spss10-1

合集下载

《SPSS统计分析》第10章相关分析

12.990 16.290 17.990 19.290
12.500 15.800 17.500 18.800
11.500 14.800 16.500 17.800
2.200 5.500 7.200 8.500
3.300 5.000 6.300
3.300
1.700 3.000
5.000 1.700
1.300
3.分析两个变量间线性关系的程度。往往因为第三个变量的作用，使相关系数不能真正反映两个变量间的线性程度。这是应该控制一个变量的变化求另两个变量间的相关系数，也就是说，在第三个变量不变的情况下，两个变量的线性程度。
CORRELATIONS /VARIABLES=VCP with HEIGHT WEIGHT /PRINT=TWOTAIL NOSIG /MISSING=PAIRWISE .
6.300 3.000 1.300
1.800 1.500 3.200 4.500
2.700 6.000 7.700 9.000
5.000 8.300 10.000 11.300
12.000 15.300 17.000 18.300
9: 9 14.790 14.300 13.300
4.000 1.800 1.500 3.200 4.500
返回
典型相关分析
返回
典型相关分析概念
典型相关分析是用来描述两组随机变量间关系的统计分析方法。
通过线性组合，可以将一组变量组合成一个新的综合变量。虽然每组变量间的线性组合有无数多个，但通过对其施加一些条件约束，能使其具有确定性。
典型相关分析就是要找到使得这两个由线性组合生成的变量之间的相关系数最大的系数。
学习通过编程解决偏相关问题

SPSS第10章相关分析

第10章相关分析 (225)1 双变量相关分析 (225)1.1 双变量相关分析的数据特征 (225)1.2 皮尔逊相关系数 (225)1.3 肯德尔相关系数 (228)1.4 例题3 (230)2 偏相关关系 (232)2.1 偏相关关系 (232)2.2 例题 (232)3 距离相关分析 (234)3.1 特征 (234)3.2 主要参数 (235)3.3 例题 (235)3.4 实例介绍 (237)第10章相关分析相关分析是研究变量之间关系密切程度的一种统计方法，包括双变量相关分析、偏相关分析和距离相关分析。

1 双变量相关分析1.1 双变量相关分析的数据特征当某一个事物存在着多个变量时，而各个变量之间呈数量关系时，可以用双变量相关分析来研究，并做出统计学推断。

双变量相关分析可以输出两两变量之间的相关系数，相关系数的种类有皮尔逊相关系数、肯德尔相关系数、斯皮尔曼等级相关系数等。

1.2 皮尔逊相关系数X和Y有线性函数关系，两变量间的相关系数是+1～-1，相关系数没有单位。

1.2.1 例题133名产妇进行产前检查，测定X1-X6六项指标，试计算X1-X4的皮尔逊相关系数。

1.2.2 SPSS过程Data，analyze，correlate，打开bivariate对话框，选择x1-x4→variables，选择pearson 相关系数，two-tail，flag significant correlations，打开options对话框，means and standard deviations，exclude case pairwirs，continue，ok.two-tail，双尾检验；Flag significant correlations：用星号显示有显著性相关的相关系数；Exclude case pairwirs：剔除有缺失值的配对变量；Cross-product deviations and covarances：显示每一对变量的离均差交叉积与协方差。

平均值的多重比较SPSS操作

平均值的多重比较SPSS操作一、简介多重比较是一个非常重要的统计方法。

在采集大量数据后，通常会对某个变量进行平均值的比较。

但是，如果对数据进行简单的比较可能会存在问题：假设有10个不同的样本，进行10次比较，这将导致多达45个比较(10C2)，这个时候难免会出现误差。

多重比较是一种用于调整显著性水平和减少误差的方法，可以在比较中减少错误的拒绝。

二、SPSS操作1、单因素方差分析打开SPSS软件，加载数据并选择“Analyze”菜单，选择“Compare Means”选项，进入子菜单，选择“One-Way ANOVA”，进入单因素方差分析子菜单，如下图所示。

