spss常用操作方法大全

㈠ spss数据分析方法五种是什么

线性模型；点击分析，一般线性模型，单变量，设置因变量和固定因子，点击确定即可。图表分析。回归分析；点击分析，打开回归，设置自变量和因变量数据，点击确定即可。直方图分析。统计分析。

软件功能：

SPSS是世界上最早采用图形菜单驱动界面的统计软件，它最突出的特点就是操作界面极为友好，输出结果美观漂亮。它将几乎所有的功能都以统一、规范的界面展现出来，使用Windows的窗口方式展示各种管理和分析数据方法的功能，对话框展示出各种功能选择项。

用户只要掌握一定的Windows操作技能，精通统计分析原理，就可以使用该软件为特定的科研工作服务。SPSS采用类似EXCEL表格的方式输入与管理数据，数据接口较为通用，能方便的从其他数据库中读入数据。

其统计过程包括了常用的、较为成熟的统计过程，完全可以满足非统计专业人士的工作需要。输出结果十分美观，存储时则是专用的SPO格式，可以转存为HTML格式和文本格式。

㈡ spss正态性检验怎么操作

spss正态性检验操作方法如下：

方法一：正态曲线直方图在分析选项卡下，选择描述、频率，在频率页面，在绘图选项选择带正态曲线的直方图。绘制带正态曲线的直方图通过对比直方图与正态曲线的拟合程度，判定数据序列的分布形态是否接近正态分布。

方法三：K-S正态检验这是在不确定数据分布是否成正态性分布经常用的检验方法，在分析洗项卡下，选择：分析-非参数检验-日对话框-样本K-S。用K-S作正态性检验则是通过对比数据序列与标准正态分布有没有显着性差异来判断序列是否满足正态分布。

通过比较检测P值，说明与正态性没有显着差异，成正态性分布。分析结构，为0，说明不成正态性分布。

㈢ 怎么使用SPSS软件

当我们的调查问卷在把调查数据拿回来后,我们该做的工作就是用相关的统计软件进行处理,在此,我们以spss为处理软件,来简要说明一下问卷的处理过程,它的过程大致可分为四个过程:定义变量、数据录入、统计分析和结果保存.下面将从这四个方面来对问卷的处理做详细的介绍.
Spss处理:
第一步:定义变量
大多数情况下我们需要从头定义变量，在打开SPSS后，我们可以看到和excel相似的界面，在界面的左下方可以看到Data View, Variable View两个标签,只需单击左下方的Variable View标签就可以切换到变量定义界面开始定义新变量。在表格上方可以看到一个变量要设置如下几项:name(变量名)、type(变量类型)、width(变量值的宽度)、decimals(小数位) 、label(变量标签) 、Values(定义具体变量值的标签)、Missing(定义变量缺失值)、Colomns(定义显示列宽)、Align(定义显示对齐方式)、Measure(定义变量类型是连续、有序分类还是无序分类).
我们知道在spss中,我们可以把一份问卷上面的每一个问题设为一个变量,这样一份问卷有多少个问题就要有多少个变量与之对应,每一个问题的答案即为变量的取值.现在我们以问卷第一个问题为例来说明变量的设置.为了便于说明,可假设此题为:
1.请问你的年龄属于下面哪一个年龄段( )?
A:20—29 B:30—39 C:40—49 D:50--59
那么我们的变量设置可如下: name即变量名为1，type即类型可根据答案的类型设置,答案我们可以用1、2、3、4来代替A、B、C、D,所以我们选择数字型的，即选择Numeric, width宽度为4，decimals即小数位数位为0（因为答案没有小数点），label即变量标签为“年龄段查询”。Values用于定义具体变量值的标签,单击Value框右半部的省略号，会弹出变量值标签对话框,在第一个文本框里输入1,第二个输入20—29,然后单击添加即可.同样道理我们可做如下设置,即1=20—29、2=30—39、3=40—49、4=50--59；Missing，用于定义变量缺失值, 单击missing框右侧的省略号，会弹出缺失值对话框, 界面上有一列三个单选钮，默认值为最上方的“无缺失值”；第二项为“不连续缺失值”，最多可以定义3个值；最后一项为“缺失值范围加可选的一个缺失值”，在此我们不设置缺省值,所以选中第一项如图；Colomns，定义显示列宽,可自己根据实际情况设置；Align，定义显示对齐方式,有居左、居右、居中三种方式；Measure，定义变量类型是连续、有序分类还是无序分类。
以上为问卷中常见的单项选择题型的变量设置,下面将对一些特殊情况的变量设置也作一下说明.
1.开放式题型的设置:诸如你所在的省份是_____这样的填空题即为开放题,设置这些变量的时候只需要将Value 、Missing两项不设置即可.
2.多选题的变量设置:这类题型的设置有两种方法即多重二分法和多重分类法,在这里我们只对多重二分法进行介绍.这种方法的基本思想是把该题每一个选项设置成一个变量,然后将每一个选项拆分为两个选项项,即选中该项和不选中该项.现在举例来说明在spss中的具体操作.比如如下一例:
请问您通常获取新闻的方式有哪些( )
1 报纸 2 杂志 3 电视 4 收音机 5 网络
在spss中设置变量时可为此题设置五个变量,假如此题为问卷第三题,那么变量名分别为3_1、3_2、3_3、3_4、3_5,然后每一个选项有两个选项选中和不选中,只需在Value一项中为每一个变量设置成1=选中此项、0=不选中此项即可.
使用该窗口，我们可以把一个问卷中的所有问题作为变量在这个窗口中一次定义。
到此,我们的定义变量的工作就基本上可以结束了.下面我们要作就是数据的录入了.首先,我们要回到数据录入窗口,这很简单,只要我们点击软件左下方的Data View标签就可以了.
第二步:数据录入

