spss整理

Spss知识点

1.SPSS：①Statistical Package for the Social Sciences，即“社会科学统计软件包”

②Statistical Product and Service Solutions，意为“统计产品与服务解决方案”

2.SPSS两个常用窗口：数据编辑窗口(功能：定义SPSS数据的结构、录入编辑和管理待分析的数据 .sav) 结果输出窗口（功能：显示管理SPSS统计分析结果、报表及图形 .spv）

3.利用SPSS做数据分析的一般步骤：12

①建立SPSS 数据文件（定义数据文件结构、录入修改和编辑待分析的数据）

②分析数据（统计分析之前的数据预处理、统计分析和建模）

③结果的说明和解释④数据和分析结果的保存

4.SPSS数据文件的特点：

①SPSS数据文件的扩展名是：.sav ②SPSS数据文件属于结构性数据文件（数据结构:变量名、数据类型、变量名标签、变量值标签、缺失值的定义、度量尺度以及数据的显示属性；在数据编辑窗口的变量视图Variable View中完成。

数据内容：待分析的具体数据；在数据编辑窗口的数据视图Date View中完成。）

5.SPSS数据的基本组织方式：①原始数据的组织方式（数据编辑窗口中一行称为一个个案，所有个案组成完整的SPSS数据。一列称为一个变量，每个变量都有一个名字，称为变量名，它是访问和分析SPSS每个变量的唯一标识。）②计数数据的组织方式（数据编辑窗口中一行为变量的一个分组。所有行囊括了该变量的所有分组情况。一列仍为一个变量，代表某个问题或某个特征方面以及相应的计数结果。）

6.变量名：是变量访问和分析的唯一标志。

7.变量命名原则：

①首字符必须是字母或汉字，后面可以是任意字母、数字或除了“！”、“？”、“*”之外的任意字母或数字②长度应少于64个字符（32个汉字）

③不能用下划线“_”、句号和圆点作为变量名的最后一个字符

④SPSS的变量名不能与SPSS的保留字相同，如ALL、AND、WITH、OR等

⑤同一文件中变量名必须惟一，不区分大小写。

8.数据类型是指每个变量取值的类型。有数值型、字符型和日期型。

9.若字符型数据定义为数值型时，需要定义一个变量值标签。

10.变量值标签是对变量取值含义的解释说明信息，对于定类型和定序性数据尤为重要。如定类（民族、性别）定序（收入的高中低）

11.计量尺度又叫变量层次。定距>定序>定类

12.定类变量（定类尺度 Nominal Variable）：

①是最低层次的变量，变量取值只有类别属性之分，而无大小、程度之别。

②根据变量值，只能知道研究对象是相同或是不同。从数学运算特征来看，只具有等于或不等于（=、≠）的性质。例如：性别。

13.定序变量:①变量层次高于定类变量。

②变量取值除了有类别属性之外，还有等级、次序的差别，其数学特性除了（=、≠）之外，还有大于或小于（＞＜）之分。例如：文化程度、职称、态度等

14.定距变量（定距尺度 Interval Variable）：①变量层次高于定序变量。

②变量取值除了有类别、次序属性之外，取值之间的距离还可以用标准化的距离去量度。其数学特性除了（=、≠；＞＜）之外，还可以进行加或减（+，-）。

例如：智商、成绩、收入等。

15.高层次的变量包含低层次变量的数学特征。

16.一个变量的层次并不是唯一的。高层次的变量可以作为低层次变量来使用，但是会使资料的信息使用不完全，尽量按其最高层次来统计分析。如：收入

17.Spss支持的数据格式有SPSS文件格式、Excel文件格式、dbf文件格式、文本文件格式。

18.读取Excel文件：SPSS默认将Excel工作表中的全部数据读到SPSS数据编辑窗口中。但也可在【range】后指定读取工作表中某个区域的数据。如果Excel工作表文件第一行或指定区域的第一行上存储了变量名信息，则应选择【read variable name】，即以第一行文字信息作为变量名；否则不选，SPSS的变量名将自动取名为工作表中的单元格。

形成spss文件的方法：数据文件结构自定义输入、读取已经形成的execl文件。

19.纵向合并：（增加个案）应用情况：①两个带合并文件的内容合并起来有实际意义。②在不同数据文件中，数据含义相同的数据项最好取相同的变量名，且数据类型也最好相同，可简化操作过程，有利于自动匹配。含义不同的数据项最好取不同的名字。

20.横向合并：增加变量应用情况：①两个数据文件必须至少有一个名称相同的变量，该变量是两个数据文件横向拼接的依据，称为关键变量。如职工号、商品序号。②两个数据文件都必须事先按关键变量值的升序排序。③不同数据文件中数据含义不同的数据项，变量名不应相同。

21.数据排序：①数据排序是整行数据排序，而不是只对某列变量排序。②多重排序中指定排序变量的次序很关键。排序时先指定的变量优于后制定的变量。③数据排序以后原有数据的排列次序必然被打乱。因此在时间序列的数据中，如果数据中没有标示时间的变量（如年份、月份、季度等），则应注意保留数据的原始排序。

22.变量计算：①变量计算是针对所有个案（或指定的部分个案）的，每条个案都有自己的计算结果。②变量计算的结果应保存到一个指定变量中，该变量的数据类型应与计算结果的数据类型相一致。

23.分类汇总按照某分类变量进行分类计算。

24.数据分组：就是根据统计分析的需要，将数据按照某种标准重新划分为不同的组别。

25.统计分组的原则：（1）完备性原则（穷尽性原则）所有单位在分组后都要各有其所，不能被遗漏。（2）互斥性原则组与组之间有明确的界限，每个单位只能归为一组，不能同时归为两组或两组以上。

26.定类变量（品质分组）定序变量（变量分组）

定距变量：离散变量单项式分组

连续变量（按理论取值）组距式分组

27.单项式分组：以一个具体的变量值作为一组。适用范围：离散变量；变量值变动范围小。如：居民家庭按家庭成员数量分组。

28.组距式分组:以一个区间的变量值为一组。

适用条件：变量值变动范围较大,连续变量、离散变量均可(变量值较多的情况下)

29.数据计数：①变量值相同,可以一块写。②变量值不同，加一个if条件，一个一个的定义变量。

30.加权处理：加权变量的过程本质是数据复制。74 单价为加权变量，销售量为权数。通过加权处理，可以达到将数据编辑窗口中的计数数据还原为原始数据的目的。一旦指定了加权变量，在以后的分析中加权就是一直有效的，知道取消为止。

31.数据拆分与排序的区别：数据拆分不仅是按指定变量对数据进行简单排序，更重要的是根据指定变量对数据进行分组，它将为以后所进行的分组统计分析提供便利。

32.定类变量只能用于条形图或饼图，一般用饼图。

33.定类变量不能计算平均值。

34.若变量以分组做频数分析时应先加权。

35.基本描述统计量：集中趋势、离散程度、分布形态。

36.低层次数据的测度值适用于高层次的测量数据，但高层次数据的测度值并不适用于低层次的测量数据。