spss常用操作方法大全

㈠ spss數據分析方法五種是什麼

線性模型；點擊分析，一般線性模型，單變數，設置因變數和固定因子，點擊確定即可。圖表分析。回歸分析；點擊分析，打開回歸，設置自變數和因變數數據，點擊確定即可。直方圖分析。統計分析。

軟體功能：

SPSS是世界上最早採用圖形菜單驅動界面的統計軟體，它最突出的特點就是操作界面極為友好，輸出結果美觀漂亮。它將幾乎所有的功能都以統一、規范的界面展現出來，使用Windows的窗口方式展示各種管理和分析數據方法的功能，對話框展示出各種功能選擇項。

用戶只要掌握一定的Windows操作技能，精通統計分析原理，就可以使用該軟體為特定的科研工作服務。SPSS採用類似EXCEL表格的方式輸入與管理數據，數據介面較為通用，能方便的從其他資料庫中讀入數據。

其統計過程包括了常用的、較為成熟的統計過程，完全可以滿足非統計專業人士的工作需要。輸出結果十分美觀，存儲時則是專用的SPO格式，可以轉存為HTML格式和文本格式。

㈡ spss正態性檢驗怎麼操作

spss正態性檢驗操作方法如下：

方法一：正態曲線直方圖在分析選項卡下，選擇描述、頻率，在頻率頁面，在繪圖選項選擇帶正態曲線的直方圖。繪制帶正態曲線的直方圖通過對比直方圖與正態曲線的擬合程度，判定數據序列的分布形態是否接近正態分布。

方法三：K-S正態檢驗這是在不確定數據分布是否成正態性分布經常用的檢驗方法，在分析洗項卡下，選擇：分析-非參數檢驗-日對話框-樣本K-S。用K-S作正態性檢驗則是通過對比數據序列與標准正態分布有沒有顯著性差異來判斷序列是否滿足正態分布。

通過比較檢測P值，說明與正態性沒有顯著差異，成正態性分布。分析結構，為0，說明不成正態性分布。

㈢ 怎麼使用SPSS軟體

當我們的調查問卷在把調查數據拿回來後,我們該做的工作就是用相關的統計軟體進行處理,在此,我們以spss為處理軟體,來簡要說明一下問卷的處理過程,它的過程大致可分為四個過程:定義變數、數據錄入、統計分析和結果保存.下面將從這四個方面來對問卷的處理做詳細的介紹.
Spss處理:
第一步:定義變數
大多數情況下我們需要從頭定義變數，在打開SPSS後，我們可以看到和excel相似的界面，在界面的左下方可以看到Data View, Variable View兩個標簽,只需單擊左下方的Variable View標簽就可以切換到變數定義界面開始定義新變數。在表格上方可以看到一個變數要設置如下幾項:name(變數名)、type(變數類型)、width(變數值的寬度)、decimals(小數位) 、label(變數標簽) 、Values(定義具體變數值的標簽)、Missing(定義變數缺失值)、Colomns(定義顯示列寬)、Align(定義顯示對齊方式)、Measure(定義變數類型是連續、有序分類還是無序分類).