Spss数据录入有很多方式,大致有一下几种:
1.读取SPSS格式的数据
2.读取Excel等格式的数据
3.读取文本数据（Fixed和Delimiter)
4.读取数据库格式数据(分如下两步)
（1）配置ODBC （2）在SPSS中通过ODBC和数据库进行
但是对于问卷的数据录入其实很简单,只要在spss的数据录入窗口中直接输入就可以了,只是在这里有几点注意的事项需要说明一下.
1. 在数据录入窗口,我们可以看到有一个表格,这个表格中的每一行代表一份问卷,我们也称为一个个案.
2. 在数据录入窗口中,我们可以看到表格上方出现了1、2、3、4、5…….的标签名,这其实是我们在第一步定义变量中,我们为问卷的每一个问题取的变量名,即1代表第一题,2代表第二题.以次类推.我们只需要在变量名下面输入对应问题的答案即可完成问卷的数据录入.比如上述年龄段查询的例题,如果问卷上勾选了A答案,我们在1下面输入1就行了(不要忘记我们通常是用1、2、3、4来代替A、B、C、D的).
3.我们知道一行代表一份问卷,所以有几分问卷,就要有几行的数据.
在数据录入完成后,我们要做的就是我们的关键部分,即问卷的统计分析了,因为这时我们已经把问卷中的数据录入我们的软件中了.
第三步:统计分析

有了数据，可以利用SPSS的各种分析方法进行分析，但选择何种统计分析方法，即调用哪个统计分析过程，是得到正确分析结果的关键。这要根据我们的问卷调查的目的和我们想要什么样的结果来选择.SPSS有数值分析和作图分析两类方法.
1.作图分析:
在SPSS中，除了生存分析所用的生存曲线图被整合到Analyze菜单中外，其他的统计绘图功能均放置在graph菜单中。该菜单具体分为以下几部分：:
(1)Gallery：相当于一个自学向导，将统计绘图功能做了简单的介绍，初学者可以通过它对SPSS的绘图能力有一个大致的了解。
(2)Interactive：交互式统计图。
(3)Map：统计地图。
(4)下方的其他菜单项是我们最为常用的普通统计图，具体来说有：

