第一篇：SPSS學(xué)習(xí)報(bào)告總結(jié)心得

應(yīng)用統(tǒng)計(jì)分析學(xué)習(xí)報(bào)告

本科的時(shí)候有概率統(tǒng)計(jì)和數(shù)理分析的基礎(chǔ)，但是從來沒有接觸過應(yīng)用統(tǒng)計(jì)分析的東西，SPSS也只是聽說過，從來沒有學(xué)過。一直以為這一塊兒會(huì)比較難，這學(xué)期最初學(xué)的時(shí)候，因?yàn)闆]有認(rèn)真看老師給的英文教材，課下也沒有認(rèn)真搜集相關(guān)資料，所以學(xué)起來有些吃力，總感覺聽起來一頭霧水。老師說最后的考核是通過提交學(xué)習(xí)報(bào)告，然后我從圖書館里借了些教材查了些資料，發(fā)現(xiàn)很多問題都弄清楚了。結(jié)合軟件和書上的例子，實(shí)戰(zhàn)一下，發(fā)現(xiàn)SPSS的功能相當(dāng)強(qiáng)大。最后總結(jié)出這篇報(bào)告，以鞏固所學(xué)。

SPSS，全稱是Statistical Product and Service Solutions，即“統(tǒng)計(jì)產(chǎn)品與服務(wù)解決方案”軟件，是IBM公司推出的一系列用于統(tǒng)計(jì)學(xué)分析運(yùn)算、數(shù)據(jù)挖掘、預(yù)測分析和決策支持任務(wù)的軟件產(chǎn)品及相關(guān)服務(wù)的總稱，也是世界上公認(rèn)的三大數(shù)據(jù)分析軟件之一。SPSS具有統(tǒng)計(jì)分析功能強(qiáng)大、操作界面友好、與其他軟件交互性好等特點(diǎn)，被廣泛應(yīng)用于經(jīng)濟(jì)管理、醫(yī)療衛(wèi)生、自然科學(xué)等各個(gè)領(lǐng)域。具體到管理方面，SPSS也是一個(gè)進(jìn)行數(shù)據(jù)分析和預(yù)測的強(qiáng)大工具。這門課中也會(huì)用到AMOS軟件。

關(guān)于SPSS的書，很多都是首先介紹軟件的。這個(gè)軟件易于安裝，我裝的是19.0的，雖然20.0有一些改變和優(yōu)化，但是主體都是一樣的，而且都是可視化界面，用起來很方面且容易上手。所以，我學(xué)習(xí)的重點(diǎn)是卡方檢驗(yàn)和T檢驗(yàn)、方差分析、相關(guān)分析、回歸分析、因子分析、結(jié)構(gòu)方程模型等方法的適用范圍、應(yīng)用價(jià)值、計(jì)算方式、結(jié)果的解釋和表述。

首先是T檢驗(yàn)這一部分。由于參數(shù)檢驗(yàn)的基礎(chǔ)不牢固，這部分也是最初開始接觸應(yīng)用統(tǒng)計(jì)的東西，學(xué)起來很多東西拿不準(zhǔn)，比如說原假設(shè)默認(rèn)的是什么。結(jié)果出來后依然分不清楚是接受原假設(shè)還是拒絕原假設(shè)。不過現(xiàn)在弄懂了。這部分很有用的是T檢驗(yàn)。T檢驗(yàn)應(yīng)用于當(dāng)樣本數(shù)較小時(shí)，且樣本取自正態(tài)總體同時(shí)做兩樣本均數(shù)比較時(shí)，還要求兩樣本的總體方差相等時(shí)，已知一個(gè)總體均數(shù)u，可得到一個(gè)樣本均數(shù)及該樣本標(biāo)準(zhǔn)差，樣本來自正態(tài)或近似正態(tài)總體。T檢驗(yàn)分為單樣本T檢驗(yàn)、獨(dú)立樣本T檢驗(yàn)、配對樣本T檢驗(yàn)。其中，單樣本T 檢驗(yàn)是樣本均數(shù)與總體均數(shù)的比較的T檢驗(yàn)，用于推斷樣本所代表的未知總體均數(shù)μ與已知的總體均數(shù)uo有無差別；獨(dú)立樣本T檢驗(yàn)主要用于檢驗(yàn)兩個(gè)樣本是否來自具有相同均值的總體，即比較兩個(gè)樣本的均值是否相同，要求兩個(gè)樣本是相互獨(dú)立的；配對樣本T檢驗(yàn)中，要正確理解“配對”的含義，主要用于檢驗(yàn)兩個(gè)有聯(lián)系的正態(tài)總體的均值是否有顯著差異，跟獨(dú)立檢驗(yàn)的區(qū)別就是樣本是否是配對樣本。這幾個(gè)方法用軟件操作起來都是相對簡單的，關(guān)鍵是分清楚什么時(shí)候用這個(gè)什么時(shí)候用那個(gè)。

然后是方差分析。方差分析就是將索要處理的觀測值作為一個(gè)整體，按照變異的不同來源把觀測值總變異的平方和以及自由度分解為兩個(gè)或多個(gè)部分，獲得不同變異來源的均值與誤差均方，通過比較不同變異來源的均方與誤差均方，判斷各樣本所屬總體方差是否相等。方差分析主要包括單因素方差分析、多因素方差分析和協(xié)方差分析等。這一部分在學(xué)習(xí)的過程中出現(xiàn)一些問題，就是用SPSS來操作的時(shí)候分不清觀測變量和控制變量，如果反了的話會(huì)導(dǎo)致結(jié)果的不準(zhǔn)確。其次，對Bonferroni、Tukey、Scheffe等方法的使用目的不清楚，現(xiàn)在基本掌握了多重比較方法選擇：一般如果存在明確的對照組，要進(jìn)行的是驗(yàn)證性研究，即計(jì)劃好的某兩個(gè)或幾個(gè)組間（和對照組）的比較。宜用Bonferroni(LSD)法；若需要進(jìn)行多個(gè)均數(shù)間的兩兩比較，且各組個(gè)案數(shù)相等，適宜用Tukey法；其他情況宜用Scheffe法。最后，對方差齊性檢驗(yàn)、多重比較檢驗(yàn)、趨勢檢驗(yàn)理解不夠透徹，在方差檢驗(yàn)中，Post Hoc鍵有LSD的選項(xiàng)：當(dāng)方差分析F檢驗(yàn)否定了原假設(shè)，即認(rèn)為至少有兩個(gè)總體的均值存在顯著性差異時(shí)，須進(jìn)一步確定是哪兩個(gè)或哪幾個(gè)均值顯著地不同，則需要進(jìn)行多重比較來檢驗(yàn)。LSD即是一種多因變量的三個(gè)或三個(gè)以上水平下均值之間進(jìn)行的兩兩比較檢驗(yàn)。

相關(guān)分析是研究現(xiàn)象之間是否存在某種依存關(guān)系，并對具體有依存關(guān)系的現(xiàn)象探討其相關(guān)方向以及相關(guān)程度，是研究隨機(jī)變量之間的相關(guān)關(guān)系的一種統(tǒng)計(jì)方法。相關(guān)分析研究現(xiàn)象之間是否相關(guān)、相關(guān)的方向和密切程度，一般不區(qū)別自變量或因變量。主要有雙變量相關(guān)分析、偏相關(guān)、距離相關(guān)幾個(gè)方法。雙變量相關(guān)分析是相關(guān)分析中最常使用的分析過程，主要用于分析兩個(gè)變量之間的線性相關(guān)分析，可以根據(jù)不同的數(shù)據(jù)類型和條件，選用Pearson積差相關(guān)、Spearman等級相關(guān)和Kendall的tau-b等級相關(guān)。當(dāng)數(shù)據(jù)文件包括多個(gè)變量時(shí)，直接對兩個(gè)變量進(jìn)行相關(guān)分析往往不能真實(shí)反映二者之間的關(guān)系，此時(shí)就需要用到偏相關(guān)分析，從中剔除其他變量的線性影響。距離相關(guān)分析是對觀測變量之間差異度或相似程度進(jìn)行的測量，其中距離需要弄清楚，距離分析是對觀測量之間相似或不相似程度的一種測度，是計(jì)算一對觀測量之間的廣義距離。這些相似性或距離測度可以用于其他分析過程，例如因子分析、聚類分析或多維定標(biāo)分析，有助于分析復(fù)雜的數(shù)據(jù)集。

接著是回歸分析。相關(guān)分析研究的是現(xiàn)象之間是否相關(guān)、相關(guān)的方向和密切程度，一般不區(qū)別自變量或因變量。而回歸分析則要分析現(xiàn)象之間相關(guān)的具體形式，確定其因果關(guān)系，并用數(shù)學(xué)模型來表現(xiàn)其具體關(guān)系。比如說，從相關(guān)分析中我們可以得知“質(zhì)量”和“用戶滿意度”變量密切相關(guān)，但是這兩個(gè)變量之間到底是哪個(gè)變量受哪個(gè)變量的影響，影響程度如何，則需要通過回歸分析方法來確定?；貧w分析的目的在于了解兩個(gè)或多個(gè)變量間是否相關(guān)、相關(guān)方向與強(qiáng)度，并建立數(shù)學(xué)模型以便觀察特定變量來預(yù)測研究者感興趣的變量。運(yùn)用十分廣泛，回歸分析按照涉及的自變量的多少，可分為一元回歸分析和多元回歸分析；按照自變量和因變量之間的關(guān)系類型，可分為線性回歸分析和非線性回歸分析。如果在回歸分析中，只包括一個(gè)自變量和一個(gè)因變量，且二者的關(guān)系可用一條直線近似表示，這種回歸分析稱為一元線性回歸分析。如果回歸分析中包括兩個(gè)或兩個(gè)以上的自變量，且因變量和自變量之間是線性關(guān)系，則稱為多元線性回歸分析。應(yīng)用回歸分析時(shí)應(yīng)首先確定變量之間是否存在相關(guān)關(guān)系，如果變量之間不存在相關(guān)關(guān)系，對這些變量應(yīng)用回歸預(yù)測法就會(huì)得出錯(cuò)誤的結(jié)果。正確應(yīng)用回歸分析預(yù)測時(shí)應(yīng)注意：①用定性分析判斷現(xiàn)象之間的依存關(guān)系；②避免回歸預(yù)測的任意外推；③應(yīng)用合適的數(shù)據(jù)資料；

接下來是因子分析。因子分析是指研究從變量群中提取共性因子的統(tǒng)計(jì)技術(shù)。最早由英國心理學(xué)家C.E.斯皮爾曼提出。他發(fā)現(xiàn)學(xué)生的各科成績之間存在著一定的相關(guān)性，一科成績好的學(xué)生，往往其他各科成績也比較好，從而推想是否存在某些潛在的共性因子，或稱某些一般智力條件影響著學(xué)生的學(xué)習(xí)成績。因子分析可在許多變量中找出隱藏的具有代表性的因子。將相同本質(zhì)的變量歸入一個(gè)因子，可減少變量的數(shù)目，還可檢驗(yàn)變量間關(guān)系的假設(shè)。因子分析的主要目的是用來描述隱藏在一組測量到的變量中的一些更基本的，但又無法直接測量到的隱性變量。從顯性的變量中得到因子的方法有兩類。一類是探索性因子分析，另一類是驗(yàn)證性因子分析。探索性因子分析不事先假定因子與測度項(xiàng)之間的關(guān)系，而讓數(shù)據(jù)“自己說話”。而驗(yàn)證性因子分析假定因子與測度項(xiàng)的關(guān)系是部分知道的，即哪個(gè)測度項(xiàng)對應(yīng)于哪個(gè)因子，雖然我們尚且不知道具體的系數(shù)。這一部分不能用SPSS來操作，要用AMOS，用起來也很方便。

最后一部分學(xué)習(xí)的是結(jié)構(gòu)方程模型。結(jié)構(gòu)方程模型是一種融合了因素分析和路徑分析的多元統(tǒng)計(jì)技術(shù)。它的強(qiáng)勢在于對多變量間交互關(guān)系的定量研究。在近三十年內(nèi)，其大量應(yīng)用于社會(huì)科學(xué)及行為科學(xué)的領(lǐng)域里，并在近幾年開始逐漸應(yīng)用于市場研究中。結(jié)構(gòu)方程模型是對顧客滿意度的研究采用的模型方法之一。其目的在于探索事物間的因果關(guān)系，并將這種關(guān)系用因果模型、路徑圖等形式加以表述。結(jié)構(gòu)方程模型與傳統(tǒng)的回歸分析不同，結(jié)構(gòu)方程分析能同時(shí)處理多個(gè)因變量，并可比較及評價(jià)不同的理論模型。與傳統(tǒng)的探索性因子分析不同，在結(jié)構(gòu)方程模型中，我們可以提出一個(gè)特定的因子結(jié)構(gòu)，并檢驗(yàn)它是否吻合數(shù)據(jù)。通過結(jié)構(gòu)方程多組分析，我們可以了解不同組別內(nèi)各變量的關(guān)系是否保持不變，各因子的均值是否有顯著差異。

這門課要學(xué)習(xí)完了，整個(gè)學(xué)習(xí)的過程是充滿曲折和挑戰(zhàn)的，我見證了自己從一無所知到困惑迷茫再到略懂再到會(huì)用的過程。甚至學(xué)完之后有些問題還沒有徹底搞清楚，自己接下來還會(huì)不斷的探索的。SPSS是個(gè)很神奇的工具，結(jié)合AMOS和EXCEL更是如虎添翼，相信學(xué)習(xí)了SPSS在以后的論文和數(shù)據(jù)分析中很有用。這門課給我的感覺是看起來很難，但是實(shí)際學(xué)起來就好很多，因?yàn)楫?dāng)我結(jié)合具體實(shí)例和軟件的時(shí)候，很多抽象的問題就豁然開朗了。但是想給老師一個(gè)建議，這門課需要很強(qiáng)的統(tǒng)計(jì)和概率論的基礎(chǔ)，要不然就會(huì)很難聽懂或者聽得半懂。然后這門課的很多方法的相關(guān)資料都是用在醫(yī)療衛(wèi)生、自然科學(xué)領(lǐng)域的，在管理中的應(yīng)用的資料不怎么多。老師希望我們上課的時(shí)候結(jié)合在管理中的應(yīng)用來學(xué)習(xí)，但是資料有限，希望老師在這個(gè)方面多給學(xué)生一些引導(dǎo)。

第二篇：SPSS學(xué)習(xí)總結(jié)

學(xué)習(xí)SPSS感想

以前學(xué)統(tǒng)計(jì)學(xué)的時(shí)候就聽老師講過SPSS有非常強(qiáng)大的統(tǒng)計(jì)功能，對我們學(xué)習(xí)、工作有很大的幫助，所以我一直認(rèn)為SPSS很神秘。通過這個(gè)學(xué)期周老師的課讓我對此清楚了許多，也學(xué)到了SPSS強(qiáng)大的統(tǒng)計(jì)功能，更加讓我明白了SPSS與Excel的區(qū)別。

SPSS是“社會(huì)科學(xué)統(tǒng)計(jì)軟件包”（Statistical Package for the Social Science）的簡稱，是一種集成化的計(jì)算機(jī)數(shù)據(jù)處理應(yīng)用軟件。1968年，美國斯坦福大學(xué)H.Nie等三位大學(xué)生開發(fā)了最早的SPSS統(tǒng)計(jì)軟件，并于1975年在芝加哥成立了SPSS公司，已有30余年的成長歷史，全球約有25萬家產(chǎn)品用戶，廣泛分布于通訊、醫(yī)療、銀行、證券、保險(xiǎn)、制造、商業(yè)、市場研究、科研、教育等多個(gè)領(lǐng)域和行業(yè)。SPSS是世界上公認(rèn)的三大數(shù)據(jù)分析軟件之一（SAS、SPSS和SYSTAT）。

在學(xué)習(xí)SPSS期間，我主要遇到的問題是后面幾章，SPSS的參數(shù)檢驗(yàn)、方差分析、相關(guān)分析、線性回歸分析、聚類分析、因子分析等。

在參數(shù)檢驗(yàn)中我不知道原假設(shè)是什么，導(dǎo)致分析的時(shí)候不知道該拒絕原假設(shè)還是接受原假設(shè)，不能分析出統(tǒng)計(jì)結(jié)果。不會(huì)區(qū)分單樣本t檢驗(yàn)和兩配對樣本t檢驗(yàn)的區(qū)別，現(xiàn)在懂得了它們都要服從正態(tài)分布，基本思想是小概率反證法，反證法思想是先提出假設(shè)（檢驗(yàn)假設(shè)H0），再用適當(dāng)?shù)慕y(tǒng)計(jì)方法確定假設(shè)成立的可能性大小，如果可能性小，則認(rèn)為假設(shè)不成立，否則，還不能認(rèn)為假設(shè)不成立。

在學(xué)習(xí)方差分析中，開始常常把觀測變量和控制變量弄混淆，在分析的時(shí)候應(yīng)分別送入哪個(gè)對應(yīng)框中，如果反了的話會(huì)導(dǎo)致結(jié)果的不準(zhǔn)確。其次，對LSD、Bonferroni、Tukey、Scheffe等方法的使用不清楚，現(xiàn)在基本掌握了多重比較方法選擇：一般如果存在明確的對照組，要進(jìn)行的是驗(yàn)證性研究，即計(jì)劃好的某兩個(gè)或幾個(gè)組間（和對照組）的比較。宜用Bonferroni(LSD)法；若需要進(jìn)行多個(gè)均數(shù)間的兩兩比較，且各組個(gè)案數(shù)相等，適宜用Tukey法；其他情況宜用Scheffe法。最后，對方差齊性檢驗(yàn)、多重比較檢驗(yàn)、趨勢檢驗(yàn)理解不夠透徹，在方差檢驗(yàn)中，Post Hoc鍵有LSD的選項(xiàng)：當(dāng)方差分析F檢驗(yàn)否定了原假設(shè)，即認(rèn)為至少有兩個(gè)總體的均值存在顯著性差異時(shí)，須進(jìn)一步確定是哪兩個(gè)或哪幾個(gè)均值顯著地不同，則需要進(jìn)行多重比較來檢驗(yàn)。LSD即是一種多因變量的三個(gè)或三個(gè)以上水平下均值之間進(jìn)行的兩兩比較檢驗(yàn)。

在學(xué)習(xí)相關(guān)分析的過程中，在繪制散點(diǎn)圖時(shí)，不知道哪個(gè)該做橫坐標(biāo)，哪個(gè)該做縱坐標(biāo)，明白了橫坐標(biāo)是解釋變量，縱坐標(biāo)是被解釋變量，還有對相關(guān)系數(shù)的種類分析不熟練等。在學(xué)習(xí)回歸分析的過程中，對DW可檢驗(yàn)的含義不理解，不記得對應(yīng)的DW表示的殘差序列的相關(guān)性。對解釋變量向前篩選、向后篩選、逐步帥選策略不能熟練掌握，特別是對向前向后篩選時(shí)到處的結(jié)果不會(huì)進(jìn)行分析。

學(xué)習(xí)聚類分析中，變量的選擇分不清，無關(guān)變量有時(shí)會(huì)引起嚴(yán)重的錯(cuò)分，應(yīng)當(dāng)只引入在不同類間有顯著差別的變量，盡量只使用相同類型的變量進(jìn)行分析。分類數(shù)不明確，從實(shí)用角度講，2~8 類比較合適。掌握了K-means Cluster 分析，樣本量大于100時(shí)有必要考慮，只能使用連續(xù)性變量。