我們知道在spss中,我們可以把一份問卷上面的每一個問題設為一個變數,這樣一份問卷有多少個問題就要有多少個變數與之對應,每一個問題的答案即為變數的取值.現在我們以問卷第一個問題為例來說明變數的設置.為了便於說明,可假設此題為:
1.請問你的年齡屬於下面哪一個年齡段( )?
A:20—29 B:30—39 C:40—49 D:50--59
那麼我們的變數設置可如下: name即變數名為1，type即類型可根據答案的類型設置,答案我們可以用1、2、3、4來代替A、B、C、D,所以我們選擇數字型的，即選擇Numeric, width寬度為4，decimals即小數位數位為0（因為答案沒有小數點），label即變數標簽為「年齡段查詢」。Values用於定義具體變數值的標簽,單擊Value框右半部的省略號，會彈出變數值標簽對話框,在第一個文本框里輸入1,第二個輸入20—29,然後單擊添加即可.同樣道理我們可做如下設置,即1=20—29、2=30—39、3=40—49、4=50--59；Missing，用於定義變數缺失值, 單擊missing框右側的省略號，會彈出缺失值對話框, 界面上有一列三個單選鈕，默認值為最上方的「無缺失值」；第二項為「不連續缺失值」，最多可以定義3個值；最後一項為「缺失值范圍加可選的一個缺失值」，在此我們不設置預設值,所以選中第一項如圖；Colomns，定義顯示列寬,可自己根據實際情況設置；Align，定義顯示對齊方式,有居左、居右、居中三種方式；Measure，定義變數類型是連續、有序分類還是無序分類。
以上為問卷中常見的單項選擇題型的變數設置,下面將對一些特殊情況的變數設置也作一下說明.
1.開放式題型的設置:諸如你所在的省份是_____這樣的填空題即為開放題,設置這些變數的時候只需要將Value 、Missing兩項不設置即可.
2.多選題的變數設置:這類題型的設置有兩種方法即多重二分法和多重分類法,在這里我們只對多重二分法進行介紹.這種方法的基本思想是把該題每一個選項設置成一個變數,然後將每一個選項拆分為兩個選項項,即選中該項和不選中該項.現在舉例來說明在spss中的具體操作.比如如下一例:
請問您通常獲取新聞的方式有哪些( )
1 報紙 2 雜志 3 電視 4 收音機 5 網路
在spss中設置變數時可為此題設置五個變數,假如此題為問卷第三題,那麼變數名分別為3_1、3_2、3_3、3_4、3_5,然後每一個選項有兩個選項選中和不選中,只需在Value一項中為每一個變數設置成1=選中此項、0=不選中此項即可.
使用該窗口，我們可以把一個問卷中的所有問題作為變數在這個窗口中一次定義。
到此,我們的定義變數的工作就基本上可以結束了.下面我們要作就是數據的錄入了.首先,我們要回到數據錄入窗口,這很簡單,只要我們點擊軟體左下方的Data View標簽就可以了.
第二步:數據錄入

