描述性统计分析
描述性统计分析
一、什么是描述统计分析（Descriptive Analysis）概念：使用几个关键数据来描述整体的情况描述性数据分析属于比较初级的数据分析，常见的分析方法包括对比分析法、平均分析法、交叉分析法等。
描述性统计分析要对调查总体所有变量的有关数据做统计性描述，主要包括数据的频数分析、数据的集中趋势分析、数据离散程度分析、数据的分布、以及一些基本的统计图形。
Excel里的分析工具库里的数据分析可以实现描述性统计分析的功能。
描述性统计分析即是对数据源最初的认知，包括数据的集中趋势、分散程度以及频数分布等，了解了这些后才能去做进一步的分析。
二、常用指标均值、中位数、众数体现了数据的集中趋势。
极差、方差、标准差体现了数据的离散程度。
偏度、峰度体现了数据的分布形状。
1、均值。
均值容易受极值的影响，当数据集中出现极值时，所得到的的均值结果将会出现较大的偏差。
2、中位数：数据按照从小到大的顺序排列时，最中间的数据即为中位数。
当数据个数为奇数时，中位数即最中间的数，如果有N个数，则中间数的位置为(N+1)/2；当数据个数为偶数时，中位数为中间两个数的平均值，中间位置的算法是(N+1)/2。
中位数不受极值影响，因此对极值缺乏敏感性。
3、众数：数据中出现次数最多的数字，即频数最大的数值。
众数可能不止一个，众数不能能用于数值型数据，还可用于非数值型数据，不受极值影响。
4、极差：=最大值-最小值，是描述数据分散程度的量，极差描述了数据的范围，但无法描述其分布状态。
且对异常值敏感，异常值的出现使得数据集的极差有很强的误导性。
5、四分位数：数据从小到大排列并分成四等份，处于三个分割点位置的数值，即为四分位数，四分位数分为上四分位数（数据从小到大排列排在第75%的数字，即最大的四分位数）、下四分位数（数据从小到大排列排在第25%位置的数字，即最小的四分位数）、中间的四分位数即为中位数。
四分位数可以很容易地识别异常值。
箱线图就是根据四分位数做的图。
第三章描述性统计分析
描述性统计分析指标
统计量可分为两类
一类表示数据的中心位置，例如均值、中位数、众 数等 一类表示数据的离散程度，例如方差、标准差、极 差等用来衡量个体偏离中心的程度。
描述单变量分布的三种方式
用数字呈现一个变量的分布 用表格呈现一个变量的分布 用图形呈现一个变量的分布
Frequencies
在交叉列联表中，除了频数外还引进了各种百分 比。例如表中第一行中的33.3％， 33.3％， 33.3 ％分别是高级工程师3人中各学历人数所占的比例 ，称为行百分比（Row percentage），一行的百 分比总和为100％；表中第一列的25.0％，25.0％ ，50.0％分别是本科学历4人中各职称人数所占的 比例，称为列百分比（Column percentage）， 一列的列百分比总和为100％，表中的6.3％，6.3 ％，12.5％等分别是总人数16人中各交叉组中人 数所占的百分比，称为总百分比（Total percentage），所有格子中的总百分比之和也为 100％。
例子
假设我们有以下的三组观测值：
观测A：11，12，13，16，16，17，18，21 观测B：14，15，15，15，16，16，16，17 观测C：11，11，11，12，19，20，20，20
这三组观测值的均值都是15.5，那么这三组数 据是否相似呢？
离散趋势
离散趋势的描述
本科 职称 高 级工 程师 Count % within 职 称 % within 文 化 程 度 % of Total Count % within 职 称 % within 文 化 程 度 % of Total Count % within 职 称 % within 文 化 程 度 % of Total Count % within 职 称 % within 文 化 程 度 % of Total Count % within 职 称 % within 文 化 程 度 % of Total 1 33.3% 25.0% 6.3% 1 25.0% 25.0% 6.3% 2 33.3% 50.0% 12.5% 0 .0% .0% .0% 4 25.0% 100.0% 25.0%
描述性统计分析
描述性统计分析【导言】在科学研究、市场调查、社会调查以及政策制定等各个领域中，描述性统计分析是一种重要的分析方法。
它主要通过对数据的整理、总结和分析，来描述数据的特征、分布和关系等。
本文将简要介绍描述性统计分析的概念和应用领域，并探讨其在实际问题中的意义和方法。
【一、描述性统计分析的概念】描述性统计分析是一种通过对数据的整理、总结和分析，来描述数据的特征、分布和关系等的方法。