學(xué)習(xí)因子分析的過程中，對提取出來的因子的實(shí)際含義不清晰，不能使因子具有命名解釋性。

學(xué)習(xí)了SPSS后，我不禁想到了SPSS與Excel的區(qū)別，這一點(diǎn)是針對像我這樣開始只懂得用EXCEL的人來說。從個(gè)人的體會(huì)來說，二種軟件有一定相似，操作都簡便，同時(shí)又有一些可以互補(bǔ)的地方。但是SPSS又比Excel更加強(qiáng)大：

一、圖型的表現(xiàn)力是SPSS的主要優(yōu)點(diǎn)之一

應(yīng)該說，Excel的圖型表現(xiàn)主要是簡便，對許多的人來說基本夠用，但對于科學(xué)的表現(xiàn)，SPSS就更為詳細(xì)和準(zhǔn)確，這一點(diǎn)據(jù)說在所有統(tǒng)計(jì)軟件中都突出。

二、通過SPSS檢驗(yàn)方差齊性和數(shù)據(jù)分布

假設(shè)檢驗(yàn)中，采用的t檢驗(yàn)和方差檢驗(yàn)都需要滿足二個(gè)要求，即

1．樣本方差齊性

2．樣本總體呈正態(tài)分布

在Excel中，提供了F檢驗(yàn)來檢驗(yàn)方差齊性問題，也就是可以先通過F檢驗(yàn)確定方差齊性與否來選擇下一步用哪個(gè)T檢驗(yàn)或方差檢驗(yàn)分析工具。但只要數(shù)據(jù)多于二組則無從下手；通過描述統(tǒng)計(jì)大約能從峰度和偏度來了解樣本的分布實(shí)際工作中，只要分布單峰且近似對稱分布，也可應(yīng)用，但要具體確定樣本的分布也有難度。這二個(gè)問題在SPSS就可以解決

最后，在感嘆它的方便與快捷的同時(shí)，對軟件開發(fā)人員的智慧到了肅然起敬的地步。一直覺得計(jì)算機(jī)語言是最難的一門外語。雖然本科時(shí)曾經(jīng)對這種邏輯性很強(qiáng)的東西很感興趣，并在編程課上取得不錯(cuò)的成績，但一直覺得這似乎不是我能掌控的東西。SPSS的神奇之處在于，它省去了使用者巨大的計(jì)算量，并提高準(zhǔn)確性。它開發(fā)了開發(fā)者的智慧，卻弱化了使用者的大腦。

第三篇：SPSS總結(jié)

SPSS的基本統(tǒng)計(jì)功能

1、數(shù)據(jù)的預(yù)處理

2、描述性統(tǒng)計(jì)和探索性統(tǒng)計(jì)

3、假設(shè)檢驗(yàn)（包括參數(shù)檢驗(yàn)、非參數(shù)檢驗(yàn)等）

4、方差分析（包括一般的方差分析和多元方差分析）

5、相關(guān)分析

6、回歸分析

7、多元統(tǒng)計(jì)分析，包括聚類分析、判別分析、因子分析、對應(yīng)分析、主成分分析等

8、時(shí)間序列分析

9、信度分析

10、數(shù)據(jù)挖掘：決策樹與神經(jīng)網(wǎng)絡(luò)

SPSS 統(tǒng)計(jì)分析的一般步驟

1、建立SPSS數(shù)據(jù)文件： 在【變量視圖】定義SPSS數(shù)據(jù)文件的結(jié)構(gòu)，在【數(shù)據(jù)視圖】進(jìn)行錄入數(shù)據(jù)文件的錄入。

2、SPSS數(shù)據(jù)的管理數(shù)據(jù)的預(yù)處理 ：

集中于【數(shù)據(jù)】和【轉(zhuǎn)換】兩個(gè)菜單項(xiàng)。

3、SPSS數(shù)據(jù)的統(tǒng)計(jì)分析階段

： 在【分析】菜單中選擇正確的統(tǒng)計(jì)方法。

4、SPSS分析結(jié)果的閱讀和解釋

： 讀懂SPSS輸出窗口中的分析結(jié)果

5、明確其統(tǒng)計(jì)含義，并結(jié)合背景知識(shí)做出合理的解釋。

第2章 SPSS統(tǒng)計(jì)分析前的準(zhǔn)備

一、SPSS數(shù)據(jù)文件的特點(diǎn)

1、SPSS數(shù)據(jù)文件是一種有結(jié)構(gòu)的數(shù)據(jù)文件（一般文本文件僅有純數(shù)據(jù)部分，而沒有關(guān)于結(jié)構(gòu)的描述）；

2、由數(shù)據(jù)的結(jié)構(gòu)和內(nèi)容兩部分構(gòu)成；

3、其中數(shù)據(jù)的結(jié)構(gòu)記錄數(shù)據(jù)類型、取值說明、數(shù)據(jù)缺失等必要信息（在【變量視圖】，每一列大家都要明白你在定義什么，有什么用）；

4、數(shù)據(jù)的內(nèi)容是那些待分析的具體數(shù)據(jù)；

5、在【數(shù)據(jù)視圖】每一列代表一個(gè)變量(variable)，變量名顯示在表格頂部；

6、在【數(shù)據(jù)視圖】的每一行代表一個(gè)記錄（case）（即一個(gè)案例，或稱一個(gè)對象、一個(gè)觀察、一個(gè)個(gè)體），記錄序號顯示在表格的左側(cè)；

7、在【數(shù)據(jù)視圖】可以輸入和編輯數(shù)據(jù)，但是不能輸入數(shù)學(xué)表達(dá)式和函數(shù)

二、定義變量

1、【數(shù)據(jù)視圖】是進(jìn)行數(shù)據(jù)輸入、數(shù)據(jù)編輯的界面，對應(yīng)的表格用于查看、錄入和修改數(shù)據(jù)。

2、【變量視圖】 是定義數(shù)據(jù)文件的變量的界面，對應(yīng)的表格用于輸入和修改變量的定義。

3、用SPSS讀取其他格式的數(shù)據(jù)：

1）數(shù)據(jù)文件：*。sav

語法文件：*。sps 結(jié)果文件：*。spo

腳本文件： *。sbs 2）文件-打開-數(shù)據(jù)，可打開多種文件類型（。sav、。xls、。dbf、。txt、。dat等）

注：要想順利打開txt文檔，txt文檔最好有固定的分隔符，如一個(gè)空格或一個(gè)逗號等。

三、數(shù)據(jù)的編輯

在SPSS中，數(shù)據(jù)文件的編輯、整理等功能被集中在了【數(shù)據(jù)】和【轉(zhuǎn)換】兩個(gè)菜單項(xiàng)中：

1、數(shù)據(jù)的增刪、復(fù)制、剪切、粘貼；

2、數(shù)據(jù)的排序，Sort Cases排序便于數(shù)據(jù)的瀏覽，快捷找到最大值或最小值，迅速發(fā)現(xiàn)數(shù)據(jù)的異常值；

四、文件的拆分：文件的拆分相當(dāng)于統(tǒng)計(jì)學(xué)中的數(shù)據(jù)分組，即將數(shù)據(jù)按一個(gè)或幾個(gè)分組變量分組。

五、數(shù)據(jù)選取 ：

數(shù)據(jù)選?。▊€(gè)案選?。┑幕痉绞?/p>

按指定條件選?。↖f condition is satisfied）

隨機(jī)抽樣(Random sample of cases)選取某一區(qū)域內(nèi)(Based on time or case range)

六、個(gè)案加權(quán)：記錄加權(quán)是對觀測數(shù)據(jù)賦以權(quán)重，常用于頻數(shù)表資料；

七、文件的合并：合并文件是指將外部數(shù)據(jù)中的記錄或變量合并到當(dāng)前的數(shù)據(jù)文件中去。合并數(shù)據(jù)文件包括兩種方式：

從外部數(shù)據(jù)文件增加記錄到當(dāng)前數(shù)據(jù)文件中——縱向合并或稱追加記錄。從外部數(shù)據(jù)文件增加變量到當(dāng)前數(shù)據(jù)文件中——橫向合并或稱追加變量。

八、變量的計(jì)算和變換：【轉(zhuǎn)換】-【計(jì)算變量】

九、數(shù)據(jù)的重新編碼recode 統(tǒng)計(jì)分組

將字符型變量轉(zhuǎn)換為數(shù)值型變量 將幾個(gè)小類別合為一個(gè)類別 將數(shù)值型變量轉(zhuǎn)換為字符型

十、統(tǒng)計(jì)結(jié)果的保存為word文件：【文件】-【導(dǎo)出】

第3章

SPSS描述性統(tǒng)計(jì)

1.Frequencies（頻率）過程的特色是產(chǎn)生頻數(shù)表；功能 產(chǎn)生頻數(shù)分布表；

繪制條形圖、餅圖、直方圖；

計(jì)算集中趨勢與離散程度、分布形狀（峰度和偏度的意義）等統(tǒng)計(jì)量； 按要求給出分位數(shù)；

對數(shù)據(jù)的分布趨勢進(jìn)行初步分析

（注：對于定性變量來說，一般來說產(chǎn)生頻數(shù)分布表，制作條形圖，餅圖即可）；

2.描述分析（Descriptives過程）

適用的分析對象：定量變量，測度為scale。功能：

調(diào)用此過程對變量進(jìn)行描述性統(tǒng)計(jì)分析，計(jì)算均值、標(biāo)準(zhǔn)差、全距和均值標(biāo)準(zhǔn)誤差等； 并可將原始數(shù)據(jù)轉(zhuǎn)換成Z分?jǐn)?shù)（(原始值-均值)/標(biāo)準(zhǔn)差）。

3.Explore（探索）過程用于對數(shù)據(jù)概況不清時(shí)的探索性分析，定量變量； 在一般描述性統(tǒng)計(jì)分析的基礎(chǔ)上，增加有關(guān)數(shù)據(jù)其他特征的文字與圖形描述。提供莖葉圖、箱線圖、PP圖、QQ圖等；

指出異常值（Outliers），可檢查數(shù)據(jù)是否有錯(cuò)誤，剔除異常值和錯(cuò)誤數(shù)據(jù)； 進(jìn)行點(diǎn)估計(jì)和區(qū)間估計(jì)，計(jì)算均值的置信區(qū)間，； 檢驗(yàn)一組數(shù)據(jù)是否呈正態(tài)分布； 4.列聯(lián)表分析

（1）列聯(lián)表分析的適用條件

對一個(gè)定量變量的描述和分析，一般用頻數(shù)分析（頻數(shù)分布表、餅圖、直方圖、條形圖）； 對兩個(gè)定性變量的描述和分析，通常使用列聯(lián)表、對應(yīng)分析，或使用卡方檢驗(yàn)； 對兩個(gè)以上定性變量的描述和分析，通常使用高維列聯(lián)表。（2）期望頻數(shù)的分布

如果行變量和列變量是獨(dú)立的，可以計(jì)算出列聯(lián)表中每個(gè)格子里的頻數(shù)應(yīng)該是多少，稱為期望頻數(shù)；

（3）列聯(lián)表分析的基本思路

檢驗(yàn)列聯(lián)表中的行變量與列變量之間是否獨(dú)立（或是否相關(guān)）。原假設(shè)為行變量與列變量之間獨(dú)立（或不相關(guān)）。比較觀察頻數(shù)與期望頻數(shù)的差。

如果兩者的差越大，表明實(shí)際情況與原假設(shè)相去甚遠(yuǎn)；如果差越小，表明實(shí)際情況與原假設(shè)越相近。

對于這個(gè)假設(shè)的檢驗(yàn)，可以采用卡方分布，進(jìn)行卡方檢驗(yàn)。

（4）列聯(lián)表分析的步驟

檢驗(yàn)列聯(lián)表中的行變量與列變量之間是否獨(dú)立（是否相關(guān)）提出假設(shè)

H0：行變量與列變量獨(dú)立（不相關(guān)）H1：行變量與列變量不獨(dú)立（相關(guān) 計(jì)算檢驗(yàn)的統(tǒng)計(jì)量 統(tǒng)計(jì)決策

進(jìn)行決策：P值決策

P<0。05，則拒絕原假設(shè)H0，否則，接收原假設(shè)。（5）Pearson卡方檢驗(yàn)的應(yīng)用條件

所有單元的期望頻數(shù)應(yīng)該大于1，或不應(yīng)有大量的期望頻數(shù)小于5的單元格。

如果列聯(lián)表中有20%以上的單元格中的期望頻數(shù)小于5，則一般不宜用卡方檢驗(yàn)。Pearson卡方檢驗(yàn)最普遍

第4章

SPSS的均值比較過程 1。Means過程

對準(zhǔn)備比較的各組計(jì)算描述指標(biāo)，進(jìn)行預(yù)分析，也可直接比較，定量變量。（1）Means過程是專門計(jì)算各種平均數(shù)，并對平均數(shù)進(jìn)行簡單比較的；（2）雖然Descriptive Statistics（描述統(tǒng)計(jì)）菜單項(xiàng)中的幾個(gè)過程也能計(jì)算均數(shù)，但Means過程的輸出結(jié)果是將各組的描述指標(biāo)放在一起的，便于相互比較；

（3）Means過程必須設(shè)置分組變量，若沒有分組變量的話，可以使用Descriptive Statistics菜單項(xiàng)中的幾個(gè)過程。

（4）適用于測度水平為SCALE的變量。

2。單樣本T檢驗(yàn)（1）目的

檢驗(yàn)?zāi)匙兞康目傮w均值與指定的檢驗(yàn)值之間是否存在顯著差異。（2）適用條件

樣本來自的總體服從正態(tài)分布（3）基本步驟

H0： μ＝μ0 H1： μ≠μ0

構(gòu)造檢驗(yàn)統(tǒng)計(jì)量 統(tǒng)計(jì)決策

如果P值<α（α一般取值為0。05），拒絕原假設(shè)； 如果P值>α，接受原假設(shè)；

3。

獨(dú)立樣本T 檢驗(yàn)（1）目的

通過比較兩個(gè)樣本均值差的大小來確定兩個(gè)總體的均值是否相等。（2）適用條件

獨(dú)立性：兩個(gè)樣本相互獨(dú)立，且均為大樣本；

正態(tài)性：如果兩個(gè)樣本相互獨(dú)立但都是小樣本，或有一個(gè)樣本是小樣本，則要求總體服從正態(tài)分布；

方差齊性

（3）基本步驟

a、方差齊性F檢驗(yàn)

原假設(shè)：兩個(gè)總體方差相等； 備則假設(shè)：兩個(gè)總體方差不相等；

P值<0。05 時(shí)，拒絕原假設(shè)，說明方差不齊；否則兩個(gè)總體方差無顯著性差異。b、對兩總體的均值提出假設(shè) H0： μ1＝μ2

H1： μ1≠μ2 c、統(tǒng)計(jì)決策

在SPSS中進(jìn)行兩獨(dú)立樣本t檢驗(yàn)時(shí)，應(yīng)首先對F檢驗(yàn)作判斷。如果方差相等，觀察分析結(jié)果中Equal variances assumed列的t檢驗(yàn)相伴概率值；如果方差不相等，觀察Equal variances not assumed列的t檢驗(yàn)相伴概率值。如果P值<α，拒絕原假設(shè)； 如果P值>α，不能拒絕原假設(shè)；

4.配對樣本的T 檢驗(yàn)

配對樣本是指對同一樣本的某個(gè)變量進(jìn)行前后兩次測試所獲得的兩組數(shù)據(jù)，或是對兩個(gè)完全相同的樣本在不同條件下進(jìn)行測試所獲得的兩組數(shù)據(jù)。其差別在于抽樣不是相互獨(dú)立的，而是互相關(guān)聯(lián)的。（1）配對樣本通常有兩個(gè)特征： 第一，兩組樣本的樣本數(shù)相同；

第二，兩個(gè)樣本記錄的先后順序一一對應(yīng)，不能隨意更改。（2）適用條件

兩樣本數(shù)據(jù)必須兩兩配對 兩總體服從正態(tài)分布

配對樣本的錄入方式是：每對數(shù)據(jù)在同一個(gè)case的兩個(gè)配對的變量上（3）檢驗(yàn)步驟 a、提出假設(shè) H0： μ1＝μ2

H1： μ1≠μ2 b、統(tǒng)計(jì)決策

如果P值<α，拒絕原假設(shè)； 如果P值>α，不能拒絕原假設(shè)；

第5章 方差分析

如何對一個(gè)或兩個(gè)總體的均值進(jìn)行檢驗(yàn)，我們可以用均值比較，如果要討論多個(gè)總體均值是否相等，我們所采用的方法是方差分析。

方差分析中有以下幾個(gè)重要概念。（1）因素（Factor）：是指所要研究的變量，它可能對因變量產(chǎn)生影響。如果方差分析只針對一個(gè)因素進(jìn)行，稱為單因素方差分析。如果同時(shí)針對多個(gè)因素進(jìn)行，稱為多因素方差分析。

（2）水平（Level）：水平指因素的具體表現(xiàn)，如銷售的四種方式就是因素的不同取值等級。

（3）單元（Cell）：指因素水平之間的組合。（4）元素（Element）：指用于測量因變量的最小單位。一個(gè)單元里可以只有一個(gè)元素，也可以有多個(gè)元素。

（5）交互作用（Interaction）：如果一個(gè)因素的效應(yīng)大小在另一個(gè)因素不同水平下明顯不同，則稱兩因素間存在交互作用。

1.單因素方差分析

單因素方差分析也叫一維方差分析，它用來研究一個(gè)因素的不同水平是否對觀測變量產(chǎn)生了顯著影響，即檢驗(yàn)由單一因素影響的一個(gè)（或幾個(gè)相互獨(dú)立的）因變量由因素各水平分組的均值之間的差異是否具有統(tǒng)計(jì)意義。（1）適用條件

在各個(gè)水平之下觀察對象是獨(dú)立隨機(jī)抽樣，即獨(dú)立性；

各個(gè)水平的因變量服從正態(tài)分布，即正態(tài)性；

各個(gè)水平下的總體具有相同的方差，即方差齊性；（2）基本原理

SST（總的離差平方和）=SSA（組間離差平方和）+SSE（組內(nèi)離差平方和）

如果在總的離差平方和中，組間離差平方和所占比例較大，說明觀測變量的變動(dòng)主要是由因素的不同水平引起的，可以主要由因素的變動(dòng)來解釋，系統(tǒng)性差異給觀測變量帶來了顯著影響；反之，如果組間離差平方和所占比例很小，說明觀測變量的變動(dòng)主要由隨機(jī)變量因素引起的。

SPSS將自動(dòng)計(jì)算檢驗(yàn)統(tǒng)計(jì)量和相伴概率P值，若P<α，則拒絕原假設(shè)，認(rèn)為因素的不同水平對觀測變量產(chǎn)生顯著影響；反之，接受零假設(shè)，認(rèn)為因素的不同水平?jīng)]有對觀測變量產(chǎn)生顯著影響。

另外，SPSS還提供了多重比較方法，多重比較是通過對總體均值之間的配對比較來進(jìn)一步檢驗(yàn)到底哪些均值之間存在差異，最常用的多重比較方法是LSD。（3）檢驗(yàn)步驟 a、提出假設(shè)

H0： 各個(gè)總體的均值無顯著性差異。

H1： 各個(gè)總體的均值有顯著性差異。b、統(tǒng)計(jì)決策

方差齊性檢驗(yàn)結(jié)果，P值>0。05，方差齊，否則，方差不齊；

單因素方差分析表，P值>α，接受H0，都則，拒絕H0，接受H1。

2.多因素方差分析

多因素方差分析是對一個(gè)獨(dú)立變量是否受一個(gè)或多個(gè)因素或變量影響而進(jìn)行的方差分析。它不僅能夠分析多個(gè)因素對觀測變量的獨(dú)立影響，更能夠分析多個(gè)因素的交互作用能否對觀測變量產(chǎn)生顯著影響。（2）基本原理

