SPSS学习笔记
SPSS知识学习记录文本
Spss 学习笔记(1)在spss中，数据文件的管理功能基本上都集中在data和transform菜单上，其中transform主要实现变量级别的数据管理，如计算新变量、变量取值重新编码等，data的功能主要是实现文件级别的数据管理，如变量排序，文件合并、拆分等。
Transform菜单说明：计算新变量：compute变量转换：recode,visual bander,count,rank cases,automatic recode五个过程，可以看成是compute再某一方面的强化和打包。
专用过程：建立时间序列、缺失值代替和设定随机种子三个过程，前两个专用于时间序列模型。
设定随机种子的功能主要影响伪随机函数的使用。
数据分析中，将连续变量转换为等级变量，或将分类变量不同的变量等级进行合并是常见的工作。
而recode可以很好的完成这个任务。
Recode提供了精确的分组功能，但是如果希望进行的分组是有规律的，比如等距分组或者等样本量分组，使用recode过程进行操作就显得非常麻烦，而且可视化程度不高，可以使用visual bander过程进行可视化分段。
在数据分析中，将字符变量转换为数值变量是非常实用的一个功能，除了使用recode过程手工设定转换规则外，还可以使用automatic recode过程自动按照原变量的大小或者字母排序生成新变量，而变量值就是原值的大小次序。
Automatic recode的排序功能和rank cases类似，不同在于，automatic recode可以用于字符型变量。
所谓变量的秩序，就是对记录按照某个变量值得大小来排序。
Rank cases就是用来排序的专用过程。
Count：该过程用来表示某个变量的取值中是否出现某个值，可以使单个数值，也可以指定区间，并且可以仅给出条件，而不必对整个数据集进行操作。
该过程可以直接使用recode过程来实现。
Random number seed：默认情况下，随机种子随时间不停改变，这样计算出的随机数值无法重复，可以用该过程人为指定一个种子，以后所有的伪随机函数在计算时都会以该种子开始计算，即结果可以重现。
SPSS学习笔记
SPSS学习笔记课（1）数据输⼊第三种输⼊法：开始——运⾏——“edit”课（2）数据检查（1）简单检查：排序观察（右击数据名——Sort Ascending/Descending）（2）极端值处理：将要检查的变量转换为Z分数（Descriptive Statistics---Descriptive---选中变量，在save standardized values as variables上打勾）——Data--Select Cases—选if condition is satisfied---定义条件：-2<=za1&za1<=2(两个标准差之内)----filtered/Deleted（3）缺失值处理：Transform---Replace Missing Values---选中处理的数据和处理⽅式课（3）数据整理（1）⽂件的合并（merge files）：打开被合并的⽂件------Data------merge files-----Add variables （2）⾏列转置（transpose）：Data------transpose-----选⼊Variable(s)⼩贴⼠：①时不时按下ctrl+s快捷键存盘②记事本和run edit.exe⽐较适合于中⼩型数据③重复相同命令，点击如下按键课（4）⾮连续性变量的描述统计Bar 直条图，⾮连续性变量（名称变量或顺序变量）Pie 饼图，⾮连续性变量课（5）连续性变量的描述统计Histogram 直⽅图，连续性变量，还可要求绘制正态曲线Frequencies/Descriptive/ExploreExplore在⼀般描述性统计指标的基础上，增加有关数据的其他特征的⽂字与图形描述，显得更加细致与全⾯，有助于⽤户思考对数据进⾏进⼀步分析的⽅案。
Plots对话框：Normality plot with test: 结果中Q—Q图，⽽且有变量正态分布的检验、Kolmogorov-Smirnov 检验和Shapiro—Wilk检验（样本量少于50时适⽤），如果P<.05，说明变量服从正态分布Spread-versus-Level with levene test:变异数同质性检验。
SPSS笔记
SPSS讲解笔记1、SPSS：即statistical package for the social science，社会科学统计软件包。
2、SPSS页面包含两个窗口即：数据窗口、变量窗口。
3、数据的录入和编辑：（1）数据的录入：首先打开变量窗口，逐个对变量的进行相关的设置；例如，问卷中第一题是“您的性别是？”，我们可设置第一个变量名为“性别”，然后在类型弹出窗口中选择“字符型”，单击确定；然后进行变量值的设置，问卷中变量的值为“男、女”，所以单击值，在弹出窗口中对性别这个变量进行赋值，如图所示：其中一项设置为“计量尺度”，其候选答案为：scale（即定距型，例如身高、体重等属于此类），ordinal（即定序型，例如中、高、低表示的数据为此类），nominal（即定类型，例如性别等数据为此类）。
按照上述做法，依次对年级、专业、月消费水平、是否购买电脑等变量进行设置。
然后打开数据窗口依调查问卷进行数据的录入。
（2）数据的插入：右键单击变量，选择插入变量即可，如图:选择要插入个案的位置，单击右键选择插入个案即可：（3）数据的删除：选中删除的单元格，单击右键，选择清除（delete）：（4）数据文件的合并：①添加个案：选择数据（data）→合并文件→添加个案。
例如：往“职工数据表”中增加继续增加职工数据，选择添加个案，在弹出窗口中选择“外部spss数据文件”，点击浏览选择要增加的数据文件“追加职工”，选择所有变量，单击确定：结果如图所示：①合并变量：选择数据（data）→合并文件→添加变量。
