SPSS18.0教程中文完整版
“保姆级”操作教程 手把手教你SPSS分析数据实战这也太方便了吧
保姆级操作教程 | 手把手教你SPSS分析数据实战这也太方便了吧数据分析是现代社会研究中不可或缺的一部分。
而SPSS作为一款功能强大且易于使用的统计分析软件，受到了许多研究人员和学生的青睐。
本文将手把手教你如何使用SPSS进行数据分析，让你的研究工作更加高效和准确。
步骤1：导入数据首先，打开SPSS软件并点击菜单栏上的“文件”选项。
然后选择“打开”并浏览你存储数据集的位置。
选择相应的数据文件，并点击“打开”。
现在，你的数据集就已经成功导入。
步骤2：查看数据在导入数据后，你可以通过点击菜单栏上的“数据视图”选项来查看数据。
在数据视图中，你可以浏览和编辑数据。
如果你想查看数据的统计摘要信息，可以点击菜单栏上的“变量视图”选项。
步骤3：数据清理在进行数据分析之前，你需要对数据进行清理。
这包括处理缺失值、异常值和离群值等。
SPSS提供了一系列用于数据清理的功能，例如删除无效数据、替换缺失值等。
你可以使用菜单栏上的“转换”选项来执行这些操作。
步骤4：选择统计分析方法在进行数据清理后，接下来需要选择合适的统计分析方法。
SPSS提供了多种常用的统计分析方法，例如描述统计、相关分析、回归分析、t检验等。
你可以根据自己的研究目的和数据类型选择相应的方法。
步骤5：进行统计分析一旦你选择了合适的统计分析方法，你可以点击菜单栏上的“分析”选项，并选择相应的分析方法。
然后，你需要选择要分析的变量，并设置相应的参数。
点击“确定”后，SPSS将自动进行统计分析，并生成相应的结果。
步骤6：解读结果进行完统计分析后，你需要对分析结果进行解读。
SPSS会生成各种统计指标和图表，用于帮助你理解数据。
你可以查看参数估计值、置信区间、显著性水平等信息，并根据这些结果进行推断和判断。
步骤7：报告和呈现结果最后，你需要将分析结果进行报告和呈现。
SPSS提供了生成报告和图表的功能，你可以根据需要选择相应的样式和格式。
在报告中，你可以总结分析结果、提出结论，并展示相关的图表和图形。
SPSSmodeler文本分类
SPSSmodeler文本分类1、数据介绍本节教程中将利用SPSS Modeler18.0对电信客户流失数据使用KNN模型进行分类分析，所使用的数据集是SPSS Modeler18.0自带数据集《telo.sav》，本教程所涉及的数据集我也整理了一份放在云盘，提取码: ktyb，需要的朋友可以直接下载。
本次所用数据与教程（一）中相同，数据结构如下：该数据表示的某电信公司的用户数据数据，共有42个字段，其中最后一个字段【churn】表示的是用户流失与否，0表示客户未流失，1表示客户流失，其他字段是每个客户在不同指指标上的值。
2、操作步骤利用SPSS Modeler建立KNN分类模型分析客户流失，模型建立如下：在构建区建立【源】【类型】【过滤器】【分区】的方法与决策树相同，再将【建模】节点中的【KNN】模型拖入构建区，在目标选项卡中设置预测目标字段。
在【字段】选项卡中可以使用预定义角色或者在下面手动设置，在【设置】现象卡的【模型】选项中，勾选【使用分区数据】、【为每个分割构建模型】、【标准化范围输入】，消除量纲的影响。
在【相邻元素】选项卡中，设置自动选择K的范围，设定K的值为3-5，让模型自动选择最佳的K值。
点击运行，得到如下模型结果，其中左边为样本在低维度预测空间中的映射分布情况，右边的K选择错误日志，显示了K值确定的过程。
本例中最终K为4时，训练集上效果最好。
当在左边选择任一样本作为焦点时，将会自动连接到对应的K近邻样本点，在右边选择【邻元素和距离表】，可以看到与改焦点距离最近的K个元素。
选择【象限图】则展示与改焦点最近的K个样本在每个属性上的分布情况，最懂显示六个属性。
【分类表】表示该KNN分类模型的准确率情况。
对于KNN模型结果，可以添加【分析】和【表格】节点查看模型情况。
在【分析】节点中点击运行，查看模型在训练集和测试集上的准确性。
3、小结本节教程中，主要讲解了利用SPSS Modeler18.0KNN分类建模，详细阐述了从数据过滤到模型参数设置的步骤，并对模型结果进行了详细讲解。
spss使用教程简版(共73张PPT)
8．变量的显示宽度（Columns）
输入变量的显示宽度，默认为8。