由于多因素方差分析中觀察變量不僅要受到多個(gè)因素獨(dú)立作用的影響，而且因素其交互作用和一些隨機(jī)因素都會(huì)對變量產(chǎn)生影響。因此觀測變量值的波動(dòng)要受到多個(gè)控制變量獨(dú)立作用、控制變量交互作用及隨機(jī)因素等三方面的影響。以兩個(gè)因素為例，可以表示為：

Q總＝Q控1＋Q控2＋Q控1控2＋Q隨其中，Q表示各部分對應(yīng)的離差平方和。多因素方差分析比較

Q

控

1、Q 控

2、Q 控 1 控

Q

隨

占 Q

總 的比例，以此推斷不同因素以及因素之間的交互作用

2、是否給觀測變量帶來顯著影響。

（3）基本術(shù)語

a、Dependent Variable 觀測變量或因變量 主要指研究中的定量變量

如：移動(dòng)話費(fèi)、學(xué)生成績、銷售量、畝產(chǎn)量等

b、Fixed Factor 固定效應(yīng)因素，固定因素，控制因素

主要指研究中的定性變量

如：資費(fèi)等級、客戶類型、漫游類型、促銷策略等 c、Random Factor 隨機(jī)效應(yīng)因素、隨機(jī)因素

人為無法對其水平值進(jìn)行準(zhǔn)確控制，只是能夠直觀觀測到

如：話費(fèi)水平、收入水平、消費(fèi)習(xí)慣等

d、Interaction 交互作用、交互效應(yīng)

如果一個(gè)因素的效應(yīng)大小在另一個(gè)因素不同水平下明顯不同，則稱為兩因素間存在交互作用。

當(dāng)存在交互作用時(shí)，單純研究某個(gè)因素的作用是沒有意義的，必須分另一個(gè)因素的不同水平研究該因素的作用大小。例如：飲食習(xí)慣、適量運(yùn)動(dòng)對減肥的作用； e、main effect 與交互效應(yīng)相對應(yīng)的

主效應(yīng)就是每個(gè)因素對因變量的單獨(dú)影響（main effect）f、Covariates 協(xié)變量

指對應(yīng)變量可能有影響，需要在分析時(shí)對其作用加以控制的連續(xù)性定量變量 當(dāng)模型中存在協(xié)變量時(shí)，一般是通過找出它與因變量的回歸關(guān)系來控制其影響（3）應(yīng)用條件

等方差；

各樣本的獨(dú)立性：只有各樣本為相互獨(dú)立的隨機(jī)樣本，才能保證變異的可加性（可分解性）；

正態(tài)性：即所有觀察值系從正態(tài)總體中抽樣得出；（4）基本步驟

提出假設(shè)

H0：因素A中的r個(gè)水平的均值相等（因素A 對因變量無顯著性影響）H1：因素A中的r個(gè)水平的均值不全相等（因素A 對因變量有顯著性影響）統(tǒng)計(jì)決斷 P值檢驗(yàn)法

依次查看各F值的P值，p-值<α，應(yīng)拒絕原假設(shè)； 如果其P值大于顯著性水平，則不能拒絕H0，可以認(rèn)為相應(yīng)不同水平的控制變量或交互影響沒有造成均值的顯著差異;

第6章

非參數(shù)檢驗(yàn)

非參數(shù)檢驗(yàn)（nonparametric test），又稱為任意分布檢驗(yàn)（distribution-free test）； 不依賴于總體的分布類型，對樣本所來自總體的分布不作嚴(yán)格假定的統(tǒng)計(jì)推斷方法，稱為非參數(shù)檢驗(yàn)（nonparametric test）

它不考慮研究對象總體分布的具體形式，也不對總體參數(shù)進(jìn)行統(tǒng)計(jì)推斷；

而是通過檢驗(yàn)樣本所代表的總體分布位置及分布形狀是否一致來得出統(tǒng)計(jì)結(jié)論。特點(diǎn)

參數(shù)檢驗(yàn)條件不滿足時(shí)的處理方法

不對均數(shù)等參數(shù)檢驗(yàn)，而是檢驗(yàn)分布是否相同

在總體分布未知的情況下，利用樣本數(shù)據(jù)對總體的分布形態(tài)進(jìn)行推斷。非參數(shù)檢驗(yàn)的著眼點(diǎn)不是總體參數(shù)，而是總體的分布情況 非參數(shù)檢驗(yàn)研究目標(biāo)總體的分布是否與已知理論分布相同 非參數(shù)檢驗(yàn)研究各樣本所在總體的分布位置，形狀是否相同 優(yōu)點(diǎn)

第一，具有較好的穩(wěn)健性；

第二，受限條件少：對數(shù)據(jù)要求不像參數(shù)檢驗(yàn)?zāi)菢訃?yán)格

第三，適用范圍廣：可應(yīng)用于各種不同的情況，不受總體分布形狀的限制，適合處理無法精確數(shù)量化的定性數(shù)據(jù)和小樣本數(shù)據(jù) 第四，計(jì)算通常較簡單，且容易理解 缺點(diǎn)

第一，將定量數(shù)據(jù)轉(zhuǎn)換為定性數(shù)據(jù)時(shí)，漏失了數(shù)據(jù)的一些信息

第二，檢驗(yàn)的敏感度和效果，均不如參數(shù)檢驗(yàn)好。檢驗(yàn)效率低于參數(shù)檢驗(yàn)，主要是犯第二類錯(cuò)誤的可能性加大。

第三，參數(shù)檢驗(yàn)適用的數(shù)據(jù)，非參數(shù)方法會(huì)降低檢驗(yàn)效能；當(dāng)數(shù)據(jù)滿足參數(shù)檢驗(yàn)條件時(shí)，效能低于參數(shù)法，不滿足參數(shù)法條件時(shí)，處于“優(yōu)勢” 非參數(shù)檢驗(yàn)的應(yīng)用場合

定量數(shù)據(jù)，不滿足參數(shù)檢驗(yàn)的條件，且無適當(dāng)?shù)淖兞孔儞Q方法解決此問題； 定量數(shù)據(jù)，其分布類型無法獲知，且為小樣本； 定量數(shù)據(jù)，極度偏態(tài)，或個(gè)別數(shù)值偏離過大； 各組離散度相差懸殊

一端或兩端存在不確定數(shù)值的定量數(shù)據(jù)

定序數(shù)據(jù)，比較各組間等級強(qiáng)度的差別； 非參數(shù)檢驗(yàn)的主要方法 單個(gè)樣本的非參數(shù)檢驗(yàn)

卡方檢驗(yàn)（Chi-Square過程）

二項(xiàng)檢驗(yàn)（Binomial過程）

游程檢驗(yàn)（Runs過程）

柯爾莫哥洛夫—斯米諾夫檢驗(yàn)（l-Sample K-S過程）兩個(gè)獨(dú)立樣本的非參數(shù)檢驗(yàn) 多個(gè)獨(dú)立樣本的非參數(shù)檢驗(yàn) 兩個(gè)配對樣本的非參數(shù)檢驗(yàn) 多個(gè)配對樣本的非參數(shù)檢驗(yàn) 順序統(tǒng)計(jì)量

通過對數(shù)據(jù)從小到大的排序(即排隊(duì))，并由數(shù)據(jù)的大小排序號(排隊(duì)號)代替原始數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析。

秩(Rank)：排序號(排隊(duì)號)在統(tǒng)計(jì)學(xué)上稱為秩

結(jié)(ties)：絕對值相等稱為結(jié)，又稱同秩，則取平均秩次。

一般來說，秩就是該組數(shù)據(jù)按照升序排列之后，每個(gè)數(shù)據(jù)的位置。

1.單個(gè)樣本的非參數(shù)檢驗(yàn) 卡方檢驗(yàn)（Chi-Square過程）

用卡方檢驗(yàn)來檢驗(yàn)定性變量的幾個(gè)取值（分類數(shù)據(jù)，或類別）所占比例是否和理論的比例沒有統(tǒng)計(jì)學(xué)差異。檢驗(yàn)分類變量的分布

適合于定性數(shù)據(jù)及頻數(shù)資料的分析

要求樣本足夠大，要求樣本容量一般大于50； 應(yīng)用領(lǐng)域

如病人經(jīng)治療后治愈、好轉(zhuǎn)、有效和無效的人數(shù)總的說來是否相同(實(shí)為治愈、好轉(zhuǎn)、有效和無效的概率或機(jī)會(huì)是否相同)成績優(yōu)、良、中、差的學(xué)生人數(shù)是否相同 贊同某種觀點(diǎn)的人數(shù)是否達(dá)到80%，等等。

比如在人群中抽取了一個(gè)樣本，可以用該方法來分析四種血型所占的比例是否相同（都是25%），或者是否符合我們所給出的一個(gè)比例（如分別為10%、30%、40%和20%）。Chi-Square檢驗(yàn)的基本思路

先按照已知總體的構(gòu)成比例分布，計(jì)算出樣本中定性數(shù)據(jù)（即各類別）的期望頻數(shù)然后求出觀測頻數(shù)和期望頻數(shù)的差值，最后計(jì)算出卡方統(tǒng)計(jì)量 利用卡方分布求出P值，假設(shè)檢驗(yàn)的H0是樣本中某指標(biāo)的比例與已知比例一致 得出檢驗(yàn)結(jié)論

2.二項(xiàng)檢驗(yàn)（Binomial過程）檢驗(yàn)二項(xiàng)分類變量分布

用于檢測所給的變量是否符合二項(xiàng)分布，變量可以是兩分類的，也可以使連續(xù)性變量，然后按你給出的分界點(diǎn)一刀兩斷。

Binomial過程對二項(xiàng)分類變量的單個(gè)樣本作檢驗(yàn)，推斷總體中兩個(gè)分類數(shù)據(jù)的比例是否分別為π和(1-π)應(yīng)用領(lǐng)域

射擊時(shí)，擊中與未擊中；學(xué)生成績，及格與不及格；疾病診斷，陰性與陽性；硬幣，正面與反面；人群性別，男和女；產(chǎn)品質(zhì)量，合格和不合格 定量數(shù)據(jù)、符號檢驗(yàn)（SING TEST）與Binomial過程

定量數(shù)據(jù)：大樣本；或小樣本，總體服從正態(tài)分布，總體方差已知； 參數(shù)檢驗(yàn)：單個(gè)樣本的均值檢驗(yàn)

定量數(shù)據(jù)，不滿足參數(shù)檢驗(yàn)的條件，且無適當(dāng)?shù)淖兞孔儞Q方法解決此問題；

極度偏態(tài)，或個(gè)別數(shù)值偏離過大；

一端或兩端存在不確定數(shù)值

3.游程檢驗(yàn)（Runs過程）

Runs過程借助樣本序列的順序推斷總體序列的順序是否是隨機(jī)的，屬隨機(jī)性檢驗(yàn) 二分類數(shù)據(jù)和定量數(shù)據(jù)（連續(xù)數(shù)據(jù)）均可

對于一個(gè)取兩個(gè)值的分類變量，游程檢驗(yàn)方法是檢驗(yàn)這兩個(gè)值的出現(xiàn)是否是隨機(jī)的。游程檢驗(yàn)還可以用于某個(gè)連續(xù)變量的取值小于某個(gè)值及大于該值的個(gè)數(shù)（類似于0和1的個(gè)數(shù)）是否隨機(jī)的問題 游程檢驗(yàn)的作用

1、檢驗(yàn)總體分布是否相同

將從兩個(gè)總體中獨(dú)立抽取的兩個(gè)樣本的觀察值混合后，觀察游程個(gè)數(shù)，進(jìn)行比較。

2、檢驗(yàn)樣本的隨機(jī)性

將取自某一總體的樣本的觀察值按從小到大順序排列，找出中位數(shù)，分為大于中位數(shù)的小于中位數(shù)的兩個(gè)部分。用上下交錯(cuò)形成的游程個(gè)數(shù)來檢驗(yàn)樣本是否是隨機(jī)的。應(yīng)用范圍

生產(chǎn)過程是否需要調(diào)整，即不合格產(chǎn)品是否隨機(jī)產(chǎn)生； 獎(jiǎng)券的購買是否隨機(jī)；

期貨價(jià)格的變化是否隨機(jī)等等。

若事物的發(fā)生并非隨機(jī)，即有某種規(guī)律，則往往可尋找規(guī)律，建立相應(yīng)模型，進(jìn)行分析，作出適宜的決策。

當(dāng)樣本按某種順序排列(如按抽取時(shí)間先后排列)時(shí)，一個(gè)或者一個(gè)以上相同符號連續(xù)出現(xiàn)的段，就被稱作游程 ；

4.（l-Sample K-S過程）

柯爾莫諾夫-斯米爾諾夫檢驗(yàn)，考察某個(gè)連續(xù)性變量是否符合理論分布 利用樣本數(shù)據(jù)推斷總體是否服從某種分布

可以檢驗(yàn)的分布有正態(tài)分布、均勻分布、Poission分布和指數(shù)分布。數(shù)據(jù)要求：定量數(shù)據(jù)，Scale

5。

獨(dú)立樣本的非參數(shù)檢

檢驗(yàn)兩個(gè)或多個(gè)獨(dú)立樣本所在總體是否相同

在不了解總體分布的情況下，通過分析樣本數(shù)據(jù)均值或中位數(shù)的差異，推斷樣本來自的兩/多個(gè)獨(dú)立總體的分布存在的顯著性差異。Independent Samples過程：主要用于檢驗(yàn)兩個(gè)獨(dú)立樣本所在總體分布是否相同 K Independent Samples過程：主要用于檢驗(yàn)多個(gè)獨(dú)立樣本所在總體分布是否相同 界面上基本相同

（1）兩個(gè)獨(dú)立樣本的非參數(shù)檢驗(yàn)

含義：由樣本數(shù)據(jù)，推斷兩個(gè)獨(dú)立總體的分布是否存在顯著差異(或兩樣本是否來自同一總體)分析對象：定量數(shù)據(jù)或定序數(shù)據(jù) 對分布的形狀不加考慮

分布形狀相同或類似的兩個(gè)總體分布位置比較，可以簡化地理解為兩總體中位數(shù)的比較 應(yīng)用范圍

兩種訓(xùn)練方法中哪一種更出成績 兩種汽 油中哪一個(gè)污染更少 兩種市場營銷策略中那種更有效

與獨(dú)立樣本t檢驗(yàn)的區(qū)別

對于定量數(shù)據(jù)，如果方差相等，且服從正態(tài)分布

兩個(gè)獨(dú)立樣本的非參數(shù)檢驗(yàn)的過程

定序數(shù)據(jù)；對于定量數(shù)據(jù)，不滿足兩個(gè)獨(dú)立樣本t檢驗(yàn)的條件

曼-惠特尼U檢驗(yàn)（Mann-Whitney U）

為檢驗(yàn)兩總體的中位數(shù)是否相等，常用Mann-Whitney U 檢驗(yàn)，或稱Wilcoxon秩和檢驗(yàn)(Wilcoxon rank sum test)；

這兩種方法是獨(dú)立提出的，檢驗(yàn)結(jié)果完全等價(jià)的； 分析步驟

建立檢驗(yàn)假設(shè)，確定顯著性水平α ：

H0：兩個(gè)總體的分布位置相同，即高中生和大學(xué)生的每周平均上網(wǎng)時(shí)間的總體分布相同；

H1：兩個(gè)總體的分布位置不同，即高中生和大學(xué)生的每周平均上網(wǎng)時(shí)間的總體分布不同?；颍?/p>

H0：M1=M2；

H1：M1>M2

2、編秩，將兩組數(shù)據(jù)由小到大統(tǒng)一編秩，編秩時(shí)如遇有相同數(shù)據(jù)，取平均秩次。

3、求秩和，兩組秩次分別相加。

4、確定統(tǒng)計(jì)量

若兩組樣本容量相等，則任取一組的秩和為統(tǒng)計(jì)量；

若兩組樣本容量不等，則以樣本樣本容量較小者對應(yīng)的秩和為統(tǒng)計(jì)量。

5、查表確定P值，作出推斷結(jié)論。若P>α，不能拒絕原假設(shè)。

若則P<α，拒絕原假設(shè)，認(rèn)為兩總體的分布不相同。

（2）多獨(dú)立樣本非參數(shù)檢驗(yàn)

對三個(gè)或三個(gè)以上的總體的均值是否相等進(jìn)行檢驗(yàn)，使用的方法是單因素方差分析 ； 單因素方差分析過程需要假定條件，F(xiàn)檢驗(yàn)才有效； 有時(shí)候所采集的數(shù)據(jù)常常不能滿足這些條件，K Independent Samples過程 K Independent Samples過程

含義：由樣本數(shù)據(jù)，推斷多個(gè)獨(dú)立總體的分布是否存在顯著差異(或多個(gè)樣本是否來自同一總體)分析對象：定量數(shù)據(jù)或定序數(shù)據(jù) 對分布的形狀不加考慮

分布形狀相同或類似的多個(gè)總體分布位置比較，可以簡化地理解為多個(gè)總體中位數(shù)的比較。應(yīng)用范圍

各城市兒童身高分布一致嗎？

不同收入的居民存（?。┛罱痤~分布一致嗎？

電信公司人力資源部門比較3所大學(xué)雇員的管理業(yè)績是否存在差異？ 檢驗(yàn)方法

Kruskal-Wallis H ：克魯斯卡爾-沃利斯單因素方差分析最常用，原理同Wilcoxon檢驗(yàn) 多個(gè)樣本間的兩兩比較 多組獨(dú)立樣本；

每組5個(gè)觀察值，樣本量小，分布類型未知；

考慮采用秩轉(zhuǎn)換的非參數(shù)檢驗(yàn)方法——Kruskal-Wallis秩和檢驗(yàn)。

（3）兩/多個(gè)配對樣本非參數(shù)檢驗(yàn)

檢驗(yàn)兩個(gè)或多個(gè)配對樣本所在總體位置是否相同

在不了解總體分布的情況下，通過分析兩/多個(gè)配對樣本，推斷樣本來自的兩/多個(gè)總體的分布是否存在顯著性差異。Related Samples過程：主要用于檢驗(yàn)兩個(gè)配對樣本所在總體分布是否相同 K Related Samples過程：主要用于檢驗(yàn)多個(gè)配對樣本所在總體分布是否相同 界面上基本相同

兩個(gè)配對樣本的非參數(shù)檢驗(yàn)

含義：由樣本數(shù)據(jù)推斷兩配對總體分布是否存在顯著差異。數(shù)據(jù)要求

兩組配對的樣本數(shù)據(jù)；

兩組數(shù)據(jù)的樣本容量相同，先后次序不能任意改變，一一對應(yīng)； 統(tǒng)計(jì)分析步驟

提出基本假設(shè)

H0：兩配對總體分布無顯著差異 H1：兩配對總體分布有顯著差異 統(tǒng)計(jì)決斷

P值>α，不能拒絕原假設(shè)

P值<α，拒絕原假設(shè)

多個(gè)配對樣本非參數(shù)檢驗(yàn)

含義：由樣本數(shù)據(jù)推斷多個(gè)配對總體分布是否存在顯著差異。

數(shù)據(jù)要求：多組配對的樣本數(shù)據(jù)，多組數(shù)據(jù)的樣本容量相同，先后次序不能任意改變，一一對應(yīng)； 應(yīng)用范圍