条图

散点图

线图

直方图

饼图

面积图

箱式图

正态Q-Q图

正态P-P图

质量控制图

Pareto图

自回归曲线图

高低图

交互相关图

序列图

频谱图

误差线图

作图分析简单易懂,一目了然,我们可根据需要来选择我们需要作的图形,一般来讲,我们较常用的有条图,直方图,正态图,散点图,饼图等等,具体操作很简单,大家可参阅相关书籍,作图分析更多情况下是和数值分析相结合来对试卷进行分析的,这样的效果更好.
2.数值分析:
SPSS 数值统计分析过程均在Analyze菜单中，包括：
(1)、Reports和Descriptive Statistics：又称为基本统计分析.基本统计分析是进行其他更深入的统计分析的前提，通过基本统计分析，用户可以对分析数据的总体特征有比较准确的把握，从而选择更为深入的分析方法对分析对象进行研究。Reports和Descriptive Statistics命令项中包括的功能是对单变量的描述统计分析。
Descriptive Statistics包括的统计功能有：
Frequencies(频数分析)：作用:了解变量的取值分布情况
Descriptives(描述统计量分析)：功能：了解数据的基本统计特征和对指定的变量值进行标准化处理
Explore(探索分析)：功能:考察数据的奇异性和分布特征
Crosstabs(交叉分析)：功能:分析事物（变量）之间的相互影响和关系
Reports包括的统计功能有：
OLAP Cubes(OLAP报告摘要表)：功能: 以分组变量为基础，计算各组的总计、均值和其他统计量。而输出的报告摘要则是指每个组中所包含的各种变量的统计信息。
Case Summaries(观测量列表)：察看或打印所需要的变量值
Report Summaries in Row：行形式输出报告
Report Summaries in Columns：列形式输出报告
(2)、Compare Means(均值比较与检验)：能否用样本均值估计总体均值？两个变量均值接近的样本是否来自均值相同的总体？换句话说，两组样本某变量均值不同，其差异是否具有统计意义？能否说明总体差异？这是各种研究工作中经常提出的问题。这就要进行均值比较。
以下是进行均值比较及检验的过程:
MEANS过程：不同水平下（不同组）的描述统计量，如男女的平均工资,各工种的平均工资。目的在于比较。术语：水平数（指分类变量的值数，如sex变量有2个值，称为有两个水平）、单元Cell（指因变量按分类变量值所分的组）、水平组合
T test 过程：对样本进行T检验的过程
单一样本的T检验：检验单个变量的均值是否与给定的常数之间存在差异。
独立样本的T检验：检验两组不相关的样本是否来自具有相同均值的总体（均值是否相同，如男女的平均收入是否相同，是否有显着性差异）
配对T检验：检验两组相关的样本是否来自具有相同均值的总体(前后比较，如训练效果，治疗效果)
One-Way ANOVA：一元(单因素)方差分析，用于检验几个（三个或三个以上）独立的组，是否来自均值相同的总体。
(3)、ANOVA Models(方差分析)：方差分析是检验多组样本均值间的差异是否具有统计意义的一种方法。例如:医学界研究几种药物对某种疾病的疗效；农业研究土壤、肥料、日照时间等因素对某种农作物产量的影响;不同饲料对牲畜体重增长的效果等,都可以使用方差分析方法去解决
(4)、Correlate(相关分析)：它是研究变量间密切程度的一种常用统计方法,常用的相关分析有以下几种:
1、线性相关分析：研究两个变量间线性关系的程度。用相关系数r来描述。
2、偏相关分析：它描述的是当控制了一个或几个另外的变量的影响条件下两个变量间的相关性，如控制年龄和工作经验的影响，估计工资收入与受教育水平之间的相关关系
3、相似性测度：两个或若干个变量、两个或两组观测量之间的关系有时也可以用相似性或不相似性来描述。相似性测度用大值表示很相似，而不相似性用距离或不相似性来描述，大值表示相差甚远
(5)、Regression(回归分析)：功能:寻求有关联（相关）的变量之间的关系在回归过程中包括：Liner：线性回归;Curve Estimation：曲线估计;Binary Logistic： 二分变量逻辑回归;Multinomial Logistic：多分变量逻辑回归;Ordinal 序回归;Probit：概率单位回归;Nonlinear：非线性回归;Weight Estimation：加权估计;2-Stage Least squares：二段最小平方法;Optimal Scaling 最优编码回归;其中最常用的为前面三个.
(6)、Nonparametric Tests(非参数检验)：是指在总体不服从正态分布且分布情况不明时，用来检验数据资料是否来自同一个总体假设的一类检验方法。由于这些方法一般不涉及总体参数故得名。
非参数检验的过程有以下几个:
1.Chi-Square test 卡方检验
2.Binomial test 二项分布检验
3.Runs test 游程检验
4.1-Sample Kolmogorov-Smirnov test 一个样本柯尔莫哥洛夫-斯米诺夫检验
5.2 independent Samples Test 两个独立样本检验
6.K independent Samples Test K个独立样本检验
7.2 related Samples Test 两个相关样本检验
8.K related Samples Test 两个相关样本检验
(7)、Data Rection(因子分析)
(8)、Classify(聚类与判别)等等
以上就是数值统计分析Analyze菜单下几项用于分析的数值统计分析方法的简介,在我们的变量定义以及数据录入完成后,我们就可以根据我们的需要在以上几种分析方法中选择若干种对我们的问卷数据进行统计分析,来得到我们想要的结果.
第四步:结果保存

