SPSS常見(jiàn)用法解析

1、目錄:、畫圖_ 、描述統(tǒng)計(jì)分析的SPSS應(yīng)用三、均值比較檢驗(yàn)的SPSS應(yīng)用四、方差分析五、相關(guān)分析六、回歸分析注：其中使用到的數(shù)據(jù)和資料可以訪問(wèn)http:/ 簡(jiǎn)單散點(diǎn)圖Graphs-Legacy Dialogs-Scatter/Dot-Simple Scatter設(shè)置因變量、自變量及其標(biāo)志（關(guān)鍵字）在散點(diǎn)圖上右鍵單擊，然后選擇在新的窗口中編輯可繪制曲線2） 三維散點(diǎn)圖（圖1）Graphs-Legacy Dialogs-Scatter/Dot-3-D Scatter3）矩陣散點(diǎn)圖（可描述變量間的兩兩相關(guān)關(guān)系）（圖2）Graphs-Legacy Dialogs-Scatter/Dot-Matrix

2、 Scatter由圖2可知卷面成績(jī)和最終總成績(jī)有明顯的線性關(guān)系注：在word文檔中同一行插入兩張圖：把兩張圖片都插入進(jìn)去，然后右擊圖片選擇屬性，在里面把圖文混排改一下一一浮于文字上c00 o 0 0ozCCoooQOTO OO Ooao o o oa accoO OBDO qmooao o oO O ODinQPogqjpQ0o8OwD0Qao00 coo ocoO 08卡o B&8 o8T8oS o 口o1Legacy Dialogs-BoxPlot-Define Simple Boxplct: Sumnnarie5 of SeparaVariablesBoxes Represent

3、.OptiDhS.Columns:Labe* Cas&s by:Panel byNPasteResetCancellumns圖4將數(shù)據(jù)轉(zhuǎn)置，可得橫軸為課程的組箱線圖如圖5:3、莖葉圖組箱線圖如圖4所示:1OT-學(xué)血 孚坐立學(xué)M學(xué)血3:6學(xué)生F學(xué)勺奧學(xué)生Si學(xué)幻D學(xué)業(yè)1：analysisdescriptive Statistics（描述統(tǒng)計(jì)）explore-圖5銷售量 Stem-and-Leaf PlotFrequency Stem & Leaf3.0014 . 1341.0014 . 95.0015 . 023344.0015 . 56898.0016 .001123348.0

4、016 .5556788813.0017.011222223344414.0017.555566778889997.0018 . 001223413.0018.56677778889996.0019 . 00124411.0019.556666677885.0020 . 012335.0020 . 567896.0021 .0011342.0021 .581.0022 .33.0022 . 5684.0023 . 33441.00 Extremes (=237)Stem width:10Each leaf:1 case(s)4、條形圖圖表-舊對(duì)話框-條形圖XYU&.004.00155.

5、009.0016SM16.00175. D027.001B5.0020-.00195.0017.002Q&.Q010.0021S.OO3.0022S.Q04 00235 005 00罔疋乂宜卑半出間：-|-353K YSS(N)乩亍翱的粘口苴他折計(jì)望Ehl曲值、gSg：面板悚堀更強(qiáng)蛻計(jì)雖七i行辿標(biāo)輕-選頂電；2) x=3:6;注:30 .OD-I -4 -7 Oij均YMATLAB方法:1) x=3:6; y=7:10; bar(x,y)1S5DC5.100011.8000-1.7000;3.70008.10000.6000;1.50007.7000-4.500013.00000.40

6、00;y=5.3000bar(x,y)5、直方圖MATLAB作圖:語(yǔ)法：hist(y,m)%統(tǒng)計(jì)每段的元素個(gè)數(shù)并畫出直方圖hist(y,x)說(shuō)明：m是分段的個(gè)數(shù)，省略時(shí)則默認(rèn)為10;x是向量，用于指定所分每個(gè)數(shù)據(jù) 段的中間值；y可以是向量或矩陣，如果是矩陣則按列分段。例：y=randn(10,2)%產(chǎn)生10*2的正態(tài)分布的隨機(jī)數(shù)矩陣x=-2:0.5:2;hist(y,x)pie3（y,explode,第一季度,第二季度,第三季度,第四季度）6、餅圖 （matlab）y=200 100 250 400;%四個(gè)季度支出額explode=0 0 1 0;pie（y,explode,第一季度,第二季度