2、设置分析变量在“One-Way ANOVA”对话框中，选择需要分析的变量，并将其添加到右侧区域，如下图所示。

3、添加编辑标签在“Options”标签页中，选择“Descriptive”。

在描述性统计选项卡中，选择“Mean”、“Std. Deviation”和“N”三个选项，并单击“Continue”按钮。

现在我们将为分组变量添加标签。

4、分组变量标签点击“Post Hoc...”按钮进入“Post Hoc Tests”对话框，并选择一个或多个比较类型进行比较，如下图所示。

5、设置显著性水平在“Options”标签页中，将显著性水平设置为0.05，如下图所示。

6、执行分析完成设置后，单击“OK”按钮开始分析过程。

SPSS运行程序并输出结果，如下图所示。

分析结果可以得出：1）整体效应不显著，F（2,54）=2.49,P=0.09。

2）当α = 0.05 时，相应的 Bonferroni 校正后置Hoc比较表明，组1、2和组1、3之间差异不显著，但组2和组3之间差异显著。

3）平均得分方面，在平均得分方面，组1的平均得分小于2和组三的平均得分；组2的平均得分高于组一和组三的平均得分；组三的平均得分最高。

四、总结平均值的多重比较SPSS操作是非常重要的，该方法让我们能够在更复杂的数据集中得出显著的结论。

多选题与排序题的SPSS处理

多选题和排序题的SPSS处理在问卷设计中，常见的题型包括单选题、多选题、排序题和问答题。

其中单选题是最常见的题型，实践中可通过频数统计，箱型图及各种高级统计方法对其进行分析，流行的统计软件SPSS 中也包含多个用于处理单选题的模块。

问答题作为主观题，通常不进行编码和统计分析，只作为定性研究来处理。

多选题和排序题是两种常见的题型，多选题的优势是它可以广泛的搜集被访者的态度信息，探索不同人群的态度组合，为进一步编制或修订量表提供依据。

排序题可以同时测查被访者对多个选项的态度倾向。

SPSS 中虽然有处理多选题的模块“Multiple Response”，但是其功能相对简单，只能对多选题进行一般的频数统计和列联表分析。

有些学者对多选题的数据编码提出了改进方法，提高了数据录入转换的效率，但是对多选题如何进行分析处理研究得不够深入。

以下内容将讨论多选题和排序题的分类，以及如何在SPSS 中实现它们的编码和分析过程。

一、多选题的处理方法多选题可分为不定项多选题和定项多选题，它们有不同的编码和处理方式。

1.不定项多选题这是最常见的多选题方式，即一道题目有多个选项，每个选项都可以勾选或者不选。

例1：你在选购电子产品时，会考虑以下哪些因素：A 价格B 性能C 质量D 保修E 外观F 品牌编码：对于这种题型，通常的采用“0-1”编码进行处理，即为每个选项单独设立一个变量，本例可设定a1_1,a1_2 到a1_6 共6 个变量，它们代表从A、B 到F共6个备选选项。

如果被试的选择为ABD，则在a1_1,a1_2 和a1_4中输入1，其他变量输入0。

其他学者也提出了用某些函数或编程方法快速实现数据的录入，但最终都要转换为“0-1”编码的形式。

分析：完成编码后，使用SPSS 中的Analyse———MultipleResponse 命令，再通过Define Sets 来将多个选项合并定义为一个多选题，如例1 中可将6 个变量共同定义为$a1。

【办公自动化】SPSS(第十章)：多元尺度法

多元尺度法内容大纲101认识多元尺度法101认识多元尺度法102数据编码与spss输入102数据编码与spss输入103非计量多元尺度法103非计量多元尺度法104计量多元尺度法例一104计量多元尺度法例一105计量多元尺度法例二105计量多元尺度法例二106alscal106alscal107对应分析107对应分析108最适尺度108最适尺度109重要统计检定值109重要统计检定值101认识多元尺度法多元尺度法multidimensionalscalingmds又称多维尺度分析其目的之一在于帮助我们建立受试者对于产品服务及其它物体在产品空间productspace产生知觉图如图101所示
如图10-9所示。此窗口的目的是要我们决定输出报表要呈现什么。选「Common space coordinates」（共同空间坐标）以及「Multiple stress measures」（多种压力测量）。如果想要将有关数据储存起来，可在「Save to New File」方盒下的选项中勾选。
在SPSS内的甲牌就是甲牌与乙牌的相似度，乙牌就是乙牌与丙牌的相似度，以此类推。何以上述没有甲牌与丙牌、乙牌与丁牌的相似比较？因为比较甲牌与乙牌、乙牌与丙牌就可以推断甲牌与丙牌；比较甲牌与乙牌、甲牌与丁牌就可以推乙牌与丁牌。例如，如果小明认为甲牌与乙牌相似、乙牌与丙牌相似，就可以推断甲牌与丙牌相似；如果小明认为甲牌与乙牌相似、甲牌与丁牌相似，就可以推断乙牌与丁牌相似。
在SPSS中，按〔Analyze〕、〔Scale〕、〔Multidimensional Scaling(PROXSCAL)〕（〔分析〕〔量尺法〕〔PROXSCAL多元尺度方法〕），在所产生的「Multidimensional Scaling: Data Format」窗口中，我们所做的设定如图10-11所示