它不仅可以帮助我们更好地理解数据，还可以从中发现问题和规律，为后续的分析和决策提供依据。
描述性统计分析主要包括数据的中心趋势度量、数据的离散程度度量和数据的分布特征等内容。
【二、描述性统计分析的应用领域】描述性统计分析在各个领域中都有广泛的应用，以下是几个常见的应用领域：1. 科学研究：在科学研究中，描述性统计分析可以帮助研究人员对实验数据进行整理和总结，发现数据中的规律和趋势，从而对研究对象进行深入的理解和解释。
2. 市场调查：在市场调查中，描述性统计分析可以帮助市场研究人员对市场数据进行整理和总结，了解产品的市场需求、消费者的购买行为和市场竞争情况，为市场营销活动提供科学依据。
3. 社会调查：在社会调查中，描述性统计分析可以帮助调查人员对社会问题的数据进行整理和总结，了解社会现象的普遍性和差异性，为制定社会政策提供参考依据。
4. 教育评估：在教育评估中，描述性统计分析可以帮助教育管理者对学生成绩、教学效果等数据进行整理和总结，洞察学生的学习状况和教育的质量问题，为教育改革提供参考依据。
【三、描述性统计分析的意义】描述性统计分析的意义主要体现在以下几个方面：1. 描述数据特征：通过描述性统计分析，我们可以对数据的中心趋势、离散程度等特征进行客观的量化和描述，从而更好地理解数据。
2. 发现问题和规律：通过描述性统计分析，我们可以发现数据中的异常值、缺失值等问题，从而及时采取措施进行修复；同时，还可以发现数据中的规律和趋势，为后续的分析和决策提供依据。
SPSS统计分析—描述性统计分析
SPSS统计分析—描述性统计分析描述性统计分析（Descriptive statistics analysis）简介描述性统计分析是统计学的一个领域，主要目的是通过对样本数据进行总结、整理和分析，揭示数据中的模式、趋势和关联。
它可以通过计算和展示各种统计指标来帮助我们更好地理解和解释数据。
SPSS（Statistical Package for the Social Sciences）是一种常用的统计分析软件，可以用于进行各种描述性统计分析。
本文将介绍一些常用的描述性统计分析方法和在SPSS中的应用。
1.数据摘要数据摘要是描述性统计分析的基础，主要目的是对数据进行概括性的总结。
常用的数据摘要方法包括计数、频数、百分比、均值、中位数、标准差等。
在SPSS中，可以使用“Frequencies”命令对数据进行频数分析。
该命令可以列出每个变量的频数、百分比以及累积百分比。
此外，使用“Descriptives”命令可以计算各个变量的均值、中位数、标准差等统计量。
2.绘制图表图表可以帮助我们更好地理解和展示数据的特征和分布。
常用的图表包括直方图、饼图、箱线图等。
在SPSS中，可以使用“Graphs”菜单下的不同选项来绘制各种图表。
例如，使用“Bar Chart”选项可以绘制柱状图，使用“Pie Chart”选项可以绘制饼图，使用“Boxplot”选项可以绘制箱线图。
3.相关分析相关分析可以帮助我们研究数据之间的关联关系。
它可以通过计算相关系数来评估两个变量之间的线性关系。
在SPSS中，可以使用“Correlations”命令进行相关分析。
该命令可以计算出各个变量之间的相关系数，并提供了相关系数矩阵和散点图来展示结果。
4.因素分析因素分析是一种常用的数据降维方法，可以帮助我们理解并提取潜在的数据结构和变量之间的关系。
在SPSS中，可以使用“Factor Analysis”命令进行因素分析。
该命令可以根据指定的变量，自动提取主成分或因子，并计算出因子载荷矩阵和因子得分。
描述性统计分析
第六章 描述性统计分析－－ Descriptive Statistics 菜单详解6.1 Frequencies 过程 6.1.1 界面说明 6.1.2 分析实例 6.1.3 结果解释 6.2 Descriptives 过程 6.2.1 界面说明 6.2.2 结果解释 6.3 Explore 过程 6.3.1 界面说明 6.3.2 结果解释6.4 Crosstabs 过程 6.4.1 界面说明 6.4.2 分析实例 6.4.3 结果解释描述性统计分析是统计分析的第一步，做好这第一步是下面进行正确统计推断的先决条件。
先决条件。
SPSS SPSS 的许多模块均可完成描述性分析，但专门为该目的而设计的几个模块则集中在Descriptive Statistics 菜单中，最常用的是列在最前面的四个过程：Frequencies 过程的特色是产生频数表；Descriptives 过程则进行一般性的统计描述；性的统计描述；Explore Explore 过程用于对数据概况不清时的探索性分析；过程用于对数据概况不清时的探索性分析；Crosstabs Crosstabs过程则完成计数资料和等级资料的统计描述和一般的统计检验，我们常用的X 2检验也在其中完成。