7、,第三季度,第四季度）第二季度四季度第三季度第三季度二、描述統(tǒng)計(jì)分析的SPSS應(yīng)用1、求均值、方差分析-描述統(tǒng)計(jì)-頻率-I S敷塞的VAR00001VAR00002”茲汀審忑廠習(xí)45 0043.DoJ爐VAROOOO145.0054.0OF少 VAR00002囹夷&ML57.0067 00格式LJ43.0034.OO卜Bpotstrap(B).32.0087.00-/顯示瀕率表格應(yīng)）確走、楓占遲”重昂空 取消幫助- FI開(kāi)慈:統(tǒng)H量百分位值-1-隼中超勢(shì)-L：四分位數(shù)(2)建均值包)L割點(diǎn)：相等組中位敎結(jié)果為:統(tǒng)計(jì)量VAR00001VAR00002N有效55缺失00均值46.40005

8、7.0000方差161.800433.5002、求樣本協(xié)方差分析-度量(scale)-可靠性分析(reliability analysis)協(xié)方差“前打?qū)?3、樣本相關(guān)系數(shù)(兩列數(shù))分析-相關(guān)(correlate)-雙相關(guān)(Bivariate)百分位敎遲)：.介數(shù)維續(xù)取消幫助(在“統(tǒng)計(jì)量”中的”三、均值比較檢驗(yàn)的SPSS應(yīng)用（一）單一樣本均值的檢驗(yàn)分析-比較均值(Compare Means)-單樣本T檢驗(yàn)(One-Sample T Text),輸出:單個(gè)樣本統(tǒng)計(jì)量N均值標(biāo)準(zhǔn)差均值的標(biāo)準(zhǔn)誤身高15164.93337.126081.83994單個(gè)樣本檢驗(yàn)檢驗(yàn)值=165tdfSig.(雙側(cè))均值差

9、值差分的 95%置信區(qū)間下限上限身高-.03614.972-.06667-4.01303.8796VARC0001VAR000024& Q0A3004&.0054.0067 0067 00410034.00320Q87 001VAR00001盤VAROO0O2BoctetrapCB).僚系數(shù)Pearson Kendall的tau-MK Spearmany様記且苦性相去遲、確定J刪巴僅麺T|郵g_亍主1.0D1&4.002.00152 003 0016BQ04.00173 005 00168 006.0016S 007.00175 008Q0166 009.00169.1

10、0.00166 0011.00160 oq12.00153 00J13 05170 0014.00156.0015.00174.00貧里夠?qū)W生護(hù)身高迭項(xiàng) BoctsirapiB.椅驗(yàn)值吩|165|結(jié)果分析：P值為0.972a=0.05，故接受原假設(shè)，說(shuō)明15名學(xué)生的平均身高與 整個(gè)年級(jí)的平均身高165無(wú)顯著差異。（二）獨(dú)立樣本均值的檢驗(yàn)分析-比較均值（Compare Means）-獨(dú)立樣本T檢驗(yàn)（Independent-SamplesT Text）,輸出結(jié)果:組統(tǒng)計(jì)量性別N均值標(biāo)準(zhǔn)差均值的標(biāo)準(zhǔn)誤身高1.008169.87503.907411.38148.007159.28575.559212.

11、10118獨(dú)立樣本檢驗(yàn)方差方程的 Levene 檢驗(yàn)均值方程的 t 檢驗(yàn)FSig.tdfSig.（雙側(cè)）均值差值標(biāo)準(zhǔn)誤差值差分的 95%置信區(qū)間下限上限身高假設(shè)方差相等.843.3754.31513.00110.589292.454135.2874715.89110假設(shè)方差不相等4.21110.609.00210.589292.514655.0296116.14896結(jié)果分析：假設(shè)方差相等時(shí)和假設(shè)方差不相等時(shí)的P值分別為0.001和0.002，都性別too1 001.001.001 001.00too1 00,.0.00身高17500174.00168.00164.00173.0