三種促銷形式的銷售額分布一致嗎？ 收集乘客對多家航空公司是否滿意的數(shù)據(jù)，分析航空公司的服務(wù)水平是否存在顯著差異 評委打分一致嗎？ 三種檢驗(yàn)方法

Friedman M檢驗(yàn)：最常用

Kendall W檢驗(yàn) ：和諧系數(shù)檢驗(yàn)

Cochran Q：要求樣本數(shù)據(jù)為二分類數(shù)據(jù)（1－滿意

0－不滿意）檢驗(yàn)方法的選擇

1）單個(gè)樣本：若來自正態(tài)總體，可用t檢驗(yàn)，若來自非正態(tài)總體或總體分布無法確定，可用二項(xiàng)檢驗(yàn)（二項(xiàng)檢驗(yàn)）2）配對樣本：

二分類變量，可用McNemar檢驗(yàn)；

連續(xù)型變量，若來自正態(tài)總體，可用配對t檢驗(yàn)，否則可用Wilcoxon符號秩和檢驗(yàn)。

3）兩組獨(dú)立樣本：連續(xù)型變量，若來自正態(tài)總體，可用t檢驗(yàn)，否則，可用 Wilcoxon秩和檢驗(yàn)；

二分類變量或無序多分類變量，可用卡方檢驗(yàn)；

有序多分類變量，宜用Wilcoxon秩和檢驗(yàn)。4）多組獨(dú)立樣本

連續(xù)型變量值，來自正態(tài)總體且方差相等，可用方差分析；否則，進(jìn)行數(shù)據(jù)變換使其滿足正態(tài)性或方差齊的要求后，采用方差分析；數(shù)據(jù)變換仍不能滿足條件時(shí)，可用Kruskal-Wallis秩和檢驗(yàn)。

二分類變量或無序多分類變量，可用卡方檢驗(yàn)。

有序多分類變量宜用Kruskal-Wallis秩和檢驗(yàn)。

第7章 相關(guān)分析 概念

相關(guān)關(guān)系反映出變量之間雖然相互影響，具有依存關(guān)系，但彼此之間是不能一一對應(yīng)的。例如，學(xué)生成績與其智力因素、各科學(xué)習(xí)成績之間的關(guān)系、教育投資額與經(jīng)濟(jì)發(fā)展水平的關(guān)系、社會(huì)環(huán)境與人民健康的關(guān)系等等，都反映出客觀現(xiàn)象中存在的相關(guān)關(guān)系。相關(guān)關(guān)系的類型

1）根據(jù)相關(guān)程度的不同，相關(guān)關(guān)系可分為完全相關(guān)、不完全相關(guān)和無相關(guān)。2）根據(jù)變量值變動(dòng)方向的趨勢，相關(guān)關(guān)系可分為正相關(guān)和負(fù)相關(guān)。3）根據(jù)變量關(guān)系的形態(tài)，相關(guān)關(guān)系可分為直線相關(guān)和曲線相關(guān)。4）根據(jù)研究變量的多少，可分為單相關(guān)、復(fù)相關(guān)。相關(guān)分析的作用

1）判斷變量之間有無聯(lián)系

2）確定選擇相關(guān)關(guān)系的表現(xiàn)形式及相關(guān)分析方法 3）把握相關(guān)關(guān)系的方向與密切程度

4）相關(guān)分析不但可以描述變量之間的關(guān)系狀況，而且用來進(jìn)行預(yù)測。5)相關(guān)分析還可以用來評價(jià)測量量具的信度、效度以及項(xiàng)目的區(qū)分度等 相關(guān)系數(shù)

相關(guān)系數(shù)是在直線相關(guān)條件下，說明兩個(gè)變量之間相關(guān)程度以及相關(guān)方向的統(tǒng)計(jì)分析指標(biāo)。相關(guān)系數(shù)一般可以通過計(jì)算得到。作為樣本相關(guān)系數(shù)，常用字母r表示；作為總體相關(guān)系數(shù)，常用字母ρ表示。相關(guān)系數(shù)的數(shù)值范圍是介于–1與 +1之間（即–1≤ r ≤1），常用小數(shù)形式表示，一般要取小數(shù)點(diǎn)后兩位數(shù)字來表示，以便比較精確地描述其相關(guān)程度。

兩個(gè)變量之間的相關(guān)程度用相關(guān)系數(shù)r的絕對值表示，其絕對值越接近1，表明兩個(gè)變量的相關(guān)程度越高；其絕對值越接近于0，表明兩個(gè)變量相關(guān)程度越低。如果其絕對值等于零1，則表示兩個(gè)變量完全直線相關(guān)。如果其絕對值為零，則表示兩個(gè)變量完全不相關(guān)（不是直線相關(guān)）。

相關(guān)系數(shù)的注意事項(xiàng)

1）相關(guān)系數(shù)只是一個(gè)比率值，并不具備與相關(guān)變量相同的測量單位。2）相關(guān)系數(shù)r 受變量取值區(qū)間大小及樣本數(shù)目多少的影響比較大。

3）來自于不同群體且不同質(zhì)的事物的相關(guān)系數(shù)不能進(jìn)行比較。4）對于不同類型的數(shù)據(jù)，計(jì)算相關(guān)系數(shù)的方法也不相同

1.簡單相關(guān)分析的基本原理

簡單相關(guān)分析是研究兩個(gè)變量之間關(guān)聯(lián)程度的統(tǒng)計(jì)方法。它主要是通過計(jì)算簡單相關(guān)系數(shù)來反映變量之間關(guān)系的強(qiáng)弱。一般它有圖形（散點(diǎn)圖）和數(shù)值（一方面應(yīng)觀察相關(guān)系數(shù)的大小，另一方面，應(yīng)觀察概率P值，其原假設(shè)為**不相關(guān)）兩種表示方式。簡單相關(guān)系數(shù)

1）皮爾遜（Pearson）相關(guān)系數(shù)

常稱為積差相關(guān)系數(shù)，適用于研究連續(xù)變量之間的相關(guān)程度。例如，收入和儲(chǔ)蓄存款、身高和體重等變量間的線性相關(guān)關(guān)系。注意Pearson相關(guān)系數(shù)適用于線性相關(guān)的情形，對于曲線相關(guān)等更為復(fù)雜的情形，系數(shù)的大小并不能代表其相關(guān)性的強(qiáng)弱。2）Spearman等級相關(guān)系

Spearman等級相關(guān)系數(shù)是用來度量順序水準(zhǔn)變量間的線性相關(guān)關(guān)系。它是利用兩變量的秩次大小作線性相關(guān)分析，適用條件為：

① 兩個(gè)變量的變量值是以等級次序表示的資料；

②

一個(gè)變量的變量值是等級數(shù)據(jù)，另一個(gè)變量的變量值是等距或比率數(shù)據(jù)，且其兩總體不要求是正態(tài)分布，樣本容量n不一定大于30。

從斯皮爾曼等級相關(guān)適用條件中可以看出，等級相關(guān)的應(yīng)用范圍要比積差相關(guān)廣泛，它的突出優(yōu)點(diǎn)是對數(shù)據(jù)的總體分布、樣本大小都不做要求。但缺點(diǎn)是計(jì)算精度不高。3）Kendall’s等級相關(guān)系數(shù)

它是用于反映分類變量相關(guān)性的指標(biāo)，適用于兩個(gè)變量均為有序分類的情況。這種指標(biāo)采用非參數(shù)檢驗(yàn)方法測度變量間的相關(guān)關(guān)系。它利用變量的秩計(jì)算一致對數(shù)目和非一致對數(shù)目。

2.偏相關(guān)分析的基本原理

方法概述

簡單相關(guān)分析計(jì)算兩個(gè)變量之間的相互關(guān)系，分析兩個(gè)變量間線性關(guān)系的程度。但是現(xiàn)實(shí)中，事物之間的聯(lián)系可能存在于多個(gè)主體之間，因此往往因?yàn)榈谌齻€(gè)變量的作用使得相關(guān)系數(shù)不能真實(shí)地反映兩個(gè)變量間的線性相關(guān)程度?；驹?/p>

偏相關(guān)分析是在相關(guān)分析的基礎(chǔ)上考慮了兩個(gè)因素以外的各種作用，或者說在扣除了其他因素的作用大小以后，重新來測度這兩個(gè)因素間的關(guān)聯(lián)程度。這種方法的目的就在于消除其他變量關(guān)聯(lián)性的傳遞效應(yīng)。3.距離分析的基本原理

簡單相關(guān)分析和偏相關(guān)分析有一個(gè)共同點(diǎn)，那就是對所分析的數(shù)據(jù)背景應(yīng)當(dāng)有一定程度的了解。但在實(shí)際中有時(shí)會(huì)遇到一種情況，在分析前對數(shù)據(jù)所代表的專業(yè)背景知識(shí)尚不充分，本身就屬于探索性的研究。這時(shí)就需要先對各個(gè)指標(biāo)或者案例的差異性、相似程度進(jìn)行考察，以先對數(shù)據(jù)有一個(gè)初步了解，然后再根據(jù)結(jié)果考慮如何進(jìn)行深入分析。

距離分析是對觀測量之間或變量之間相似或不相似的程度的一種測度，是計(jì)算一對變量之間或一對觀測量之間的廣義的距離。根據(jù)變量的不同類型，可以有許多距離、相似程度測量指標(biāo)供用戶選擇。但由于本模塊只是一個(gè)預(yù)分析過程，因此距離分析并不會(huì)給出常用的P值，而只能給出各變量/記錄間的距離大小，以供用戶自行判斷相似性。

第8章 SPSS的回歸分析 1。一元線性回歸 方法概述

線性回歸模型側(cè)重考察變量之間的數(shù)量變化規(guī)律，并通過線性表達(dá)式，即線性回歸方程，來描述其關(guān)系，進(jìn)而確定一個(gè)或幾個(gè)變量的變化對另一個(gè)變量的影響程度，為預(yù)測提供科學(xué)依據(jù)。

一般線性回歸的基本步驟如下。

① 確定回歸方程中的自變量和因變量。

② 從收集到的樣本數(shù)據(jù)出發(fā)確定自變量和因變量之間的數(shù)學(xué)關(guān)系式，即確定回歸方程。

③ 建立回歸方程，在一定統(tǒng)計(jì)擬合準(zhǔn)則下，估計(jì)出模型中的各個(gè)參數(shù)，得到一個(gè)確定的回歸方程。

④ 對回歸方程進(jìn)行各種統(tǒng)計(jì)檢驗(yàn)。

⑤ 利用回歸方程進(jìn)行預(yù)測。

注：一元線性回歸的經(jīng)驗(yàn)?zāi)Ｐ褪牵篩=β0+β1X 統(tǒng)計(jì)檢驗(yàn)

在求解出了回歸模型的參數(shù)后，一般不能立即將結(jié)果付諸于實(shí)際問題的分析和預(yù)測，通常要進(jìn)行各種統(tǒng)計(jì)檢驗(yàn)，例如擬合優(yōu)度檢驗(yàn)、回歸方程和回歸系數(shù)的顯著性檢驗(yàn)和殘差分析等。

1）輸出結(jié)果的模型摘要

其實(shí)就是對方程擬合情況的描述。通過這張表可以知道相關(guān)系數(shù)的取值（R），相關(guān)系數(shù)的平方即可決系數(shù)（R Square），校正后的可決系數(shù)(adjusted R Square)和回歸系數(shù)的標(biāo)準(zhǔn)誤(Std。Error of the Estimate)。注意這里的相關(guān)系數(shù)大小和前面相關(guān)分析中計(jì)算出的結(jié)果完全相同?？蓻Q系數(shù)R Square的取值介于0和1之間，它的含義就是自變量所能解釋的方差在總方差中所占的百分比，取值越大說明模型的效果越好。

2）輸出結(jié)果中的方差分析表

它是回歸模型顯著性檢驗(yàn)的結(jié)果，所用方法為F檢驗(yàn)，其零假設(shè)為原方程無效，通過P值來判斷原方程是否有效。3）輸出結(jié)果中的回歸系數(shù)表

應(yīng)特別關(guān)注回歸系數(shù)β1 的T檢驗(yàn)，它的零假設(shè)為β1 =0，通過P值來判斷β1 是否有實(shí)際意義。

2.多元線性回歸

在回歸分析中，如果有兩個(gè)或兩個(gè)以上的自變量，就稱為多元回歸。

其基本步驟與一元回歸幾乎一致，只是在輸出結(jié)果的模型摘要中通過觀察調(diào)整R2 來判斷方程的擬合情況，另外，同樣可通過折線圖來觀察模型擬合效果。

3.曲線擬合

實(shí)際中，變量之間的關(guān)系往往不是簡單的線性關(guān)系，而呈現(xiàn)為某種曲線或非線性的關(guān)系。此時(shí)，就要選擇相應(yīng)的曲線去反映實(shí)際變量的變動(dòng)情況。為了決定選擇的曲線類型，常用的方法是根據(jù)數(shù)據(jù)資料繪制出散點(diǎn)圖，通過圖形的變化趨勢特征并結(jié)合專業(yè)知識(shí)和經(jīng)驗(yàn)分析來確定曲線的類型，即變量之間的函數(shù)關(guān)系。

在確定了變量間的函數(shù)關(guān)系后，需要估計(jì)函數(shù)關(guān)系中的未知參數(shù)，并對擬合效果進(jìn)行顯著性檢驗(yàn)。雖然這里選擇的是曲線方程，在方程形式上是非線性的，但可以采用變量變換的方法將這些曲線方程轉(zhuǎn)化為線性方程來估計(jì)參數(shù)。

在選擇模型的時(shí)候可以結(jié)合專業(yè)知識(shí)多選幾種，如同時(shí)選擇“指數(shù)分布”、“逆模型”和“冪函數(shù)”，然后在模型匯總中比較R2 的大小，選擇最大的一個(gè)，同時(shí)，注意觀察各自的P值，其原假設(shè)為其模型無統(tǒng)計(jì)學(xué)意義。

4.非線性回歸分析

非線性回歸分析是探討因變量和一組自變量之間的非線性相關(guān)模型的統(tǒng)計(jì)方法。線性回歸模型要求變量之間必須是線性關(guān)系，曲線估計(jì)只能處理能夠通過變量變換化為線性關(guān)系的非線性問題，因此這些方法都有一定的局限性。相反的，非線性回歸可以估計(jì)因變量和自變量之間具有任意關(guān)系的模型，用戶根據(jù)自身需要可隨意設(shè)定估計(jì)方程的具體形式。通過散點(diǎn)圖觀察，如果自變量和應(yīng)變量不能通過線性回歸或區(qū)縣估計(jì)來實(shí)現(xiàn)，則可以在SPSS通過【分析】-【回歸】-【非線性】來實(shí)現(xiàn)。

以下是SPSS處理問卷的總結(jié)

當(dāng)我們的調(diào)查問卷在把調(diào)查數(shù)據(jù)拿回來后，我們該做的工作就是用相關(guān)的統(tǒng)計(jì)軟件進(jìn)行處理，在此，我們以SPSS為處理軟件，來簡要說明一下問卷的處理過程，它的過程大致可分為四個(gè)過程：定義變量﹑數(shù)據(jù)錄入﹑統(tǒng)計(jì)分析和結(jié)果保存。下面將從這四個(gè)方面來對問卷的處理做詳細(xì)的介紹。

SPSS處理：

第一步：定義變量

大多數(shù)情況下我們需要從頭定義變量，在打開SPSS后，我們可以看到和excel相似的界面，在界面的左下方可以看到Data View，Variable View兩個(gè)標(biāo)簽，只需單擊左下方的Variable View標(biāo)簽就可以切換到變量定義界面開始定義新變量。在表格上方可以看到一個(gè)變量要設(shè)置如下幾項(xiàng)：name(變量名)、type(變量類型)、width(變量值的寬度)、decimals(小數(shù)位)、label(變量標(biāo)簽)、Values(定義具體變量值的標(biāo)簽)、Missing(定義變量缺失值)、Colomns(定義顯示列寬)、Align(定義顯示對齊方式)、Measure(定義變量類型是連續(xù)、有序分類還是無序分類)。

我們知道在SPSS中，我們可以把一份問卷上面的每一個(gè)問題設(shè)為一個(gè)變量，這樣一份問卷有多少個(gè)問題就要有多少個(gè)變量與之對應(yīng)，每一個(gè)問題的答案即為變量的取值?，F(xiàn)在我們以問卷第一個(gè)問題為例來說明變量的設(shè)置。為了便于說明，可假設(shè)此題為：

1。請問你的年齡屬于下面哪一個(gè)年齡段()? A：20—29 B：30—39 C：40—49 D：50--59 那么我們的變量設(shè)置可如下： name即變量名為1，type即類型可根據(jù)答案的類型設(shè)置，答案我們可以用1、2、3、4來代替A、B、C、D，所以我們選擇數(shù)字型的，即選擇Numeric，width寬度為4，decimals即小數(shù)位數(shù)位為0（因?yàn)榇鸢笡]有小數(shù)點(diǎn)），label即變量標(biāo)簽為“年齡段查詢”。Values用于定義具體變量值的標(biāo)簽，單擊Value框右半部的省略號，會(huì)彈出變量值標(biāo)簽對話框，在第一個(gè)文本框里輸入1，第二個(gè)輸入20—29，然后單擊添加即可。同樣道理我們可做如下設(shè)置，即1=20—

29、2=30—

39、3=40—

49、4=50--59；Missing，用于定義變量缺失值，單擊missing框右側(cè)的省略號，會(huì)彈出缺失值對話框，界面上有一列三個(gè)單選鈕，默認(rèn)值為最上方的“無缺失值”；第二項(xiàng)為“不連續(xù)缺失值”，最多可以定義3個(gè)值；最后一項(xiàng)為“缺失值范圍加可選的一個(gè)缺失值”，在此我們不設(shè)置缺省值，所以選中第一項(xiàng)如圖；Colomns，定義顯示列寬，可自己根據(jù)實(shí)際情況設(shè)置；Align，定義顯示對齊方式，有居左、居右、居中三種方式；Measure，定義變量類型是連續(xù)、有序分類還是無序分類。

以上為問卷中常見的單項(xiàng)選擇題型的變量設(shè)置，下面將對一些特殊情況的變量設(shè)置也作一下說明。

1。開放式題型的設(shè)置：諸如你所在的省份是_____這樣的填空題即為開放題，設(shè)置這些變量的時(shí)候只需要將Value、Missing兩項(xiàng)不設(shè)置即可。

2。多選題的變量設(shè)置：這類題型的設(shè)置有兩種方法即多重二分法和多重分類法，在這里我們只對多重二分法進(jìn)行介紹。這種方法的基本思想是把該題每一個(gè)選項(xiàng)設(shè)置成一個(gè)變量，然后將每一個(gè)選項(xiàng)拆分為兩個(gè)選項(xiàng)，即選中該項(xiàng)和不選中該項(xiàng)?，F(xiàn)在舉例來說明在SPSS中的具體操作。比如如下一例：

請問您通常獲取新聞的方式有哪些()1 報(bào)紙 2 雜志 3 電視 4 收音機(jī) 5 網(wǎng)絡(luò)

在SPSS中設(shè)置變量時(shí)可為此題設(shè)置五個(gè)變量，假如此題為問卷第三題，那么變量名分別為3_

1、3_

2、3_

3、3_

4、3_5，然后每一個(gè)選項(xiàng)有兩個(gè)選項(xiàng)選中和不選中，只需在Value一項(xiàng)中為每一個(gè)變量設(shè)置成1=選中此項(xiàng)、0=不選中此項(xiàng)即可。