9．变量显示的对齐方式（Align）
选择变量值显示时的对齐方式：Left（左对 齐）、Right（右对齐）、Center（居中对齐）。
默认是右对齐。
10.变量的测量尺度（Measure）
• 变量按测量精度可以分为定性变量、定序 变 量、定距变量和定比变量几种。SPSS 将其分为定距变量（Scale）、定序变量 （Ordinal）、定类变量（Nominal）。
总体平均数：若一组数据X1，X2，…，XN，代表 一个大小为N的有限总体，则其总体平均数为
在Windows的程序管理器中双击SPSS FOR WINDOWS图标以打开SPSS程序组，选择SPSS图标并双击之，即可启动SPSS。
击“OK”按钮，即可定义变量类型。 SPSS的主要 不连续分布数据 ：按Ctrl不放然后用鼠标点击需要填入数据的单元格，再再最后的单元格里输入数据，最后按Ctrl+回车就行了。
设置变量的长度，当变量为日期型时无效。
4．变量小数点位数（Decimal）
设置变量的小数点位数，当变量为日期型时无 效。
5．变量标签（Label）
变量标签是对变量名的进一步描述，变量只 能由不超过8个字符组成，而8个字符经常不足以 表示变量的含义。而变量标签可长达120个字符， 变量标签可显示大小写，需要时可用变量标签 对变量名的含义加以解释。
图2-58 读取Excel文件
图2-59 “Opening Excel Data Source”对话框
SPSS默认将某个sheet中所有数据都读入到数 据编辑窗口中。在“Range”框中输入要读取数据的 范围，也允许指定读取一部分区域的数据，如要读 入前50行数据，则在该框中输入A1:F50，表示读取 的区域是以A1单元为左上角，F50为右下角的矩形 区域。Excel表格中每一行为SPSS的一个个案。 单击“Continue”按钮，即可完成数据导入。
时间序列预测技术之——SPSS18 软件操作
下面看看如何采用SPSS软件进行时间序列的预测!这里我用PASW Statistics 18软件，大家可能觉得没见过这个软件，其实就是SPSS18.0，不过现在SPSS已经把产品名称改称为PASW了！我们通过案例来说明：（本案例并不想细致解释预测模型的预测的假设检验问题，1-太复杂、2-相信软件）假设我们拿到一个时间序列数据集：某男装生产线销售额。
一个产品分类销售公司会根据过去 10 年的销售数据来预测其男装生产线的月销售情况。
现在我们得到了10年120个历史销售数据，理论上讲，历史数据越多预测越稳定，一般也要24个历史数据才行！大家看到，原则上讲数据中没有时间变量，实际上也不需要时间变量，但你必须知道时间的起点和时间间隔。
当我们现在预测方法创建模型时，记住：一定要先定义数据的时间序列和标记！这时候你要决定你的时间序列数据的开始时间，时间间隔，周期！在我们这个案例中，你要决定季度是否是你考虑周期性或季节性的影响因素，软件能够侦测到你的数据的季节性变化因子。
定义了时间序列的时间标记后，数据集自动生成四个新的变量：YEAR、QUARTER、MONTH和DATE（时间标签）。
接下来：为了帮我们找到适当的模型，最好先绘制时间序列。
时间序列的可视化检查通常可以很好地指导并帮助我们进行选择。
另外，我们需要弄清以下几点：• 此序列是否存在整体趋势？如果是，趋势是显示持续存在还是显示将随时间而消逝？• 此序列是否显示季节变化？如果是，那么这种季节的波动是随时间而加剧还是持续稳定存在？这时候我们就可以看到时间序列图了！我们看到：此序列显示整体上升趋势，即序列值随时间而增加。
上升趋势似乎将持续，即为线性趋势。
此序列还有一个明显的季节特征，即年度高点在十二月。
季节变化显示随上升序列而增长的趋势，表明是乘法季节模型而不是加法季节模型。
此时，我们对时间序列的特征有了大致的了解，便可以开始尝试构建预测模型。
时间序列预测模型的建立是一个不断尝试和选择的过程。
SPSS教程（完整）
SPSS教程（完整）第⼆章 SPSS统计应⽤第⼀节 SPSS基础SPSS（Statistical Package for the Social Sciences）即社会科学统计软件包，是当今世界上公认的最流⾏、最强⼤的三⼤统计分析软件（SPSS、SAS和BMDP）之⼀。
SPSS从10.0版本开始就基于Microsoft Windows 95操作系统上运⾏，具有Windows软件的共同特征。