12、0169.00170.0016GOO158,00165.00156.00152.00156.00160.00168 CO袞里 |殳童|妄童|賁雖|變里,|賁卑”賁卑小于顯著性水平0.05，故拒絕原假設(shè)，說(shuō)明男生和女生的身高有顯著性差異。（三）配對(duì)樣本均值的檢驗(yàn)分析-比較均值(Compare Means)-配對(duì)樣本T檢驗(yàn)(Paired-Samples TText),輸出結(jié)果:成對(duì)樣本統(tǒng)計(jì)量均值N標(biāo)準(zhǔn)差均值的標(biāo)準(zhǔn)誤對(duì) 1期中成績(jī)70.93331514.674893.78904期末成績(jī)76.8000159.252032.38886成對(duì)樣本相關(guān)系數(shù)N相關(guān)系數(shù)Sig.對(duì) 1期中成績(jī)&期末成績(jī)15

13、.905.000成對(duì)樣本檢驗(yàn)成對(duì)差分tdfSig.(雙側(cè))均值標(biāo)準(zhǔn)差均值的標(biāo)準(zhǔn)誤差分的 95%置信區(qū)間下限上限對(duì) 1期中成績(jī)-期末成績(jī)-5.866677.424541.91701-9.97824-1.75509-3.06014.008結(jié)果分析：雙尾概率P=0.008a=0.05，故拒絕原假設(shè)，說(shuō)明期中成績(jī)和期末成績(jī)有顯著性差異，期末成績(jī)比期中成績(jī)進(jìn)步了。四、方差分析室生1 002.003.0D-4.005.0DSOO*7 008 009 0010.00-11.0D112 0013.0014 0D15 00.S3賀更IS II一 憑魚(yú)S34- 11Sf(A)Variable!Vanable21淨(jìng)

14、哪中慮澗揮 哪卡戰(zhàn)纏28D0tstrapFo.oi顯著：FO.O5FF0.01一般顯著：Fo.iF比較均值-單因素方差分析-輸出結(jié)果：ANOVAy平方和df均方F顯著性組間47716.667315905.5565.124.029組內(nèi)24833.33383104.167總數(shù)72550.00011F0.05VFVF0.01，所以可以判斷因子A顯著，即競(jìng)爭(zhēng)者個(gè)數(shù)對(duì)超市的銷售額有顯著 的影響。（二）多因子方差分析VJ.0410 001 00380 002.00590.QD3.0047Q.000305 QD1.0031Q.0Q2.03480.003.00415.0Q0450.Q01 00390.002.

15、00510 003.00390.00I晉國(guó)S3因變魁y理W7因子吃）：爐竟?fàn)幷連ootstrapiB).確定粘貼吃）L重蠱遲川 駆肖幫助1、無(wú)交互作用的多因子方差分析分析-一般線性模型-單變量（Uni variate）-平方和）類型in -7在模型中包含截距繼續(xù)|駅:電|幫助|地區(qū)品牌y J變里地區(qū)1品牌日365 00 fgj變孌里變重| 變里 “變地區(qū)2品牌a3&0 00地區(qū)了品牌目343 00地區(qū)4品牌日340 00地虧品牌日323 00地區(qū)1品牌b345 00地産2品牌b363 00地區(qū)3品牌b363 00地區(qū)4品牌匕330.QQ地區(qū)5品牌b333 00地區(qū)1品牌弋358.00地

16、産2品牌c323 00地朗品牌:353 00地區(qū)4品牌匚343 00地區(qū)5品牌c308 00地區(qū)1品牌H283 00地區(qū)2品牌d280 00地區(qū)3品牌d298 00地區(qū)4品牌d260 00地區(qū)召品牌H298 00因變里:固走因子2地區(qū)必品牌指走模型O全因子址）商發(fā)奈Sr n r ” I _FFnLIm m F因子與協(xié)變里（巳此地區(qū) 此品牌橈摯地區(qū)品牌構(gòu)建頃類型遲）:主效應(yīng)隨機(jī)因子迫;:協(xié)變里匡.： ：WLSMfW):恥肖 幫助|輸出結(jié)果:主體間效應(yīng)的檢驗(yàn)因變量:y源III 型平方和df均方FSig.校正模型15016.250a72145.1798.961.001截距2157588.050121

