第4章 SPSS统计分析模块介绍

ChongQing Normal University 16
7、聚类分析与判别分析——Classify菜单
聚类分析和判别分析都是将记录或变量分类的方法， 所不同的是聚类分析是把没有分类信息的资料按相似程 度归类，有一定探索性的味道；而判别分析则是从已知 的分类情况中总规律，为以后判断新观测所属类别提供 依据。 Classify菜单提供如下三个过程： 7.1 K-means Cluster过程——对记录进行快速聚类，当 明确所需要分出的类别数时，采用快速聚类可以节省运 算时间。根据经验，如果样本量大于100，则有必要考 虑是否使用快速聚类。
ChongQing Normal University
9
3.3 Repeted Measures子菜单：顾名思义，重 复测量的数据就要用他来分析；用前两个菜单似 乎都可以分析出来结果，但在许多情况下该结果 是不正确的，应该用重复测量的分析方法才对。 3.4 Variance Components子菜单：用于作方差 成份模型的（这个模型实在太深，不是一时半会 能说清的，所以在这里就干脆不讲了）。
ChongQing Normal University 15
6.2 Logit过程——当研究人员已经有了一些线索，知道因 变量自变量时，如果应变量为两分类，就可以用这个过程 来分析。 6.3 Model Selection过程——分层对数线性模型。一般线 性对数模型可以对每个系数及总模型给出非常丰富和详细 的信息，但是它要求研究人员心中已经有了一定的思路或 线索，或只对某些特定效应项感兴趣，即已经有关于简约 模型的假设。如果在探索性分析中研究人员中只是设想若 干分类变量之间可能有关系，但是并无明确假设，也没有 具体分出哪个是应变量、哪个是自变量，此时比较适宜采 用分层对数线性模型分析。
ChongQing Normal University 12
5、线性回归与曲线拟合―― Regression菜单
下面三个过程是Regression菜单的子菜单，是SPSS提 供的用于回归分析的工具： 5.1 Linear过程——调用此过程可完成二元或多元的线性回归 分析。在多元线性回归分析中，用户还可根据需要，选用不同 筛选自变量的方法（如：逐步法、向前法、向后法，等）。 5.2 Curve Estimation过程——Curve Estimation过程可以用与 拟合各种各样的曲线，原则上只要两个变量间存在某种可以被 它所描述的数量关系，就可以用该过程来分析。但这里我们要 指出，由于曲线拟合非常的复杂，而该模块的功能十分有限， 因此最好采用将曲线相关关系通过变量变换的方式转化为直线 回归的形式来分析，或者采用其他专用的模块分析。
ChongQing Normal University 20
9、信度分析与多维尺度分析—— Scale菜单
在Scale菜单提供的几种统计方法都属于尺度分析 的范畴，它们是探索研究事物间的相似性/不相似性 的专用技术。具体来说，这些方法和用途是： 9.1 Reliability Analysis过程：用于评价问卷这种测量 工具的稳定性或可靠性，具体来说就是用问卷对同一 事物进行重复测量时，所得结果的一致性程度。可以 进行内在信度分析，即评价问卷中各个问题是否测量 的是同一个概念。
ChongQing Normal University 6
2.3 Independent-Samples T Test过程 进行两样本均数差别的比较，即通常所说的 两组资料的t检验。 2.4 Paired-Samples T Test过程 进行配对资料的显著性检验，即配对t检验。 2.5 One-Way ANOVA过程 进行两组及多组样本均数的比较，即成组设 计的方差分析，还可进行随后的两两比较。看图
ChongQing Normal University
17
7.2 Hierarchical Cluster过程——习惯上翻译成 系统聚类法，该过程提供了全面而强大的聚类 分析能力，可对记录或变量进行聚类。更为重 要的是，参与系统聚类分析的变量不再像快速 聚类一样限于连续性变量，它们可以是两分类 或多分类变量。 7.3 Discriminant过程——提供了全面的类别分 析功能，所用变量可一次进入，也可以使用逐 步法筛选出最优类别方程。看图
ChongQing Normal University
看图
3
1、描述性统计分析－－ Descriptive Statistics菜单
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。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：
ChongQing Normal University 14
6、对数线性模型——Loglinear菜单