Spss數據錄入有很多方式,大致有一下幾種:
1.讀取SPSS格式的數據
2.讀取Excel等格式的數據
3.讀取文本數據（Fixed和Delimiter)
4.讀取資料庫格式數據(分如下兩步)
（1）配置ODBC （2）在SPSS中通過ODBC和資料庫進行
但是對於問卷的數據錄入其實很簡單,只要在spss的數據錄入窗口中直接輸入就可以了,只是在這里有幾點注意的事項需要說明一下.
1. 在數據錄入窗口,我們可以看到有一個表格,這個表格中的每一行代表一份問卷,我們也稱為一個個案.
2. 在數據錄入窗口中,我們可以看到表格上方出現了1、2、3、4、5…….的標簽名,這其實是我們在第一步定義變數中,我們為問卷的每一個問題取的變數名,即1代表第一題,2代表第二題.以次類推.我們只需要在變數名下面輸入對應問題的答案即可完成問卷的數據錄入.比如上述年齡段查詢的例題,如果問卷上勾選了A答案,我們在1下面輸入1就行了(不要忘記我們通常是用1、2、3、4來代替A、B、C、D的).
3.我們知道一行代表一份問卷,所以有幾分問卷,就要有幾行的數據.
在數據錄入完成後,我們要做的就是我們的關鍵部分,即問卷的統計分析了,因為這時我們已經把問卷中的數據錄入我們的軟體中了.
第三步:統計分析

有了數據，可以利用SPSS的各種分析方法進行分析，但選擇何種統計分析方法，即調用哪個統計分析過程，是得到正確分析結果的關鍵。這要根據我們的問卷調查的目的和我們想要什麼樣的結果來選擇.SPSS有數值分析和作圖分析兩類方法.
1.作圖分析:
在SPSS中，除了生存分析所用的生存曲線圖被整合到Analyze菜單中外，其他的統計繪圖功能均放置在graph菜單中。該菜單具體分為以下幾部分：:
(1)Gallery：相當於一個自學向導，將統計繪圖功能做了簡單的介紹，初學者可以通過它對SPSS的繪圖能力有一個大致的了解。
(2)Interactive：互動式統計圖。
(3)Map：統計地圖。
(4)下方的其他菜單項是我們最為常用的普通統計圖，具體來說有：