我们的spss软件会把我们统计分析的多有结果保存在一个窗口中即结果输出窗口(output),由于spss软件支持复制和粘贴功能,这样我们就可以把我们想要的结果复制、粘贴到我们的报告中,当然我们也可以在菜单中执行file->save来保存我们的结果,一般情况下,我们建议保存我们的数据,结果可不保存.因为只要有了数据,如果我们想要结果的,我们可以随时利用数据得到结果.
总结:
以上便是spss处理问卷的四个步骤,四个步骤结束后,我们需要spss软件做的工作基本上也就结束了,接下来的任务就是写我们的统计报告了.值得一提的是.spss是一款在社会统计学应用非常广泛的统计类软件,学好它将对我们以后的工作学习产生很大的意义和作用.

㈣ spss数据分析方法有哪些

1、线性模型

点击分析，一般线性模型，单变量，设置因变量和固定因子，点击确定，在结果窗口中查看线性模型的具体构建情况。

2、图表分析

点击菜单栏图形打开旧对话框，选择一种图表类型，选择简单散点图，点击定义，设置XY轴的数据列，点击确定，在输出窗口中查看图表结果。

3、回归分析

点击分析，打开回归，设置自变量和因变量数据，点击确定，在输出窗口中查看回归分析的结果。

4、直方图分析

点击图形，打开旧对话框，点击直方图，选择某一列变量，点击确定，在结果窗口中查看数据的分布趋势。

5、统计分析

点击分析，打开描述统计，进入描述，选择要分析的数据列，点击确定即可在输出窗口中查看数据的整体情况。

㈤ spss常用的分析方法

SPSS基本常用分析方法总结
第一章均值比较检验与方差分析
在经济社会问题的研究过程中，常常需要比较现象之间的一些指标有无显着差异，特别当考察的样本容量n比较大时，由随机变量的中心极限定理知，样本均值近似他服从正态分布、所以，均值的比较检验主要研究关于正态总体则均值有关的假设是否成立的问题。
本章主要内容：
1．单个总体均值的t检验(One-Sample T Test)；
2．两个独立总样本均值的I检验(Independent- Samples T Test );
3．两个有联系总体均值的t检验(Paired-Samples T Test )；
4．单因素方差分析(0ne-Way ANOVA)；
5．双因素方差分析(General Linear Model→Univariate)。
假设条件：研究的数据服从正态分布或近似地服从正态分布。
在Aanlyze菜单中，均值比较检验可以从菜单Compare Means 和General Linear Model得出。
第一节 单个总体均值的t检验(One-Sample T Test)
单个总体的t检验也称为单一样本的t检验，也就是检验单个变量的均值是否与假定的均值之间存在差异。将单个变量的样本均值与假定的常数相比较，通过检验得出预先的假设是否正确的结论。