检验也在其中完成。
§6.1 Frequencies 过程频数分布表是描述性统计中最常用的方法之一，频数分布表是描述性统计中最常用的方法之一，Frequencies Frequencies 过程就是专门为产生频数表而设计的。
它不仅可以产生详细的频数表，它不仅可以产生详细的频数表，还可以按要求给出某百分位还可以按要求给出某百分位点的数值，以及常用的条图，圆图等统计图。
点的数值，以及常用的条图，圆图等统计图。
和国内常用的频数表不同，几乎所有统计软件给出的均是详细频数表，即并不按某种要求确定组段数和组距，而是按照数值精确列表。
如果想用Frequencies 过程得到我们所熟悉的频数表，请先用第二章学过的Recode 过程产生一个新变量来代表所需的各组段。
所谓描述性统计分析,就是对一组数据的各种特征进行分析,
实例演示
返回本章首页
偏度（ Skewness ) 是描述数据分布对称性的统计量 ，而 且也是与正态分布的对称性相比较而得到的。如果分布的偏度 等于0 ，则其数据分布的对称性与正态分布相同 ；如果偏度大 于0，则其分布为正偏或右偏，即在峰的右边有大的偏差值，使 右边出现一个拖得较远的尾巴；如果偏度小于 0，则为负偏或 左偏，即在峰的左边有大的偏差值，使左边出现一个拖得较远 的尾巴。
反映处在某一观测值范围内的 个案数。图中每个直方条下部 的中点坐标是该观测值范围的
据
20
中点、直方条的宽度代表该观
文 件 并
10
得
测值范围、直方条的高度代表 该观测值范围内的个案数。
到
Std. Dev = 48.43
直
Mean = 435.8
方
0
N = 120.00
图
300.0
350.0
400.0
450.0
正态概率图（Normal Q-Q Plot)的SPSS过程 离散正态概率图（Detrended Normal Q-Q Plot)的SPSS过程
返回本章首页
Normal Q-Q Plot of 选择反应时间
3
2
1
0
-1
-2
-3
100
200
300
Observed Value
Dev from No位、百分位数
标准分数及其线性转换 交叉列联表分析
1. 平均数、标准误
返回本章首页
中位数、众数、全距
返回本章首页
标准差、方差
严格地讲，在方差和标准差的计算中，分母应取n-1，因为 数据变异的自由度是n-1。但在大样本情况下，使用n和n-1差别 不大。
描述性统计分析方法
描述性统计分析方法描述性统计分析是指对收集到的样本数据进行整理、分析和总结的过程。
它旨在通过使用统计指标和图表来描述数据的特征和分布，以便更好地理解数据，发现其中的规律和趋势。
在进行描述性统计分析时，常用的方法包括中心趋势测度、离散程度测度、分布形态描述和相关性分析等。
一、中心趋势测度中心趋势测度是用来表示数据集中趋向于某个中心的位置。
常用的中心趋势测度包括均值、中位数和众数等。
1. 均值：均值是以所有数据的数值和除以数据个数的统计量，用来表示平均水平。
均值对异常值敏感，容易受到极端值的影响。
2. 中位数：中位数是将数据按照顺序排列后，位于中间位置的数值。
中位数不会受到极端值的影响，更能反映数据的普遍情况。
3. 众数：众数是一组数据中出现频率最高的数值，可用于描述具有离散分布的数据。
二、离散程度测度离散程度测度是用来表示数据集合中数据分散程度的方法。
常用的离散程度测度有范围、方差和标准差等。
1. 范围：范围是最大值和最小值的差值，可用来衡量数据的整体变化幅度。
范围对异常值敏感，易受到极端值的影响。
2. 方差：方差是各数据与均值差的平方和的平均数，用来描述数据的平均离散程度。
方差较大时，表示数据的离散程度较高。
3. 标准差：标准差是方差的平方根，用于度量数据相对于均值的离散程度。
标准差较大时，表明数据分散程度大。
三、分布形态描述分布形态描述是对数据分布形态特征进行描述的方法。
常用的分布形态描述包括偏度和峰度等。
1. 偏度：偏度描述了数据分布曲线相对于均值偏离的大小和方向。
偏度为正表示数据分布朝右偏，为负表示数据分布朝左偏，为0表示数据均匀分布。
2. 峰度：峰度描述了数据分布曲线的陡峭程度，反映了数据分布的尖峰与平顶程度。
峰度大于0表示数据分布曲线相对于正态分布更陡峭，小于0表示数据分布曲线相对于正态分布更平顶。
四、相关性分析相关性分析用来研究两个变量之间的相关关系。
常用的相关性分析方法有协方差和相关系数。