使用該窗口，我們可以把一個(gè)問卷中的所有問題作為變量在這個(gè)窗口中一次定義。到此，我們的定義變量的工作就基本上可以結(jié)束了。下面我們要作就是數(shù)據(jù)的錄入了。首先，我們要回到數(shù)據(jù)錄入窗口，這很簡單，只要我們點(diǎn)擊軟件左下方的Data View標(biāo)簽就可以了。

第二步：數(shù)據(jù)錄入

SPSS數(shù)據(jù)錄入有很多方式，大致有一下幾種： 1。讀取SPSS格式的數(shù)據(jù) 2。讀取Excel等格式的數(shù)據(jù)

3。讀取文本數(shù)據(jù)（Fixed和Delimiter)4。讀取數(shù)據(jù)庫格式數(shù)據(jù)(分如下兩步)（1）配置ODBC（2）在SPSS中通過ODBC和數(shù)據(jù)庫進(jìn)行

但是對于問卷的數(shù)據(jù)錄入其實(shí)很簡單，只要在SPSS的數(shù)據(jù)錄入窗口中直接輸入就可以了，只是在這里有幾點(diǎn)注意的事項(xiàng)需要說明一下。

1。在數(shù)據(jù)錄入窗口，我們可以看到有一個(gè)表格，這個(gè)表格中的每一行代表一份問卷，我們也稱為一個(gè)個(gè)案。

2。在數(shù)據(jù)錄入窗口中，我們可以看到表格上方出現(xiàn)了1、2、3、4、5??。的標(biāo)簽名，這其實(shí)是我們在第一步定義變量中，我們?yōu)閱柧淼拿恳粋€(gè)問題取的變量名，即1代表第一題，2代表第二題。以次類推。我們只需要在變量名下面輸入對應(yīng)問題的答案即可完成問卷的數(shù)據(jù)錄入。比如上述年齡段查詢的例題，如果問卷上勾選了A答案，我們在1下面輸入1就行了(不要忘記我們通常是用1、2、3、4來代替A、B、C、D的)。

3。我們知道一行代表一份問卷，所以有幾分問卷，就要有幾行的數(shù)據(jù)。在數(shù)據(jù)錄入完成后，我們要做的就是我們的關(guān)鍵部分，即問卷的統(tǒng)計(jì)分析了，因?yàn)檫@時(shí)我們已經(jīng)把問卷中的數(shù)據(jù)錄入我們的軟件中了。

第三步：統(tǒng)計(jì)分析

有了數(shù)據(jù)，可以利用SPSS的各種分析方法進(jìn)行分析，但選擇何種統(tǒng)計(jì)分析方法，即調(diào)用哪個(gè)統(tǒng)計(jì)分析過程，是得到正確分析結(jié)果的關(guān)鍵。這要根據(jù)我們的問卷調(diào)查的目的和我們想要什么樣的結(jié)果來選擇。SPSS有數(shù)值分析和作圖分析兩類方法。

1。作圖分析：

在SPSS中，除了生存分析所用的生存曲線圖被整合到Analyze菜單中外，其他的統(tǒng)計(jì)繪圖功能均放置在graph菜單中。該菜單具體分為以下幾部分：：

(1)Gallery：相當(dāng)于一個(gè)自學(xué)向?qū)?，將統(tǒng)計(jì)繪圖功能做了簡單的介紹，初學(xué)者可以通過它對SPSS的繪圖能力有一個(gè)大致的了解。

(2)Interactive：交互式統(tǒng)計(jì)圖。(3)Map：統(tǒng)計(jì)地圖。

(4)下方的其他菜單項(xiàng)是我們最為常用的普通統(tǒng)計(jì)圖，具體來說有： 條圖 散點(diǎn)圖 線圖 直方圖 餅圖 面積圖 箱式圖

正態(tài)Q-Q圖 正態(tài)P-P圖 質(zhì)量控制圖 Pareto圖

自回歸曲線圖 高低圖 交互相關(guān)圖 序列圖 頻譜圖 誤差線圖

作圖分析簡單易懂，一目了然，我們可根據(jù)需要來選擇我們需要作的圖形，一般來講，我們較常用的有條圖，直方圖，正態(tài)圖，散點(diǎn)圖，餅圖等等，具體操作很簡單，大家可參閱相關(guān)書籍，作圖分析更多情況下是和數(shù)值分析相結(jié)合來對試卷進(jìn)行分析的，這樣的效果更好。

2。數(shù)值分析：

SPSS 數(shù)值統(tǒng)計(jì)分析過程均在Analyze菜單中，包括：

(1)、Reports和Descriptive Statistics：又稱為基本統(tǒng)計(jì)分析?；窘y(tǒng)計(jì)分析是進(jìn)行其他更深入的統(tǒng)計(jì)分析的前提，通過基本統(tǒng)計(jì)分析，用戶可以對分析數(shù)據(jù)的總體特征有比較準(zhǔn)確的把握，從而選擇更為深入的分析方法對分析對象進(jìn)行研究。Reports和Descriptive Statistics命令項(xiàng)中包括的功能是對單變量的描述統(tǒng)計(jì)分析。

Descriptive Statistics包括的統(tǒng)計(jì)功能有：

Frequencies(頻數(shù)分析)：作用：了解變量的取值分布情況

Descriptives(描述統(tǒng)計(jì)量分析)：功能：了解數(shù)據(jù)的基本統(tǒng)計(jì)特征和對指定的變量值進(jìn)行標(biāo)準(zhǔn)化處理

Explore(探索分析)：功能：考察數(shù)據(jù)的奇異性和分布特征

Crosstabs(交叉分析)：功能：分析事物（變量）之間的相互影響和關(guān)系 Reports包括的統(tǒng)計(jì)功能有：

OLAP Cubes(OLAP報(bào)告摘要表)：功能： 以分組變量為基礎(chǔ)，計(jì)算各組的總計(jì)、均值和其他統(tǒng)計(jì)量。而輸出的報(bào)告摘要?jiǎng)t是指每個(gè)組中所包含的各種變量的統(tǒng)計(jì)信息。

Case Summaries(觀測量列表)：察看或打印所需要的變量值 Report Summaries in Row：行形式輸出報(bào)告 Report Summaries in Columns：列形式輸出報(bào)告

(2)、Compare Means(均值比較與檢驗(yàn))：能否用樣本均值估計(jì)總體均值？兩個(gè)變量均值接近的樣本是否來自均值相同的總體？換句話說，兩組樣本某變量均值不同，其差異是否具有統(tǒng)計(jì)意義？能否說明總體差異？這是各種研究工作中經(jīng)常提出的問題。這就要進(jìn)行均值比較。

以下是進(jìn)行均值比較及檢驗(yàn)的過程：

MEANS過程：不同水平下（不同組）的描述統(tǒng)計(jì)量，如男女的平均工資，各工種的平均工資。目的在于比較。術(shù)語：水平數(shù)（指分類變量的值數(shù)，如sex變量有2個(gè)值，稱為有兩個(gè)水平）、單元Cell（指因變量按分類變量值所分的組）、水平組合

T test 過程：對樣本進(jìn)行T檢驗(yàn)的過程

單一樣本的T檢驗(yàn)：檢驗(yàn)單個(gè)變量的均值是否與給定的常數(shù)之間存在差異。

獨(dú)立樣本的T檢驗(yàn)：檢驗(yàn)兩組不相關(guān)的樣本是否來自具有相同均值的總體（均值是否相同，如男女的平均收入是否相同，是否有顯著性差異）

配對T檢驗(yàn)：檢驗(yàn)兩組相關(guān)的樣本是否來自具有相同均值的總體(前后比較，如訓(xùn)練效果，治療效果)one-Way ANOVA：一元(單因素)方差分析，用于檢驗(yàn)幾個(gè)（三個(gè)或三個(gè)以上）獨(dú)立的組，是否來自均值相同的總體。

(3)、ANOVA Models(方差分析)：方差分析是檢驗(yàn)多組樣本均值間的差異是否具有統(tǒng)計(jì)意義的一種方法。例如：醫(yī)學(xué)界研究幾種藥物對某種疾病的療效；農(nóng)業(yè)研究土壤、肥料、日照時(shí)間等因素對某種農(nóng)作物產(chǎn)量的影響;不同飼料對牲畜體重增長的效果等，都可以使用方差分析方法去解決

(4)、Correlate(相關(guān)分析)：它是研究變量間密切程度的一種常用統(tǒng)計(jì)方法，常用的相關(guān)分析有以下幾種：

1、線性相關(guān)分析：研究兩個(gè)變量間線性關(guān)系的程度。用相關(guān)系數(shù)r來描述。

2、偏相關(guān)分析：它描述的是當(dāng)控制了一個(gè)或幾個(gè)另外的變量的影響條件下兩個(gè)變量間的相關(guān)性，如控制年齡和工作經(jīng)驗(yàn)的影響，估計(jì)工資收入與受教育水平之間的相關(guān)關(guān)系

3、相似性測度：兩個(gè)或若干個(gè)變量、兩個(gè)或兩組觀測量之間的關(guān)系有時(shí)也可以用相似性或不相似性來描述。相似性測度用大值表示很相似，而不相似性用距離或不相似性來描述，大值表示相差甚遠(yuǎn)

(5)、Regression(回歸分析)：功能：尋求有關(guān)聯(lián)（相關(guān)）的變量之間的關(guān)系在回歸過程中包括：Liner：線性回歸;Curve Estimation：曲線估計(jì);Binary Logistic：二分變量邏輯回歸;Multinomial Logistic：多分變量邏輯回歸;Ordinal 序回歸;Probit：概率單位回歸;Nonlinear：非線性回歸;Weight Estimation：加權(quán)估計(jì);2-Stage Least squares：二段最小平方法;Optimal Scaling 最優(yōu)編碼回歸;其中最常用的為前面三個(gè)。

(6)、Nonparametric Tests(非參數(shù)檢驗(yàn))：是指在總體不服從正態(tài)分布且分布情況不明時(shí)，用來檢驗(yàn)數(shù)據(jù)資料是否來自同一個(gè)總體假設(shè)的一類檢驗(yàn)方法。由于這些方法一般不涉及總體參數(shù)故得名。

非參數(shù)檢驗(yàn)的過程有以下幾個(gè)： 1。Chi-Square test 卡方檢驗(yàn) 2。Binomial test 二項(xiàng)分布檢驗(yàn) 3。Runs test 游程檢驗(yàn)

4。1-Sample Kolmogorov-Smirnov test 一個(gè)樣本柯爾莫哥洛夫-斯米諾夫檢驗(yàn) 5。2 independent Samples Test 兩個(gè)獨(dú)立樣本檢驗(yàn) 6。K independent Samples Test K個(gè)獨(dú)立樣本檢驗(yàn) 7。2 related Samples Test 兩個(gè)相關(guān)樣本檢驗(yàn) 8。K related Samples Test 兩個(gè)相關(guān)樣本檢驗(yàn)(7)、Data Reduction(因子分析)(8)、Classify(聚類與判別)等等

以上就是數(shù)值統(tǒng)計(jì)分析Analyze菜單下幾項(xiàng)用于分析的數(shù)值統(tǒng)計(jì)分析方法的簡介，在我們的變量定義以及數(shù)據(jù)錄入完成后，我們就可以根據(jù)我們的需要在以上幾種分析方法中選擇若干種對我們的問卷數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，來得到我們想要的結(jié)果。

第四步：結(jié)果保存

我們的SPSS軟件會(huì)把我們統(tǒng)計(jì)分析的多有結(jié)果保存在一個(gè)窗口中即結(jié)果輸出窗口(output)，由于SPSS軟件支持復(fù)制和粘貼功能，這樣我們就可以把我們想要的結(jié)果復(fù)制﹑粘貼到我們的報(bào)告中，當(dāng)然我們也可以在菜單中執(zhí)行file->save來保存我們的結(jié)果，一般情況下，我們建議保存我們的數(shù)據(jù)，結(jié)果可不保存。因?yàn)橹灰辛藬?shù)據(jù)，如果我們想要結(jié)果的，我們可以隨時(shí)利用數(shù)據(jù)得到結(jié)果。

總結(jié)：

以上便是SPSS處理問卷的四個(gè)步驟，四個(gè)步驟結(jié)束后，我們需要SPSS軟件做的工作基本上也就結(jié)束了，接下來的任務(wù)就是寫我們的統(tǒng)計(jì)報(bào)告了。值得一提的是。SPSS是一款在社會(huì)統(tǒng)計(jì)學(xué)應(yīng)用非常廣泛的統(tǒng)計(jì)類軟件，學(xué)好它將對我們以后的工作學(xué)習(xí)產(chǎn)生很大的意義和作用。

第四篇：SPSS學(xué)習(xí)心得體會(huì)

應(yīng)用統(tǒng)計(jì)分析學(xué)習(xí)報(bào)告

本科的時(shí)候有概率統(tǒng)計(jì)和數(shù)理分析的基礎(chǔ)，但是從來沒有接觸過應(yīng)用統(tǒng)計(jì)分析的東西，spss也只是聽說過，從來沒有學(xué)過。一直以為這一塊兒會(huì)比較難，這學(xué)期最初學(xué)的時(shí)候，因?yàn)闆]有認(rèn)真看老師給的英文教材，課下也沒有認(rèn)真搜集相關(guān)資料，所以學(xué)起來有些吃力，總感覺聽起來一頭霧水。老師說最后的考核是通過提交學(xué)習(xí)報(bào)告，然后我從圖書館里借了些教材查了些資料，發(fā)現(xiàn)很多問題都弄清楚了。結(jié)合軟件和書上的例子，實(shí)戰(zhàn)一下，發(fā)現(xiàn)spss的功能相當(dāng)強(qiáng)大。最后總結(jié)出這篇報(bào)告，以鞏固所學(xué)。spss，全稱是statistical product and service solutions，即“統(tǒng)計(jì)產(chǎn)品與服務(wù)解決方案”軟件，是ibm公司推出的一系列用于統(tǒng)計(jì)學(xué)分析運(yùn)算、數(shù)據(jù)挖掘、預(yù)測分析和決策支持任務(wù)的軟件產(chǎn)品及相關(guān)服務(wù)的總稱，也是世界上公認(rèn)的三大數(shù)據(jù)分析軟件之一。spss具有統(tǒng)計(jì)分析功能強(qiáng)大、操作界面友好、與其他軟件交互性好等特點(diǎn)，被廣泛應(yīng)用于經(jīng)濟(jì)管理、醫(yī)療衛(wèi)生、自然科學(xué)等各個(gè)領(lǐng)域。具體到管理方面，spss也是一個(gè)進(jìn)行數(shù)據(jù)分析和預(yù)測的強(qiáng)大工具。這門課中也會(huì)用到amos軟件。

關(guān)于spss的書，很多都是首先介紹軟件的。這個(gè)軟件易于安裝，我裝的是19.0的，雖然20.0有一些改變和優(yōu)化，但是主體都是一樣的，而且都是可視化界面，用起來很方面且容易上手。所以，我學(xué)習(xí)的重點(diǎn)是卡方檢驗(yàn)和t檢驗(yàn)、方差分析、相關(guān)分析、回歸分析、因子分析、結(jié)構(gòu)方程模型等方法的適用范圍、應(yīng)用價(jià)值、計(jì)算方式、結(jié)果的解釋和表述。

首先是t檢驗(yàn)這一部分。由于參數(shù)檢驗(yàn)的基礎(chǔ)不牢固，這部分也是最初開始接觸應(yīng)用統(tǒng)計(jì)的東西，學(xué)起來很多東西拿不準(zhǔn)，比如說原假設(shè)默認(rèn)的是什么。結(jié)果出來后依然分不清楚是接受原假設(shè)還是拒絕原假設(shè)。不過現(xiàn)在弄懂了。這部分很有用的是t檢驗(yàn)。t檢驗(yàn)應(yīng)用于當(dāng)樣本數(shù)較小時(shí)，且樣本取自正態(tài)總體同時(shí)做兩樣本均數(shù)比較時(shí)，還要求兩樣本的總體方差相等時(shí)，已知一個(gè)總體均數(shù)u，可得到一個(gè)樣本均數(shù)及該樣本標(biāo)準(zhǔn)差，樣本來自正態(tài)或近似正態(tài)總體。t檢驗(yàn)分為單樣本t檢驗(yàn)、獨(dú)立樣本t檢驗(yàn)、配對樣本t檢驗(yàn)。其中，單樣本t 檢驗(yàn)是樣本均數(shù)與總體均數(shù)的比較的t檢驗(yàn)，用于推斷樣本所代表的未知總體 均數(shù)μ與已知的總體均數(shù)uo有無差別；獨(dú)立樣本t檢驗(yàn)主要用于檢驗(yàn)兩個(gè)樣本是否來自具有相同均值的總體，即比較兩個(gè)樣本的均值是否相同，要求兩個(gè)樣本是相互獨(dú)立的；配對樣本t檢驗(yàn)中，要正確理解“配對”的含義，主要用于檢驗(yàn)兩個(gè)有聯(lián)系的正態(tài)總體的均值是否有顯著差異，跟獨(dú)立檢驗(yàn)的區(qū)別就是樣本是否是配對樣本。這幾個(gè)方法用軟件操作起來都是相對簡單的，關(guān)鍵是分清楚什么時(shí)候用這個(gè)什么時(shí)候用那個(gè)。