條圖

散點圖

線圖

直方圖

餅圖

面積圖

箱式圖

正態Q-Q圖

正態P-P圖

質量控制圖

Pareto圖

自回歸曲線圖

高低圖

交互相關圖

序列圖

頻譜圖

誤差線圖

作圖分析簡單易懂,一目瞭然,我們可根據需要來選擇我們需要作的圖形,一般來講,我們較常用的有條圖,直方圖,正態圖,散點圖,餅圖等等,具體操作很簡單,大家可參閱相關書籍,作圖分析更多情況下是和數值分析相結合來對試卷進行分析的,這樣的效果更好.
2.數值分析:
SPSS 數值統計分析過程均在Analyze菜單中，包括：
(1)、Reports和Descriptive Statistics：又稱為基本統計分析.基本統計分析是進行其他更深入的統計分析的前提，通過基本統計分析，用戶可以對分析數據的總體特徵有比較准確的把握，從而選擇更為深入的分析方法對分析對象進行研究。Reports和Descriptive Statistics命令項中包括的功能是對單變數的描述統計分析。
Descriptive Statistics包括的統計功能有：
Frequencies(頻數分析)：作用:了解變數的取值分布情況
Descriptives(描述統計量分析)：功能：了解數據的基本統計特徵和對指定的變數值進行標准化處理
Explore(探索分析)：功能:考察數據的奇異性和分布特徵
Crosstabs(交叉分析)：功能:分析事物（變數）之間的相互影響和關系
Reports包括的統計功能有：
OLAP Cubes(OLAP報告摘要表)：功能: 以分組變數為基礎，計算各組的總計、均值和其他統計量。而輸出的報告摘要則是指每個組中所包含的各種變數的統計信息。
Case Summaries(觀測量列表)：察看或列印所需要的變數值
Report Summaries in Row：行形式輸出報告
Report Summaries in Columns：列形式輸出報告
(2)、Compare Means(均值比較與檢驗)：能否用樣本均值估計總體均值？兩個變數均值接近的樣本是否來自均值相同的總體？換句話說，兩組樣本某變數均值不同，其差異是否具有統計意義？能否說明總體差異？這是各種研究工作中經常提出的問題。這就要進行均值比較。
以下是進行均值比較及檢驗的過程:
MEANS過程：不同水平下（不同組）的描述統計量，如男女的平均工資,各工種的平均工資。目的在於比較。術語：水平數（指分類變數的值數，如sex變數有2個值，稱為有兩個水平）、單元Cell（指因變數按分類變數值所分的組）、水平組合
T test 過程：對樣本進行T檢驗的過程
單一樣本的T檢驗：檢驗單個變數的均值是否與給定的常數之間存在差異。
獨立樣本的T檢驗：檢驗兩組不相關的樣本是否來自具有相同均值的總體（均值是否相同，如男女的平均收入是否相同，是否有顯著性差異）
配對T檢驗：檢驗兩組相關的樣本是否來自具有相同均值的總體(前後比較，如訓練效果，治療效果)
One-Way ANOVA：一元(單因素)方差分析，用於檢驗幾個（三個或三個以上）獨立的組，是否來自均值相同的總體。
(3)、ANOVA Models(方差分析)：方差分析是檢驗多組樣本均值間的差異是否具有統計意義的一種方法。例如:醫學界研究幾種葯物對某種疾病的療效；農業研究土壤、肥料、日照時間等因素對某種農作物產量的影響;不同飼料對牲畜體重增長的效果等,都可以使用方差分析方法去解決
(4)、Correlate(相關分析)：它是研究變數間密切程度的一種常用統計方法,常用的相關分析有以下幾種:
1、線性相關分析：研究兩個變數間線性關系的程度。用相關系數r來描述。
2、偏相關分析：它描述的是當控制了一個或幾個另外的變數的影響條件下兩個變數間的相關性，如控制年齡和工作經驗的影響，估計工資收入與受教育水平之間的相關關系
3、相似性測度：兩個或若干個變數、兩個或兩組觀測量之間的關系有時也可以用相似性或不相似性來描述。相似性測度用大值表示很相似，而不相似性用距離或不相似性來描述，大值表示相差甚遠
(5)、Regression(回歸分析)：功能:尋求有關聯（相關）的變數之間的關系在回歸過程中包括：Liner：線性回歸;Curve Estimation：曲線估計;Binary Logistic： 二分變數邏輯回歸;Multinomial Logistic：多分變數邏輯回歸;Ordinal 序回歸;Probit：概率單位回歸;Nonlinear：非線性回歸;Weight Estimation：加權估計;2-Stage Least squares：二段最小平方法;Optimal Scaling 最優編碼回歸;其中最常用的為前面三個.
(6)、Nonparametric Tests(非參數檢驗)：是指在總體不服從正態分布且分布情況不明時，用來檢驗數據資料是否來自同一個總體假設的一類檢驗方法。由於這些方法一般不涉及總體參數故得名。
非參數檢驗的過程有以下幾個:
1.Chi-Square test 卡方檢驗
2.Binomial test 二項分布檢驗
3.Runs test 遊程檢驗
4.1-Sample Kolmogorov-Smirnov test 一個樣本柯爾莫哥洛夫-斯米諾夫檢驗
5.2 independent Samples Test 兩個獨立樣本檢驗
6.K independent Samples Test K個獨立樣本檢驗
7.2 related Samples Test 兩個相關樣本檢驗
8.K related Samples Test 兩個相關樣本檢驗
(7)、Data Rection(因子分析)
(8)、Classify(聚類與判別)等等
以上就是數值統計分析Analyze菜單下幾項用於分析的數值統計分析方法的簡介,在我們的變數定義以及數據錄入完成後,我們就可以根據我們的需要在以上幾種分析方法中選擇若干種對我們的問卷數據進行統計分析,來得到我們想要的結果.
第四步:結果保存