用SPSS或excel产生随机数

一、用SPSS17.0产生随机数
1.建立随机数变量random，并在数据编辑器的第10个单元格出输入任意数值，
以激活10个数据格。

2.转换→计算变量，打开“计算变量”对话框，将“random”写入“目标变量”，
在“函数组”中选择“随机数字”，在“函数和特殊变量”中选择适合的函数，如“Rv.Uniform”函数，并写入参数值（1，100），点击确定。

3. 在随即弹出的对话框中确定更换现有的变量。

4.产生10个1-100的随机数。

二．使用Excel产生随机数（1-1001）
打开excel取任一列，如B列，选择B1，定义为=RAND()*1000+1，然后选住B1向下拉，即可产生一列随机数。

如要产生整数随机数，如A列，只需将A1定义为=INT(RAND()*1000+1)，然后选住A1向下拉，即可产生一列整数随机数。

注意，excel产生的随机数会不停变化，不能保持固定。

SPSS产生的随机数固定且不变。

spss第二版习题及答案

spss第二版习题及答案SPSS第二版习题及答案SPSS（Statistical Package for the Social Sciences）是一种统计分析软件，广泛应用于社会科学领域的数据分析和研究中。

对于学习SPSS的人来说，掌握习题并查看答案是提高技能的重要途径之一。

本文将为大家介绍一些SPSS第二版习题及其答案，希望能够帮助读者更好地理解和应用SPSS。

一、描述统计学习题1. 对于以下数据集，请计算平均数、中位数、众数、标准差和极差。

数据集：12，15，18，20，22，25，25，27，30，30答案：平均数：23.4，中位数：24，众数：25和30，标准差：6.89，极差：18 2. 对于以下数据集，请计算四分位数和箱线图。

数据集：10，12，15，18，20，22，25，25，27，30，30，32，35，40，45答案：第一四分位数（Q1）：18.5，第二四分位数（Q2）：25，第三四分位数（Q3）：32.5，箱线图：参考附图1。

二、假设检验学习题1. 一个研究人员想要确定一种新的药物是否对治疗抑郁症有效。

他随机选择了100名患有抑郁症的患者，并将他们分为两组：实验组和对照组。

实验组接受新药物治疗，对照组接受安慰剂。

请使用SPSS进行假设检验，判断新药物是否显著改善了患者的抑郁症状。

答案：使用t检验进行假设检验。

设定零假设（H0）：新药物对抑郁症状无显著改善；备择假设（H1）：新药物对抑郁症状有显著改善。

根据样本数据计算得到t值和p值，如果p值小于设定的显著性水平（通常为0.05），则拒绝零假设，认为新药物对抑郁症状有显著改善。

三、相关性分析学习题1. 一个市场研究人员想要确定广告投入和销售额之间的相关性。

他收集了10个不同广告投入和销售额的数据。

请使用SPSS进行相关性分析，并解释结果。

答案：使用Pearson相关系数进行相关性分析。

根据样本数据计算得到相关系数r，r的取值范围为-1到1，如果r接近1，则表示广告投入和销售额之间存在正相关关系；如果r接近-1，则表示存在负相关关系；如果r接近0，则表示不存在线性相关关系。

第10章-SPSS的聚类分析

3、把一个字符型变量作为标记变量选到Label Cases by框中，它将大大增强聚类分析结果的可读性。
4、在Cluster框中选择聚类类型。其中Cases表示进行Q型聚类（默认类型）；Variables表示进行R型聚类。
5、在Display框中选择输出内容。其中Statistics 表示输出聚类分析的相关统计量；Plot表示输出聚类分析的相关图形。

(4 4.5)2 ) (8 8.5)2

(6 6)2

(5 4.5)2
)

