SPSS数据结构第三章课件

•
3.1.2数据项（变量）之间的逻辑检查与清理
• • •
（1）首先打开数据文件“文科硕士生培养情况表9.sav”。 （2）单击菜单栏中的“Data”菜单，展开下拉菜单。 (3)在下拉菜单中单击“Select Cases”命令，弹出“Select Cases”对话框，如图3.2所示。 （4） 在图3.2中选择“Select” 选项区中的“If condition is satisfied”选项，则激活“If„”按钮，弹出按输入条件选 择观察量的 “Select Cases：If”对话框，如图3.1.3所示。
3.2常用统计量
统计分析中常用的统计量大致可以分为三大类：第一类是刻 画集中趋势的描述统计量；第二类是刻画离散程度的描述统计量 第三类是刻画分布形态的描述统计量。通常，综合这三类统计量 就能准确和清晰地把握数据的分布特点。
3.2.1刻画集中趋势的描述统计量
• • •
集中趋势是指一组数据向某一中心值靠拢的倾向。刻画集中趋势 的描述统计量主要有均值、中位数、众数等。 1.均值（Mean） 均值又称“算术平均数”，反映了某变量所有取值的集中趋势或 者平均水平。例如某班学生某门课程考试的平均成绩，某校教师 的平均月收入等，都是均值的具体体现。均值的大小易受到数据 中极端值的影响。 均值的计算公式为：
•
•
“目前专业[A2]”频数统计表
3.1.1奇异数据的检查与清理
• • • • • •
上表中各变量含义为： • Frequency：频数； • Percent：百分比； • Valid Percent：有效百分比； • Cumulative Percent：累计百分比注意，如果出现缺失值，则 有效百分比与百分比会不一致。 如果在该频数统计表中出现“公共管理类”、“教育学类”、“ 法学类”、“其它”以外的数字，说明数据录入（或填表时）有 差错，应找到该观察量，仔细核对原始数据，修正之。 如果在该频数统计表中出现系统缺失值，即出现“· ”，说明 漏录入了该项数据，应找到该观察量，仔细核对原始数据，补充 录入。
• •
•
•
（3）将图3.1.1左边矩形框的变量调入中间的“Variable（s）： ”下的矩形框。比如，把变量“A6”调入该矩形框。
（4）单击“OK”钮，则在output窗口会出现频数统计表，如下 所示
3.1.1奇异数据的检查与清理
“目前专业态度[A6]”频数统计表
显然，value=5和一个系统缺失值都是错误的，应该把它改正
把一组数据按照递增或者递减的顺序排列，处于中间位置的变量 值就是中位数。它是一种位置代表值，所以不会受到极端数值的 影响，具有较高的稳定性。 中位数的计算方法：
•
3.2.1刻画集中趋势的描述统计量
• • • • •
① 直接法 若样本含量N为奇数时，那么把观察量按大小顺序排列后，取中 间那个即为中位数； 若样本含量N为偶数时，那么把观察量按大小顺序排列后，取中 间的两个，求其平均值即为中位数。
② 频数表计算法
计算公式为： M L
I
f
( N 5%
M
f
c
)
•
其中：M表示中位数；L 表示中位数所在的那一组的下限值；I 为该组的组距；fM 表示中位数所在组的频数；fc为该组以前的 各组的累积频数。
上列的中位数公式实质上是50%位点的值，用同样的方法可计算 25%、75%等位点的值。
3.2.2刻画离散程度的描述统计量
•
离散程度是指一组数据远离其“中心值”的程度。除了以均值等 “中心值”描述数据外，还应考察数据分布的疏密程度。如果数 据都紧密地集中在“中心值”的周围，即数据的离散程度较小， 则说明“中心值”对数据的代表性好，反之，则表明“中心值” 的代表性不强 常见的刻画离散程度的描述统计量有： 1.标准差（Std.deviation） 标准差是表示变量取值距均值的平均离散程度的统计量。标准差 值越大，说明变量值之间的差异越大，距均值这个“中心值”的 2 离散程度越大。 标准差的计算公式为：
SPSS 目录