我們的spss軟體會把我們統計分析的多有結果保存在一個窗口中即結果輸出窗口(output),由於spss軟體支持復制和粘貼功能,這樣我們就可以把我們想要的結果復制、粘貼到我們的報告中,當然我們也可以在菜單中執行file->save來保存我們的結果,一般情況下,我們建議保存我們的數據,結果可不保存.因為只要有了數據,如果我們想要結果的,我們可以隨時利用數據得到結果.
總結:
以上便是spss處理問卷的四個步驟,四個步驟結束後,我們需要spss軟體做的工作基本上也就結束了,接下來的任務就是寫我們的統計報告了.值得一提的是.spss是一款在社會統計學應用非常廣泛的統計類軟體,學好它將對我們以後的工作學習產生很大的意義和作用.

㈣ spss數據分析方法有哪些

1、線性模型

點擊分析，一般線性模型，單變數，設置因變數和固定因子，點擊確定，在結果窗口中查看線性模型的具體構建情況。

2、圖表分析

點擊菜單欄圖形打開舊對話框，選擇一種圖表類型，選擇簡單散點圖，點擊定義，設置XY軸的數據列，點擊確定，在輸出窗口中查看圖表結果。

3、回歸分析

點擊分析，打開回歸，設置自變數和因變數數據，點擊確定，在輸出窗口中查看回歸分析的結果。

4、直方圖分析

點擊圖形，打開舊對話框，點擊直方圖，選擇某一列變數，點擊確定，在結果窗口中查看數據的分布趨勢。

5、統計分析

點擊分析，打開描述統計，進入描述，選擇要分析的數據列，點擊確定即可在輸出窗口中查看數據的整體情況。

㈤ spss常用的分析方法

SPSS基本常用分析方法總結
第一章均值比較檢驗與方差分析
在經濟社會問題的研究過程中，常常需要比較現象之間的一些指標有無顯著差異，特別當考察的樣本容量n比較大時，由隨機變數的中心極限定理知，樣本均值近似他服從正態分布、所以，均值的比較檢驗主要研究關於正態總體則均值有關的假設是否成立的問題。
本章主要內容：
1．單個總體均值的t檢驗(One-Sample T Test)；
2．兩個獨立總樣本均值的I檢驗(Independent- Samples T Test );
3．兩個有聯系總體均值的t檢驗(Paired-Samples T Test )；
4．單因素方差分析(0ne-Way ANOVA)；
5．雙因素方差分析(General Linear Model→Univariate)。
假設條件：研究的數據服從正態分布或近似地服從正態分布。
在Aanlyze菜單中，均值比較檢驗可以從菜單Compare Means 和General Linear Model得出。
第一節 單個總體均值的t檢驗(One-Sample T Test)
單個總體的t檢驗也稱為單一樣本的t檢驗，也就是檢驗單個變數的均值是否與假定的均值之間存在差異。將單個變數的樣本均值與假定的常數相比較，通過檢驗得出預先的假設是否正確的結論。
例2.1 根據2002年我國不同行業的工資水平，檢驗國有企業的職工平均年工資收入是否等於10000元，假設數據近似地服從止態分布。
首先建立假設：H0：國有企業工資為10000元。
H1：國有企業工資不等於10000元。

第二節 兩個總體的t檢驗 (Two-Samples T Test)
一、兩個獨立樣本的t檢驗 (Independent -Samples T Test)
Independent -Samples T Test是檢驗兩個沒有聯系的總體樣本均值間是否存在顯著的差異，兩個沒有聯系的總體樣也稱獨立樣本，如兩個無聯系的企業生產的同樣產品之間的某項指標的均值的比較，不同地區的兒童身高、體重的比較等，都可以通過抽取樣本檢驗兩個總體的均值是否存在顯著的差異。 例2. 2 某醫葯研究所考察—種葯品對男性和女性的治療效果是否有顯著差異，調查了10名男性服用者及7名女性服用者，對他們服葯後的各項指標進行綜合評分，服用的效果越好，分值就越高，每人所得的總分見表2-2，試根據表在一聲聲哀嚎聲中，數學老師帶著一摞試捲走了進來。