例2.1 根据2002年我国不同行业的工资水平，检验国有企业的职工平均年工资收入是否等于10000元，假设数据近似地服从止态分布。
首先建立假设：H0：国有企业工资为10000元。
H1：国有企业工资不等于10000元。

第二节 两个总体的t检验 (Two-Samples T Test)
一、两个独立样本的t检验 (Independent -Samples T Test)
Independent -Samples T Test是检验两个没有联系的总体样本均值间是否存在显着的差异，两个没有联系的总体样也称独立样本，如两个无联系的企业生产的同样产品之间的某项指标的均值的比较，不同地区的儿童身高、体重的比较等，都可以通过抽取样本检验两个总体的均值是否存在显着的差异。 例2. 2 某医药研究所考察—种药品对男性和女性的治疗效果是否有显着差异，调查了10名男性服用者及7名女性服用者，对他们服药后的各项指标进行综合评分，服用的效果越好，分值就越高，每人所得的总分见表2-2，试根据表在一声声哀嚎声中，数学老师带着一摞试卷走了进来。

好像是因为冬天天冷，体育老师冻感冒了。

所以变成了两节数学课，顺便考个试。

数学老师名叫欧岛，一个很富有数学气息的名字，常年带着一个黑框眼睛。

卷子陆续分发。

作为一个学渣，苏牧无奈的拿出了数学参考资料，想碰碰运气看能不能找到原题。

“叮！查看了数学题目，数学积分+1，当前积分1/100，等级：一级”

突然，从脑海中冒出来的声音，将他吓了一大跳，差点没从凳子上滑落下来。

一旁的同桌颜小珂忍住没有笑场。

欧岛则是狠狠的瞪了苏牧一眼。

“？？？…”

苏牧瞪大了眼睛，有些不可置信。

“这是什么鬼东西？这是系统？？居然真的有系统这种东西？”

苏牧继续翻动，又出现了同样的声响。

“叮！您查看了数学题目，数学积分+1，当前积分2/100，等级：一级”

他只是瞟了一眼，居然就增加了积分？

苏牧觉得自己的脑子清明了些。

这些陌生的数学题目，似乎看起来也熟悉了几分。

他越发的激动起来。

这些都是真正出现在他眼前的变化！

苏牧翻书的动作越来越快，积分也越来越多，直到欧岛走过来站到了他的面前，才反应过来迅速收了回去。

这个时候，他的积分已经达到了81/100。

他并没有慌张，而是继续将试卷上的题目查看了一遍。

终于，系统迎来了新的提示音。

“叮，您的数学积分已经足够，等级：二级，当前积分0/1000！”

这一瞬间，苏牧仿佛像醍醐灌顶一般，曾经那些陌生的数学题，仿佛变成了多年的好友！

他居然！

看懂了！

看懂了！！

居然看懂了！！

苏牧的内心顿时内流满面，颇有苦尽甘来的感觉。

仿佛是要检验自己的成果，苏牧的心思完全沉寂在了试卷之中，这是一个学渣对于知识的渴望。

时间一点一滴的过去，就连苏牧自己都没有发现。

可惜的是，虽然他的数学已经达到了二级，但还是有些题目没办法运算出来。

“叮…..”