SPSS与教育统计 数据文件的建立与处理 数据清理基本统计分析 统计表与制表 统计图的绘制 均值检验 定量变量相关分析 定量因变量回归分析 定性因变量回归分析 聚类分析 因子分析与主成分分 析 可靠性分析
典型相关分析与偏最 小二乘
综合问题
定性变量相关分析
第三章
数据清理与基本统计分析
全距=最大值—最小值 4.最小值（Minimum）
•
• •
即一组数据中的最小值。
5.最大值（Maximum） 即一组数据中的最大值。
3.2.2刻画离散程度的描述统计量
数据清理与基本统计分析
数据清理、基本统计分析是进行其他分析的基础和前 提。本章主要介绍在SPSS中如何进行数据清理，如何进行 基本统计量的计算，如何进行频数分析、描述分析、探索 分析及交叉列联表分析等的操作。
3.1数据清理
•
在数据采集及数据录入的过程中，可能存在这样或那样的差错现 象,因此，在进行任何统计分析之前，必须首先清理数据文件中 的数据。 清理数据包括两方面的意义:一是使每个变量值具有合理性（即 能发现奇异数据与错误数据）；二是使各变量值之间在逻辑上具 有合理性。
•
•
3.1.1奇异数据的检查与清理
（7）单击图3.1.2中的“OK”按钮，则搜索到所需的观察量 case15。运行结果如图 3.1.5所示。
（8）此时，可对case15的系统缺失值进行修改。可用同样的方法对case5 进行修改。
3.1.2数据项（变量）之间的逻辑检查与清理
•
我们仍以例2.1中的数据文件为例，在原有数据文件的基础上， 我们增加了一个变量“做论文期间每周学习时间[A16]”，将文 件保存为“文科硕士生培养情况表9.sav”。在数据文件“文科 硕士生培养情况表9.sav”里，我们调查了“做论文期间每天学 习时间[A15]”和“做论文期间每周学习时间[A16]”两个变量。 按正常情况分析，“做论文期间每周学习时间”不应少于“做论 文期间每天学习时间”，即“[A16]>=[A15]”。 例3.2在数据文件“文科硕士生培养情况表9.sav”里，如果我们 在输入数据时，在第11个观察量中输入“A15=10.00， A16=7.00”，显然，这组数据之间是相互矛盾的。此时应该通 过逻辑检查把它们检查出来，并进行清理，具体操作步骤为：
•
3.1.1奇异数据的检查与清理
• • • •
1. 对奇异数据的检查 一般用频数表对奇异数据进行检查，这里仍以例2.1中的数据文 件为例，对奇异数据检查的操作步骤为： （1）单击菜单栏中的“Analyze”菜单，展开下拉菜单。 （2）单击“Descriptive Statistics”菜单项弹出级联菜单，再 单击“Frequencies”命令，弹出“Frequencies”对话框，如 图3.1.1所示
3.1.1奇异数据的检查与清理
（5）首先在“Function group：”列表框中选择要使用的函数 ，例如Missing Values，然后再调入“A6”作为参数，此时对 话框如图3.1.4所示。最后单击“Continue”按钮 ，则返回图 3.1.2。
3.1.1奇异数据的检查与清理
• •
（6）在图3.1.2中“Output”区域的选项有： • Filter out unselected cases：表示过滤掉未选定的观察量。 未选定的观察量不包括在分析中，但保留在数据集中。如果关闭 过滤，则在会话中稍后可以使用未选定个案。如果选择随机样本 ，或者基于条件表达式选择观察量，则此项生成名为 filter_$ 的 变量，对选定的观察量，该变量的值为1，对未选定的观察量， 该变量的值为0。在本例中选择此项。 • Copy selected cases to a new dataset：表示将选定的观察 量复制到新数据集。选定的观察量复制到新数据集后，原始数据 集未受影响。未选中观察量不包括在新数据集中，而在初始数据 集中保持其初始状态。 • Delete unselected cases：表示删除未选定观察量。只有退 出文件而不保存任何更改，然后重新打开文件，才能恢复删除的 观察量。如果保存对数据文件的更改，则会永久删除观察量。
