设计的内容
基本统计信息汇总表。N表示进行统计分析的样
本总量；Valid表示有效样本量：Missing表示 缺失样本数目。 Percentiles列出了销售数据的四分位数
SPSS探索性统计分析
三、输出结果
整体分析与设计的内容
箱图：1）中间粗线为中位数；2）方框
两端分别表示上四分位数（75%）和下四分 位数（25%）；3）两者之间的距离为四分 位数间距。--可知，整个方框内包括了中间 50%的样本数据；4）方框外的上、下两个 细线分别表示除去异常值外的最大、最小值； 5）箱图的上、下两端的圆圈和星号，表示 异常值。 基本概念：1）上四分位数 和 下四分位数 之间的差，称为四分位数差（IQR， InterQuartile Range）。 2）大于上四分位数的1.5倍四分位数差，或 小于下四分位数的1.5倍四分位数差，称为 异常值。 3）极端异常值，是超出3倍四分位数差的 值
输出显示正态概率与离散正态概率图。 幂估计：对每一组数据产生一个中位数的自然对数与四 分位数的自然对数的散列点图，达到方差齐次性要求的 幂次估计；并据此散布图，来估计将各组方差转换成同 方差所需的幂次。
转换：对原始数据进行变换。可在下拉列表中选 择转换的幂值。 未转换：不对数据进行转换，产生原始数据的散 布图。注：“无”是不产生该选项的图形。
整体分析与设计的内容
输出反映数据集中 程度的统计量。
输出反映数据离散程度的统计 量。
输出描述数据分布 形状及特征的统计 量。
SPSS频数分析
整体分析与设计的内容
“图表”按钮对应的对话框： 注： 1）选择直方图选项，则不能再设置图表值 选项。 2）在选中直方图选项后，可以进一步选择 在直方图上显示正态曲线。 3）仅适用于连续型的数值型变量。 “格式”按钮对应的对话框：
SPSS探索性统计分析
三、输出结果
整体分析与设计的内容
基本信息汇总，无缺失值。
北方城市温度标准差大于南方城市，说 明北方城市一年温度变化较南方大。从 分布形态上来看，南方城市为尖峰、右 偏特征；北方城市表现为平峰，左偏特 征。
SPSS探索性统计分析
三、输出结果
整体分析与设计的内容
M估计量：1）Huber，稳健估计量；
SPSS频数分析
二、几个重要的设置对话框 “统计量”按钮对应的对话框：
1）四分位数：显示25%、50%、 75%的分位数。 2）割点：勾选后可输入数值A， 将数据平分为A等分。例如，输 入5，表示输出20%、40%、 60%、80%的百分位数。 3）百分位数：选中后，可激活 右侧的文本框和列表。可输入、 更改和删除自定义的百分位数。
均值（Mean）：反映了某变量所有取值的集中趋势或平均水平。
x1 x2 ... xn x x n n

均值往往会受到异常大和异常小的数值影响，所以对于严重的偏态分 布，均值会失去应有的代表性。 众数（Mode）：分布数列中最常出现的标志值，频数或频率最大。 众数适用于单峰对称的情况。对于多峰的分布则不适用。 中位数（Median）：指将分布数列中各单位的标志值依其大小顺序 排列，位于中间位置的标志值称为中位数。 中位数来描述连续变量，会损失很多信息。例如，其他变量比中位 数大多少或小多少等。
当偏度值为0，说明数据对称分布；当偏度值大于0，表示变量取值 右偏，在直方图中有一条长尾拖在右边；当偏度值小于0，表示变 量取值左偏，在直方图中有一条长尾拖在左边。 峰度（Kurtosis）：用来描述变量取值分布形态陡缓程度的统计量， 是指分布图形的尖峰程度。 当数据分布和标准正态分布陡缓程度相同时，峰度为0；峰度大于 0说明数据分布比正态分布陡峭，为尖峰分布；峰度小于0为平峰 分布。 n
SPSS探索性统计分析
一、方法原理
整体分析与设计的内容
探索性数据分析（Exploratary Data Analysis， 简称EDA）的基本思想 是从数据本身出发，而不拘泥于模型假设；采用灵活的方法来探讨数 据分布的大致情况，为进一步结合模型的研究提供线索，为传统的统 计推断提供良好的基础，并且减少盲目性。 在实践中，数据分析往往分两个步骤，即探索性数据分析和实证分 析。探索性数据分析是从复杂的数据中分离出数据的基本模式和特 点，让分析者发现其中的规律，以便选择分析方法；而对于探索性数 据分析中发现的数据规律，分析者需要使用特定的统计模型进行实证 分析，以确定规律是否正确。 一般的，探索性分析主要考察以下内容： 1）检查数据是否有错，并决定是否删除异常数据。 2）获得数据分布特征。 3）对数据初步观察，发现一些内在规律。