例如：往现有“职工数据表”中添加“职工奖金”变量，选择添加变量，在弹出窗口中选择“外部spss数据文件”，点击浏览选择要增加的数据文件“职工奖金”，选择“职工号”变量作为关联变量，单击确定：结果“bonus”变量添加成功，如图所示，：（5）数据的排序：单击数据data菜单，选择sort cases：①排序个案：选择数据（data）菜单，单击排序个案，在弹出的窗口中选择“排序依据”：例如：按照月消费水平的降序排列，选择“月消费水平”，选择“降序”，单击确定即可，如下图所示，排序结果如图所示：②排序变量：选择“数据（data）”菜单，单击排序变量，在弹出的窗口中选择“变量查看列”，做法同上。
SPSS学习笔记
3数据文件操作3.1一般操作1、数据排序2、数据文件分组3、数据文件合并对记录的合并对变量的合并4、数据文件转置5、变量取值的求秩求出变量取值在指定条件下的大小顺序，使得取值按照一定的顺序进行排列，秩就反映了取值在这个有序列里的位置信息。
6、变量值的重新编码可分为生成新变量和不生成新变量7、计算新变量3.2分类汇总按指定的分类变量对观测值量进行分组，然后计算各分组内的某些变量的描述统计量。
按性别、年龄分类，算出身高、体重的均值，并统计每个分类的个数。
3.3观测值的权重3.4数据文件的结构重组子公司与季度销售量问题横向结构：每个子公司一条观测值记录，包含它在4个季度纵向结构：每个子公司每个季度建立一条观测值4基本统计分析功能统计分析和建模之前，对数据进行描述性工作。
展现数据的基本统计指标。
4.1 OLAP：在线分析过程汇总变量：连续型变量分组变量：实例操作：设置变量间差异设置分组间差异：输入对选中的分组变量进行比较的第一个类别的取值输入对选中的分组变量进行比较的第二个类别的取值交互式操作：右键图表-编辑4.2 观测的摘要报告分析4.3 行和列的摘要报告分析4.4 频数分析4.4.1 对分组变量的频数分析4.4.2 对连续变量的频数分析4.5 描述性统计分析主要用来对连续变量，可以将原始数据转换成标准Z分值（标准化数据）并存入当前数据集，标准化后的变量值没有度量衡的差异，更加易于比较。
4.6 探索性分析能够帮助用户决定选择何种统计方法进行数据建模，判断是否需要把数据转换成正态分布，以及是否需要做非参数统计。
4.7 列联表分析5均值比较和T检验能否用样本均值估计总体均数，两个变量均值接近的样本是否来自均值相同的总体。
两个样本某变量的均值不同，其差异是否具有统计意义，它能否说明总体之间存在的差异。
假设检验：|--参数检验（定量数据）|--单样本：T检验、Z检验|--双样本|--独立样本|--配对样本|--非参数检验（非定量数据）|--单样本：卡方检验、K-S检验、游程、二项式|--双样本|--独立样本|--配对样本对来自正态总体的两个样本进行均值比较，常用t方法，因方差是否相同而T公式不同对方差齐次性检验常使用F检验。
spss笔记
SPSS理论知识1、抽样要具体（小）online survey2、问卷●Quantitative study定性研究●Qualititative study定量研究（一）关于统计的适度应用问题1、定量研究一个好的定量研究，一般用推断统计来做。
推断统计至少要有t检验、卡方检验，方差分析、回归检验。
***《心理评定量表手册》：从中选取一个量表，再自己加一个小量表EFA（详细步骤见（一））CFA要做定量研究，问卷来源有两个。
问卷研究可以是自拟，也可以选择一个具有良好信度效度的问卷，自拟的问卷测量信度和效度比较难（也不是不可用），因此最好是选择一个良好信度效度的问卷。
2、定性研究访谈（难度一般较大，在做时，需要一定是学科背景、访谈经验以及一定的编制方法）。
3、混合研究定性研究与定量研究相结合（量表做完后，在最后选择其中的几个被试，进行访谈）。
4、描述统计（descriptive statistic）、推断统计（inferential statistic）5、全国比较著名的期刊SCI(《课程与教材教法》、《教育研究》、《教师教育研究》、《北大教育评论》、《清华大学教育研究》)6、问卷的忌讳（常见量表的选择）（1）切记网上选择（2）最好不要自制问卷（3）最好应用一个现成的问卷，再进行访谈辅助（4）两个问卷同时应用也可以7、老师推荐书目：《常用心理测评量表手册》《心理评定量表手册》《量化研究与统计分析》（是关于EFA的书本）8、数据做出来以后，数据应该如何分析和规范表述，有以下推荐书目：《量化研究与统计分析》重庆大学出版社《统计分析从零开始》清华大学出版社9、教育写作中常用的统计方法：T TESTANOV AREGRESSIONEFA10、混合研究在实证研究中，定量研究、定性研究和混合研究是经常用到的三种方法。
一般来说，一个严格的定量研究，应该是以较好信效度的问卷为基础，对问卷中的某些维度进行推断统计分析。
在心理学上，有时也用两个问卷或三个问卷，一起进行调查，然后看他们的相关性。
SPSS笔记
1.建文件变量视图建注意测量（数据为度量，字符串为名义）输入2.文件整理变换数据合并文件拆分文件，选择个案不会单考合并文件，横行合并是添加变量，纵向合并是添加个案横向合并先进行升序排列，数据，合并文件，添加变量，需要勾选匹配关键变量个案和两个文件都提供个案纵向合并升序排列，数据，合并文件，添加个案，直接确定（！其他不用动）文件汇总数据，分类汇总比如按产地进行分组，将产地放入分组变量，变量摘要是放功率等（可求平均值等）保存处: 一般勾选写入只包含汇总变量的新数据文件也可分组导入其他格式文件，如excel文件，打开，数据，直接确认，直接再另存为打开txt格式的，注意直接选文件，打开文本文件第一个框直接确认，第二个框选是（！在下方）打开其他文件（除excel），文件，打开数据库，新建查询（MS Access文件是*.mdb dBESA文件后缀为DBF），全部选到另一边转换重新编码为其他变量（不考相同变量）和计算变量注意计算变量转换，计算变量可计算函数等目标变量: 改成其他名字数学表达式: 可自己列算式，也可套函数，先选函数再选变量，可镶嵌套函数函数组: 统计量: 最大，最小，平均值，中位数Median Sd标准差Va方差算术含Ln对数Mod求余sqrt平方根如果需要只对北京的英语数学平均值求：选择“如果”（在最下）重新编码为其他变量转换，重新编码为其他变量表现为：将200马力以下的列为1, 200到400马力的列为2 。