然后是方差分析。方差分析就是將索要處理的觀測值作為一個(gè)整體，按照變異的不同來源把觀測值總變異的平方和以及自由度分解為兩個(gè)或多個(gè)部分，獲得不同變異來源的均值與誤差均方，通過比較不同變異來源的均方與誤差均方，判斷各樣本所屬總體方差是否相等。方差分析主要包括單因素方差分析、多因素方差分析和協(xié)方差分析等。這一部分在學(xué)習(xí)的過程中出現(xiàn)一些問題，就是用spss來操作的時(shí)候分不清觀測變量和控制變量，如果反了的話會(huì)導(dǎo)致結(jié)果的不準(zhǔn)確。其次，對bonferroni、tukey、scheffe等方法的使用目的不清楚，現(xiàn)在基本掌握了多重比較方法選擇：一般如果存在明確的對照組，要進(jìn)行的是驗(yàn)證性研究，即計(jì)劃好的某兩個(gè)或幾個(gè)組間（和對照組）的比較。宜用bonferroni(lsd)法；若需要進(jìn)行多個(gè)均數(shù)間的兩兩比較，且各組個(gè)案數(shù)相等，適宜用tukey法；其他情況宜用scheffe法。最后，對方差齊性檢驗(yàn)、多重比較檢驗(yàn)、趨勢檢驗(yàn)理解不夠透徹，在方差檢驗(yàn)中，post hoc鍵有l(wèi)sd的選項(xiàng)：當(dāng)方差分析f檢驗(yàn)否定了原假設(shè)，即認(rèn)為至少有兩個(gè)總體的均值存在顯著性差異時(shí)，須進(jìn)一步確定是哪兩個(gè)或哪幾個(gè)均值顯著地不同，則需要進(jìn)行多重比較來檢驗(yàn)。lsd即是一種多因變量的三個(gè)或三個(gè)以上水平下均值之間進(jìn)行的兩兩比較檢驗(yàn)。相關(guān)分析是研究現(xiàn)象之間是否存在某種依存關(guān)系，并對具體有依存關(guān)系的現(xiàn)象探討其相關(guān)方向以及相關(guān)程度，是研究隨機(jī)變量之間的相關(guān)關(guān)系的一種統(tǒng)計(jì)方法。相關(guān)分析研究現(xiàn)象之間是否相關(guān)、相關(guān)的方向和密切程度，一般不區(qū)別自變量或因變量。主要有雙變量相關(guān)分析、偏相關(guān)、距離相關(guān)幾個(gè)方法。雙變量相關(guān)分析是相關(guān)分析中最常使用的分析過程，主要用于分析兩個(gè)變量之間的線性相關(guān)分析，可以根據(jù)不同的數(shù)據(jù)類型和條件，選用pearson積差相關(guān)、spearman等級相關(guān)和kendall的tau-b等級相關(guān)。當(dāng)數(shù)據(jù)文件包括多個(gè)變量時(shí)，直接對兩個(gè)變量進(jìn)行相關(guān)分析往往不能真實(shí)反映二者之間的關(guān)系，此時(shí)就需要用到偏相關(guān)分析，從中剔除其他變量的線性影響。距離相關(guān)分析是對觀測變量之間差異度或相似程度進(jìn)行的測量，其中距離需要弄清楚，距離分析是對觀測量之間相似或不相似程度的一種測度，是計(jì)算一對觀測量之間的廣義距離。這些相似性或距離測度可以用于其他分析過程，例如因子分析、聚類分析或多維定標(biāo)分析，有助于分析復(fù)雜的數(shù)據(jù)集。接著是回歸分析。相關(guān)分析研究的是現(xiàn)象之間是否相關(guān)、相關(guān)的方向和密切程度，一般不區(qū)別自變量或因變量。而回歸分析則要分析現(xiàn)象之間相關(guān)的具體形式，確定其因果關(guān)系，并用數(shù)學(xué)模型來表現(xiàn)其具體關(guān)系。比如說，從相關(guān)分析中我們可以得知“質(zhì)量”和“用戶滿意度”變量密切相關(guān)，但是這兩個(gè)變量之間到底是哪個(gè)變量受哪個(gè)變量的影響，影響程度如何，則需要通過回歸分析方法來確定?；貧w分析的目的在于了解兩個(gè)或多個(gè)變量間是否相關(guān)、相關(guān)方向與強(qiáng)度，并建立數(shù)學(xué)模型以便觀察特定變量來預(yù)測研究者感興趣的變量。運(yùn)用十分廣泛，回歸分析按照涉及的自變量的多少，可分為一元回歸分析和多元回歸分析；按照自變量和因變量之間的關(guān)系類型，可分為線性回歸分析和非線性回歸分析。如果在回歸分析中，只包括一個(gè)自變量和一個(gè)因變量，且二者的關(guān)系可用一條直線近似表示，這種回歸分析稱為一元線性回歸分析。如果回歸分析中包括兩個(gè)或兩個(gè)以上的自變量，且因變量和自變量之間是線性關(guān)系，則稱為多元線性回歸分析。應(yīng)用回歸分析時(shí)應(yīng)首先確定變量之間是否存在相關(guān)關(guān)系，如果變量之間不存在相關(guān)關(guān)系，對這些變量應(yīng)用回歸預(yù)測法就會(huì)得出錯(cuò)誤的結(jié)果。正確應(yīng)用回歸分析預(yù)測時(shí)應(yīng)注意：①用定性分析判斷現(xiàn)象之間的依存關(guān)系；②避免回歸預(yù)測的任意外推；③應(yīng)用合適的數(shù)據(jù)資料； 接下來是因子分析。因子分析是指研究從變量群中提取共性因子的統(tǒng)計(jì)技術(shù)。最早由英國心理學(xué)家c.e.斯皮爾曼提出。他發(fā)現(xiàn)學(xué)生的各科成績之間存在著一定的相關(guān)性，一科成績好的學(xué)生，往往其他各科成績也比較好，從而推想是否存在某些潛在的共性因子，或稱某些一般智力條件影響著學(xué)生的學(xué)習(xí)成績。因子分析可在許多變量中找出隱藏的具有代表性的因子。將相同本質(zhì)的變量歸入一個(gè)因子，可減少變量的數(shù)目，還可檢驗(yàn)變量間關(guān)系的假設(shè)。因子分析的主要目的是用來描述隱藏在一組測量到的變量中的一些更基本的，但又無法直接

測量到的隱性變量。從顯性的變量中得到因子的方法有兩類。一類是探索性因子分析，另一類是驗(yàn)證性因子分析。探索性因子分析不事先假定因子與測度項(xiàng)之間的關(guān)系，而讓數(shù)據(jù)“自己說話”。而驗(yàn)證性因子分析假定因子與測度項(xiàng)的關(guān)系是部分知道的，即哪個(gè)測度項(xiàng)對應(yīng)于哪個(gè)因子，雖然我們尚且不知道具體的系數(shù)。這一部分不能用spss來操作，要用amos，用起來也很方便。

最后一部分學(xué)習(xí)的是結(jié)構(gòu)方程模型。結(jié)構(gòu)方程模型是一種融合了因素分析和路徑分析的多元統(tǒng)計(jì)技術(shù)。它的強(qiáng)勢在于對多變量間交互關(guān)系的定量研究。在近三十年內(nèi)，其大量應(yīng)用于社會(huì)科學(xué)及行為科學(xué)的領(lǐng)域里，并在近幾年開始逐漸應(yīng)用于市場研究中。結(jié)構(gòu)方程模型是對顧客滿意度的研究采用的模型方法之一。其目的在于探索事物間的因果關(guān)系，并將這種關(guān)系用因果模型、路徑圖等形式加以表述。結(jié)構(gòu)方程模型與傳統(tǒng)的回歸分析不同，結(jié)構(gòu)方程分析能同時(shí)處理多個(gè)因變量，并可比較及評價(jià)不同的理論模型。與傳統(tǒng)的探索性因子分析不同，在結(jié)構(gòu)方程模型中，我們可以提出一個(gè)特定的因子結(jié)構(gòu)，并檢驗(yàn)它是否吻合數(shù)據(jù)。通過結(jié)構(gòu)方程多組分析，我們可以了解不同組別內(nèi)各變量的關(guān)系是否保持不變，各因子的均值是否有顯著差異。

這門課要學(xué)習(xí)完了，整個(gè)學(xué)習(xí)的過程是充滿曲折和挑戰(zhàn)的，我見證了自己從一無所知到困惑迷茫再到略懂再到會(huì)用的過程。甚至學(xué)完之后有些問題還沒有徹底搞清楚，自己接下來還會(huì)不斷的探索的。spss是個(gè)很神奇的工具，結(jié)合amos和excel更是如虎添翼，相信學(xué)習(xí)了spss在以后的論文和數(shù)據(jù)分析中很有用。這門課給我的感覺是看起來很難，但是實(shí)際學(xué)起來就好很多，因?yàn)楫?dāng)我結(jié)合具體實(shí)例和軟件的時(shí)候，很多抽象的問題就豁然開朗了。但是想給老師一個(gè)建議，這門課需要很強(qiáng)的統(tǒng)計(jì)和概率論的基礎(chǔ)，要不然就會(huì)很難聽懂或者聽得半懂。然后這門課的很多方法的相關(guān)資料都是用在醫(yī)療衛(wèi)生、自然科學(xué)領(lǐng)域的，在管理中的應(yīng)用的資料不怎么多。老師希望我們上課的時(shí)候結(jié)合在管理中的應(yīng)用來學(xué)習(xí)，但是資料有限，希望老師在這個(gè)方面多給學(xué)生一些引導(dǎo)。篇二：spss心得體會(huì)

學(xué)習(xí)spss在教育統(tǒng)計(jì)中的應(yīng)用心得體會(huì)

一、什么是spss？為什么要學(xué)習(xí)spss？

新學(xué)期開始時(shí)，在信息化教育測量與評價(jià)的課程中第一次接觸

到spss這個(gè)軟件，作為本科是計(jì)算機(jī)專業(yè)出身的我，當(dāng)時(shí)只知道spss是一套統(tǒng)計(jì)軟件，就是一套根據(jù)統(tǒng)計(jì)學(xué)原理所編寫出來的統(tǒng)計(jì)分析軟件，至于統(tǒng)計(jì)什么？分析什么？我一無所知，尤其是看到老師推薦的《spss在教育統(tǒng)計(jì)中的應(yīng)用》這本書的時(shí)候，就簡單的把它理解為用spss軟件來統(tǒng)計(jì)、分析與教育相關(guān)的數(shù)據(jù)，最終得出想要的結(jié)論而已，而現(xiàn)在看來，我當(dāng)初的想法未免有點(diǎn)簡單與無知。下面就來讓我們了解一下spss。spss軟件是一組專業(yè)的、通用的統(tǒng)計(jì)軟件包，同時(shí)它也是一個(gè)組合式軟件包，兼有數(shù)據(jù)管理、統(tǒng)計(jì)分析、統(tǒng)計(jì)繪圖和統(tǒng)計(jì)報(bào)表功能。它廣泛用于教育、心理、醫(yī)學(xué)、市場、人口、保險(xiǎn)等研究領(lǐng)域，也用于產(chǎn)品質(zhì)量控制、人事檔案管理和日常統(tǒng)計(jì)報(bào)表等。spss軟件對計(jì)算機(jī)硬件系統(tǒng)的要求較低；對運(yùn)行的軟件環(huán)境要求寬松，有各種版本可運(yùn)行在windows xp、win7系統(tǒng)環(huán)境下，spss統(tǒng)計(jì)軟件采用電子表格的方式輸入與管理數(shù)據(jù)，能方便地從其他數(shù)據(jù)庫中讀入數(shù)據(jù)（如dbase，excel，lotus等）。

我為什么要學(xué)習(xí)spss呢？其實(shí)很簡單，一方面，做為一名 研究生，要具備一定的科研能力，如今量化研究的方法大行其道，一切要以事實(shí)說話、要以數(shù)據(jù)說話，有了數(shù)據(jù)支持的研究才能更容易被認(rèn)可、被推論。另一方面，根據(jù)對aect94定義的理解，教育技術(shù)

學(xué)研究的對象是學(xué)習(xí)過程和學(xué)習(xí)資源，包含大量的偶然現(xiàn)象和非精確現(xiàn)象。因此，要深入研究教育技術(shù)現(xiàn)象及其規(guī)律，必須運(yùn)用統(tǒng)計(jì)描述、統(tǒng)計(jì)分析方法和模糊數(shù)學(xué)分析方法，才可能使這門學(xué)科達(dá)到真正完善的地步。教育技術(shù)學(xué)研究的現(xiàn)象多數(shù)是偶然的現(xiàn)象，其變化發(fā)展往往具有幾種不同的可能性，究竟出現(xiàn)哪一種結(jié)果，那是帶有偶然性的，是隨機(jī)的。這類偶然現(xiàn)象是遵循統(tǒng)計(jì)規(guī)律的，當(dāng)隨機(jī)現(xiàn)象是由大量的成份組成，或者隨機(jī)現(xiàn)象出現(xiàn)大量的次數(shù)時(shí)，就能體現(xiàn)統(tǒng)計(jì)平均規(guī)律。我們只有對數(shù)據(jù)資料作統(tǒng)計(jì)處理，才可能可以發(fā)現(xiàn)它們的內(nèi)在規(guī)律，掌握現(xiàn)象的特征，檢驗(yàn)研究的假設(shè)，才能得出準(zhǔn)確的、可靠的研究結(jié)果。

二、對本spss各章節(jié)學(xué)習(xí)的心得

新課程老師帶領(lǐng)下，采取一種新的學(xué)習(xí)方式，老師講解了基礎(chǔ)部分后，全班同學(xué)采取小組分工、協(xié)作學(xué)習(xí)，然后對全班同學(xué)進(jìn)行講解學(xué)習(xí)內(nèi)容，教師進(jìn)行當(dāng)堂指導(dǎo)，這種方法改變了同學(xué)們的學(xué)習(xí)態(tài)度，同學(xué)們不再是課前不預(yù)習(xí)，課下不復(fù)習(xí)的狀態(tài)，每組都有自己的任務(wù)，課前有一定的壓力，同學(xué)間的討論也明顯的增多，例如：一次課下同學(xué)們在一起吃飯，有幾位同學(xué)還在調(diào)侃說“兩個(gè)菜之間用spss進(jìn)行分析后得出的結(jié)果不接受h0假設(shè)，也就是兩個(gè)菜之間不相關(guān)”，雖然這只是一個(gè)課下的玩笑，但是這也可以體現(xiàn)出對學(xué)習(xí)的態(tài)度的轉(zhuǎn)變。下面就本學(xué)期的所學(xué)spss的各章節(jié)做一下歸納，這些歸納也是基于本人平時(shí)在課前預(yù)習(xí)，課上及課后的一些所思所想，也許會(huì)有一些理解上的偏頗在內(nèi)，但這僅限于心得而已。本學(xué)期學(xué)習(xí)各個(gè)章節(jié)

及分工如下表： 章節(jié)名稱

1.spss的認(rèn)識(shí)

及數(shù)據(jù)文件的處理

2.數(shù)據(jù)清理與

基本統(tǒng)計(jì)及測

量質(zhì)量分析 3.t檢驗(yàn) 4.方差分析1、2人 3人 7.聚類分析 8.統(tǒng)計(jì)圖形 2人 1人 2人 6.卡方檢驗(yàn) 3人 2人 5.相關(guān)分析 3人 分工人數(shù) 章節(jié)名稱 分工人數(shù) spss的認(rèn)識(shí)及數(shù)據(jù)文件的處理心得體會(huì)

可能是由于是同學(xué)們第一次講，萬事開頭難，壓力很大，在大家認(rèn)為最為簡單的內(nèi)容講解上，兩位同學(xué)并沒有完全展現(xiàn)出二人實(shí)際水平，大家在這一節(jié)課上都感覺到很壓抑，總的感覺是這節(jié)內(nèi)容很簡單，但是內(nèi)容又很松散，可講的東西太多，講的東西多就沒有突出重點(diǎn)和難點(diǎn)，所以聽過之后就有種無數(shù)的碎片漂浮在腦海中一樣，很難將知識(shí)系統(tǒng)化，課后總結(jié)一下無非就是兩塊，一塊是了解spss軟件的歷史及基本功能，還有一塊就是spss軟件當(dāng)中一個(gè)模塊叫做數(shù)據(jù)文件的處理，在認(rèn)識(shí)spss軟件當(dāng)中了解到它是一組社會(huì)科學(xué)統(tǒng)計(jì)軟件包，誕生于1968年，當(dāng)時(shí)美國的3位大學(xué)生開發(fā)出了它，經(jīng)過這么多年的后續(xù)開發(fā)，spss已經(jīng)有了很多的版本，具有了更的兼容性、和更友好的操作界面，也在很多的學(xué)科領(lǐng)域得到了應(yīng)用，而在教育中的應(yīng)用

只是它的一個(gè)分支。此外它對硬件的要求也很低，當(dāng)前一般的電腦都能安裝它，安裝的過程中也沒有什么特殊的方法，傻瓜式的安裝方式完全就可以滿足。在數(shù)據(jù)文件的處理方面，主要是要學(xué)會(huì)定義變量、處理變量兩方面；定義變量是要注意根據(jù)自己實(shí)際采集的數(shù)據(jù)來定義變量，例如是數(shù)值型的變量還是文本型的變量及變量的長度，小數(shù)點(diǎn)保留尾數(shù)等，總之就是一句話，根據(jù)實(shí)際調(diào)查的數(shù)據(jù)要求來定義相應(yīng)變量。變量定義只有只要細(xì)心的將實(shí)際調(diào)查的數(shù)據(jù)錄入到spss當(dāng)中即可，當(dāng)然也可以在spss軟件之外進(jìn)行數(shù)據(jù)編制，可以通過execel等編輯后可以直接導(dǎo)入到spss中。在處理變量模塊當(dāng)中，可以對變量進(jìn)行添加、刪除、拆分與合并等操作，只要根據(jù)實(shí)際調(diào)查數(shù)據(jù)，細(xì)心調(diào)整變量，使操作更加簡便和明了。

2、數(shù)據(jù)清理與基本統(tǒng)計(jì)及測量質(zhì)量分析的心得體會(huì)

數(shù)據(jù)的清理與基本統(tǒng)計(jì)及測量質(zhì)量分析由兩名同學(xué)進(jìn)行講解，由于吸取了上節(jié)課兩名同學(xué)的經(jīng)驗(yàn)，本節(jié)講授的明顯好于上節(jié)課，這里我也是把它分為兩塊進(jìn)行學(xué)習(xí)，一塊是數(shù)據(jù)的清理，另一塊是相關(guān)統(tǒng)計(jì)理論的學(xué)習(xí)。在數(shù)據(jù)清理方面主要學(xué)習(xí)了奇異數(shù)據(jù)的檢查與清理，在這里本人覺得非常有必要進(jìn)行數(shù)據(jù)清理，在實(shí)際的調(diào)查數(shù)據(jù)時(shí)難免會(huì)出現(xiàn)錯(cuò)誤或者碰到極為特殊的典型案例，所以這些數(shù)據(jù)很難符合大眾規(guī)律，在統(tǒng)計(jì)、分析過程中可能會(huì)造成分析結(jié)果異常，從而直接影響最終的結(jié)論。所以覺得非常有必要進(jìn)行數(shù)據(jù)檢查與清理。而我認(rèn)為本節(jié)的難點(diǎn)不是怎樣熟練運(yùn)用spss軟件，而是在第二塊中的，相關(guān)統(tǒng)計(jì)理論的學(xué)習(xí)，學(xué)習(xí)這些理論需要一定的數(shù)學(xué)基礎(chǔ)，只有明確這些

理（論如均值、標(biāo)準(zhǔn)誤差、中數(shù)、眾數(shù)、全距、四分位等）原理，知其然，知其所以然，這才是關(guān)鍵，在spss中想要實(shí)現(xiàn)對數(shù)據(jù)進(jìn)行以上分析只需要輕輕點(diǎn)擊一下按鈕就可以是輕松實(shí)現(xiàn)，但是如果不清楚到底用它們來做什么就無從談起做數(shù)據(jù)分析了，所以本節(jié)內(nèi)容知道分析原理的重要性要遠(yuǎn)遠(yuǎn)大用spss對數(shù)據(jù)做出相關(guān)分析的重要性?？偨Y(jié)為一句話“知道它們是做什么的后才會(huì)讓它們?nèi)プ鲈撟龅墓ぷ鳌薄?/p>

3、t檢驗(yàn)的心得體會(huì) t檢驗(yàn)由兩名同學(xué)講解，在學(xué)習(xí)t檢驗(yàn)時(shí)，首先要明確什么樣的數(shù)據(jù)適合t檢驗(yàn)，t檢驗(yàn)的結(jié)果要說明什么問題？經(jīng)過學(xué)習(xí)可以知道，t檢驗(yàn)是對兩組數(shù)據(jù)間的平均水平或均數(shù)的比較，通過比較可以得出兩組數(shù)據(jù)間的顯著性水平，而這兩組數(shù)據(jù)都要符合正態(tài)分布，方差具有齊同性，t檢驗(yàn)由兩種情況，一種配對提檢驗(yàn)，要求兩組數(shù)據(jù)不可以獨(dú)立顛倒順序，如果顛倒順序就會(huì)改變問題的性質(zhì)，這種t檢驗(yàn)稱為配對t檢驗(yàn)；另一種情況下的t檢驗(yàn)是兩組數(shù)據(jù)可以任意顛倒順的檢驗(yàn)稱為獨(dú)立樣本的t檢驗(yàn)。但是這兩種情況都必須符合最先的要求，即都是符合正態(tài)分布，方差都具有齊同性。通過spss的相關(guān)操作可以輕松完成檢驗(yàn)，但是在檢驗(yàn)的過程中必須設(shè)置置信區(qū)間，一般設(shè)置為95%，在設(shè)置置信區(qū)間時(shí)必須要考慮到所做分析的數(shù)據(jù)，如果像要得到顯著性差異的結(jié)果則可盡量將置信區(qū)間設(shè)置小些，如果想要得到不顯著差異就要將置信區(qū)間甚至大些，本人的理解為若置信區(qū)間小，則可以理解為在小范圍內(nèi)是可以相信的，但如果將分析結(jié)果的置信區(qū)間值調(diào)大則說明在很大的范圍內(nèi)這個(gè)結(jié)果可信，反之則不可信，篇三：spss學(xué)習(xí)總結(jié)