由于SPSS具有统计、绘图功能强、使⽤简单⽅便等优点。
受到⼴⼤科研⼯作者的青睐。
在这⾥主要以12.0版为基础，介绍SPSS的基本使⽤⽅法。
⼀、SPSS安装和运⾏1 SPSS v12.0 安装打开计算机，启动Windows XP操作系统。
1) 将课程配备的光碟放⼊光盘驱动器中。
2) 启动Windows资源管理器，双击光盘驱动器图标，在⽬录窗⼝中找到“SPSS12 install”⽂件夹，双击进⼊该⽂件夹；找到“setup”应⽤程序，双击后就启动安装。
显⽰欢迎安装SPSS 12.0版以及版权声明（图2-1），浏览后单击“Next”按钮进⼊下⼀个画⾯。
图2-1 SPSS12.0欢迎窗⼝3）同意SPSS12.0软件协议⽤户阅读“协议”，同意协议，单击“I accept the terms in license agreement”选项。
否则单击“Cancel”退出安装，如图2-2。
图2-2 软件协议窗⼝4）阅读SPSS 12.0 ⾃述⽂件后，单击“Next”按钮，进⼊下⼀个界⾯。
5）填写⽤户信息。
例如：在⽤户名“Name:”栏填写: Student在单位名称“Organization:”栏填写: SWU如图2-3。
单击“Next”按钮，进⼊下⼀个界⾯。
图2-3填写⽤户信息5）指定SPSS12.0系统的安装⽬录（图2-4）图2-4 指定安装⽬录同意安装程序⾃动安装到“C:\Program file\spss”，单击“Next”后进⼊下⼀个画⾯继续安装。
SPSS 18数据分析基础与实践 第三章数据预处理
本章学习目标：掌握SPSS数据预处理的可视离散化方法；了解SPSS缺失值的填补方法；掌握SPSS的数据校验方法；如何标识重复个案；如何标识异常个案；学习如何从数据集中选择符合条件的个案。
随着计算机系统能力的提高，对信息的需要成比例增长，导致收集的数据越来越多。
随之而来的问题是出现更多的个案、更多的变量以及更多的数据输入错误。
这些错误会损害作为数据仓储最终目标的预测模型的预测能力，因此必须使数据保持“干净”。
不过，数据仓储中数据量的增长已经大大超出了手动验证个案的能力，因而实现自动化的数据验证过程变得十分关键。
数据预处理即当录入或读取数据后，对数据进行必要的清理（包括查错纠错、标识数据中的异常个案和无效个案、变量和数据值等）、转换、填补缺失值等，为后续统计分析应用（如均值比较、方差分析、回归分析等）打下良好基础。
如果把整个统计分析过程比作大厨烧菜，那么种菜或去菜场买菜等获取食材就相当于录入或读取数据，而扔掉坏的菜叶、切菜等准备工作就相当于数据预处理，而在锅里烧菜烹饪就相当于后续具体统计分析应用（如均值比较、方差分析、相关性分析、回归分析等）。
可见，数据预处理虽不产生最终的分析结果，但作为最终分析的准备，是数据分析必不可少的一环，它在完整的数据分析项目过程中的位置如图3-1所示。
在本章中，3.1节讨论尺度数据（即连续型数据）转换到分类数据的可视离散化方法；3.2节讨论SPSS中数据缺失值的填补方法；3.3节讨论SPSS中数据校验的方法；3.4节学习如何标识重复个案和异常个案；3.5节学习如何从数据集中选择满足条件的个案。
图3-1 统计分析项目过程图3.1 可视离散化可视离散化（可视化分段）（Visual Binning）用于为定量变量（或尺度变量）创建分类变量（或定性变量），从而实现连续变量的离散化。
在统计分析中，有时候需要了解总体的大致分布状况，而不需要了解属性的具体信息。
例如，调查居民的收入水平，实际得到的是以“元”计数的具体收入值。
SPSS PASW Bootstrapping 18 中文版指南
相容性 PASW Statistics 是設計運作於多部電腦系統的。請參閱隨附於您系統的安裝指示以取 得最小與建議需求的特定資訊。
序號 您的序號是您在 SPSS Inc. 的識別碼。當您在聯絡 SPSS Inc. 以取得支援、付費、或升 級的系統相關資訊時需要這個序號。序號是由您的 Core 系統所提供。
取得自助法分析 E 從功能表中選擇支援自助法的程序，並按一下「自助法」。
3
4 章節 2
圖表 2-1 「自助法」對話方塊