这一次不是系统的提示音，而是下课的铃声。

苏牧真的是头一次感受到了时间过的如此之快。

曾经漫长的两个小时，现在居然还让他有些意犹未尽。

这就是学霸的感觉吗？他默默的想到。

这张试卷，苏牧觉得自己应该是103分。

因为不会的题目他都空着。

而那些简单一点的题目，苏牧有一种迷之自信。

他得出的答案，一定是正确答案！

……

“我要好好学习了。”

强忍住内心的激动，苏牧摆正了

㈥ SPSS数据录入的几种方法

第一种方法：使用SPSS窗口录入数据

如果样本量不大，涉及变量不多，可以直接在SPSS窗口录入数据。

录入方法：打开SPSS后，选择窗口下方的【Data View】选项卡，即可直接在表格中录入数据，完成录入后存成 *.sav文件即可。

我用的是破解版，如下图：

第二种方法：用SPSS命令程序录入数据

使用SPSS命令程序录入数据，最基本的命令有四条：Data List、Variable Labels、Value Labels和Missing Values。利用这四条命令，可以编写一个SPSS数据录入的小程序并录入数据，最后得到SPSS软件可以直接使用的*.sav数据。

第三种方法：在Excel中录入数据

用户既可以在SPSS中打开需要分析的Excel文件，也可以在Excel中录入、保存，然后在SPSS中打开保存的Excel文件。在Excel中录入数据时，一般第一行录入变量，第二行开始录入数据，在录入完毕后，将文件保存为Excel默认格式（*.xlsx）即可。

使用Excel录入数据有以下几个特点：(1)不用补0，可以录入汉字，但速度较慢，适合于变量个数有限（几十个变量）的小样本数据录入；（2）可以进行各种计算，如数学与三角函数；（3）可以进行位置计算；（4）可以用Excel做辅助分析，进行数据变换；（5）可以非常方便地制作图表。

第四种方法：利用EpiData程序录入数据

EpiData是丹麦的一个非营利组织编写的用于数据录入的免费软件，要获得该软件，可以访问该软件主页（http://www.epidata.dk）。在小规模数据录入方面，目前使用较多的是EpiData3.1，其简洁、实用，并已基本实现汉化，极大方便了研究人员进行数据录入。

使用EpiData录入数据主要有6个步骤：（1）制作数据描述文件；（2）建立数据文件；（3）检查数据；（4）数据录入；（5）浏览数据文件资料；（6）导出数据。

㈦ spss的5种常用的统计学方法

spss数据分析的五种方法：

1、线性模型；点击分析，一般线性模型，单变量，设置因变量和固定因子，点击确定即可。

2、图表分析。

3、回归分析；点击分析，打开回归，设置自变量和因变量数据，点击确定即可。

4、直方图分析。

5、统计分析。

㈧ spss数据分析的五种方法有哪些

spss数据分析的五种方法：

1、线性模型；点击分析，桥州一般线性模型，单变量，设置因变量和固定因子，点击确定即可。

2、图表分析。

3、回归分析，点击分析，打开回归，设置自变量和因变量数据，点击确定即可。

4、直方图分析。

5、统计分析。

SPSS（Statistical Proct and Service Solutions），是一款“统计产品与服务解决方案”软件。

软件产品特点：

操作简便：

界面非常友好，除了数据录入及部分命令程序等少数输入工作需要键盘键入外，大多数操作可通过鼠标拖曳、点击“菜单”、“按钮”和“对话框”来完成。

编程方便：

具有第四代语言的特点，告诉系统要做什么，无需告诉怎样做。只要了解统计分析的原理，无需通晓统计方法的各种算法，即可得到需要的统计分析结果。

对于常见的统计方法，SPSS的命令册郑语句、子命令及选择项的选择绝大部分由“对话框”的操作完成。因此，用户无需花大量时间记忆大量的命令、过程、选择项。

功能强大：

具有完整的数据输入、编辑、统计分析、报表、图形制作等功能。自带11种类型136个函数。

SPSS提供了从简单的统计描述到复杂的多因素统计分析方法，比如数据的探索性分析、统计描述、列联表分析、二维相关、秩相关、偏相关、方差分析、非参数检验、多元回归、生存分析、协方差分敏姿蔽析、判别分析、因子分析、聚类分析、非线性回归、Logistic回归等。