4.12
8.5
6
4.5
8.5
6
4.5
Phi方（Phi-Square measure）距离
2019/11/22
第10章 SPSS的聚类分析
7
3、二值（Binary）变量个体间距离的计算方式
– 简单匹配系数（Simple Matching） – 雅科比系数（Jaccard）
平方欧式距离（Squared Euclidean distance ）切比雪夫（Chebychev）距离
max xi yi max( 73 66 , 68 64 )
k
Block距离 xi yi 73 66 68 64 i1
2019/11/22
第10章 SPSS的聚类分析
6
2、计数变量个体间距离的计算方式
卡方（Chi-Square measure）距离
姓名
选修课门数（期望频数）
专业课门数（期望频数）
得优门数（期望频数）
合计
张三
9（8.5）
6（6）
4（4.5）
19
李四
8（8.5）

SPSS讲义

20
•定量资料（quantitative data）：数值变量（numerical variable）其变量的值是定量的，表现为数值的大小，一般有度量衡。 •分类资料（categorical data）：分类变量（ categorical variable ）其观察值是定性的，表现为互不相容的类别或属性。无序分类：阳性或阴性，治愈或未治愈有序分类：治愈、显效、好转、无效 •概率（probability）：概率是描述随机事件发生的可能性大小的数值，常用P表示。随机事件概率的大小在0与1之间，既 0 P 1。P值越接近于1，表示某事件发生的可能性越大； P值越接近于0，表示某事件发生的可能性越小。P=1表示事件必然发生，P=0表示事件不可能发生。P 0.05称为小概率事件，表示在一次实验或观察中该事件发生的可能性很小，可以认为很可能不发生。
栏宽
对齐方式
8
主界面菜单介绍
文件菜单
编辑菜单
视图菜单
9
数据库处理菜单
变量变换菜单
10
统计分析菜单
数据概况统计子菜单
统计分析菜单描述性统计子菜单
11
统计分析菜单
均数比较子菜单
统计分析菜单
一般线性模型子菜单
12
统计分析菜单
相关分析子菜单
统计分析菜单
回归分析子菜单
13
统计分析菜单
对数线性分析
28
数据编辑_变量设置（2）
数值（默认）
变量类型
逗号
点科学记数日期时间货币自定义数据类型字符
29
数据编辑_变量设置（3）
数值标签Value LabelsΒιβλιοθήκη 数值数值标签30

利用SPSS进行因素分析

——在Coefficient Display Format(系数显示格式)栏中选
择Sorted by size（依据因素负荷量排序）项；
——在Coefficient Display Format(系数显示格式)
勾选“Suppress absolute values less than”，其后空
格内的数字不用修改，默认为0.1。
-. 19 4
. 28 7
A6
. 87 4
-. 20 6
. 24 5
A7
. 82 3
. 47 4
-. 12 9
A9
. 81 3
. 40 1
-. 37 7
A 10
. 75 3
. 49 5
-. 35 8
A2
-. 57 4
. 60 5
. 20 6
A3
-. 16 4
. 63 3
. 68 7
Ex traction Method: Principa l Co mponent A na lys is.
5
4
5
4
4
4
3
5
2
2
13
3
5
5
2
2
2
1
3
1
1
14
5
3
4
3
3
3
2
5
2
2
15
4
5
5
3
3
3
2
5
2
2
16
4
4
4
4
3
5
1
4
1
1
17
5
4
4

SPSS操作步骤及解析

目录第四章统计描述 (2)4。

2 频数分析 (2)4.3描述性统计量 (2)4.4。

1(探索性数据分析）操作步骤 (4)第五章统计推断 (6)5.2单样本t检验 (6)5.3 两独立样本t检验 (7)5。

4 配对样本t检验 (8)第六章方差分析 (9)6.2.2 单因素单变量方差分析（One-way ANOVA）（操作步骤） (10)6。

3.3 多因素单变量方差分析操作步骤 (14)6.3。

5 不考虑交互效应的多因素方差分析 (17)6。

3。

6 引入协变量的多因素方差分析 (18)第八章相关分析 (19)8.2 连续变量相关分析实例 (20)8.3 离散变量相关分析的实例(列联表） (22)第九章回归分析 (24)9.1.3 线性回归（操作步骤) (26)1．多重共线性检验 (26)2。

使用变量筛选的方法克服多重共线性 (29)二、曲线估计（操作步骤） (32)9.2.5二项Logistic回归(操作步骤) (35)第十章聚类分析 (39)10。