将变量输入输入变量，输出变量（即中间框后，先改最右边的输出变量，然后点旧值和新值(填旧值的范围，对应新值的值，主要勾选字符串)如果要对编码的量限定条件(如只对性别为女的进行重新编码): 在弹出的重新编码框选择“如果”，输入字符串时，要叫英文状态下的引号‘’如对北京的人求xx 用city=‘北京分析描述统计，表频率分析分析，描述统计，频率勾选显示频率表格（原已勾选）可画图表（折线图，直方图）计算变量选到右边，选右边第一个（统计量），含平均值，中位数，众数，四分位数，合计，标准差，方差，最大值，最小值等（此时是不分组，对所有数据进行计算）如果要分组，或只对部分数据进行分析可结合拆分文件，如按产地拆分，可导致频率分析时按产地分别进行计算出值和表（此时不止一个图，如按美日中产地的汽车进行马力比较，可导致出现三个图）(按比较组拆分:只输出一个框，，按组组织拆分:输出多个框，每个框只显示对应平均值，一般用组织拆分)结合选择个案，如只选择美国的产地，则导致分析时只计算美国的汽车描述分析（一般不考）只能计算，不能画图，缺陷明显特点是将标准量。
SPSS学习笔记
SPSS学习笔记
第1章Modeler操作
1.1节点
添加节点：双击鼠标左键
删除节点：直接DEL
添加连接：ALT+鼠标拖动
绕过节点：ALT+鼠标双击
禁用节点：编辑—节点—禁用启用
删除链接：鼠标右键。
删除节点全部链接：选中节点 F3
缓存：除了源节点其他中间节点可使用缓存增加处理速度
注释：添加注释，在注释选项卡开的时候所有的都显示，如果不开就不会显示。
模型块：如果是选择的建模节点，或者数据库建模，则会出现模型块。
双机模型块可以看到预测数据。
给模型块添加输出节点可以输出
注释：通过流属性编辑注释颜色
载入文件：可以在IBM® SPSS® Modeler 中重新载入以下几种已保存的对象：
•流 (.str) •状态 (.cst) •模型 (.gm) •模型选项板 (.gen) •节点 (.nod)
•输出 (.cou) •工程 (.cpj)
映射数据流：可以将原数据源替换或者映射。
SPSS学习笔记之——相关分析
SPSS学习笔记：探索相关分析方法（包括Pearson、Spearman 和卡方检验），了解如何运用这些统计工具揭示变量间的关联与独立性。
一、相关分析方法的选择及指标体系连续变量的两个相关分析1、Pearson相关系数最常用的相关系数，又称积差相关系数，取值-1到1，绝对值越大，说明相关性越强。
该系数的计算和检验为参数方法，适用条件如下：（1）两变量呈直线相关关系，如果是曲线相关可能不准确。
极端值会对结果造成较大影响。
（3）两变量符合双变量联合正态分布。
2、Spearman秩相关系数优化语序后的文本：对原始变量的分布不做要求、适用范围广泛，该方法不仅适用于等级资料，且对Pearson相关系数的应用场景有所扩展。
然而，作为非参数方法，它在检验效能上相较于基于参数的方法可能略显不足。
二：有序分类变量相关分析有序分类变量的相关性，即一致性，指的是：行变量等级高时，列变量等级亦高；反之，若行变量等级较高但列变量等级较低，则表现为不一致。
常用的统计量包括Gamma、Kendall的tau-b与tau-c。
（三）无序分类变量的相关分析最常用的为卡方检验，用于评价两个无序分类变量的相关性。
根据卡方值衍生出来的指标还有列联系数、Phi、Cramer的V、Lambda系数、不确定系数等。
OR、RR也是衡量两变量之间的相关程度的指标。
二、SPSS相关操作SPSS的相关分析散布在交叉表和相关分析两个模块中。
（1）交叉表过程如下图：以上的指标很全面，解释如下：（1）“卡方”复选框：为常用的卡方检验，适用于两个无序分类变量的检验。
相关性复选框适用于两个连续性变量的相关分析，提供两变量的Pearson及Spearman相关系数。
有序复选框组仅适用于两变量皆为有序分类变量，包含评估一致性指标。
（4）“名义”复选框组：包含一组分类变量相关性的指标，有序和无序分类时都可使用，但变量为有序时，检验效能没有“有序”复选框组中的统计量高。
SPSS学习笔记
变量名不能与SPSS保留字相同，SPSS保留字有：ALL,AND,BY,EQ,GE,GT,LE,LT,NE,NOT,OR,TO,WITH.系统不区分变量名中的大小写。
字符串中的大小写是区分的SPSS基本运算有三种：数学运算，关系运算，逻辑运算数学运算操作符：+，-，*，/，**，（）。
运算的优先级：括号，函数，乘方（幂），乘除，加减。
关系运算操作符：<(LT),>(GT),<=(LE),>=(GE),=(EQ),~=(NT)。
逻辑运算符:&(AND),|(OR),~(NOT)计算相关系数：当资料不服从双变量正态分布或总体分布未知，或原始数据用等级表示时，宜用spearman或kendall相关Pearson 相关复选项积差相关计算连续变量或是等间距测度的变量间的相关分析Kendall 复选项等级相关计算分类变量间的秩相关Spearman 复选项等级相关计算斯皮尔曼相关注：1若非等间距测度的连续变量因为分布不明-可用等级相关/也可用Pearson 相关对于完全2等级离散变量必用等级相关相关性3当资料不服从双变量正态分布或总体分布型未知或原始数据是用等级表示时,宜用Spearman 或Kendall相关。
4 若不恰当用了Kendall 等级相关分析则可能得出相关系数偏小的结论。
则若不恰当使用，可能得相关系数偏小或偏大结论而考察不到不同变量间存在的密切关系。
对一般情况默认数据服从正态分布的，故用Pearson分析方法。
相关系数右上方使用“*”表示显著水平为5%，使用“**”表示显著水平为1%pearson(皮尔逊) spearman（斯伯曼）and kendall（肯德尔）三种相关分析天下方法何其多，不分国界，不分远古，有时换个名字就看不出来，看到有篇文章作者在摘要中说运用斯波曼秩相关检验法怎么怎么着的时候，心中纳闷这又是什么新方法，才知道是spearman,遂想起这几种相关分析的应用到底有什么区别呢？大多的时候只是看到别人用，就拿过来照用，其实也不清楚为什么要用，为什么这样用两个连续变量间呈线性相关时，使用Pearson积差相关系数，不满足积差相关分析的适用条件时，使用Spearman秩相关系数来描述.Spearman相关系数又称秩相关系数，是利用两变量的秩次大小作线性相关分析，对原始变量的分布不作要求，属于非参数统计方法，适用范围要广些。