描述性统计分析
描述性统计分析描述性统计分析是一种通过对数据进行收集、整理、汇总、展示和解释，来揭示数据特征、分布和趋势的方法。
它是统计学中最基础的分析方法之一，广泛应用于各个领域的数据研究与决策中。
本文将简要介绍描述性统计分析的基本概念、常用方法和应用场景。
一、描述性统计分析的基本概念描述性统计分析是通过对数据的常见统计指标进行计算和分析，来描述数据的集中趋势、离散程度和分布情况。
常见的统计指标包括：均值、中位数、众数、极差、标准差、方差等。
这些指标可以帮助我们更好地理解和概括数据的特征，从而进行合理的数据解读和决策。
二、描述性统计分析的常用方法1. 数据收集：首先需要确定所需数据的来源和采集方法，可以通过问卷调查、实地观察、抽样调查等方式来收集相关数据。
2. 数据整理和清洗：对收集到的数据进行整理和清洗，包括缺失值的处理、异常值的剔除，确保数据的准确和完整。
3. 数据汇总和展示：将数据进行汇总，并通过图表等形式进行可视化展示，以便更直观地观察数据的特征和趋势。
4. 统计指标计算：通过计算均值、中位数、众数、标准差等统计指标，揭示数据的集中趋势和离散程度。
5. 数据解释和分析：根据计算得到的统计指标，对数据的特征和分布进行解释和分析，从中提取有价值的信息。
三、描述性统计分析的应用场景1. 社会科学研究：在社会学、心理学、教育学等领域的研究中，描述性统计分析可以用来描绘人群的特征和行为规律，为研究提供数据支持。
2. 经济与金融分析：在经济学和金融学研究中，通过对经济指标和市场数据进行描述性统计分析，可以了解经济形势和市场趋势，从而指导决策。
3. 市场调研与营销：在市场调研和营销策划中，通过对受众、消费者数据进行描述性统计分析，可以更好地了解目标市场和消费群体的需求和偏好。
4. 医学与健康研究：在医学和健康研究中，通过对患者数据和健康指标进行描述性统计分析，可以了解疾病的发病率、死亡率等情况，为医疗决策提供依据。
描述性统计分析
描述性统计分析统计学是一门关注收集、整理、分析和解释数据的学科。
在进行数据分析时，描述性统计是一个重要的环节。
描述性统计分析旨在通过对数据的整理和总结，揭示数据的基本特征和规律，帮助我们更好地理解和解释数据。
一、数据收集与整理描述性统计分析的第一步是数据的收集与整理。
数据可以从多种渠道获得，比如调查问卷、观测记录、实验数据等。
对于收集到的数据，需要进行数据清洗和整理，确保数据的准确性和可靠性。
清洗和整理数据的过程包括剔除异常值、处理缺失值、标准化数据等。
二、数据集中趋势的测量数据集中趋势是指描述数据集中心位置的统计量，常用的统计量有均值、中位数和众数。
1. 均值（mean）是数据集中所有数值的平均值，用于描述数据的总体水平。
2. 中位数（median）是将数据集按大小排序后处于中间位置的数值，用于描述数据的中间位置。
3. 众数（mode）是数据集中出现频次最高的数值，用于描述数据的集中趋势。
通过计算均值、中位数和众数，我们可以得到数据的集中趋势，进一步了解数据的整体分布情况。
三、数据的变异程度测量数据的变异程度是指数据分布的离散程度。
常用的统计量有范围、方差和标准差。
1. 范围（range）是描述数据集最大值和最小值之间差异的统计量，用于度量数据的极值情况。
2. 方差（variance）是描述数据与均值之间差异的统计量，用于度量数据的分散程度。
3. 标准差（standard deviation）是方差的算术平方根，用于度量数据的离散程度。
通过计算范围、方差和标准差，我们可以了解数据的变异程度，从而判断数据的稳定性和可靠性。
四、数据的分布特征描述数据的分布特征描述主要包括对称性、峰度和偏度等。
1. 对称性是指数据分布在均值两侧是否对称，常用的描述指标是偏离标准差。
2. 峰度是描述数据分布的峰态的指标，代表数据分布的尖锐程度。
3. 偏度是描述数据分布的不对称性的指标，代表数据分布的偏斜程度。
通过分析数据的对称性、峰度和偏度，我们可以了解数据分布的形态特征，进一步推断数据的性质和规律。
描述性统计分析名词解释
描述性统计分析名词解释描述性统计分析(des}sile analysis)是指用来对事物进行客观描述的统计方法。
包括描述统计学与社会科学中的其他统计分析方法。
描述性统计分析的应用十分广泛，凡有理论研究问题就可能用到它，反之亦然。
例如市场研究、社会调查、各类专项研究、各种质量控制活动等都需要应用描述性统计分析。
描述性统计分析主要研究对象是描述总体单位的一般特征，或总体的一般水平，其目的在于揭示事物内部结构特征和规律性的一种统计方法。