3.1 K-均值操作步骤： (39)10。

4。

1 系统聚类法操作步骤 (43)第十一章判别分析 (47)11.3。

1 操作步骤 (48)第十二章因子分析 (53)12.2.2操作步骤 (56)第十三章主成分分析 (64)13。

2 操作步骤 (65)第十四章相应分析 (69)14。

2相应分析实例（操作步骤) (70)第十五章典型相关分析 (75)15。

2操作步骤： (75)第四章统计描述统计描述是指如何搜集、整理、分析、研究并提供统计资料的理论和方法，用于说明总体的情况和特征。

4.1 基本概念和原理4。

1.1 频数分布4。

1。

2 集中趋势指标算数平均值:适用于定比数据、定距数据中位数:适用于定比数据、定距数据和定序数据众数：适用于定比数据、定距数据、定序数据和定类数据4.1.3离散程度指标作用：(1）它可以表明现象的平衡程度和稳定程度；（2)离散性指标可以表明平均指标的代表性,数据离散程度越大，则该分布的平均指标的代表性就越小。

实验10-SPSS-自动线性建模

实验10-SPSS-⾃动线性建模SPSS⾃动线性建模⾃动线性建模，是在最经常使⽤的⼀般线性模型基础上加以改进，让⽤户输⼊最少的参数⽽⾃动建⽴线性模型的⼀个功能。

刚好市场部提供了⼀个⼴告效果预测需求，现在市场部已制定了6⽉1⽇⾄7⽇⼴告投放计划，希望通过建⽴线性回归模型，预测6⽉1⽇⾄7⽇的购买⽤户数有多少。

我们⼿中已有1~5⽉的⼴告投放效果数据，主要字段有“⼴告费⽤”、“⼴告投放渠道数”、“购买⽤户数”，就以此需求为例，在SPSS中进⾏⾃动线性回归分析。

1.1-实验步骤：(1)SPSS中【分析】-【回归】-【⾃动线性建模】(2)将“购买⽤户数”变量，从【预测变量(输⼊)】框移⾄【⽬标】框中，将“⽇期”变量，从【预测变量(输⼊)】框移⾄【字段】框中。

(3)单击【模型选项】卡，勾选【将预测值保存到数据集】复选框。

图1-1 ⾃动线性建模参数设置1.2 模型结果解读现在看看输出结果，和其他SPSS输出结果不同，⾃动线性回归的结果是以可视化报表⽅式呈现的。

2.1 模型摘要图 2-1 模型摘要第⼀张图为模型摘要，图中⽤进度条图来展现模型拟合的效果。

它类似于普通线性回归中的R^2（决定系数），⼀般模型准确度⼤于70%就算拟合不错，60%以下就需要修正模型，可以通过增加或删除⼀些⾃变量后再次建模进⾏修正，这个模型准确度达到了94.8%，效果不错。

2.2⾃动准备数据图 2-2第⼆张图是建模的⾃动准备数据过程信息，⽐如各个变量的⾓⾊，对其进⼊模型之前都做了哪些处理操作，常见的预处理就是离群值、缺失值等处理，只有勾选【⾃动准备数据】复选框，SPSS就会⾃动进⾏处理。

2.3 预测变量重要性图图2-3 预测变量重要性图第三张图为预测变量重要性图，如图6-7所⽰，⽤条形图的⽅式给出了模型中每个⾃变量的重要性，按对因变量影响强度的⼤⼩降序排列，重要性是相对值，因此显⽰的所有⾃变量的重要性总和为1，其中⾃变量的重要性与模型精度⽆关。

SPSS的正交实验设计

一个较好的方法即进行正交实验，它对每一因素的各水平安排的实验次数是一样的，其次任两个因素之间又是交叉分组的全面实验。
要安排一个正交实验，只要选用相应的正交表去安排实验就可以了。
2021/10/10
2
正交实验方差分析
例1 无重复正交实验的方差分析
为提高某化工产品的转化率，选择了三个有关的因素，反应温度（A），反应时间（B），用碱量（C），选取的水平如下:(检验水平为0.1)
2021/10/10
14
第六步，点击model，在弹出的model对话框中，选择custom（自定义模型），在 type中选择main effects，把a、b、c选进model框中，点击continue，点击ok。
2021/10/10
15
结果如下：
检验结果表明：因素A和因素B的P值分别为0.071和0.136
例1 无重复正交实验的方差分析正交表具有正交性，是指有如下两个特征：
1、每列中不同的数字重复次数相同。在表L9（34）中，每列有3个不同数字：1，2，3，每一个各出现3次。
2、将任意两列的同行数字看成一个数对，那么一切可能数对重复次数相同。在表L9（34）中，任意两列有9种可能的数对:(1,1), (1,2), (1,3), (2,1), (2,2), (2,3), (3,1), (3,2), (3,3)。
➢ step2，单击Post Hoc按钮，打开Univariate: Post Hoc Multiple Comparisons，在factor中将c变量选到Post Hoc Tests for对话框中，再勾选LSD，点击continue；
2021/10/10
17
最优组合先选择因素C最好，因为该因子对试验结果影响显著，操作步骤如下：