SPSS学习笔记-图文
SPSS学习笔记---------------------------------------1. SPSS学习笔记之——常用统计方法的选择汇总2. SPSS学习笔记之——多因素方差分析3. SPSS学习笔记之——协方差分析4. SPSS学习笔记之——重复测量的多因素方差分析5.SPSS学习笔记之——二项Logistic回归分析6.SPSS学习笔记之——两配对样本的非参数检验（Wilcoxon符号秩检验）7.SPSS学习笔记之——两独立样本的非参数检验（Mann-Whitney U秩和检验）8.SPSS学习笔记之——多个独立样本的非参数检验（Cruskal-Wallis秩和检验）9.SPSS学习笔记之——生存分析的Cox回归模型（比例风险模型）10.SPSS学习笔记之——相关分析（Pearson、Spearman、卡方检验）11.SPSS学习笔记之——配对logistic回归分析12.SPSS学习笔记之——单样本非参数检验13.SPSS学习笔记之——ROC曲线14.SPSS学习笔记之——Kaplan-Meier生存分析15.SPSS学习笔记之——多相关样本的非参数检验（Friedman检验）16.R×C列联表(分类数据)的统计分析方法选择与SPSS实现17.SPSS学习笔记之——OR值与RR值----------------------------------------价SPSS学习笔记之——多因素方差分析问题：对小白鼠喂以三种不同的营养素，目的是了解不同营养素增重的效果。
采用随机区组设计方法，以窝别作为划分区组的特征，以消除遗传因素对体重增长的影响。
现将同品系同体重的24只小白鼠分为8个区组，每个区组3只小白鼠。
三周后体重增量结果(克)列于下表，问小白鼠经三种不同营养素喂养后所增体重有无差别？区组号营养素1营养素2营养素3150.1058.2064.50247.8048.5062.40353.1053.8058.60463.5064.2072.50571.2068.4079.30641.4045.7038.40761.9053.0051.20842.2039.8046.20SPSS软件版本：18.0中文版。
SPSS笔记
1、信度分析（指标及其降维与量表的可靠性关系，即Cronbachα系数） (2)2分析——频率分析（把握数据分布特征） (3)3、分析——探索 (4)4、P-P图 (4)5、制图 (5)附加内容：参数估计 (5)6、t检验（student t检验）——均值的差异性 (6)附加：非参数检验 (6)7、方差F检验 (6)8、单因素ANONA检验（亦是方差检验，即一维方差分析） (7)9、分析→一般线性模型→单变量 (8)10、卡方分析（Kappa）——表示观测值A t与理论值p t间的偏离程度。
(8)11、相关分析（不确定性关系分析）——方向与大小方面的关联 (9)附加：二元变量相关分析：（两个及以上变量零假设的相关性分析） (9)12、偏相关分析：（控制可能影响性变量） (10)13、回归分析基础（确定性关系的分析） (10)附加：线性回归分析（R2、F（方差）、Sig.） (10)14、主成分分析与因子分析 (15)15、因子分析 (17)16、分析→分类 (19)分类概述（非分层的） (19)附加：K-means聚类过程：（用变量来实现样品的动态分类） (20)附加：系统聚类（分层聚类） (20)两步聚类：（置信度Confidence level区别其是否有差异） (21)1、信度分析（指标及其降维与量表的可靠性关系，即Cronbachα系数）信度界定：人们在衡量某事物的某种综合特征时，往往要从影响该事物该种特征的多个方面进行分析。
例如评价某人的身体素质，就要从他的身高、胸围、脉搏、血压及肺活量等多个方面进行考虑。
由这些指标的聚集构成的表称为量表。
量表的结构是否合理，或者说所选择的指标是否全面反映对应事物的性质，以及指标取值的可信程度等等，需要作出判断。
可靠性分析就是一种对上面几个问题进行解决的方法。
基本功能：通过研究测量数值和组成研究指标的特性，剔除无效的或者对研究对象作用较小的指标，从而达到将一个多维的研究对象进行降维的目的，正是由于对分析数据进行了降维，发现了反映研究对象的数据结构，从而提高数据的可靠性。
spss学习笔记
第一节：spss的基本脉络：20世纪60年代末，美国斯坦福大学的三位研究生研发了最早的统计分析软件spss，同时成立了spss公司并在1975年组建spss总部；伴随着spss的成长壮大，其产品内涵也在不断扩大并由最初的spss（Statistical Package for the Social Sciences“社会科学统计软件包”）发展至2000年更名为spss（Statistical Product and Service Solutions“统计产品与服务解决方案”）；2009年4月spss公司重新定义其产品并更名为PASW(Predictive Analytics Software“预测统计分析软件”），新产品包括四部分PASW Statistics（统计分析）、PASW Modeler（建模）、Data Collection family（数据收集）、PASW Collaboration and Deployment Services（部署协作服务）。
其版本也有最初的spss/pc+输入命令行的方式发展成为如今的可视对象的交互式操作方式：spss for windows，目前较新的版本是pasw（spss）18.0版。
相比较其他专业统计软件来说，spss易学易用以普及，这也是spss兴盛的主要原因之一。
spss被广泛的应用于社会科学和自然科学领域。