描述性统计分析是用数字表示信息，以满足人们对现实状况的认识，解释数据间的内在联系，描述事物的空间分布，为管理者制定决策提供依据。
它通常只适用于描述总体的特征。
描述性统计分析的应用十分广泛，凡有理论研究问题就可能用到它，反之亦然。
例如市场研究、社会调查、各类专项研究、各种质量控制活动等都需要应用描述性统计分析。
1、随机样本和随机变量的关系：随机样本就是在随机抽样的条件下，从样本中所抽取的样本；而随机变量就是在某一随机样本下所获得的一组样本值，即变量X={a， b， c}。
样本统计量，就是从样本空间出发，推断样本统计量的函数。
所谓样本空间，就是具有与实际问题中所考察的现象相同性质的分布所构成的一个集合。
2、描述性统计分析方法是社会科学中常用的研究方法之一，主要研究对象是描述总体单位的一般特征，或总体的一般水平，其目的在于揭示事物内部结构特征和规律性的一种统计方法。
2、总体的统计特征分析：描述性统计分析的研究对象是总体的特征，这些特征可以称为总体的信息，即总体统计特征。
例如，经济指标，如总产值，增长率，资金利润率，平均劳动生产率，边际利润率，就是描述性统计分析的对象，也是描述性统计分析的研究内容。
描述性统计分析是一种最基本的统计分析，它是根据统计学原理，用数字描述和推断总体的特征或总体的水平。
描述性统计分析的对象是总体的全部，因此又称全面统计分析，它是统计研究中最古老，最简单，但又是最重要的分析方法。
SPSS统计分析—描述性统计分析
Skewness
中位数 Median
方差
Variance
峰度
Kurtosis
众数
Mode
极小值
Minimum
和
Sum
极大值
Maximum
全距
Range
均值的标准 误差
S.E.mean
• 【Descriptive Statistics】子菜单
• ① Frequencies：产生变量值的频数分布表，并可计算常见 描述性统计量和绘制相对应的统计图。
• 执行【Analyze】/【Descriptive Statistics】/ 【Crosstabs】命令，弹出如图所示对话框
• 结果解读
1、列联表 2、卡方检验结果
3、条图
相对比描述——Ratio
• 在实际问题中，研究者有时除了希望了解变量自身的统计特 征，还希望得到两个变量相对比之间的统计描述。
适用范围：更适用于对分类变量以及不服从正态分布的连 续性变量进行描述。
• 学生身高频数表：已知有某地120名12岁男童身高数据，编 制其传统的简易频数表。
执行【Analyze】/【Descriptive Statistics】/ 【Frequencies】命令，弹出如下所示对话框
• 结果解读 1、频数表
每个格子中的理论频数T是在假定两组的发癌率相等（均等于两组 合计的发癌率）的情况下计算出来的，如第一行第一列的理论频数 为71*91/113=57.18，故卡方值越大，说明实际频数与理论频数的 差别越明显，两组发癌率不同的可能性越大。
2、卡方检验方法的适用条件
• 吸烟习惯与患病率的关系
调查339名50岁以上吸烟习惯与患慢性气管炎病的关系，如 上表所示。试问吸烟者与不吸烟者慢性气管炎患病率是否有 所不同。 ◆ 数据的预处理：WEIGHT CASE
描述性统计分析
描述性统计分析统计学是研究现象的数量关系及其变异程度，以便加以利用，这种方法广泛应用于社会学、心理学、医学、环境科学等诸多领域。
其中，描述性统计分析是一个重要的分析工具，它是指对数据进行整理、概括和分析以便更好地理解数据的分布、形态和特征的方法。
下面，我们将对描述性统计分析做一介绍。
一、描述性统计分析的概念描述性统计分析是指通过图表和数字，对数据进行总结、描述、概括和分析的方法。
在描述性统计分析中，我们对数据进行可视化处理，将数据用图表的形式呈现，可以更直观地理解数据的分布、形态和特征。
同时，在描述性统计分析中，我们还可以计算出各种统计指标，如平均数、中位数、众数、方差、标准差等，以便更深入地分析数据的特征和分布情况。
二、描述性统计分析的过程在进行描述性统计分析时，一般分为以下几个步骤：1、整理数据首先，我们需要整理数据，将数据分类、排序、分组等，以便更好地进行统计和分析。
2、计算频数和频率计算频数和频率可以帮助我们了解数据的分布情况，对数据进行表格或图表化处理也可以更加直观地看出数据的分布情况。
3、计算中心趋势计算中心趋势是指通过数据的平均数、中位数、众数等指标来衡量数据中心的集中程度，这可以帮助我们了解数据的集中趋势和整体情况。
4、计算离散程度计算离散程度是指通过数据的范围、方差、标准差等指标来测量数据的分散程度，这可以帮助我们了解数据的分散程度和变异情况。