N 1
或
MS
( x x)
N
3.2.2刻画离散程度的描述统计量
• •
3.全距(Range) 全距也称为极差，是数据的最大值与最小值之间的绝对差。在相 同样本容量情况下的两组数据，全距大的一组数据要比全距小的 一组数据更为分散。如果全距非常小，则意味着数据基本都集中 在一起。
•
• •
全距的计算公式为：
SD
• • •
•
( x x)
N 1
3.2.2刻画离散程度的描述统计量
• •
2.方差（Variance） 方差也是表示变量取值离散程度的统计量，是所有变量与均值偏 差平方的平均值。方差是标准差的平方，方差值越大，说明变量 值之间的差异越大。 方差的计算公式为：
MS
2
2
•
( x x)
3.1.1奇异数据的检查与清理
• • • • •
2. 对奇异数据的清理 对奇异数据的清理的操作步骤为： （1）首先打开例3.1的数据文件“文科硕士生培养情况表 8.sav”。 （2）单击菜单栏中的“Data”菜单，展开下拉菜单。 （3）在下拉菜单中单击“Select Case”命令，则弹出 “Select Cases”（选择观察量）对话框，如图3.1.2所示。
3.1.1奇异数据的检查与清理
图3.1.2 “Select Cases”对话框
3.1.1奇异数据的检查与清理
（4）在图3.1.2中选择“select”选项区中的“If condition is satisfied”选项，则激活“If…”按钮，单击之，弹出 “Select cases ：If” （按条件选择观察量）对话框，如图3.1.3所示。
•
3.2.1刻画集中趋势的描述统计量
• • • • •
3.众数(Mode) 众数是指一组数据中，出现次数最多的那个变量值。众数在描述 数据集中趋势方面有一定的意义。 计算公式：手工计算比较麻烦，需要统计数据的次数分布。 4.总和(Sum) 总和是所有带有非缺失值的观察量值的合计或总计，即。 xi
•
3.1.1奇异数据的检查与清理
•
例3.1 打开数据文件“文科硕士生培养情况表8”，如果在输入变 量“目前专业态度[A6]”的数据时，在第5个观察量中输入 “A6=5”，在第15个观察量中没有输入A6的值，即为系统缺失 值，显然这两组变量值都是错误的。同样可以用频数表对奇异数 据进行清理，其操作步骤为： （1）单击主菜单中的“Analyze”菜单项，展开下拉菜单。 （2）在下拉菜单中用鼠标点“Descriptive Statistics ”弹出小 菜单在小菜单中单击“Frequencies”，弹出“Frequencies”主 对话框，如图3.1.1所示。
图3.1.1 “Frequencies”对话框
3.1.1奇异数据的检查与清理
•
（3）将图3.1.1中左侧列表框中的变量调入到“Variable（s） ：”下的文本框。比如，把变量“目前专业[A2]”调入右侧文本 框中，并选中“Display frequency tables”选项。 （4）单击“OK”按钮，则在输出窗口会出现频数统计表，如下 所示。
• •
• 对于服从正态分布的变量值的平均水平，可用算术均数表示， 其计算公式为：
x x
N
i
•
其中xi为各样本值，N为总的观测例数即样本数。
3.2.1刻画集中趋势的描述统计量
•
对于已分组的频数表资料，其计算公式为：
fx x
• • •
பைடு நூலகம்
其中x为组中值，f为该组的频数。
f
2.中位数(Median)
•
3.1.2数据项（变量）之间的逻辑检查与清理
•
（5）输入表达式“A16 >= A15”，如图3.1.6所示。
3.1.2数据项（变量）之间的逻辑检查与清理
• • •
（6）单击“Continue”按钮，返回图3.1.2，在Filtered 和 Deleted两项中选一个。 （7）单击图3.1.2中的“OK”按钮，则搜索到所需的观察量 case11。运行的结果如图3.1.7所示。 （8）此时可对case11的错误数据进行修改。