17、57588.0509012.795.000地區(qū)2011.7004502.9252.101.144品牌13004.55034334.85018.108.000誤差2872.70012239.392總計(jì)2175477.00020校正的總計(jì)17888.95019a. R 方=.839 （調(diào)整 R 方=.746 ）p=0.144 a=0.05,地區(qū)因子不顯著，即不同地區(qū)的地區(qū)對(duì)電腦銷售量的影 響不顯著；同理，品牌因子的概率值P=0.000一般線性模型-單變量(Uni variate)-輸出結(jié)果:主體間效應(yīng)的檢驗(yàn)因變量:y源III型平方和df均方FSig.校正模型330592.667a1130053.8

18、7912.357.000截距4528384.00014528384.0001861.830.000競(jìng)爭(zhēng)者108662.222336220.74114.892.000地區(qū)174008.000287004.00035.771.000競(jìng)爭(zhēng)者*地區(qū)47922.44467987.0743.284.017誤差58373.333242432.222總計(jì)4917350.00036校正的總計(jì)388966.00035a. R 方=.850 （調(diào)整 R 方=.781 ）結(jié)果分析：競(jìng)爭(zhēng)者和地區(qū)因子的概率值P均為0.000，這兩個(gè)因子都高度顯著而競(jìng)爭(zhēng)者和地區(qū)交互作用的P值為0.017，介于顯著性水平0.05和0.01之

19、間，所以交互作用一般顯著，即競(jìng)爭(zhēng)者和地區(qū)的交互作用對(duì)超市銷售額有一般的顯著影響。（三）協(xié)方差分析分析-一般線性模型-單變量(Uni variate)-輸出結(jié)果:主體間效應(yīng)的檢驗(yàn)因變量：增重源III型平方和df均方FSig.校正模型2328.344a3776.11568.196.000截距980.4481980.44886.150.000初重1010.76011010.76088.813.000飼料種類707.2192353.60931.071.000誤差227.6152011.381總計(jì)206613.00024校正的總計(jì)2555.95823a. R 方=.911 （調(diào)整 R 方=.898 ）結(jié)

20、果分析：因子飼料種類和協(xié)變量初始重量的概率值P都為0.000，可推斷這兩個(gè)因子都高度顯著，即飼料種類和初始重量對(duì)豬的生長(zhǎng)都有高度顯著的影響五、相關(guān)分析用統(tǒng)計(jì)方法揭示變量之間是否存在相關(guān)關(guān)系及如何將相關(guān)的密切程度及相 關(guān)的方向描述出來(lái)，就是相關(guān)分析。簡(jiǎn)單相關(guān)分析、復(fù)相關(guān)分析、偏相關(guān)分析都是通過(guò)對(duì)應(yīng)的相關(guān)系數(shù)來(lái)描述變飼料一訶料一何料一詞料一詞料一詞料一倜料一謂料一齒料二詞料二詞料二聞糾二謂料二LRX_詞料二伺料二聞料三飼料三洞料二15 0013.OQ11.00120012.0016 0014 0017.0017 0016.0018 0019 00210022.0019.0018 0022 0024

21、0020.00量間的相關(guān)程度的（一）簡(jiǎn)單相關(guān)分析Pearson相關(guān)系數(shù)：測(cè)度兩數(shù)值變量的相關(guān)性Spearman（斯皮爾曼）等級(jí)相關(guān)系數(shù)：測(cè)度兩順序變量的相關(guān)性（非參數(shù)方法）Kendalls tau-b相關(guān)系數(shù)：測(cè)度兩順序變量的相關(guān)性（非參數(shù)方法）分析-相關(guān)（correlate）-雙變量（bivariate）-輸出結(jié)果:相關(guān)性x1x2x3x4yx1Pearson 相關(guān)性1.229-.824*-.245.731*顯著性（雙側(cè)）.453.001.419.005N1313131313x2Pearson 相關(guān)性.2291-.139-.973*.816*顯著性（雙側(cè)）.453.650.000.001N13