5、绘制图表数据可视化处理是描述性统计分析的重要组成部分，通过绘制直方图、折线图、散点图等图表，可以更加直观地了解数据的分布情况。
三、描述性统计分析的应用描述性统计分析在各行各业中都有着广泛的应用。
在企业中，描述性统计分析可以帮助企业了解市场的需求和客户的反馈，从而更好地制定营销策略和产品决策。
在金融领域，描述性统计分析可以帮助银行和保险公司进行风险评估，更好地控制风险。
在医学领域，描述性统计分析可以帮助医生了解疾病的发病情况和流行病学特征，从而更好地制定治疗方案和预防措施。
描述性统计分析报告
描述性统计分析报告
描述性统计分析报告是通过对数据进行统计和分析，对数据的基本特征进行描述和总
结的报告。
它通常包括以下内容：
1. 数据概述：对数据的整体情况进行概述，包括数据的来源、样本数量、期间、覆盖
范围等。
2. 数据质量检查：对数据的质量进行检查，包括检查缺失值、异常值、重复值等问题，并进行相应的处理。
3. 变量描述性统计分析：对各个变量的基本统计量进行描述，包括平均值、中位数、
最大值、最小值、标准差等。
还可以通过绘制频率分布表、直方图、箱线图等图表来
展现变量的分布情况。
4. 变量之间的关系分析：对不同变量之间的相关性进行分析，可以使用相关系数、散
点图、热力图等方法来呈现变量之间的关系。
5. 假设检验：对一些特定的假设进行检验，比如两个样本是否具有显著差异、变量之
间是否存在相关性等。
6. 结论和建议：根据对数据的描述性统计分析结果，进行总结和建议，提出对问题或
现象的解释和改进措施。
描述性统计分析报告旨在提供对数据的基本特征的全面总结和了解，为进一步分析和
决策提供参考依据。
描述性统计分析法定义
描述性统计分析法定义所谓描述性统计分析方法是以数学表达式的形式来反映现象之间相关联系的一种统计方法。
它可以将各种原始数据中的变量分别归类，然后根据研究目的进行分组统计，并对整个调查资料进行观察与综合，从而获得对于现象的比较精确的定量估计，为经济管理和科学研究提供数量化的依据。
描述性统计分析的特点是：分组及数据计算均要有详细的资料，数据必须具有可靠性。
描述性统计分析方法按其所使用的数据范围不同，又可分为：(1)单项数据分析；(2)总量数据分析；(3)平均数、中位数、众数、变异数、标准差等数据分析。
应用描述性统计分析方法进行经济数据处理时，必须掌握下列基本概念：但是，在实际工作中，许多应用者只重视“同质性”的分析，却忽略了对于“异质性”的考虑。
异质性也称为“差异性”，是指变量之间不同水平上的差异程度。
这里的差异包括：变量水平上的差异、变量之间的差异以及时间顺序上的差异。
因此，描述性统计分析的基本内容包括： 1、差异性检验； 2、差异性分类； 3、差异性的估计值； 4、描述性统计分析方法在经济研究中的应用。
由此可见，影响因素越多，描述性统计分析的成果就越复杂，因此在实际工作中，要注意处理好同质性和异质性的关系。
描述性统计分析的方法非常广泛，其中最常用的有： (1)列联表； (2)相关分析；(3)回归分析；(4)方差分析；(5)主成分分析；(6)因子分析；(7)对数线性模型。
我们必须明白这样一个事实：假设两种或多种变量之间确实存在某种联系，那么描述性统计分析法只能提供初步的、粗略的、概括性的结论，还需要根据有关因素的情况作进一步的研究和分析，才能给出更加全面和具体的信息。
比如，一个企业通过技术创新降低成本，采取该策略的效果在短期内显而易见，但长期而言，如果成本继续下降，则说明该公司仍然需要通过提高生产率、增强核心竞争力等手段提高自己的竞争地位，从而真正带来成本的下降。
此时，再去寻找造成降低成本的因素，将会收到事半功倍的效果。
描述性统计分析
选入需要描述的 变量，可选入多个
确定是否将原始数 据的标准正态变换 结果存为新变量。
变量列表顺序 字母顺序 均数升序 均数降序。
Descriptive Statistics N Minimum Maximum Mean Std. Deviation 血清总胆固醇 101 2.70 7.22 4.6995 .86162 Valid N (listwise)101
• 7.1.2 分析实例 • 例6.1 某地101例健康男子血清总胆固醇值 测定结果存在文件danguchun.sav中，请绘 制频数表、直方图，计算均数、标准差、 变异系数CV、中位数M、p2.5和p97.5 。
操作过程如下： 1.Analyze==>Descriptive Statistics==>Frequencies 2.Variables框：选入X 3.单击Statistics钮： 4.选中Mean、Std.deviation、Median复选框 5. 单击Percentiles：输入2.5：单击Add：输入97.5： 单击Add： 6. 单击Continue钮 7. 单击Charts钮： 8. 选中Bar charts 9. 单击Continue钮 10. 单击OK