并在各个行业产生了深远的影响，提高各行业数据处理能力，并为各领域数据挖掘和数据预测提供准确的数据支持，提升了诸多领域的运作效率，在人类活动各领域发挥了巨大作用。
第二节：PASW主窗口菜单介绍PASW主窗口菜单包含File、Edit、View、Data、Transform、Analyze、DirectMarketing、Graphs、Utilities、Add-ons、Window、Help等菜单项。
主窗口菜单及功能PASW也包含两个基本窗口Data View（数据查看及录入修改窗口）和Variable View（变量属性窗口）Data View窗口如下：Variable View窗口如下：利用SPSS进行数据分心的一般步骤：1）spss数据的准备阶段；2）spss数据的加工整理阶段；3）spss数据的分析阶段；4）spss分析结果的阅读和解释；缺失数据（missing）pasw数据文件1.pasw数据文件的扩展名是.sav;2.pasw数据文件是一种有结构的数据文件，pasw数据的基本组织方式（数据机构、数据内容）；原始数据的组织方式（case、variable），频数数据的组织方式egpasw数据结构和定义方法（variable view窗口中）变量名（name）、类型（type）、宽度(width)、小数点位数（decimals）、标签（label)、值（values）、缺失值（missing）、列宽度（columns）、对齐方式（align）、度量尺度（measure）、数据来源方式（role）变量名（name）1）变量名的字符个数不多于8个（可变）；2）首字符应以英文字母或汉字开头，后面可以跟！、？、*以外的字母或数字符号；3）变量名不区分大小写，不能与特定含义的字符同名，如ALL,BY,AND,OR,NOT等4）Spss有默认的变量名，以字母“var”开头，后面补足5位数字。
spss自学笔记
相关性分析1.双变量目的：判定变量间相互关系的密切程度（可多个变量）一般选择：pearson, 双侧检验结果重点：相关性，显著性2.偏变量目的：控制某个变量，判定其他变量间的密切程度一般选择：双侧检验，零阶相关系数（不控制变量）结果重点：相关性，显著性3.距离分析目的：不同数据之间的相似性测试回归分析1.线性回归目的：建立线性方程式结果重点：Ｆ检验值，ＳＩＧ值2.曲线回归目的：建立线性方程式结果重点：Ｆ检验值，ＳＩＧ值3.二项logistic回归（只有两种定性的选择，例如，是或不是）目的：建立logistic方程一般选择：方法—》前方进入选项：拟合度结果重点：模型综合检验：sig值拟合度检验：sig值（越接近1为好）方程中的变量：得到方程公式4.多项logistic回归（多于两种分类的定性选择，例如4种消费行为）目的：建立logistic方程一般选择：进行回归预测前要对频数进行权重配比，因子—分类变量协变量—连续性变量或者称自变量模型—步进式统计量—模型拟合度信息，拟合度，似然比测试结果重点：模型拟合信息-SIG值拟合优度：SIG值（越大越好）似然比：sig判断变量是否有意义观测值和预估值对比形式：因变量没大小顺序关系，要加入频数选项（有序logistic回归就是有大小顺序关系，并且加上平行线检验，此项检验类似拟合优度检验，其他雷同）对数线性模型1.常规对数线性模型目的：验证模型拟合优度（大样本时，调整残差近似服从正态分布）一般选择：频数加权调整残差对应散点图结果重点：拟合优度理想状态下的调整残差绝对值《=2散点图（理想状态是分布在横轴两端）。
SPSS自学笔记
第一章 基本统计分析功能1. Frequencies 过程1 【Charts 钮】用于设定所做的统计图。
2 Chart type 单选钮组 定义统计图类型，有四种选择：无、条图（Bar chart ）、圆图(Pie chart)、直方图Histogram ），其中直方图还可以选择是否加上正态曲线（With normal curve ）。
3 Chart Values 单选钮组 定义是按照频数还是按百分比做图（即影响纵坐标刻度）。
4 【Format 钮】用于定义输出频数表的格式，不过用处不大，一般不管。
5 Order by 单选钮组 定义频数表的排列次序，有四个选项：1. Ascending values 为根据数值大小按升序从小到大作频数分布；2. Descending values 为根据数值大小按降序从大到小作频数分布；3. Ascending counts 为根据频数多少按升序从少到多作频数分布；4. Descending counts 为根据频数多少按降序从多到少作频数分布。
3 Multiple Variables 单选钮组如果选择了两个以上变量做频数表，则4. Compare variables 可以将他们的结果在同一个频数表过程输出结果中显示，便于互相比较，5. Organize output by variables 则将结果在不同的频数表过程输出结果中显示。
6 Suppress Tables more than...复选框 当频数表的分组数大于下面设定数值时禁止它在结果中输出，这样可以避免产生巨型表格。
Descriptives 过程【Save standardized values as variables 复选框】确定是否将原始数据的标准正态评分存为新变量。
1 【Display 单选钮组】用于选择输出结果中是否包含统计描述、统计图或两者均包括。
2 【Dependent List 框】用于选入需要分析的变量。
最新SPSS学习笔记资料
变量名不能与SPSS保留字相同，SPSS保留字有：ALL,AND,BY,EQ,GE,GT,LE,LT,NE,NOT,OR,TO,WITH.系统不区分变量名中的大小写。
字符串中的大小写是区分的SPSS基本运算有三种：数学运算，关系运算，逻辑运算数学运算操作符：+，-，*，/，**，（）。
运算的优先级：括号，函数，乘方（幂），乘除，加减。
关系运算操作符：<(LT),>(GT),<=(LE),>=(GE),=(EQ),~=(NT)。