22、13131313x3Pearson 相關(guān)性-.824*-.1391.030-.535顯著性（雙側(cè)）.001.650.924.060N1313131313x4Pearson 相關(guān)性-.245-.973*.0301-.821*顯著性（雙側(cè)）.419.000.924.001N1313131313yPearson 相關(guān)性.731*.816*-.535-.821*1顯著性（雙側(cè)）.005.001.060.001N1313131313*.在.01 水平（雙側(cè)）上顯著相關(guān)。（二）偏相關(guān)分析偏相關(guān)分析就是在控制對(duì)兩變量之間的相關(guān)性可能產(chǎn)生影響的其他變量的 前提下， 即在剔除其他變量的干擾后，研究?jī)蓚€(gè)變量間的相

23、關(guān)性。偏相關(guān)分析假定變量之間的關(guān)系均為線性關(guān)系， 沒(méi)有線性關(guān)系的變量不能進(jìn) 行偏相關(guān)分析。因此在進(jìn)行偏相關(guān)分析之前可以先通過(guò)計(jì)算皮爾遜相關(guān)系數(shù)來(lái)考 察兩兩變量間的線性關(guān)系。分析-相關(guān)（correlate）-偏相關(guān)（Partial）-輸出結(jié)果:相關(guān)性控制變量x4yx1 & x2 & x3x4相關(guān)性1.000-.072顯著性（雙側(cè)）.844df08y相關(guān)性-.0721.000顯著性（雙側(cè)）.844df80偏相關(guān)系數(shù)小于皮爾遜簡(jiǎn)單相關(guān)系數(shù)， 可見(jiàn)簡(jiǎn)單相關(guān)系數(shù)有夸大的成分，而偏相 關(guān)系數(shù)與實(shí)際更加吻合。（二）距離相關(guān)分析（分為不相似性測(cè)度和相似性測(cè)度）距離相關(guān)分析是對(duì)樣品或變量之間相似

24、或不相似程度的一種度量。，計(jì)算的是一種廣義距離。距離相關(guān)分析可以用于度量樣品之間的相互接近的程度也可用 于度量變量之間的相互接近的程度。但距離相關(guān)分析一般不單獨(dú)使用，而是作為 聚類分析、因子分析等統(tǒng)計(jì)方法的預(yù)分析過(guò)程， 探測(cè)復(fù)雜數(shù)據(jù)的內(nèi)在結(jié)構(gòu)，以得 到初步的分析線索，為進(jìn)一步分析做準(zhǔn)備。一般而言，考察變量之間的相關(guān)性采用相似性測(cè)度， 而對(duì)于樣品間的相關(guān)性采用 不相似性測(cè)度。分析-相關(guān)-距離-編號(hào)I啤酒品牌 熱里訥含重曹精含重I價(jià)格度量標(biāo)準(zhǔn)處選擇“相似性”，輸出結(jié)果:近似矩陣值向量間的相關(guān)性1234567811.0001.000.999.996.9981.0001.000.99921.0001.

25、0001.000.998.999.9991.000.9973.9991.0001.000.9991.000.998.999.9964.996.998.9991.0001.000.993.995.9905.998.9991.0001.0001.000.996.998.99461.000.999.998.993.9961.0001.0001.00071.0001.000.999.995.9981.0001.000.9998.999.997.996.990.9941.000.9991.000這是一個(gè)相似性矩陣度量標(biāo)準(zhǔn)處選擇“相似性”，輸出結(jié)果:啤酒品牌的一行記錄是一個(gè)樣品，“熱量、鈉含量”等是變量近

26、似矩陣Euclidean 距離123456781.00037.00113.60328.64211.3234.12831.4119.434237.001.00024.33116.28430.08536.2237.83332.985313.60324.331.00015.2696.41014.42720.13414.424428.64216.28415.269.00018.44029.69117.72629.006511.32330.0856.41018.440.00013.90826.42716.28564.12836.22314.42729.69113.908.00030.0305.660731.4117.83320.13417.72626.42730.030.00026.18589.43432.98514.42429.00616.2855.66026.185.000這是一個(gè)不相似性矩陣由結(jié)果可知，本題最好選用不相似性測(cè)量。六、回歸分析（一）線性回歸1、總平方和（SS