一个典型的Descriptives 过程结果统计表 最上方为表格名称， 左下方为分析变量名，可见样本量N为101例； 均数：Mean=4.6995， 最大值 ：Maximum=7.22， 标准差 ：STD=0.8616， 最小值：Minimum=2.70。
7.3 Explore过程 Explore过程
• 主要用于对资料数据的性质、分布状况等 完全不清楚时的进行分析，故称探索性分 析。在常用的描述性统计指标的基础上， 它又增加了有关数据详细分布特征的文字 与图形描述，如茎叶图、箱式图等，显得 更加详细全面。还可以为以方差齐性为目 的的变量变换提供线索，有助于用户制定 继续分析的方案。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
四分位、十分位、百分位数
标准分数及其线性转换
探索分析
交叉列联表分析
1. 平均数、标准误
基本的描述性统计量
返回本章首页
中位数、众数、全距
返回本章首页
标准差、方差
严格地讲，在方差和标准差的计算中，分母应取n-1，因为
数据变异的自由度是n-1。但在大样本情况下，使用n和n-1差别 不大。
实例演示
返回本章首页
偏度（ Skewness ) 是描述数据分布对称性的统计量 ，而 且也是与正态分布的对称性相比较而得到的。如果分布的偏度 等于0 ，则其数据分布的对称性与正态分布相同 ；如果偏度大
于0，则其分布为正偏或右偏，即在峰的右边有大的偏差值，使
右边出现一个拖得较远的尾巴；如果偏度小于 0，则为负偏或 左偏，即在峰的左边有大的偏差值，使左边出现一个拖得较远
-1.5 -2.0 100 200 300 400 500 600 700
Observed Value
返回本章首页
描述性统计，是心理学研究、教育研究中资料分析的基
本内容和进一步分析的基础。常用的除上述介绍之外，还包 括交叉列联表分析，我们将交叉列联表的分析转入非参数检 验部分讨论。 本章要求熟练掌握的内容包括：平均数、标准差、中位 数、众数、频数分布、标准分数 (Z)及其线性转换、峰度计 算、偏度计算、奇异值和极值检测、方差齐性检验等方面的 SPSS过程；准确理解直方图和箱图的各种特征及其所代表的 含义。
第二章 描述性统计分析过程
所谓描述性统计分析，就是对一组数据的各种特征进行
分析，以便于描述测量样本的各种特征及其所代表的总体的
特征。描述性统计分析的项目很多，常用的如平均数、标准 差、中位数、频数分布、正态或偏态程度等等。这些分析是 复杂统计分析的基础。 平均数、标准误 中位数、众数、全距
标准差、方差
结果如表2-lx-2所示。
（1）建立正确的SPSS数据文件； （2）考察两组被试的反应时间是否接近正态分布； （3）作箱图，检查是否存在奇异值和极值； （4）进行反应时间的组间方差齐性检验。 练习题数据表
转到第三章练习题
Std. Dev = 48.43 Mean = 435.8 N = 120.00
Frequency
0 300.0 350.0 400.0 375.0 425.0 450.0 500.0 525.0 550.0 600.0 325.0 475.0 575.0
选择反应时间
返回本章首页
2. 用箱图 （或叫框图）反映数据的集中趋势和特异值
返回本章首页
四分位、十分位、百分位数
返回本章首页
频数分布ห้องสมุดไป่ตู้峰度、偏度
频数 （Frequency) 就是一个变量的各个观测值出现的次
数。比如某班语文考试的成绩，可以统计出各分数值的人数。 峰度（Kurtosis) : 是描述某变量所有取值的分布形态陡缓 程度的统计量，而峰度对陡缓程度的度量是与正态分布进行比 较的结果。如果峰度等于 0 ，其数据分布的陡缓程度与正态分 布相同 ；峰度大于 0，其数据分布比正态分布更陡峭；峰度小 于0，其数据分布比正态分布更平坦。
批注 : 箱图可以直观地反映
调 用 数 据 文 件 并 得 到 箱 图
700
27
一组观测值的集中趋势、离
20 55
散趋势、不正常观测值（奇
异值和极值，均可被排除后 重新分析）。左图中箱图的 高度代表了25％ 位数到 75 ％ 位数的距离；箱图中的 粗线代表中位数；箱图上下
36 49
600
500
400
返回本章首页
探索分析
探索分析是对一组或多组数据的总体分布特征进行分析，以