好像是因為冬天天冷，體育老師凍感冒了。

所以變成了兩節數學課，順便考個試。

數學老師名叫歐島，一個很富有數學氣息的名字，常年帶著一個黑框眼睛。

卷子陸續分發。

作為一個學渣，蘇牧無奈的拿出了數學參考資料，想碰碰運氣看能不能找到原題。

「叮！查看了數學題目，數學積分+1，當前積分1/100，等級：一級」

突然，從腦海中冒出來的聲音，將他嚇了一大跳，差點沒從凳子上滑落下來。

一旁的同桌顏小珂忍住沒有笑場。

歐島則是狠狠的瞪了蘇牧一眼。

「？？？…」

蘇牧瞪大了眼睛，有些不可置信。

「這是什麼鬼東西？這是系統？？居然真的有系統這種東西？」

蘇牧繼續翻動，又出現了同樣的聲響。

「叮！您查看了數學題目，數學積分+1，當前積分2/100，等級：一級」

他只是瞟了一眼，居然就增加了積分？

蘇牧覺得自己的腦子清明了些。

這些陌生的數學題目，似乎看起來也熟悉了幾分。

他越發的激動起來。

這些都是真正出現在他眼前的變化！

蘇牧翻書的動作越來越快，積分也越來越多，直到歐島走過來站到了他的面前，才反應過來迅速收了回去。

這個時候，他的積分已經達到了81/100。

他並沒有慌張，而是繼續將試卷上的題目查看了一遍。

終於，系統迎來了新的提示音。

「叮，您的數學積分已經足夠，等級：二級，當前積分0/1000！」

這一瞬間，蘇牧彷彿像醍醐灌頂一般，曾經那些陌生的數學題，彷彿變成了多年的好友！

他居然！

看懂了！

看懂了！！

居然看懂了！！

蘇牧的內心頓時內流滿面，頗有苦盡甘來的感覺。

彷彿是要檢驗自己的成果，蘇牧的心思完全沉寂在了試卷之中，這是一個學渣對於知識的渴望。

時間一點一滴的過去，就連蘇牧自己都沒有發現。

可惜的是，雖然他的數學已經達到了二級，但還是有些題目沒辦法運算出來。

「叮…..」

這一次不是系統的提示音，而是下課的鈴聲。

蘇牧真的是頭一次感受到了時間過的如此之快。

曾經漫長的兩個小時，現在居然還讓他有些意猶未盡。

這就是學霸的感覺嗎？他默默的想到。

這張試卷，蘇牧覺得自己應該是103分。

因為不會的題目他都空著。

而那些簡單一點的題目，蘇牧有一種迷之自信。

他得出的答案，一定是正確答案！

……

「我要好好學習了。」

強忍住內心的激動，蘇牧擺正了

㈥ SPSS數據錄入的幾種方法

第一種方法：使用SPSS窗口錄入數據

如果樣本量不大，涉及變數不多，可以直接在SPSS窗口錄入數據。

錄入方法：打開SPSS後，選擇窗口下方的【Data View】選項卡，即可直接在表格中錄入數據，完成錄入後存成 *.sav文件即可。

我用的是破解版，如下圖：

第二種方法：用SPSS命令程序錄入數據

使用SPSS命令程序錄入數據，最基本的命令有四條：Data List、Variable Labels、Value Labels和Missing Values。利用這四條命令，可以編寫一個SPSS數據錄入的小程序並錄入數據，最後得到SPSS軟體可以直接使用的*.sav數據。

第三種方法：在Excel中錄入數據

用戶既可以在SPSS中打開需要分析的Excel文件，也可以在Excel中錄入、保存，然後在SPSS中打開保存的Excel文件。在Excel中錄入數據時，一般第一行錄入變數，第二行開始錄入數據，在錄入完畢後，將文件保存為Excel默認格式（*.xlsx）即可。

使用Excel錄入數據有以下幾個特點：(1)不用補0，可以錄入漢字，但速度較慢，適合於變數個數有限（幾十個變數）的小樣本數據錄入；（2）可以進行各種計算，如數學與三角函數；（3）可以進行位置計算；（4）可以用Excel做輔助分析，進行數據變換；（5）可以非常方便地製作圖表。

第四種方法：利用EpiData程序錄入數據

EpiData是丹麥的一個非營利組織編寫的用於數據錄入的免費軟體，要獲得該軟體，可以訪問該軟體主頁（http://www.epidata.dk）。在小規模數據錄入方面，目前使用較多的是EpiData3.1，其簡潔、實用，並已基本實現漢化，極大方便了研究人員進行數據錄入。

