spss统计分析及统计图表的绘制指导书

《spss统计分析及统计图表的绘制指导书》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、实验三SPSS统计分析及统计图表的绘制一、实验目的要求学生能够进行基本的统计分析；能够对频数分析、描述分析和探索分析的结果进行解读；完成基本的统计图表的绘制；并能够对统计图表进行编辑美化及结果分析；能够理解多元统计分析的操作（聚类分析和因子分析）。二、实验内容与步骤2.1基本的统计分析打开“分析/描述统计”菜单，可以看到以下几种常用的基本描述统计分析方法：1.Frequencies过程（频数分析）频数分析可以考察不同的数据出现的频数及频率，并且可以计算一系列的统计指标，包括百分位值、均值、中位数、众数、合计、偏度、峰

2、度、标准差、方差、全距、最大值、最小值、均值的标准误等。2.Descriptives过程（描述分析）调用此过程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，包括：均值、合计、标准差、方差、全距、最大值、最小值、均值的标准误、峰度、偏度等。3.Explore过程（探索分析）调用此过程可对变量进行更为深入详尽的描述性统计分析，故称之为探索性统计。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，显得更加细致与全面，有助于用户思考对数据进行进一步分析的方案。Descriptives：输出均

3、数、中位数、众数、5%修正均数、标准误、方差、标准差、最小值、最大值、全距、四分位全距、峰度系数、峰度系数的标准误、偏度系数、偏度系数的标准误；ConfidenceIntervalforMean：平均值的%估计；M-estimators：作中心趋势的粗略最大似然确定，输出四个不同权重的最大似然确定数；Outliers：输出五个最大值与五个最小值；Percentiles：输出第5%、10%、25%、50%、75%、90%、95%位数。4.Crosstabs过程（列联表分析）调用此过程可进行计数资料和某些等级资料的列联表

4、分析，在分析中，可对二维至n维列联表（RC表）资料进行统计描述和χ2检验，并计算相应的百分数指标。此外，还可计算四格表确切概率（Fisher’sExactTest）且有单双侧（One-Tail、Two-Tail），对数似然比检验（LikelihoodRatio）以及线性关系的Mantel-Haenszelχ2检验。2.2基本统计分析结果解读1.频率分析的结果解读图1频率分析的结果解读（附中英文对照，具体详见电子版Excel文件）2.描述分析的结果解读（同上，略）3.探索分析的结果解读图2探索分析的结果解读（附中英文对

5、照，具体详见电子版Excel文件）4.列联表分析的结果解读2.3统计图表的绘制表2一般统计图表1.条形图（Bar）图3条形图定义选项框Summariesforgroupsofcases：以组为单位体现数据；Summariesofseparatevariables：以变量为单位体现数据；Valuesofindividualcases：以观察样例为单位体现数据。多数情形下，统计图都是以组为单位的形式来体现数据的。在定义选项框的上方有3种直条图可选：Simple为单一直条图、Clustered为复式直条图、Stacked为

6、堆积式直条图。2.直方图（Histogram）条形图用来绘制离散型单一类别变量的分布情况，描述连续性数据的分布情况则用直方图。3.方盒图（Boxplot）箱图可用于表现观测数据的中位数、四分位数和两头极端值。中间的粗线为中位数，灰色的箱体为四分位（箱体下端为第二十五百分位数、上端为第七十五百分位数），两头伸出的线条表现极端值（下边为最小值、上边为最大值）。“*”表示极度偏离值，“゜”表示轻度偏离值。4.散点图（Scatter/Dot）散点图用于表现测量数据的原始分布状况，读者可从点的位置判断测量值的高低、大小、变动趋

7、势或变化范围。图4散点图定义选项框Simple为单层散点图，Overlay为多层散点图，Matrix为矩阵散点图，3-D为立体散点图。5.饼图（略）2.4统计图表的美化和编辑统计图绘制好以后，可以双击统计图进行图表的各种美化和编辑。此部分同学们自己练习。2.5多元统计分析（了解）2.5.1聚类分析（Analyze/Classify）1.基本概念聚类分析是根据事物本身的特性研究个体分类的方法，目的在于将相似的事物归类。聚类分析的原则是同一类中的个体有较大的相似性，不同类中的个体差异很大。根据分类对象的不同，可将聚类分析

8、分为样品（观测量）聚类（Q型聚类）和变量聚类（R型聚类）两种：（1）Q型聚类。对观测量(Case)进行聚类（不同的目的选用不同的指标作为分类的依据，如选拔运动员与分课外活动小组）（2）R型聚类。找出彼此独立且有代表性的自变量，而又不丢失大部分信息。在生产活动中不乏有变量聚类的实例，如：衣服号码（身长、胸围、裤长、腰围）、鞋的号码。变量聚类使批量