数据接口

能够读取及输出多种格式的文件。比如由dBASE、FoxBASE、FoxPRO产生的*.dbf文件，文本编辑器软件生成的ASCⅡ数据文件，Excel的*.xls文件等均可转换成可供分析的SPSS数据文件。能够把SPSS的图形转换为7种图形文件。结果可保存为*.txt及html格式的文件。

模块组合：

SPSS for Windows软件分为若干功能模块。用户可以根据自己的分析需要和计算机的实际配置情况灵活选择。

针对性强：

SPSS针对初学者、熟练者及精通者都比较适用。并且很多群体只需要掌握简单的操作分析，大多青睐于SPSS，像薛薇的《基于SPSS的数据分析》一书也较适用于初学者。而那些熟练或精通者也较喜欢SPSS，因为他们可以通过编程来实现更强大的功能。

㈨ Spss的基本方法使用步骤

Spss的基本方法使用步骤

由于一次的调研工作，我们的数据分析采用spss的统计分析工具，然后我是一个新人，全都是一步一步从零开始操作的。在学习的过程中简单记录了一点笔记，既然写了，就觉得应该把它保存下来，所以来到了这里，为我的第一次spss操作做个马克。

因子分析方法：指标非常多，反映相同事情的进行聚合

设置的地方：

描述—— kmo

抽取 —— 主成分，碎石图

旋转——最大方差法

得分——保存为变量

选项——大小为变量、删除最小系数，特征值为0.6

kmo > 0.6 ——看是否有效，对原始数据的检验。

在SPSS软件统计结果中，不管是回归分析还是其它分析，都会看到“SIG”，SIG=significance，意为“显着性”，后面的值就是统计出的P值，如果P值0.01<P<0.05,则为差异显着，如果P<0.01,则差异极显着。

公因子方差——提取程度（损失的数据，如果损失低于40%即满意）

解释总方差：可以分成几类，然后提取主成分因子，累积方差贡献率，累积特征值大于等于85%（放宽70%）.(损失率低于15%)

碎石图：类似于解释总方差，特征值大于1的就是主成分，对解释方差的解释和完善

成分矩阵——一般不考虑，不够充分，只是中间步骤

旋转后成分矩阵——成分1，成分2中大于0.6的归为一类，载荷大于设置的值才会把得分显示在视图。

步骤：

分析→度量→可靠性分析→统计量→描述性（如果项已删除则进行度量）→继续（模型α）→确定

分析：可靠性统计量：0.7以上有效

可删除的分析：如果删除后信度变大，则可以考虑把这个因素删除

平均数：反应数量的中点

中位数：全体样本的中点

步骤：

均值：描述性统计分析→描述→导入变量→确定

中位数：比较均值→均值→导入变量→选项→导入中位数即可→确定

步骤：

分析→回归→线性→因变量→自变量→

统计量：估计→模型拟合度→共线性诊断→DW

绘制：Y：ZRESID, X:ZPRED; 直方图，正态概率图

保存：不操作

选项： 默认

→确定

模型汇总表

DW统计量代表自相关

DW = 2不存在为伪回归

DW < 2 正自相关

DW > 2 负相关

多重响应，多重响应数据本质上属于分类数据，但由于各选项均是对同一个问题的回答，之间存在一定的相关，将各选项单独进行分析并不恰当。因此对多选题最常见的分析方法是使用SPSS中的“多重响应”命令，通过定义变量集的方式，对选项进行简单的频数分析和交叉分析
作用1：进行简单的频数分析：可以直观明了的比较一道多选题的各个选项被选比例。
作用2：进行交叉分析：可以通过设置分层变量来进行某个选项控制下的分析。