學(xué)習(xí)spss感想

以前學(xué)統(tǒng)計(jì)學(xué)的時(shí)候就聽老師講過spss有非常強(qiáng)大的統(tǒng)計(jì)功能，對我們學(xué)習(xí)、工作有很大的幫助，所以我一直認(rèn)為spss很神秘。通過這個(gè)學(xué)期周老師的課讓我對此清楚了許多，也學(xué)到了spss強(qiáng)大的統(tǒng)計(jì)功能，更加讓我明白了spss與excel的區(qū)別。spss是“社會(huì)科學(xué)統(tǒng)計(jì)軟件包”（statistical package for the social science）的簡稱，是一種集成化的計(jì)算機(jī)數(shù)據(jù)處理應(yīng)用軟件。1968年，美國斯坦福大學(xué)h.nie等三位大學(xué)生開發(fā)了最早的spss統(tǒng)計(jì)軟件，并于1975年在芝加哥成立了spss公司，已有30余年的成長歷史，全球約有25萬家產(chǎn)品用戶，廣泛分布于通訊、醫(yī)療、銀行、證券、保險(xiǎn)、制造、商業(yè)、市場研究、科研、教育等多個(gè)領(lǐng)域和行業(yè)。spss是世界上公認(rèn)的三大數(shù)據(jù)分析軟件之一（sas、spss和systat）。

在學(xué)習(xí)spss期間，我主要遇到的問題是后面幾章，spss的參數(shù)檢驗(yàn)、方差分析、相關(guān)分析、線性回歸分析、聚類分析、因子分析等。在參數(shù)檢驗(yàn)中我不知道原假設(shè)是什么，導(dǎo)致分析的時(shí)候不知道該拒絕原假設(shè)還是接受原假設(shè)，不能分析出統(tǒng)計(jì)結(jié)果。不會(huì)區(qū)分單樣本t檢驗(yàn)和兩配對樣本t檢驗(yàn)的區(qū)別，現(xiàn)在懂得了它們都要服從正態(tài)分布，基本思想是小概率反證法，反證法思想是先提出假設(shè)（檢驗(yàn)假設(shè)h0），再用適當(dāng)?shù)慕y(tǒng)計(jì)方法確定假設(shè)成立的可能性大小，如果可能性小，則認(rèn)為假設(shè)不成立，否則，還不能認(rèn)為假設(shè)不成立。

在學(xué)習(xí)方差分析中，開始常常把觀測變量和控制變量弄混淆，在分析的時(shí)候應(yīng)分別送入哪個(gè)對應(yīng)框中，如果反了的話會(huì)導(dǎo)致結(jié)果的不準(zhǔn)確。其次，對lsd、bonferroni、tukey、scheffe等方法的使用不清楚，現(xiàn)在基本掌握了多重比較方法選擇：一般如果存在明確的對照組，要進(jìn)行的是驗(yàn)證性研究，即計(jì)劃好的某兩個(gè)或幾個(gè)組間（和對照組）的比較。宜用bonferroni(lsd)法；若需要進(jìn)行多個(gè)均數(shù)間的兩兩比較，且各組個(gè)案數(shù)相等，適宜用tukey法；其他情況宜用scheffe法。最后，對方差齊性檢驗(yàn)、多重比較檢驗(yàn)、趨勢檢驗(yàn)理解不夠透徹，在方差檢驗(yàn)中，post hoc鍵有l(wèi)sd的選項(xiàng)：當(dāng)方差分析f檢驗(yàn)否定了原假設(shè)，即認(rèn)為至少有兩個(gè)總體的均值存在顯著性差異時(shí)，須進(jìn)一步確定是哪兩個(gè)或哪幾個(gè)均值顯著地不同，則需要進(jìn)行多重比較來檢驗(yàn)。lsd即是一種多因變量的三個(gè)或三個(gè)以上水平下均值之間進(jìn)行的兩兩比較檢驗(yàn)。

在學(xué)習(xí)相關(guān)分析的過程中，在繪制散點(diǎn)圖時(shí)，不知道哪個(gè)該做橫坐標(biāo)，哪個(gè)該做縱坐標(biāo)，明白了橫坐標(biāo)是解釋變量，縱坐標(biāo)是被解釋變量，還有對相關(guān)系數(shù)的種類分析不熟練等。在學(xué)習(xí)回歸分析的過程中，對dw可檢驗(yàn)的含義不理解，不記得對應(yīng)的dw表示的殘差序列的相關(guān)性。對解釋變量向前篩選、向后篩選、逐步帥選策略不能熟練掌握，特別是對向前向后篩選時(shí)到處的結(jié)果不會(huì)進(jìn)行分析。

學(xué)習(xí)聚類分析中，變量的選擇分不清，無關(guān)變量有時(shí)會(huì)引起嚴(yán)重的錯(cuò)分，應(yīng)當(dāng)只引入在不同類間有顯著差別的變量，盡量只使用相同類型的變量進(jìn)行分析。分類數(shù)不明確，從實(shí)用角度講，2~8 類比較合適。掌握了k-means cluster 分析，樣本量大于100時(shí)有必要考慮，只能使用連續(xù)性變量。

學(xué)習(xí)因子分析的過程中，對提取出來的因子的實(shí)際含義不清晰，不能使因子具有命名解釋性。

學(xué)習(xí)了spss后，我不禁想到了spss與excel的區(qū)別，這一點(diǎn)是針對像我這樣開始只懂得用excel的人來說。從個(gè)人的體會(huì)來說，二種軟件有一定相似，操作都簡便，同時(shí)又有一些可以互補(bǔ)的地方。但是spss又比excel更加強(qiáng)大：

一、圖型的表現(xiàn)力是spss的主要優(yōu)點(diǎn)之一

應(yīng)該說，excel的圖型表現(xiàn)主要是簡便，對許多的人來說基本夠用，但對于科學(xué)的表現(xiàn)，spss就更為詳細(xì)和準(zhǔn)確，這一點(diǎn)據(jù)說在所有統(tǒng)計(jì)軟件中都突出。

二、通過spss檢驗(yàn)方差齊性和數(shù)據(jù)分布

假設(shè)檢驗(yàn)中，采用的t檢驗(yàn)和方差檢驗(yàn)都需要滿足二個(gè)要求，即 1．樣本方差齊性

2．樣本總體呈正態(tài)分布

在excel中，提供了f檢驗(yàn)來檢驗(yàn)方差齊性問題，也就是可以先通過f檢驗(yàn)確定方差齊性與否來選擇下一步用哪個(gè)t檢驗(yàn)或方差檢驗(yàn)分析工具。但只要數(shù)據(jù)多于二組則無從下手；通過描述統(tǒng)計(jì)大約能從峰度和偏度來了解樣本的分布實(shí)際工作中，只要分布單峰且近似對稱分布，也可應(yīng)用，但要具體確定樣本的分布也有難度。這二個(gè)問題在spss就可以解決

最后，在感嘆它的方便與快捷的同時(shí)，對軟件開發(fā)人員的智慧到了肅然起敬的地步。一直覺得計(jì)算機(jī)語言是最難的一門外語。雖然本科時(shí)曾經(jīng)對這種邏輯性很強(qiáng)的東西很感興趣，并在編程課上取得不錯(cuò)的成績，但一直覺得這似乎不是我能掌控的東西。spss的神奇之處在于，它省去了使用者巨大的計(jì)算量，并提高準(zhǔn)確性。它開發(fā)了開發(fā)者的智慧，卻弱化了使用者的大腦。篇四：spss學(xué)習(xí)心得

學(xué)院：傳播學(xué)院 專業(yè)：10級廣播電視新聞學(xué) 學(xué)號：129012010023 姓名：許咪咪

學(xué)習(xí)spss有感——與excel之比較

在學(xué)習(xí)spss軟件的過程中，自己不敢有絲毫松懈，但同時(shí)感到學(xué)習(xí)壓力很大，有一定的學(xué)習(xí)難度，軟件的操作可以通過短時(shí)間內(nèi)熟悉，但對數(shù)據(jù)的結(jié)果分析還需要很大很大的提高。在掌握了spss相關(guān)技能和熟知了spss之于excel的優(yōu)越性之后，spss成了往后我進(jìn)行數(shù)據(jù)分析、調(diào)查的首選軟件，如若能自由地結(jié)合二者使用，便是更佳選擇。excel的基本功能中包括了比較強(qiáng)大的數(shù)據(jù)處理功能，還提供了豐富的工作表函數(shù)，可以完成很多類型的數(shù)據(jù)處理和分析任務(wù)。除了工作表函數(shù)以外，excel還提供了一個(gè)稱為“分析工具庫”的加載宏。excel應(yīng)用的普及性，許多人都把它作為最常用的統(tǒng)計(jì)軟件來使用。excel提供的統(tǒng)計(jì)功能包括數(shù)據(jù)管理、描述統(tǒng)計(jì)、概率計(jì)算、假設(shè)檢驗(yàn)、方差分析和回歸分析等等，對于統(tǒng)計(jì)學(xué)原理所涉及的大部分內(nèi)容已經(jīng)足夠了。然而，在學(xué)習(xí)excel的統(tǒng)計(jì)功能以前我們有必要先交待一下excel在統(tǒng)計(jì)分析方面的局限性。

1、就統(tǒng)計(jì)學(xué)原理所涉及的統(tǒng)計(jì)方法而言，excel沒有直接提供的方法包括：箱線圖（boxplot）、莖葉圖、相關(guān)系數(shù)的p-值、無交互作用可重復(fù)的雙因素方差分析、方差分析中的多重比較、非參數(shù)檢驗(yàn)方法、質(zhì)量控制圖等。

2、按照優(yōu)秀圖形的標(biāo)準(zhǔn)，excel做出的很多圖形都不合格。excel的有些圖形可能適合于普通大眾，但不適合用于科學(xué)報(bào)告中。例如二維圖形的三維表示，圓柱圖，圓錐圖等等。excel提供的有些圖形可能永遠(yuǎn)不應(yīng)該使用。

3、excel不能很好的處理缺失值(missing data)問題?？傮w來說excel對缺失值的處理方式遠(yuǎn)不如專門的統(tǒng)計(jì)軟件恰當(dāng)。

4、雖然大部分情況下excel的計(jì)算結(jié)果都是可靠的，但在一些極端情況下excel的計(jì)算程序不夠穩(wěn)定和準(zhǔn)確（特別是excel2003以前的版本中）；有些自動(dòng)功能可能會(huì)導(dǎo)致意想不到地結(jié)果。

總體來說，excel為我們輸入和管理數(shù)據(jù)、描述數(shù)據(jù)特征、制作統(tǒng)計(jì)表和統(tǒng)計(jì)圖都提供了強(qiáng)大的支持，但在處理復(fù)雜的計(jì)算時(shí)有時(shí)候誤差相對較大，因而一些數(shù)據(jù)處理專家建議人們避免采用excel處理復(fù)雜的統(tǒng)計(jì)問題。spss能在簡單操作基礎(chǔ)上，解決excel存在的這些問題，甚至非統(tǒng)計(jì)學(xué)相關(guān)專業(yè)的人員也可以利用這個(gè)軟件對復(fù)雜的統(tǒng)計(jì)問題進(jìn)行處理、分析。平時(shí)我慣常使用的數(shù)據(jù)分析軟件也是excel。雖然使用excel可以對數(shù)據(jù)進(jìn)行透視、分類、篩選以及計(jì)算相關(guān)系數(shù)等，但是這些操作都需要自己每一步每一步的進(jìn)行手動(dòng)操作，而使用spss軟件在對數(shù)據(jù)進(jìn)行整理時(shí)，只需對軟件某選項(xiàng)內(nèi)設(shè)

置變量條件，系統(tǒng)便自動(dòng)的進(jìn)行整理。而且，在學(xué)習(xí)與應(yīng)用spss過程中，我了解到應(yīng)用spss軟件只要了解統(tǒng)計(jì)分析的原理無需知曉統(tǒng)計(jì)方法的各種算法就能得到自己所需要的統(tǒng)計(jì)分析結(jié)果。另外對于常見的統(tǒng)計(jì)方法，spss的命令語句、子命令及選擇項(xiàng)的選擇絕大部分在軟件內(nèi)的對話框操作完成，我們無需花費(fèi)大量的時(shí)間記憶大量的命令和選擇項(xiàng)。在這方面，spss軟件的應(yīng)用可以使我們節(jié)省大量時(shí)間，而且軟件操作比較容易上手，在當(dāng)今這個(gè)時(shí)間就是金錢的社會(huì)上，我們掌握spss軟件的應(yīng)用，也就是為自己賺取了不少金錢。

另外在與spss的接觸中，我逐漸了解到spss軟件的強(qiáng)大與方便。spss提供了從簡單的統(tǒng)計(jì)描述到復(fù)雜的多因素統(tǒng)計(jì)分析方法，其中有數(shù)據(jù)的統(tǒng)計(jì)分析、統(tǒng)計(jì)描述、交叉表分析、二維相關(guān)、方差分析、多元回歸、因子分析、聚類分析、降維等分析方法。利用這些方法可以得出計(jì)算數(shù)據(jù)和統(tǒng)計(jì)圖形，看出數(shù)據(jù)的離散程度、集中趨勢和分散程度，單變量的比重，還有對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。利用這個(gè)軟件對問卷數(shù)據(jù)進(jìn)行分析是極好的。雖然，這些方法大部分我還是不會(huì)使用，能夠讓我利用并成功分析的方法只有寥寥幾種，但是這種簡單便捷的操作讓我對spss的興趣卻是越來越濃。spss 像手槍，對于社會(huì)統(tǒng)計(jì)應(yīng)用spss,足夠精度了。exce對初級統(tǒng)計(jì)技術(shù)也差不多了，里面有很多類型的圖，配之以數(shù)據(jù)透視表，模擬運(yùn)算表，宏，高級篩選，窗體，而且方便的單元格和變量操作這些優(yōu)點(diǎn)都使得excel 更利于小規(guī)模，低精度，邏輯關(guān)系簡單的數(shù)據(jù)，但是簡單的圖和表，有時(shí)不需要通過假設(shè)檢驗(yàn)，也能看出很多關(guān)系或結(jié)論，這些直觀的現(xiàn)象有的時(shí)候比spss的假設(shè)檢驗(yàn)更有說服力（spss的假設(shè)檢驗(yàn)雖然精確，但是成本是很多模型假定）其統(tǒng)計(jì)思想易于被日常生活所接受，所以execl用得好，更能顯出使用者諳熟研究背景和統(tǒng)計(jì)思想，這個(gè)修煉層次更高，就像武功最高深的人更最簡單的工具，最簡潔的招式，實(shí)而不華一樣。

了解了excel和spss的這個(gè)比較后，可以看出spss的統(tǒng)計(jì)思想體現(xiàn)了更多數(shù)理統(tǒng)計(jì)的味道，而excel 則更多體現(xiàn)了描述統(tǒng)計(jì)的味道，所以了解spss更重要的是了解不同模型背后的統(tǒng)計(jì)想法，當(dāng)然這些在使用spss的過程中會(huì)慢慢的積累的。一個(gè)和學(xué)習(xí)統(tǒng)計(jì)思想無關(guān)的，但是在學(xué)習(xí)spss中必須學(xué)會(huì)的是“數(shù)據(jù)組織方式和數(shù)據(jù)測度”，這個(gè)對于那些學(xué)習(xí)信息的人容易理解，對文科出身的人不容易理解。但是這個(gè)問題對于初學(xué)者很重要。在實(shí)際使用spss時(shí)，就得按部就班地按照先定義變量，調(diào)測度，在錄入（導(dǎo)入數(shù)據(jù)），再分析。分析并不是整個(gè)流程。不注意數(shù)據(jù)的組織方式和數(shù)據(jù)測度會(huì)使很多統(tǒng)計(jì)模型誤用（實(shí)際上不能用，但是軟件輸出了統(tǒng)計(jì)結(jié)果），這種誤用不是統(tǒng)計(jì)模型用得好不好的問題，而是能不能用的問題！

現(xiàn)在，學(xué)期即將結(jié)束，同樣的這門課程也到了尾期，在這學(xué)期學(xué)到了很多，并且還有很多沒有學(xué)到。我們學(xué)習(xí)時(shí)所操作的軟件是英文版，這對英語基礎(chǔ)不好的我來說是個(gè)考驗(yàn)。同時(shí)，由于我們所學(xué)專業(yè)并非必須擁有計(jì)算機(jī)，導(dǎo)致我們平時(shí)能夠練習(xí)的機(jī)會(huì)比較少，造成了掌握不牢固，前學(xué)后忘現(xiàn)象比較嚴(yán)重?，F(xiàn)在呢，很是希望能夠把spss的應(yīng)用熟練操作，并且能把它變?yōu)樽约旱囊环N本能，使自己在今后的工作與學(xué)習(xí)中，可以輕松運(yùn)用。篇五：spss學(xué)習(xí)總結(jié)

隨著速度越來越快，計(jì)算機(jī)的功能越來越多，計(jì)算統(tǒng)計(jì)功能反而已經(jīng)成為了計(jì) 算機(jī)的一個(gè)次要部分。不過，對于我們這些從事社會(huì)學(xué)學(xué)習(xí)和研究的人來說，快速 的計(jì)算和統(tǒng)計(jì)仍舊是我們使用計(jì)算機(jī)的主要功能，所以我們平日的工作總是離不開 spss（statistical package for the social science社會(huì)科學(xué)統(tǒng)計(jì)軟件）。s pss雖然好用，但是學(xué)起來并不容易，特別是在目前高校的教育體制下，教材的過時(shí) 以及課程設(shè)置的不合理，使得spss的學(xué)習(xí)成為了社會(huì)學(xué)、統(tǒng)計(jì)學(xué)以及其他社會(huì)科學(xué) 學(xué)科學(xué)生極為頭痛的一件事情。更為棘手的是：往往在學(xué)生還沒有學(xué)會(huì)spss之前，一些調(diào)查研究任務(wù)卻又強(qiáng)迫他們使用spss進(jìn)行分析工作，使得他們十分苦惱。

本教程就是為那些已經(jīng)學(xué)習(xí)過統(tǒng)計(jì)學(xué)，并且粗通計(jì)算機(jī)，但尚未學(xué)習(xí)過spss的 社會(huì)科學(xué)學(xué)科的學(xué)生準(zhǔn)備的，運(yùn)用面向問題的教學(xué)方法，通過一個(gè)調(diào)查問卷的具體 分析過程使學(xué)生們對spss有一個(gè)感性認(rèn)識(shí)，并能夠再?zèng)]有完全掌握spss的前提下利 用spss完成一些分析任務(wù)。因此，本文不強(qiáng)調(diào)面面俱到只強(qiáng)調(diào)讀者能夠完成調(diào)查分 析的任務(wù)，所以會(huì)故意忽略ｓｐｓｓ一些十分重要但未必會(huì)用到的功能，還請讀者 見諒。如果讀者確實(shí)需要使用這些功能，建議參考一本好一點(diǎn)的輔導(dǎo)書。