使用EpiData錄入數據主要有6個步驟：（1）製作數據描述文件；（2）建立數據文件；（3）檢查數據；（4）數據錄入；（5）瀏覽數據文件資料；（6）導出數據。

㈦ spss的5種常用的統計學方法

spss數據分析的五種方法：

1、線性模型；點擊分析，一般線性模型，單變數，設置因變數和固定因子，點擊確定即可。

2、圖表分析。

3、回歸分析；點擊分析，打開回歸，設置自變數和因變數數據，點擊確定即可。

4、直方圖分析。

5、統計分析。

㈧ spss數據分析的五種方法有哪些

spss數據分析的五種方法：

1、線性模型；點擊分析，橋州一般線性模型，單變數，設置因變數和固定因子，點擊確定即可。

2、圖表分析。

3、回歸分析，點擊分析，打開回歸，設置自變數和因變數數據，點擊確定即可。

4、直方圖分析。

5、統計分析。

SPSS（Statistical Proct and Service Solutions），是一款「統計產品與服務解決方案」軟體。

軟體產品特點：

操作簡便：

界面非常友好，除了數據錄入及部分命令程序等少數輸入工作需要鍵盤鍵入外，大多數操作可通過滑鼠拖曳、點擊「菜單」、「按鈕」和「對話框」來完成。

編程方便：

具有第四代語言的特點，告訴系統要做什麼，無需告訴怎樣做。只要了解統計分析的原理，無需通曉統計方法的各種演算法，即可得到需要的統計分析結果。

對於常見的統計方法，SPSS的命令冊鄭語句、子命令及選擇項的選擇絕大部分由「對話框」的操作完成。因此，用戶無需花大量時間記憶大量的命令、過程、選擇項。

功能強大：

具有完整的數據輸入、編輯、統計分析、報表、圖形製作等功能。自帶11種類型136個函數。

SPSS提供了從簡單的統計描述到復雜的多因素統計分析方法，比如數據的探索性分析、統計描述、列聯表分析、二維相關、秩相關、偏相關、方差分析、非參數檢驗、多元回歸、生存分析、協方差分敏姿蔽析、判別分析、因子分析、聚類分析、非線性回歸、Logistic回歸等。

數據介面

能夠讀取及輸出多種格式的文件。比如由dBASE、FoxBASE、FoxPRO產生的*.dbf文件，文本編輯器軟體生成的ASCⅡ數據文件，Excel的*.xls文件等均可轉換成可供分析的SPSS數據文件。能夠把SPSS的圖形轉換為7種圖形文件。結果可保存為*.txt及html格式的文件。

模塊組合：

SPSS for Windows軟體分為若干功能模塊。用戶可以根據自己的分析需要和計算機的實際配置情況靈活選擇。

針對性強：

SPSS針對初學者、熟練者及精通者都比較適用。並且很多群體只需要掌握簡單的操作分析，大多青睞於SPSS，像薛薇的《基於SPSS的數據分析》一書也較適用於初學者。而那些熟練或精通者也較喜歡SPSS，因為他們可以通過編程來實現更強大的功能。

㈨ Spss的基本方法使用步驟

Spss的基本方法使用步驟

由於一次的調研工作，我們的數據分析採用spss的統計分析工具，然後我是一個新人，全都是一步一步從零開始操作的。在學習的過程中簡單記錄了一點筆記，既然寫了，就覺得應該把它保存下來，所以來到了這里，為我的第一次spss操作做個馬克。

因子分析方法：指標非常多，反映相同事情的進行聚合

設置的地方：

描述—— kmo

抽取 —— 主成分，碎石圖

旋轉——最大方差法

得分——保存為變數

選項——大小為變數、刪除最小系數，特徵值為0.6

kmo > 0.6 ——看是否有效，對原始數據的檢驗。

在SPSS軟體統計結果中，不管是回歸分析還是其它分析，都會看到「SIG」，SIG=significance，意為「顯著性」，後面的值就是統計出的P值，如果P值0.01<P<0.05,則為差異顯著，如果P<0.01,則差異極顯著。

公因子方差——提取程度（損失的數據，如果損失低於40%即滿意）

解釋總方差：可以分成幾類，然後提取主成分因子，累積方差貢獻率，累積特徵值大於等於85%（放寬70%）.(損失率低於15%)

碎石圖：類似於解釋總方差，特徵值大於1的就是主成分，對解釋方差的解釋和完善

成分矩陣——一般不考慮，不夠充分，只是中間步驟

旋轉後成分矩陣——成分1，成分2中大於0.6的歸為一類，載荷大於設置的值才會把得分顯示在視圖。

步驟：

分析→度量→可靠性分析→統計量→描述性（如果項已刪除則進行度量）→繼續（模型α）→確定

分析：可靠性統計量：0.7以上有效

可刪除的分析：如果刪除後信度變大，則可以考慮把這個因素刪除

平均數：反應數量的中點

中位數：全體樣本的中點

步驟：

均值：描述性統計分析→描述→導入變數→確定

中位數：比較均值→均值→導入變數→選項→導入中位數即可→確定

步驟：

分析→回歸→線性→因變數→自變數→

統計量：估計→模型擬合度→共線性診斷→DW

繪制：Y：ZRESID, X:ZPRED; 直方圖，正態概率圖

保存：不操作

選項： 默認

→確定

模型匯總表

DW統計量代表自相關

DW = 2不存在為偽回歸

DW < 2 正自相關

DW > 2 負相關

多重響應，多重響應數據本質上屬於分類數據，但由於各選項均是對同一個問題的回答，之間存在一定的相關，將各選項單獨進行分析並不恰當。因此對多選題最常見的分析方法是使用SPSS中的「多重響應」命令，通過定義變數集的方式，對選項進行簡單的頻數分析和交叉分析
作用1：進行簡單的頻數分析：可以直觀明了的比較一道多選題的各個選項被選比例。
作用2：進行交叉分析：可以通過設置分層變數來進行某個選項控制下的分析。