逻辑运算符:&(AND),|(OR),~(NOT)计算相关系数：当资料不服从双变量正态分布或总体分布未知，或原始数据用等级表示时，宜用spearman或kendall相关Pearson 相关复选项积差相关计算连续变量或是等间距测度的变量间的相关分析Kendall 复选项等级相关计算分类变量间的秩相关Spearman 复选项等级相关计算斯皮尔曼相关注：1若非等间距测度的连续变量因为分布不明-可用等级相关/也可用Pearson 相关对于完全2等级离散变量必用等级相关相关性3当资料不服从双变量正态分布或总体分布型未知或原始数据是用等级表示时,宜用Spearman 或Kendall相关。
4 若不恰当用了Kendall 等级相关分析则可能得出相关系数偏小的结论。
则若不恰当使用，可能得相关系数偏小或偏大结论而考察不到不同变量间存在的密切关系。
对一般情况默认数据服从正态分布的，故用Pearson分析方法。
相关系数右上方使用“*”表示显著水平为5%，使用“**”表示显著水平为1%pearson(皮尔逊) spearman（斯伯曼）and kendall（肯德尔）三种相关分析天下方法何其多，不分国界，不分远古，有时换个名字就看不出来，看到有篇文章作者在摘要中说运用斯波曼秩相关检验法怎么怎么着的时候，心中纳闷这又是什么新方法，才知道是spearman,遂想起这几种相关分析的应用到底有什么区别呢？大多的时候只是看到别人用，就拿过来照用，其实也不清楚为什么要用，为什么这样用两个连续变量间呈线性相关时，使用Pearson积差相关系数，不满足积差相关分析的适用条件时，使用Spearman秩相关系数来描述.Spearman相关系数又称秩相关系数，是利用两变量的秩次大小作线性相关分析，对原始变量的分布不作要求，属于非参数统计方法，适用范围要广些。
SPSS笔记
Chapter 2:1.名义尺度，定序尺度，，间隔尺度（定距尺度，定比尺度）2.变量类型（点型每隔三位以一个圆点分隔）3.编辑（选项）货币4.日期变量：h:hour m:minute5.字符变量：系统默认为8位，大小写不同。
6.值：变量值标签视图:值标签可显示变量值标签。
7.菜单显示工作信息查看变量。
8.编辑（转至个案）编辑（查找变量值）9.编辑（插入变量）10.数据：数据排序11.增加变量，数据（合并文件）12.数据的转置数据-转置Chapter31.基本统计分析包括报告分析和描述性统计分析两项功能。
2.样本方差用N-13.偏度（Skewness）样本的三阶中心矩与样本方差的3/2次方的比值而得，来自正太总体偏度为-4.峰度（Kutosis）是描述变量等于0是正太分布。
5.分析报告选择统计量个案汇总比较简单6.频数分析:描述性统计—频数可作图7.描述性分析标准化8.峰度和偏度的标准误只和N有关9.探索性分析分组数据M均值的四种估计方法。
界边值方便寻找极值。
正太性检验分别利用K-S检验和S-W检验；Sig代表显著性水平一般来说大于0.05则代表接受原假设；DF表示自由度，Q-Q图和Q-Q趋势图，可以查看数据是否服从正太分布。
10.研究离散变量的名义变量可以采用列联表的卡方检验步骤：描述性统计交叉表列变量必须是数值型或者字符型等分类变量卡方检验：皮尔逊卡方检验常用在二维表中对行变量和列变量进行独立性假设显著性水平小雨0.05则拒绝原假设相关似然比卡方检验（Linear-by-linear）可以用于对数线形模型的检验其它两种见书P87相关性-1 . 0 .1相依系数不可能达到1Phi and Cramer’s v 也是用来刻画相关性Lambda 1表示自变量完全预测因变量系数为0时，预测完全没有效果不定性系数表示用一个变量来预测其它变量时降低错误的比率。
Kappa 两个评估人对同一对象的评估是否有一致性。
spss学期笔记总结
学期笔记总结一、基本掌握1.研究要注意的问题2.题目的输入编码（各种题型的输入方法）3.数据的筛选：Data--select casesA.simple size（百分比和个数）B.If条件（复杂条件的筛选）4.简单编码5.新变量的产生：transform--compute--variable6.重新编码：transform--recode into different variable7.数据合并：Data--Merge files--1.Add Cases纵向合并（样本量增加） (注意ID码的重要性） 2.Add Variables横向合并（变量增加）二、描述统计（Analyze)类型：频率分析，描述分析，相关分析，图标分析，交叉分析等等1.连续变量统计：均值，标准差，众数，中数，平均数A.频率：Analyze--Descriptive statistics--123 FrequencyB.交叉分析：Analyze--Descriptive statistics--crosstabsC.多变量交叉分析--加层Analyze--Descriptive statistics--crosstabs（next加层）D.连续变量分析的数据分组Analyze--Descriptive statistics--123 Frequency--statisticsa.等分点：cut point for __equal groupsb.百分比：percentileC.重新编码和数据分组的综合运用2.多选题选项的分析：Analyze--multiple response--frequencies三、推断统计（Analyze)A.包括参数估计和假设估计B.用样本统计量推断（估计）总体参数采用标准误C.假设检验检验组间差异检验组内差异检验变量之间的关系1.单样本T检验:Analyze--Compare means--One sample T test一组数据和平均数进行比较（平均数自己输，可以设置置信度）结果：采用单样本T检验，结果发现T=5.63（p<.05）。
spss课堂笔记
1、教学数据2、研究数据（2-3周做好选题工作）（1）自备数据（导师提供的数据）（2）赵老师提供的数据（A.NSSE-CHINA.2010-2013; B.CGSS.2006中国社会状况综合调查 C.其他）3、助教：确定选题、汇总研究进度、提出修改意见。