相信大家知道：依次完整的利用計(jì)算機(jī)輔助的問卷調(diào)查包括問卷設(shè)計(jì)、問卷訪 問、數(shù)據(jù)輸入、數(shù)據(jù)分析、數(shù)據(jù)輸出、調(diào)查報(bào)告的撰寫六大部分。spss軟件參與的 主要是數(shù)據(jù)輸入、數(shù)據(jù)分析和數(shù)據(jù)輸出這三個(gè)部分。接著，本文就將分成這三塊，分別介紹spss的使用以及一些技巧、經(jīng)驗(yàn)。

1、數(shù)據(jù)輸入

在完成了問卷訪問這個(gè)部分之后，我們手中便擁有了數(shù)百至上萬份調(diào)查問卷，這些問卷計(jì)算機(jī)是無法直接識(shí)別處理的，我們必須將它們進(jìn)行適當(dāng)?shù)木幋a。由于采 用計(jì)算機(jī)分析，問卷在設(shè)計(jì)階段就應(yīng)該考慮到今后的編碼問題，所以應(yīng)該將問卷設(shè) 計(jì)地以客觀題為主，被訪問者填寫的應(yīng)該只是注入數(shù)字、選項(xiàng)這些計(jì)算機(jī)能夠處理 的信息。我們首先要為問卷的每一個(gè)填寫項(xiàng)都起一個(gè)代號，并決定它的數(shù)據(jù)屬性（主要是區(qū)分為字符串、邏輯串還是數(shù)字）。筆者的習(xí)慣是首先用英文字母表示填寫 項(xiàng)的大題號，接著用阿拉伯?dāng)?shù)字表示填寫項(xiàng)的小題號，然后再用英文字母表示填寫 項(xiàng)是本小題的第幾項(xiàng)，最后再加上表示數(shù)據(jù)屬性的后綴，比如說第二大題第三小題 的第四個(gè)字符串填寫項(xiàng)的代號便為b3d_s。在以后的所有分析過程中便利用這個(gè)代號 來表示數(shù)據(jù)的具體內(nèi)容。接下來，便是具體的輸入過程了。首先，我們要對spss的數(shù)據(jù)文件有一個(gè)大致的 了解，這對以后的學(xué)習(xí)十分關(guān)鍵。打開spss之后，我們便會(huì)看到一個(gè)類似excel電子 表格的東西，但如果你因此便把spss的數(shù)據(jù)文件理解為是類似于excel的東西那么就 錯(cuò)了，雖然spss數(shù)據(jù)的表現(xiàn)形式酷似excel，但就實(shí)質(zhì)而言它更接近于一個(gè)數(shù)據(jù)庫文 件，每一個(gè)數(shù)據(jù)列都有它的列名稱（也就是我們剛剛起的代號）、列屬性（也就是 剛剛我們決定的數(shù)據(jù)屬性），這些都類似于數(shù)據(jù)庫中的字段名稱、字段屬性，如果 讀者以前學(xué)習(xí)過數(shù)據(jù)庫的相關(guān)知識(shí)，那里理解起來就十分簡單了。由于數(shù)據(jù)繁多，所以我們的輸入過程往往不是由本人進(jìn)行，而是請專業(yè)的數(shù)據(jù) 錄入人員代勞，而那些人員往往是不會(huì)使用spss的，所以我們在實(shí)際使用過程中數(shù)

2、數(shù)據(jù)分析

對于外行人來說。spss最為難學(xué)的部分便是它analyze菜單下十多項(xiàng)子菜單以及 這之下四五十項(xiàng)孫菜單的統(tǒng)計(jì)功能，每一項(xiàng)統(tǒng)計(jì)功能的用法和功能對于外行人來說 就像是天書一般。但是對于學(xué)習(xí)過統(tǒng)計(jì)學(xué)的讀者來說，這應(yīng)該不是問題。再加上sp ss在操作的簡易性上還是十分優(yōu)秀的，每一項(xiàng)統(tǒng)計(jì)功能一般只需要在窗口下選擇統(tǒng) 計(jì)用的變量，然后設(shè)置一下必要的選項(xiàng)，最后按下ok便可以了。所以在這里，具體 的操作就不再介紹了。在這里，筆者覺得有必要先介紹一下spss的viewer。在下面 的數(shù)據(jù)分析和數(shù)據(jù)輸出過程中，我們調(diào)用spss的數(shù)據(jù)分析和制圖模塊所得到的結(jié)果 都會(huì)由spss自動(dòng)輸出到一個(gè)名為viewer的程序中，并且可以以spo為后綴名保存成為 專門的文件。這樣做的好處是如果你的分析和制圖工作一次沒有完成，那么利用保 存的spo文件，就不必下一次重新作過了。同時(shí)，將所有的分析和制圖的結(jié)果都保存 在一個(gè)spo文件中，并隨調(diào)查報(bào)告作為電子附件一起陳送給客戶，一來有利于客戶檢 驗(yàn)分析的可靠性，二來也適合于今后電子化、網(wǎng)絡(luò)化的趨勢。

根據(jù)筆者的經(jīng)驗(yàn)，spss的學(xué)習(xí)者在這一階段(數(shù)據(jù)分析階段)最主要的問題在于以往 學(xué)習(xí)的統(tǒng)計(jì)指標(biāo)總是中文的，而spss中的統(tǒng)計(jì)指標(biāo)是英文的，指標(biāo)的中文和英文往 往無法一一對應(yīng)，因此，在這一部分中，筆者主要是附上一張統(tǒng)計(jì)指標(biāo)的中英文對 照表，如下： summarize菜單項(xiàng) 數(shù)值分析過程

??frequencies子菜單項(xiàng) 單變量的頻數(shù)分布統(tǒng)計(jì)

??descriptives子菜單項(xiàng) 單變量的描述統(tǒng)計(jì)

??explore子菜單項(xiàng) 指定變量的綜合描述統(tǒng)計(jì)

??crosstabs子菜單項(xiàng) 雙變量或多變量的各水平組合的頻數(shù)分布統(tǒng)計(jì)

??means子菜單項(xiàng) 單變量的綜合描述統(tǒng)計(jì)

??independent sample t test子菜單項(xiàng) 獨(dú)立樣本的t檢驗(yàn)

??paired sample t test子菜單項(xiàng) 配對樣本的t檢驗(yàn)

??one-way anova子菜單項(xiàng) 一維方差分析（單變量方差分析）anova models菜單項(xiàng) 多元方差分析過程

??simple factorial子菜單項(xiàng) 因子設(shè)計(jì)的方差分析

??general factorial子菜單項(xiàng) 一般方差分析

??multivariate子菜單項(xiàng) 雙因變量或多因變量的方差分析

??repeated factorial子菜單項(xiàng) 因變量均值校驗(yàn) correlate菜單項(xiàng) 相關(guān)分析

??bivariate子菜單項(xiàng) pearson積矩相關(guān)矩陣

和kendall、spearman非參數(shù)相關(guān)分析

??partial子菜單項(xiàng) 雙變量相關(guān)分析

??distance子菜單項(xiàng) 相似性、非相似性分析 regression菜單項(xiàng) 回歸分析

??liner子菜單項(xiàng) 線性回歸分析

??logistic子菜單項(xiàng) 二分變量回歸分析（邏輯回歸分析）

??probit子菜單項(xiàng) 概率分析

??nonlinear子菜單項(xiàng) 非線性回歸分析

??weight estimation子菜單項(xiàng) 不同權(quán)數(shù)的線性回歸分析

??2-stage least squares子菜單項(xiàng) 二階最小平方回歸分析 loglinear菜單項(xiàng) 對數(shù)線性回歸分析

??general子菜單項(xiàng) 一般對數(shù)線性回歸分析

??hierarchical子菜單項(xiàng) 多維交叉變量對數(shù)回歸分析

??logit子菜單項(xiàng) 單因變量多自變量回歸分析 classify菜單項(xiàng) 聚類和判別分析

??k-means cluster子菜單項(xiàng) 指定分類數(shù)聚類分析

??hierarchical cluster子菜單項(xiàng) 未知分類數(shù)聚類分析 ??discriminent子菜單項(xiàng) 聚類判別函數(shù)分析 data reduction菜單項(xiàng) 降維、簡化數(shù)據(jù)過程

??factor子菜單項(xiàng) 因子分析

??correspondence analysis子菜單項(xiàng) 對應(yīng)表（交叉表）分析

??homogeneity analysis子菜單項(xiàng) 多重對應(yīng)分析

??overals子菜單項(xiàng) 非線性典則相關(guān)分析 scale菜單項(xiàng)

??reliability ananlysis子菜單項(xiàng) 加性等級的項(xiàng)目分析

??multidimensional scaling子菜單項(xiàng) 多維等級分析 nonparametric tests菜單項(xiàng)

??chi-square子菜單項(xiàng) 相對比例假設(shè)檢驗(yàn)

??binomial子菜單項(xiàng) 特定時(shí)間發(fā)生概率檢驗(yàn)

??run子菜單項(xiàng) 隨即序列檢驗(yàn)

??1-sample kolmogorov smirnov子菜單項(xiàng) 樣本分布檢驗(yàn)

??2-independent samples子菜單項(xiàng) 雙不相關(guān)組分布分析(轉(zhuǎn)載于:spss學(xué)習(xí)心得體會(huì))??k independent samples子菜單項(xiàng) 多不相關(guān)組分布分析

??2 related samples子菜單項(xiàng)

雙相關(guān)變量分布分析

??mcnemar test子菜單項(xiàng) 相關(guān)樣本比例變化分析

??k related samples子菜單項(xiàng) 相關(guān)變量分布分析

??cocharns q test子菜單項(xiàng) 二分變量均數(shù)檢驗(yàn)

??kendalls w子菜單項(xiàng) 一致性判定 time series菜單項(xiàng)

??exponential smoothing子菜單項(xiàng)平衡序列的隨機(jī)分量

??curve estimation子菜單項(xiàng) 數(shù)據(jù)擬合??autoregression子菜單項(xiàng) 一階自回歸誤差線性方差檢驗(yàn)

??arima子菜單項(xiàng) 綜合自回歸移動(dòng)平均分析

??xii arima子菜單項(xiàng) 增倍和加性季節(jié)因子分析 survival菜單項(xiàng)

??life tables 生命表分析

??kaplan-meier 雙事件分布檢驗(yàn)

??cox regression 事件與時(shí)間變量相互分析

??cox w/time deep cov 時(shí)間函數(shù)cox分析

有了這一張表，相信讀者便可以很容易的利用ｓｐｓｓ進(jìn)行各類分析了。實(shí)際 上，數(shù)據(jù)分析這一階段，就使用spss上沒有什么難度，關(guān)鍵是在于究竟你能夠怎樣 最好的利用spss提供的分析模塊從數(shù)據(jù)中挖掘出更多的東西來，這可就要依靠你的 不斷摸索了。最后，還要介紹一個(gè)小技巧：

如果讀者所在學(xué)校今后學(xué)習(xí)的ｓｐｓｓ軟件為ｄｏｓ版本的話，那么今后你就必 須利用命令行來駕馭ｓｐｓｓ，所以你在利用ｓｐｓｓ的windows版本進(jìn)行數(shù)據(jù)分析 的過程中，可以利用每一項(xiàng)統(tǒng)計(jì)功能窗口ok按鈕下的paster按鈕將本統(tǒng)計(jì)功能的命 令行復(fù)制到剪貼板，然后再仔細(xì)研究。

第五篇：SPSS學(xué)習(xí)感想范文

SPSS學(xué)習(xí)感想

在這學(xué)期以前我并沒有學(xué)過統(tǒng)計(jì)學(xué)，甚至沒有接觸過它，因此對它的認(rèn)識(shí)可謂是從零開始的，但經(jīng)過這一段的學(xué)習(xí)，也算是受益良多，下面我就簡單說下感想吧。

第一節(jié)課老師簡單講述了下這門課的概況，給了我們英文版和中文版教材便讓我們開始分組講授各個(gè)部分，當(dāng)時(shí)只覺得毫無頭緒，對于沒接觸過的事物人總有莫名的恐懼，這門課看似還很難，就比較擔(dān)憂。但看了分到的關(guān)于方差分析部分的英文版書后，覺得老師推薦的這本書真的很好，雖然看英文比較痛苦，但勝在通俗對于我這種從未接觸過的人來說也是讀的懂得，這大概也是許多外國教材的優(yōu)點(diǎn)，會(huì)有很實(shí)際的舉例幫助理解，語言讀起來也是簡單易懂，不像許多中國教材那么晦澀。后期在看英文文獻(xiàn)的時(shí)候看到不懂得SPSS模型便會(huì)再翻出這本書來看，許多的中文版的教材也看了但總是較難迅速找到想看的知識(shí)點(diǎn)，且理解起來也很困難。

說完對于教材的整體心得，就來說說講課方面的心得吧，起初大家對于老師讓學(xué)生講授的方式不是很認(rèn)同，覺得自己能力有限，問題太難，不一定能看得明白更勿論講了。但經(jīng)過后來自己看教材做PPT，發(fā)現(xiàn)其實(shí)做起來并沒有看起來那么難，雖然花了不少時(shí)間但最后也算是基本了解大意及步驟，并且自己花了時(shí)間做出來的東西會(huì)特別記憶深刻，因此做完后對于方差分析這一塊也算是有了整體的認(rèn)識(shí)和了解，之后在看論文中這部分的模型來也輕松許多。所以這種講課方式其實(shí)也確實(shí)能幫助同學(xué)們更積極的學(xué)習(xí)這門課程。

接著說說學(xué)習(xí)過后對SPSS的整體認(rèn)識(shí)吧，我專門去百度了下它的全稱，定義為SPSS是“社會(huì)科學(xué)統(tǒng)計(jì)軟件包”（Statistical Package for the Social Science）的簡稱，是一種集成化的計(jì)算機(jī)數(shù)據(jù)處理應(yīng)用軟件。之前看論文的時(shí)候會(huì)經(jīng)常看到各種表格圖形，各種結(jié)果輸出，當(dāng)時(shí)并不明白，以前也沒見過，因此總會(huì)跳過實(shí)驗(yàn)整個(gè)設(shè)計(jì)直接看結(jié)果。在學(xué)了這門課后總算對其有了初步的認(rèn)識(shí)。它其實(shí)大致分為兩個(gè)大部分，一是簡要介紹描述性和推斷性統(tǒng)計(jì)，包括描述性統(tǒng)計(jì)、推斷性統(tǒng)計(jì)原理與推斷性統(tǒng)計(jì)機(jī)制；二是統(tǒng)計(jì)分析方法，包括卡方檢驗(yàn)、獨(dú)立樣本t檢驗(yàn)、配對樣本t檢驗(yàn)、方差分析等檢驗(yàn)差異的統(tǒng)計(jì)方法，和多元回歸分析、因子分析和結(jié)構(gòu)方程模型等檢驗(yàn)聯(lián)系的統(tǒng)計(jì)方法。利用這些方法可以得出計(jì)算數(shù)據(jù)和統(tǒng)計(jì)圖形，看出數(shù)據(jù)的離散程度、集中趨勢和分散程度，單變量的比重，還有對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。利用這個(gè)軟件對問卷數(shù)據(jù)進(jìn)行分析是極好的。統(tǒng)計(jì)分析也主要有兩大類，一類是驗(yàn)證差異的，另一類是驗(yàn)證相關(guān)性的。驗(yàn)證差異的主要有t檢驗(yàn)和方差分析，驗(yàn)證相關(guān)性的主要有回歸分析、因子分析和結(jié)構(gòu)方程模型。通過課程的學(xué)習(xí)我基本知道了他們的區(qū)別和應(yīng)用場景，如t檢驗(yàn)適合兩個(gè)變量之間的差異比較，而方差分析則在變量較多時(shí)使用，從而達(dá)到便捷的效果。

在學(xué)習(xí)方差分析時(shí)，我剛開始常常把因變量和自變量弄混淆，在分析的時(shí)候應(yīng)分別送入哪個(gè)對應(yīng)框中，如果反了的話會(huì)導(dǎo)致結(jié)果的不準(zhǔn)確。接著，對LSD、Bonferroni、Tukey、Scheffe等方法的使用不清楚，現(xiàn)在基本掌握了多重比較方法選擇：一般如果存在明確的對照組，要進(jìn)行的是驗(yàn)證性研究，即計(jì)劃好的某兩個(gè)或幾個(gè)組間（和對照組）的比較，宜用Bonferroni(LSD)法；若需要進(jìn)行多個(gè)均數(shù)間的兩兩比較，且各組個(gè)案數(shù)相等，適宜用Tukey法；其他情況宜用Scheffe法。因?yàn)榻?jīng)?；煜?，所以這些都被我記錄在PPT中，好讓自己以后方便查看。還有，當(dāng)時(shí)對方差齊性檢驗(yàn)、多重比較檢驗(yàn)的理解也存在困難，但經(jīng)過小組討論對他們也基本有了了解。當(dāng)方差分析F檢驗(yàn)否定了原假設(shè)，即認(rèn)為至少有兩個(gè)總體的均值存在顯著性差異時(shí)，須進(jìn)一步確定是哪兩個(gè)或哪幾個(gè)均值顯著地不同，則需要進(jìn)行多重比較來檢驗(yàn)。LSD即是一種多因變量的三個(gè)或三個(gè)以上水平下均值之間進(jìn)行的兩兩比較檢驗(yàn)，最靈敏，但會(huì)較易犯假陽性的錯(cuò)誤。在聽別的小組講述相關(guān)分析時(shí)，對于在繪制散點(diǎn)圖時(shí)的橫坐標(biāo)和縱坐標(biāo)的區(qū)分剛開始不太明白，但經(jīng)過同學(xué)的講授明白了橫坐標(biāo)是解釋變量，縱坐標(biāo)是被解釋變量。在學(xué)習(xí)回歸分析的過程中，對解釋變量向前篩選、向后篩選、逐步帥選策略不能熟練掌握，特別是對向前向后篩選時(shí)到處的結(jié)果不會(huì)進(jìn)行分析。在學(xué)習(xí)因子分析的時(shí)，剛開始對提取出來的因子的實(shí)際含義不清晰，但這些問題都都一一在講授和之后的討論中得到了解析，從而對于他們都算是有了大致的了解。

雖然整個(gè)學(xué)習(xí)過程經(jīng)歷了很多困難，但小組成員在一起，大家一起克服困難，集思廣益，最后的結(jié)果還算是成功的，每個(gè)人對于自己的部分都很認(rèn)真在準(zhǔn)備希望能給大家講的清楚明晰，這個(gè)學(xué)習(xí)的過程對我們都意義非凡。現(xiàn)在這門課要結(jié)束了，但對于SPSS的學(xué)習(xí)卻沒有，現(xiàn)有的知識(shí)感覺只是對他有個(gè)初步的了解，離熟練運(yùn)用還有些距離，論文中的模型分析的結(jié)果還不能很快的看出，因此還需要不斷地看書看文獻(xiàn)運(yùn)用。但這門課顯然給我們打下了很好的基礎(chǔ)，在這結(jié)束的時(shí)刻，我希望謝謝這些陪我一起走過這個(gè)歷程的人，我的老師，小組的成員以及其他組的成員們，感謝你們同我一起成長。