用SPSS作参数估计

n
pP
P1 P
～N
0，1
0.80
n
若总体X～N , 2 , x1, x2,xn是取自总体的随机样本,则有 :
n 1s2 2～ 2n 1
0.30 0.25 0.20 0.15 0.10 0.05
s 的分布
s2 服从卡方分布，但其分布函数不便于用数学式直接表达。可以得出与其相联系的一个服从自由度为 n-1的卡方分布的统计量。
否
是
总体是否近
否
似正态分布
是
σ值是否已知
否
用样本标准差s 估计δ
用样本标准差s 估计δ
__
x z 2 n
__
x z 2
s n
__
x z 2 n
__
s
x t 2 n
将样本容量增加到n≥30 以便进行区间
估计
np 5 n(1 p) 5
p～N P，P1 P
n
Z
pP
P1 P
～N
0，1
n
38
自有限总体的重复抽样
简单随机样本
无限总体
自无限总体的不重复抽样
简单随机样本
自无限总体的不重复抽样，如果满足以下两个条件，为纯随机抽样： ——每个个体来自同一个总体 ——样本中每个个体的抽取是独立的
确定性总体
随机抽样
随机性样本
计算
随机性
统计量
x ps
可理计论算上
确总体参数
定性
的抽样分布的抽样分布估计量的满足一致性标准的点为样本容量为任意小数如果均为一致性估计量的抽样分布两个无偏点估计量的抽样分布两个不同容量样本的点估计量的抽样分布总体均值的区间估计总体比率的区间估计样本容量的确定总体方差的区间估计总体方差已知时总体均值的区间估计总体方差未知时总体均值的区间估计信水平下的置信区间

spss习题

1、SPSS的启动2、熟悉SPSS的数据编辑窗口的主菜单基本功能：File菜单Edit菜单V iew菜单Data菜单Transform菜单Analyze菜单Graphs菜单Utilities菜单Window菜单Help菜单3、掌握SPSS的输出窗口的基本结构4、定义SPSS数据文件的结构定义一个有十二个变量的数据文件存入D盘中以自己的姓名（汉字）命名的文件夹下的“练习1”中。

变量一：变量名为“学号”；变量类型为“数值型”；变量宽度为8；数据的对齐方式为“左对齐”；变量的度量方法为“顺序水准”（Ordinal）。

变量二：变量名为“性别”；变量类型为“数值型”；变量宽度为4；变量值标签中说明：1表示男；2表示女；数据的对齐方式为“左对齐”；变量的缺失值定义为大于等于3的闭区间；变量的度量方法为“名义水准（或称名型Nominal）”。

变量三：变量名为“SRSP”；变量名标签为“家庭收入水平”；变量类型为“美元数值型”,形式为“$#####.##”；变量宽度为8，其中小数点后为2位；数据的对齐方式为左对齐；变量的度量方法为定距离数据（Scale）。

变量四：变量名为“专业”，变量类型为“字符型”；变量宽度为8；数据的对齐方式为“左对齐”；变量的度量方法为“名义水准”（或称名型Nominal）。

变量五：变量名为“ID”；变量名标签为“IDENTIFICA TION”；变量类型为“数值型”；变量宽度为8；小数点后为0位，数据的对齐方式为“左对齐”；变量的度量方法为“顺序型变量”。

变量六：变量名为“Mathgr”；变量名标签为“MA TH GRADES”；变量类型为“数值型”；变量宽度为6；变量值标签：0表示通过，1表示未通过；数据的对齐方式为“左对齐”；变量的度量方法为“称名型变量”。

变量七：变量名为“q01”；变量名标签为“QUESTION1”；变量类型为“数值型”；变量宽度为3；变量值标签：1表示非常不典型，2表示不典型，3表示典型，4表示非常典型；数据的对齐方式为“左对齐”；缺失值为大于等于5；变量的度量方法为“顺序型”。