考察其中有无奇异值、极大或极小值等；考察各组数据或全部 数据是不是正态或接近于正态分布；探索多组数据之间的方差 是否齐性，以确定是否可以采用某种统计分析技术对数据进行 检验等等。我们这里介绍： 1. 用直方图反映数据的分布直观形式； 2. 用箱图 （或叫框图）反映数据的集中趋势和奇异值； 3. 用Levene检验考察多组间方差是否齐性; 4. 用Q-Q概率图检验数据是否正态分布或接近正态分布。
返回本章首页
Normal Q-Q Plot of 选择反应时间
3
2
1
Detrended Normal Q-Q Plot of 选择反应时间
0
1.5 1.0
-1
.5
-2
0.0
-3 100 200 300 400 -.5
-1.0
500
600
700
Observed Value
Dev from Normal
选择反应时间
300
中央的垂直线叫触须线，触 须线的上下截止线分别对应
73
200
于观测值的最大值和最小值；
用 O标记的是奇异值(与框
100
N= 30 30 30 30
边距离超出框高1.5倍)、用
1
2
3
4
不同颜色的灯光刺激
*标记的为极大值或极小 值(与框边距离超出框高3
倍) 。
返回本章首页
3. 用Levene检验方差是否齐性
方差齐性检验是统计分析中的一种常见过程，它是从样本方
差以至样本各自所代表的总体方差是否相同而判断两个样本同质 性（homogeneity) 的方法。简单地说，方差齐性检验就是检验各 个方差是否存在显著性差异。一般采用Levene方法：先将各组观 测值均转换为离差绝对值，然后对各组离差绝对值进行方差分析， 如果方差分析的结果中p> 0.05，则认为方差齐性（即方差具有相 同性）；方差分析的结果中p<0.05，则认为方差不齐性（即方差
本章练习题及数据表
返回本章首页
练习题
1. 表2-lx-1所示的数据是某中学初二5班学生的期末考试成绩。 （1）请建立SPSS数据文件，然后计算全班同学各门功课成绩的平均 数、标准误、标准差、中位数、众数、全距； （2）作出各门课程成绩的直方图，从直方图大致判断其偏度、峰度 是大于0还是小于0，然后计算各自的偏度和峰度，并与你的估计作比 较； （3）将学生各门课程成绩均转换为标准差为10、平均数为100的标 准分数，然后计算每一学生标准分数的总和，找出成绩最好的学生的 编号； （4）考察分数分布是否正态或接近正态。
练习题数据表
2. 某研究者为考察汉字加工中双字词语音识别中的半测优势，以 及这种半测优势所受语义关联性的影响。他选用若干语义无关双 字音节和语义关联双字音节作为实验材料。从某学院 300 名男大 学生中随机抽取了30名学生，再将其随机分成A 、B两组 ，分别 采用左耳和右耳输入音节，要求其听到输入的音节时尽量快速大 声复述该音节。实验利用计算机程序控制，自动记录其反应时间，
态分布的标准线，散点图组成的回归线越接近于标准线，表示实
际观测数据越接近正态分布；如果以观测值、其与正态分布期望 值的离差值做散点图，则当散点近似随机地落在过原点的中间横
线周围时，数据分布接近于正态分布。
正态概率图（Normal Q-Q Plot)的SPSS过程
离散正态概率图（Detrended Normal Q-Q Plot)的SPSS过程
具有不同质性）。
方差齐性检验举例与spss过程演示
返回本章首页
4. 用Q-Q概率图检验数据是否正态分布
可以用正态概率Q-Q图和离散正态概率Q-Q 图检验观测值的
分布是否是或接近于正态分布。正态概率图是由观测值与按正态
分布的预期值作出来的散点图 ，如果实际值为正态分布 ，则其 与预期值具有线性对应关系，散点图回归一条斜线，该斜线是正
的尾巴。
实例演示
返回本章首页
标准分数及其线性转换
Z分数：从平均数为，标准差为的总体中抽取一观测值，该
观测值的Z分数是其距离总体平均值的标准差数。标准分数反映的 是一观测值与其他分数相比的相对位置。比如Z 分数为 1.5 ，则其 比平均数大 1.5 个标准差。在实际应用中 ，为了避免小数的不便， 可以对标准分数进行线性转换： T＝10Z＋50 比如某人在艾森克人格问卷的测量中 ，其精神质得分比同年 龄人的平均成绩高2.0个标准差，则其换算后的标准分数为 70 分 ； 如果另一人的测试分数正好等于平均数，则其标准分数为50。
返回本章首页
1. 用直方图直观地反映数据的总体分布
Histogram
30
调 用 数 据 文 件 并 得 到 直 方 图
20
10
直方图:是一种频数分布图, 它 反映处在某一观测值范围内的 个案数。图中每个直方条下部 的中点坐标是该观测值范围的 中点、直方条的宽度代表该观 测值范围、直方条的高度代表 该观测值范围内的个案数或人 数比例。