对数线性模型是一种纯粹应用于分类变量分析的多 元统计方法。它是一种比较新型的分析方法，在分析 高维列联表时优势尤为突出。由以下三个过程组成： 6.1 General过程——用于进行一般对数线性模型分析， 主要用于证实性研究。此时研究人员只对某些一假设是否正确、充分，它可以 对总模型和各个参数给出详细的检验结果。对变量不 分因变量自变量，在分析中一视同仁，最后在结果解 释时才由研究人员来做出判断。
ChongQing Normal University
11
4.1 Bivariate过程：此过程用于进行两个/多个变量间的参数/非 参数相关分析，如果是多个变量，则给出两两相关的分析结果。 这是Correlate子菜单中最为常用的一个过程，实际上我们对他 的使用可能占到相关分析的95%以上。 4.2 Partial过程：如果需要进行相关分析的两个变量其取值均 受到其他变量的影响，就可以利用偏相关分析对其他变量进行 控制，输出控制其他变量影响后的相关系数。Partial过程就是 专门进行偏相关分析的。 4.3 Distances过程：调用此过程可对同一变量内部各观察单位 间的数值或各个不同变量间进行距离相关分析，前者可用于检 测观测值的接近程度，后者则常用于考察预测值对实际值的拟 合优度。该过程在实际应用中用的非常少。看图
ChongQing Normal University 13
5.3 Binary Logistic过程——所谓Logistic模型，或者说 Logistic回归模型，就是人们想为两分类的应变量作一个 回归方程出来，可概率的取值在0~1之间，回归方程的应 变量取值可是在实数集中，直接做会出现0~1范围之外的 不可能结果，因此就有人耍小聪明，将概率做了一个Logit 变换，这样取值区间就变成了整个实数集，作出来的结果 就不会有问题了，从而该方法就被叫做了Logistic回归。 随着模型的发展，Logistic家族也变得人丁兴旺起来， 除了最早的两分类Logistic外，还有配对Logistic模型，多 分类Logistic模型、随机效应的Logistic模型等。看图
ChongQing Normal University
5
2、均数间的比较－－Compare Means菜单
该菜单集中了几个用于计量资料均数间 比较的过程。具体有： 2.1 Means过程 对准备比较的各组计算描述指标，进行 预分析，也可直接比较。 2.2 One-Samples T Test过程 进行样本均数与已知总体均数的比较。
ChongQing Normal University
19
8.2 Correspondence Analysis过程——进行简 单对应分析，该方法同样以数据简化的原则力 图直观的给出各两个分类变量各个类别之间的 联系，当各个变量的类别越多时，该方法的优 势就越明显。 8.3 Optimal Scaling过程——进行最优尺度分 析，该方法的核心目的也是力图在低维度空间 表述两个或多个变量之间的内在联系。所分析 的变量以分类变量为主，但也可以为连续性变 量。该方法实际上包括，但不仅仅限于对应分 析方法。看图
ChongQing Normal University 18
8、因子分析与对应分析—— Data Reduction菜单
该方法主要目的都是浓缩数据，或称数据化简，即 以最少的信息丢失为代价将众多的观测变量浓缩为少 数几个因素，从而简化问题，或发现事物的内在联系。 8.1 Factor过程——提供因子分析/主成分分析方法， 它们是最为常用的数据简化方法，用于考察多个定量 变量间的内在结构，或者提取数据的主要信息。
看 图
ChongQing Normal University
10
4、相关分析――Correlate菜单
在数据分析中经常要遇到分析两个或多个变量间 关系的情况，有时是希望了解某个变量对另一个变量 的影响强度，有时则是要了解变量间联系的密切程度， 前者用下一章将要讲述的回归分析来实现，后者则需 要用到本章所要讲述的相关分析实现。 SPSS的相关分析功能被集中在Analyze菜单的 Correlate子菜单中，他一般包括以下三个过程：
ChongQing Normal University 8
好了，既然一般线性模型的能力如此强大， 那么下属的四个子菜单各自的功能是什么呢？ 请看： 3.1 Univariate子菜单：四个菜单中的大哥大， 绝大部分的方法分析都在这里面进行。 3.2 Multivariate子菜单：当结果变量（因变量） 不止一个时，可用他来分析。
ChongQing Normal University 7
3、一般线性模型――General Linear Model菜单
一般线性模型可不是用一章就可以说清楚的，因为它包括 的内容实在太多了。 那么，究竟我们用到的哪些分析会包含在其中呢？简而 言之：凡是和方差分析粘边的都可以用他来做。比如成组设计 的方差分析（即单因素方差分析）、配伍设计的方差分析（即 两因素方差分析）、交叉设计的方差分析、析因设计的方差分 析、重复测量的方差分析、协方差分析等等。因此，能真正掌 握GLM菜单的用法，会使大家的统计分析能力有极大地提高。 实际上一般线性模型包括的统计模型还不止这些，我这里 举出来的只是从用SPSS作统计分析的角度而言的一些。