E 選取「執行自助法」。 您可以選擇性地控制下列選項： 樣本個數。對於產生的百分位數與 BCa 區間，建議至少使用 1000 個自助法樣本。 指定一個正整數。 設定 Mersenne Twister 的種子。設定種子可供您複製分析。這個控制項的用途類似 將 Mersenne Twister 設為作用中產生器，並在「亂數產生器」對話方塊上指定固定 的起點，但重要的差異在於在此對話方塊中設定種子將保留亂數產生器的目前狀態， 並在分析完成後還原該狀態 。 信賴區間。指定大於 50 且小於 100 的信賴區間。百分位數間區間只使用對應至信賴區間 百分位數的排序自助法數值。。例如，95% 百分數信賴區間使用自助法值的第 2.5 個與 第 97.5 的百分位數作為區間的上界與下界 (會視需要內插數值)。已修正偏差與加速 (BCa) 的區間為已調整的區間，因為更為精確，所以也需要更多時間來計算。 取樣。簡易方法會從原始資料集中不斷取樣觀察值並放回。階層化方法會從原始資料 集中不斷取樣觀察值並放回，此動作是在由層變數其交叉分類所定義的層內進行的。 當層之內的單位其同質性相當高，而層之間的單位又非常不同時，階層化自助法取樣 會十分有用。
非常详细的SPSS实用教程
2.3.8 数据次序确定
选择“Transform”菜单中的“Rank Cases”命令，弹出“Rank Cases”对话框，如图2-18所示，在该对话框中可以改变数据排序的次序。
图2-18 “Rank Cases”对话框
图2-19 “Rank Cases:Types”对话框
01
排序类型如下。
2.3.3 数据的排序
图2-10 “Sort Cases”（排序）对话框
在数据文件中，可根据一个或多个排序变量的值重排个案的顺序。
2.3.4 数据的行列互换
图2-11 “Transpose”对话框
2.3.5 选取个案子集
在数据统计中可从所有资料中选择部分数据进行统计分析。
图2-12 “Select Cases”对话框
图2-7 保存为另外的数据格式文件
SPSS Portable(*.por)
用户确定盘符、路径、文件名以及文件格式后单击“Save”按钮，即可保存为指定类型的数据文件。SPSS支持的常见的数据文件存放格式如下。
SPSS/PC+(*.sys)
SPSS(*.sav)
Tab delimited(*.dat)
2
图2-23 “Compute Variable”（计算变量）对话框
图2-24 条件表达式对话框
2.4.4 产生计数变量
在统计过程中，往往需要进行一些计数工作。产生计数变量就是实现计数功能，它对所有个案或满足一定条件的个案，计算若干个变量中有几个变量的值落在指定的区间内，并将计数结果放入一个新变量中。
定 义 变 量
01
启动SPSS后，出现如图2-1所示数据编辑窗口。由于目前还没有输入数据，因此显示的是一个空文件。
SPSS18(详解)
精选课件ppt
9
SPSS统计分析软件的基本特点
总之，SPSS界面清晰、形象直观、易学 易用。只要掌握一定的Windows操作技能， 懂得统计分析基本原理和方法，就可使用该 软件为特定的科研服务。
精选课件ppt
10
SPSS的启动与退出
（一）SPSS的启动
1、双击（或单击）程序的桌面快捷方式 图标启动SPSS。
精选课件ppt
2
SPSS 概述
1968年斯坦福大学三位学生：Norman Nie（斯坦福大 学政治学博士研究生）与Bent（斯坦福大学运筹学方向研究 生）、Hull一起开发了一套自动化处理数据和输出统计分析 结果的程序。第一个版本于1968年正式发布。随着SPSS销 售的迅速增长，SPSS两位创始人Norman Nie和Hull于1975年 在芝加哥成立了SPSS公司。极大地扩充了SPSS统计软件的 应用范围，并使其能很快地应用于自然科学、技术科学、社
精选课件ppt
14
一、数据编辑窗
在数据编辑窗中，有标题栏、菜 单栏、工具栏、状态栏和数据视图及 变量视图。数据编辑窗主要有建立新 的数据文件、编辑和显示已有数据文 件等功能。
精选课件ppt
15
数据编辑窗组成
数据编辑窗由数据视图和变量 视图两个视窗组成，两个视窗切换 单独显示。数据视图用于显示和编 辑变量值；变量视图用于定义、显 示和编辑变量特征。
精选课件ppt
20
5．数据视图
数据视图用于数据输入、编辑、显示。视窗
