Spss基本操作

《Spss基本操作》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、数据处理与数据建模方法数据处理的一般方法1、数据类型的一致化处理方法（1）极大型：期望取值越大越好（2）极小型：期望取值越小越好（3）中间性：期望取值即不要太大，也不要太小为好，即取适当的中间值为最好（4）区间型：期望取值最好是落在某一个确定的区间内为最好2、指标的无量纲化处理方法Spss基本操作数据编辑窗口（SpssDataEditor）结果管理窗口（SpssOutputViews）草稿结果窗口（SpssDraftViewer）语法编辑窗口（SpssSyntaxEditor）脚本窗口（SpssScriptEditor）数据编辑窗口（Sps

2、sDataEditor）主要功能：定义Spss数据的结构、录入编辑和管理待分析的数据。文件扩展名为.sav。结果管理窗口（SpssOutputViews）主要功能：显示管理Spss统计分析结果、报表及图形的窗口。文件扩展名为.spo。数据分析的一般步骤明确数据分析目标1.数据的加工整理3.明确统计方法的含义和适用范围4.读懂分析结果5.正确收集数据2.利用Spss进行数据分析的一般步骤建立spss数据文件数据的加工整理统计分析定义spss数据文件的结构录入修改保存spss数据解释分析结果第一章数据的创建与管理输入1、数据的输入2、数据的检查

3、3、数据的整理直接输入－－spss间接输入－－excel、txt、runedit.exe数据输入适合中小型数据数据检查简单检查：排序观察、多重排序极端值处理缺失值处理把超过两个标准差之外的数据剔除掉缺失值：指那些没有观测到，或没有记录到，或者记录结果有明显错误的数值。数据整理熟悉transform和data两个菜单文件内的筛选文件间的合并数据分组splitefile数据选择处理selectcase新变量生成computevariablemergefiles行列转置transpose缺失值处理方法删除/报告缺失值MissingValueAna

4、lysis缺失值的描述和快速判断获得更精确的统计量用估计值替代缺失值功能缺失值处理方法的比较ListwiseDeletion（列表状态删除）PairwiseDeletion（配对状态）EM（期望最大化）Regression（回归）