步骤：

分析→多重响应→定义变量集（把多选题变成一个变量）→设置定义把多选题的选项放进集合中的变量→将变量编码设置为二分法，计数值为1→名称标签→添加 、

交叉表

行、列→定义范围→确定

㈩ SPSS常用的相关性分析方法解析（转载）

相关性分析旨在分析两组数据之间是否相互影响，彼此是否独立的变动。SPSS内部提供了多种分析数据相关性的方法：卡方检验（Chi-SquareTest），Pearson相关系数计算，Spearman相关系数计算和Kendall的tau-b（K）相关系数计算。这四种分析方法适用于不同的数据类型，下面向大家介绍常用的SPSS相关性分析方法。

   1.卡方检验（Chi-SquareTest）

   卡方检验（Chi-SquareTest）是由Pearson提出的一种统计方法，在一定的置信水平和自由度下，通过比较卡方统计量和卡方分布函数概率值，判断实际概率与期望概率是否吻合，进而分析两个分类变量的相关性。

   卡方检验（Chi-SquareTest）适用于不服从正态分布的数据，两组变量是无序的。使用SPSS进行卡方检验的操作方法，大家可以登录SPSS中文网站进行学习，这里仅作原理性的介绍。如图1是某种药物单独使用和药物与放疗同时使用时，治疗是否有效的卡方检验结果。

图1某地某种疾病发病人数统计

   个案处理摘要显示了有效数据和无效数据的数量。VAR00001*VAR00002交叉表显示各变量对应的频数，VAR00001列1代表单独使用药物，2代表药物与放疗同时使用，VAR00002行1代表有疗效的人数，2代表无疗效的人数。

   行列变量为各为二组，自由度为（2-1）×（2-1）=1，Pearsonχ2值为22.475，显着性数值为0.000小于0.05，有显着性差异，不能接受无关假设，即单独使用药物与药物放疗同时进行有显着性差异。

   2.Pearson相关系数计算

   Pearson相关系数用于评估两组数据是否符合线性关系，不能用于符合曲线关系的数据，线性相关越强，Pearson相关系数就越接近1（线性递增）或-1（线性递减）。图2为一组数据的线性相关性检验，可以看出，Peason相关系数0.984，表明两者有较强的线性相关性，一般认为<0.3无相关性，0.3～0.7弱相关性，>0.7较强的相关性。

图2Pearson检验结果

   3.Spearman相关系数计算

   Spearman相关系数适用于不满足线性关系，且不满足正态分布的数据，如图3所示，实际这是两组随机产生的数据，用Spearman相关系数计算时，结果为0.257，<0.3无相关性，与Pearson相关系数类似，<0.3不相关，0.3～0.7为弱相关，>0.7为强相关。

图3Spearman相关系数计算

   4.Kendall的tau-b（K）相关系数计算

   进行Kendall的tau-b（K）相关分析，需要满足下列3个条件：

   1.两个变量是有序分类变量；

   2.两个变量相对应的研究对象是一定的。

   例如调查工资与学历之间的关系，两个变量学历和收入都是等级变量，符合条件1；两个变量均对应同一研究对象：一个区域内的所有工作的成年人。符合条件2。收入等级分别为1高收入，2中收入，3低收入，学历等级分别为1高学历，2中等学历，3低学历。结果分析如图4所示。相关系数为0.480，有弱的相关性。

图4Kendalltau-b系数计算

   对于不同种类的数据，应采用不同的统计方法进行相关性分析，SPSS内置了丰富的统计计算功能，可以充分满足不同统计数据的使用需求。