中为一个可扩展的平面二维表格，表格的顶部 为变量名，表格的左边是观察单位序号。一个 变量名和一个观察单位序号就对应了二维表格 中的一个单元格(Cell)。视窗的工具栏下面有一 个条形栏，它的左边为窗口状态栏，显示输入 数据的记录号和变量名，右边为输入数据栏， 显示从键盘输入的变量值。当用户选定某个单 元格位置，它就被圈为黑框，用户从数据输入 栏输入数据，单击该单元格或回车后，数据就 以隐含格式进入黑框。
SPSS18教程7章总体参数的估计
§5.3 区间估计
• 1. 样本中的支持率为 90% ， 即用样本 样本中的支持率为90 90% 比例作为对总体比例的点估计 • 2. 估计范围为 90%±3%(±3% 的误差 ) ， 估计范围为90 90% 的误差) 即区间(93% 87% 即区间(93%，87%)。 • 3. 如用类似的方式 ， 重复抽取大量 如用类似的方式， 样本量相同的）样本时， （样本量相同的）样本时，产生的大 量类似区间中有些会覆盖真正的 p ， 而有些不会； 但其中大约有95 95% 而有些不会 ； 但其中大约有 95% 会覆 盖真正的总体比例。 盖真正的总体比例。
§5.3 区间估计
• 这样得到的区间被称为总体比例 的 这样得到的区间被称为总体比例p的 置信度(confidence level)为 95%的 置信度 为 的 置信区间(confidence interval)。这 置信区间 。 置信水平或 里的置信度又称置信水平 里的置信度又称 置信水平 或 置信系 数。 • 显然置信度的概念又是大量重复抽 样时的一个渐近概念。 样时的一个渐近概念。
• 如果我们想知道桂林人认可某饮料 的比例， 的比例，人们只有在桂林人中进行 抽样调查以得到样本， 抽样调查以得到样本，并用样本中 认可该饮料的比例来估计真实的比 例。 • 从不同的样本得到的结论也不会完 全一样。 全一样。虽然真实的比例在这种抽 样过程中永远也不知道； 样过程中永远也不知道；但可以知 道估计出来的比例和真实的比例大 致差多少。 致差多少。
描描描统
449.0104 447.4124 450.6084 448.9500 30.287 5.50339 439.60 461.10 21.50 8.18
§5.2 点估计
• 那么，什么是好估计量的标准呢？ 那么，什么是好估计量的标准呢？ • 一种统计量称为无偏估计量 estimator)。 (unbiased estimator)。 • 所谓的 无偏性 (unbiasedness) 就是 ： 所谓的无偏性 (unbiasedness)就是 无偏性(unbiasedness) 就是： 虽然每个样本产生的估计量的取值 不一定等于参数， 不一定等于参数 ， 但当抽取大量样 本时， 本时 ， 那些样本产生的估计量的均 值会接近真正要估计的参数。 值会接近真正要估计的参数。
SPSS18教程3章数据的描述
数据的“位置” §3.2.1 数据的“位置”
• (样本 中位数 样本)中位数 样本 中位数(median) 是数据按照大小排列之 后位于中间的那个数(如 后位于中间的那个数 如 果样本量为奇数)，或者 果样本量为奇数 ， 中间两个数目的平均(如 中间两个数目的平均 如 果样本量为偶数)。 果样本量为偶数 。 • 由于中位数不易被极端 值影响， 值影响，所以中位数比 均值稳健(robust)。 均值稳健 。
统计学
─从数据到结论
如 同 给 人 画 像 一 样
第 三 章 数 据 的 描 述
• 在对数据进行深入加工之前 ， 在对数据进行深入加工之前， 总应该对数据有所印象。 总应该对数据有所印象。 • 可以借助于 图形 和 简单的运算 ， 可以借助于图形 简单的运算， 图形和 来了解数据的一些特征。 来了解数据的一些特征。 • 由于数据是从总体中产生的 ， 由于数据是从总体中产生的， 其特征也反映了总体的特征。 其特征也反映了总体的特征 。 对数据的描述也是对其总体的 一个近似的描述。 一个近似的描述。
30
40
直方图
20
10
0 150.0 155.0 160.0 165.0 170.0 175.0 180.0 185.0 190.0 195.0 200.0
图3.1 地地1高三男生身高的直方图
Std. Dev （标准差）=10.91，Mean（均值）=170.9，N（人数）=163
定量变量的图表示:2.盒型图 §3.1.1 定量变量的图表示 盒型图
210
200
158 96 5