查重：paper.<0.05 小概率事件<0.01极小概率事件0.002的概率<0.05，假设研究样本和总体样本s=x1-x2=0不成立，显著地方依赖感焦虑抑郁神经质根据一周以来的自我感受SCL性别：2年龄：23民族：1专业：土地资源管理4学历：研究生硕士城乡：1职业：学生建立数据文件、算出总分独立样本的检验T检验男的均值>女的均值，所以女性的精神病性更强。
0假设：男性JSBX得分和女性相同。
（不存在显著差异）构建变量，考察研究结果表明：方差的Sig>0.05均值的Sig>0.05不显著相关F，P，对应t和p为，俩总体均值不存在显著差异，男女研究生在JSBX研究上，不存在显著差异。
方差的Sig<0.05 均值的Sig<0.05 显著相关科学：对象可确定的，可观测的、可测量的，对象的观测和测量可以重复观测和测量，结果可以保持不变。
SQL标准化的量表音频分析，对音频高的进行汇总。
统计学：数据分析的方法论。
SASEVIEWSS-plus编码手册做好、设置97个变量1-100岁进行等距变量婴儿、儿童…研究说明和解释完整的题目、摘要、作者简介3~6：5000-60001、问题背景2、方法（T检验、回归分析…）工具（SQL90）和程序（样本）3、结果3.1 3.2 3.34、分析讨论5、基本结论6、参考文献变量计量尺度：性别：定类变量年龄：定距定秩定比Scale：定距数据收入、人数Ordinal：有固定顺序年龄段职称nominal:无固定顺序性别Bem Sex Role Inventory横的为变量，竖的为个案。
- 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)。
Spss 学习笔记(1)在spss中，数据文件的管理功能基本上都集中在data和transform菜单上，其中transform主要实现变量级别的数据管理，如计算新变量、变量取值重新编码等，data的功能主要是实现文件级别的数据管理，如变量排序，文件合并、拆分等。
Transform菜单说明：计算新变量：compute变量转换：recode,visual bander,count,rank cases,automatic recode五个过程，可以看成是compute再某一方面的强化和打包。
专用过程：建立时间序列、缺失值代替和设定随机种子三个过程，前两个专用于时间序列模型。
设定随机种子的功能主要影响伪随机函数的使用。
数据分析中，将连续变量转换为等级变量，或将分类变量不同的变量等级进行合并是常见的工作。
而recode可以很好的完成这个任务。
Recode提供了精确的分组功能，但是如果希望进行的分组是有规律的，比如等距分组或者等样本量分组，使用recode过程进行操作就显得非常麻烦，而且可视化程度不高，可以使用visual bander过程进行可视化分段。
在数据分析中，将字符变量转换为数值变量是非常实用的一个功能，除了使用recode过程手工设定转换规则外，还可以使用automatic recode过程自动按照原变量的大小或者字母排序生成新变量，而变量值就是原值的大小次序。
Automatic recode的排序功能和rank cases类似，不同在于，automatic recode可以用于字符型变量。
所谓变量的秩序，就是对记录按照某个变量值得大小来排序。
Rank cases就是用来排序的专用过程。
Count：该过程用来表示某个变量的取值中是否出现某个值，可以使单个数值，也可以指定区间，并且可以仅给出条件，而不必对整个数据集进行操作。
该过程可以直接使用recode 过程来实现。
Random number seed：默认情况下，随机种子随时间不停改变，这样计算出的随机数值无法重复，可以用该过程人为指定一个种子，以后所有的伪随机函数在计算时都会以该种子开始计算，即结果可以重现。
Data菜单说明：简单命令：包括插入变量、插入记录和到达某条记录，这些功能都可以用鼠标在数据界面上直接完成，很少会使用菜单调用。
常用的简单过程：包括排序、拆分文件、选择记录和加权记录。
变量与数据文件属性向导：用于定义数据字典，或者将预定义的数据字典直接引入当前数据文件，对于大型或者连续性的数据分析项目而言，这是一个非常有用的功能。
数据重构向导：用于进行数据转制，或者对重复测量数据进行长型、宽型记录格式间的转换。
文件合并过程：用于生成实施联合分析所需的设计。
其他过程：包括定义日期变量过程、数据汇总过程和查找重复记录向导。
Sort cases：记录排序。
Split file：记录拆分。
Select cases：不需要分析全部的数据，而是按照要求分析其中的一部分。
Weight cases：记录加权。
默认情况下，每行就是一条记录，但是有时非常麻烦。
这时候可以使用频数格式录入数据，即相同取值的观测只录入一次，另加一个频数变量用于记录该数据出现了多少次。
Aggregate数据汇总：分类汇总就是按照指定的分类变量对观测值进行分组。
分类汇总的分类变量可以指定多个，称为多重分类汇总。
Define variable properties：变量属性定义向导，用于对数据集中已存在的变量进一步定义其属性。
Copy Data Properties：用于将定义好的数据字典直接应用到当前文件中。
Identifying Duplicate cases：查找个别变量值重复，或者所有数值完全重复的记录。
Restructure：根据用户的要求改变数据的排列格式。
Transpose：用于对数据进行行列转置。
主要用于编成，进行矩阵运算时的矩阵转置操作。
数据文件的合并有两种：纵向连接和横向合并。
纵向连接是几个数据集中的数据纵向相加，组成一个新的数据集，新数据集中的记录是原来几个数据集中记录数的总和。
横向合并是按照记录的次序，或者某个关键变量的数值，将不同数据集中的不同变量合并为一个数据集，新数据集中的变量数十所有原数据集中不重名变量的总和。
Spss 学习笔记（2)相关分析和回归分析：都可以用来考查两个连续变量间的关系，但反映的是不同的侧面。
尽管在提及相关分析的时候，往往考查的都是两个连续变量的相关关系，但实际上对任何类型的变量，都可以使用相应的指标进行相关关系得考查。