步驟：

分析→多重響應→定義變數集（把多選題變成一個變數）→設置定義把多選題的選項放進集合中的變數→將變數編碼設置為二分法，計數值為1→名稱標簽→添加 、

交叉表

行、列→定義范圍→確定

㈩ SPSS常用的相關性分析方法解析（轉載）

相關性分析旨在分析兩組數據之間是否相互影響，彼此是否獨立的變動。SPSS內部提供了多種分析數據相關性的方法：卡方檢驗（Chi-SquareTest），Pearson相關系數計算，Spearman相關系數計算和Kendall的tau-b（K）相關系數計算。這四種分析方法適用於不同的數據類型，下面向大家介紹常用的SPSS相關性分析方法。

   1.卡方檢驗（Chi-SquareTest）

   卡方檢驗（Chi-SquareTest）是由Pearson提出的一種統計方法，在一定的置信水平和自由度下，通過比較卡方統計量和卡方分布函數概率值，判斷實際概率與期望概率是否吻合，進而分析兩個分類變數的相關性。

   卡方檢驗（Chi-SquareTest）適用於不服從正態分布的數據，兩組變數是無序的。使用SPSS進行卡方檢驗的操作方法，大家可以登錄SPSS中文網站進行學習，這里僅作原理性的介紹。如圖1是某種葯物單獨使用和葯物與放療同時使用時，治療是否有效的卡方檢驗結果。

圖1某地某種疾病發病人數統計

   個案處理摘要顯示了有效數據和無效數據的數量。VAR00001*VAR00002交叉表顯示各變數對應的頻數，VAR00001列1代表單獨使用葯物，2代表葯物與放療同時使用，VAR00002行1代表有療效的人數，2代表無療效的人數。

   行列變數為各為二組，自由度為（2-1）×（2-1）=1，Pearsonχ2值為22.475，顯著性數值為0.000小於0.05，有顯著性差異，不能接受無關假設，即單獨使用葯物與葯物放療同時進行有顯著性差異。

   2.Pearson相關系數計算

   Pearson相關系數用於評估兩組數據是否符合線性關系，不能用於符合曲線關系的數據，線性相關越強，Pearson相關系數就越接近1（線性遞增）或-1（線性遞減）。圖2為一組數據的線性相關性檢驗，可以看出，Peason相關系數0.984，表明兩者有較強的線性相關性，一般認為<0.3無相關性，0.3～0.7弱相關性，>0.7較強的相關性。

圖2Pearson檢驗結果

   3.Spearman相關系數計算

   Spearman相關系數適用於不滿足線性關系，且不滿足正態分布的數據，如圖3所示，實際這是兩組隨機產生的數據，用Spearman相關系數計算時，結果為0.257，<0.3無相關性，與Pearson相關系數類似，<0.3不相關，0.3～0.7為弱相關，>0.7為強相關。

圖3Spearman相關系數計算

   4.Kendall的tau-b（K）相關系數計算

   進行Kendall的tau-b（K）相關分析，需要滿足下列3個條件：

   1.兩個變數是有序分類變數；

   2.兩個變數相對應的研究對象是一定的。

   例如調查工資與學歷之間的關系，兩個變數學歷和收入都是等級變數，符合條件1；兩個變數均對應同一研究對象：一個區域內的所有工作的成年人。符合條件2。收入等級分別為1高收入，2中收入，3低收入，學歷等級分別為1高學歷，2中等學歷，3低學歷。結果分析如圖4所示。相關系數為0.480，有弱的相關性。

圖4Kendalltau-b系數計算

   對於不同種類的數據，應採用不同的統計方法進行相關性分析，SPSS內置了豐富的統計計算功能，可以充分滿足不同統計數據的使用需求。