盒型图
248 250 259 323
190
180
盒子的中间横线是数据的中位数(median)，封闭盒子的上下两横线 ， 盒子的中间横线是数据的中位数 140 ）；按照 按照SPSS的默认选项，如果所有 的默认选项， （边）=为上下四分位数（点）；按照 N 为上下四分位数（ 163 175的默认选项 地地1 地地2 样本中的数目都在离四分位点1.5倍盒子长度之内 倍盒子长度之内， 样本中的数目都在离四分位点 倍盒子长度之内，则线的端点为 最大和最小值，否则线长就是1.5倍的盒子长度 倍的盒子长度（ 最大和最小值，否则线长就是 倍的盒子长度（盒子长度称为四 地地 分位间距）， ），在其外面的度量单独点出 分位间距），在其外面的度量单独点出
spss使用教程
spss使用教程SPSS使用教程SPSS（Statistical Package for the Social Sciences）是一款常用的统计分析软件。
它提供了丰富的数据分析功能，可以帮助我们进行数据清洗、统计描述、假设检验、回归分析、因子分析等各种统计分析任务。
下面是一个简单的SPSS使用教程，帮助你快速上手SPSS。
1. 新建数据集打开SPSS软件，点击"File"-"New"-"Data"来新建一个数据集。
可以选择手动输入数据，也可以将已有的数据文件导入。
2. 数据清洗在数据集中，经常会遇到缺失值、异常值等问题，需要进行数据清洗。
在SPSS中，可以使用"Transform"-"Recode"命令来处理缺失值，使用"Analyze"-"Descriptive Statistics"命令来识别和处理异常值。
3. 数据分析SPSS提供了丰富的数据分析功能。
以下是一些常用的数据分析任务及对应的SPSS命令：- 统计描述：使用"Analyze"-"Descriptive Statistics"命令来计算变量的均值、标准差、最小值、最大值等统计指标。
- 假设检验：使用"Analyze"-"Compare Means"命令来进行独立样本t检验、配对样本t检验等假设检验。
- 回归分析：使用"Analyze"-"Regression"命令来进行线性回归分析，探索变量之间的关系。
- 因子分析：使用"Analyze"-"Dimension Reduction"-"Factor"命令来进行因子分析，提取出潜在的因子结构。
SPSS多因素方差分析
SPSS多因素方差分析一、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？SPSS软件版本：18.0中文版。
二、统计操作:1、建立数据文件变量视图：建立3个变量，如下图数据视图：如下图：区组号用1-8表示，营养素号用1-3表示。
数据文件见“小白鼠喂3种不同的营养素增重数量.sav”，可以直接使用。
2、统计分析菜单选择：分析-> 一般线性模型-> 单变量点击进入“单变量”对话框将“体重”选入“因变量”框，“区组”、“营养素”选入固定因子框点击右边“模型”按钮，进入“单变量：模型对话框”点击“设定”单选按钮，在“构建项”下拉菜单中选择“主效应”把左边的因子与协变量框中区组和营养素均选入右边的模型框中其余选项取默认值就行，点击“继续”按钮，回到“单变量”界面点击“两两比较”按钮，进入下面对话框将左边框中“区组”、“营养素”均选入右边框中再选择两两比较的方法，LSD、S-N-K，Duncan为常用的三种方法，点击“继续”按钮回到“单变量”主界面。
点击“选项”按钮勾选“统计描述”及“方差齐性检验”，设置显著性水平，点击“继续”按钮，回到“单变量”主界面点击下方“确定”按钮，开始分析。
3、结果解读这是一个所分析因素的取值情况列表。
变量的描述性分析这是一个典型的方差分析表，有2个因素“营养素”和“区组”，首先是所用方差分析模型的检验，F值为11.517，P小于0.05，因此所用的模型有统计学意义，即认为至少有一个因素对体重增长有显著影响，可以用它来判断模型中系数有无统计学意义；第二行是截距，它在我们的分析中没有实际意义，忽略即可；第三行是变量是区组，P<0.001，可见有统计学意义（即认为区组对体重增长有显著影响），不过通常我们关心的也不是他；第四行是我们真正要分析的营养素，非常遗憾，它的P值为0.084，没有统计学意义（即认为营养素对体重增长没有显著影响）。