测量相关程度的相关系数很多，各种参数的计算方法及特点各异。
连续变量的相关指标：此时一般用积差相关系数，又称pearson相关系数来表示其相关性的大小，积差相关系数只适用于两变量呈线性相关时。
其数值介于-1~1之间，当两变量相关性达到最大，散点呈一条直线时取值为-1或1，正负号表明了相关的方向，如果两变量完全无关，则取值为零。
作为参数方法，积差相关分析有一定的适用条件，当数据不能满足这些条件时，分析者可以考虑使用Spearman等级相关系数来解决问题。
有序变量的相关指标：所谓有序的等级资料的相关性/一致性高，就是指行变量等级高的列变量等级也高，反之亦然。
如果行变量等级高而列变量等级低，则被称为不一致。
简单相关分析：当两个连续变量在散点图上的散点呈现直线趋势时，就可以认为二者存在直线相关趋势，也称为简单相关趋势。
Pearson相关系数，也称乘积相关系数，就是人们定量描述线性相关程度好坏的一个常用指标。
积差相关系数的适用条件：在相关分析中首先要考虑的问题就是两个变量是否可能存在相关关系，如果得到了肯定的结论，那才有必要进行下一步定量的分析。
另外还必须注意以下几个问题：1、积差相关系数适用于线性相关的情形，对于曲线相关等更为复杂的情形，积差相关系数的大小并不能代表相关性的强弱。
2、样本中存在的极端值对积差相关系数的影响极大，因此要慎重考虑和处理，必要时可以对其进行剔出，或者加以变量变换，以避免因为一两个数值导致出现错误的结论。
3、积差相关系数要求相应得变量呈双变量正态分布，注意双变量正态分布并非简单的要求x变量和y变量各自服从正态分布，而是要求服从一个联合的双变量正态分布。
以上几条要求中，前两者的要求最严，第三条比较宽松，违反时系数的结果也是比较稳健的。
Spearman相关系数又称为秩相关系数，使利用两变量的秩次大小作线性相关分析，对原始变量的分布不做要求，属于非参数统计方法。
因此它的适用范围比Pearson相关系数要广的多。
即使原始数据是等级资料也可以计算Spearman相关系数。
对于服从Pearson相关系数的数据也可以计算Spearman相关系数，但统计效能比Pearson相关系数要低一些（不容易检测出两者事实上存在的相关关系）。
Kendall’s tau-b等级相关系数是用于反映分类变量相关性的指标，适用于两个变量均为有序分类的情况。
简单相关和偏相关有一个共同点，就是对所分析的数据背景应当有一定程度的了解。
在这种情况下进一步进行积差相关系数的计算，以在定量的水平上对这种关联予以确认。
同理，计算偏相关系数也是同样的情况，只是又在计算积差相关系数的基础上考虑了其他因素的影响。
但有的时候会遇到一种情况，在分析前对数据所代表的专业背景知识了解的尚不充分，本身就属于探索性的研究，这时往往需要先对各个指标或者案例的差异性、相似程度进行考察，以先对数据有一个初步的了解，然后再根据结果考虑如何进行深入的分析。
Distinces过程就可以用于计算记录（或变量）间的距离（或相似程度），根据变量的不同类型，可以有许多距离、相似程度测量指标供用户选择。
但由于本模块只是一个预分析的过程，因此距离分析并不会给出常用的p值，而只给出各变量/记录之间的距离大小，以供用户自行进行判断相似性。
Distinces过程可以计算距离测量指标或者相似性测量指标，这可以在主对话框中加以切换。
距离测量指标，根据不同的数据类型，距离测量指标也有所不同。
分为连续性变量、频数表资料和二分类变量三种。
相似性测量指标时间上就是前述的那些相关分析指标体系，只是更为详细一些，主要分为剂量资料和二分类变量两种。
相关和回归描述的是两变量间联系的不同侧面，简单回归分析就是寻找因变量数值随自然量变化而变化的直线趋势，并在散点图上找到这样一条直线，相应得方程也就被称为直线回归方程。
通过回归方程解释两个变量之间的关系会显得更为精确。
除了描述两个变量之间的关系外，回归方程还可以进行预测和控制。
无序分类变量的统计推断：x2检验主要用于检验某无序分类变量各水平在两组或多组间的分布是否一致。
还可以用于检验一个分类变量各水平出现的概率是否等于指定概率；一个连续变量的分布是否符合某种理论分布等。
其主要用途：1、检验某个连续变量的分布是否与某种理论分布相一致。
2、检验某个分类变量各类的出现概率是否等于制定概率。
3、检验某两个分类变量是否相互独立。
4、检验控制某种或某几种分类因素的作用以后，另两个分类变量是否相互独立。
5、检验某两种方法的结果是否一致。
主成分分析只是一种中间手段，其背景是研究中经常会遇到多指标的问题，这些指标间往往存在一定的相关，直接纳入分析不仅复杂，变量间难以取舍，而且可能因多元共线性而无法得出正确结论。
主成分分析的目的就是通过线性变换，将原来的多个指标组合成相互独立的少数几个能充分反映总体信息的指标，便于进一步分析。
Spss 学习笔记（3)有关因子分析和回归分析因子分析是一种多变量化简技术。
目的是分解原始变量，从中归纳出潜在的“类别”，相关性较强的指标归为一类，不同类间变量的相关性较低。
每一类变量代表了一个“共同因子”，即一种内在结构，因子分析就是要寻找该结构。
适用条件样本量样本量与变量数的比例应在5：1以上总样本量不得少于100，而且原则上越大越好各变量间必须有相关性KMO统计量：0.9最佳，0.7尚可，0.6很差，0.5以下放弃Bartlett’s球形检验标准分析步骤判断是否需要进行因子分析，数据是否符合要求进行分析，按一定标准确定提取的因子数目如果进行的是主成分分析，则将主成分存为新变量用于继续分析，步骤到此结束如果进行的是因子分析，则考察因子的可解释性，并在必要时进行因子旋转，以寻求最佳解释方式如有必要，可计算出因子得分等中间指标供进一步分析使用公因子数量的确定主成分的累积贡献率：80~85％以上特征根：大于1综合判断因子分析时更重要的是因子的可解释性回归分析的基本步骤(1)确定自变量和因变量(2)从样本数据出发确定变量之间的数学关系式,并对回归方程的各个参数进行估计.(3)对回归方程进行各种统计检验.(4)利用回归方程进行预测.通径分析实际上是回归分析的扩展，同时又是结构方程模型的一种特例情况。