搜索
一．数据预处理个案号定位：Data-Gotocase应用：定位到查询号码的个案变量值定位：Edit-Find应用：定位到搜索变量值的个案插入个案：Data-InsertCases应用：在前面插入一空白行插入变量：Data-InsertVariable应用：在前面插入一空白列纵向合并：Data-MergeFile-AddCases应用：合并个案横向合并：Data-MergeFile-AddVariables应用：合并变量数据排序：Data-SortCases应用：能判定数据从最小到最大的范围，能目测异常值变量计算Transform-Compute应用：如果增加“所得税”变量，以及“税后收入”变量，如何写表达式计数Transform-Count应用：将变量的值发生的次数累计，存入一个新变量中可以用于选择案例（SelectCases）的预处理数据选取：Data-SelectCases应用：从收集的数据中筛选数据按指定条件抽样(If…)随机抽样(Random…)选取某一区域(Based…)过滤变量选取样本(Usefiltervariable)数据加权：Data-WeightCases应用：当数据文件中的数据，是表示案例发生的次数时，就需要用该数据进行加权数据自动重新编码：Transform-AutomaticRecode应用：用于离散数据或变量值较少的重新编码(一个值为一组)例如：男1,女2数据重新编码：Transform-Recode应用：对连续型（定距）数据进行分组分成几组合适：K=1+lg(n)/lg(2),n为样本点数每个组的组距：(Max-Min)/K分位数分组：Transform→CategorizeVariables应用：变量排序后选择分为几组分类汇总：Data-Aggregate应用：按指定的分类变量进行分组，计算其它变量的组内总值、平均值、极值等可以进行多重分类汇总数据转置：Data-Transpose应用：选定一转置变量进行行列互换数据拆分：Data-SplitFile应用：以某一变量的有序分组进行数据编排二．基本统计分析个案汇总：Analyze-Reports-CaseSummaries应用：按某个变量(sex)的值(m,f)对另一个变量(salary)进行分组，求各组的统计量大小(均值)初步判断各组之间的差异大小。频数分析：Analyze-DescriptiveStatistics-Frequencies应用：针对单个变量进行的分析不仅可以算出变量的频数等统计量值，还能画直方图以判断数据的分布情况描述性统计量计算：Analyze-DescriptiveStatistics-Descriptives应用：如均值、方差、标准差、极值、峰度等列联表分析（定类型或定序型）：Analyze-DescriptiveStatistics-Crosstabs应用：两个或两个以上(离散)变量的之间是否存在一定相关性例：性别是否影响对足球的喜好？假设H0：A与B相互独立三．SPSS的参数检验单样本T检验：Analyze-CompareMeans-One-SampleTTest应用：某个变量的总体均值是否与某个特定值相等例：平均存(取)款金额是否为2000元假设H0：总体均值与检验值无显著差异两独立样本T检验Analyze-CompareMeans-Independent-SamplesTTest应用：来自于两个独立总体的总体均值是否相等例：城镇储户与农村储户存一次平均存(取)款金额是否相等假设H0：A与B的总体均值无显著差异P96P125P131两配对样本t检验:Analyze-CompareMeans-Paired-SamplesTTest应用：来自相互参照的两个总体的总体均值是否相等例：减肥前与减肥后，体重均值是否相等假设H0：A与A’的总体均值无显著差异四．SPSS的方差分析单因素方差分析：Analyze-CompareMeans-One-WayANOVA应用：多个总体均值是否相等例：报纸、电视、广播宣传效果是否相同假设H0：A、B、C三者的总体均值无显著差异多因素方差分析：Analyze-GeneralLinearModel-Univariate应用：≥两个可控因素的变动对试验结果有无影响例：不同地区、广告形式是否影响销售额假设H0：A、B不同条件下S的总体均值无显著差异协方差分析：Analyze-GeneralLinearModel-Univariate应用：扣除协变量对观测变量的影响例：排除喂养前体重不同对增重观测的影响五．SPSS的非参数检验1.单样本单样本的卡方检验：Analyze-NonparametricTests-Chi-Square应用：对总体分布形态进行假设，然后进行检验H0：样本来自的总体分布与某一指定分布无显著差异P139P147P166P177P185二项分布检验：（两种结果）Analyze-NonparametricTests-Binomial应用：提出总体分布服从二项分布的假设，然后进行检验H0:样本来自的总体分布与指定的二项分布无显著差异单样本K-S检验Analyze-NonparametricTests-1-SampleK-S应用：某一总体分布是否服从：正态分布(Normal）均匀分布(Uniform)泊松分布(Poisson)指数分布(Exponential）H0:总体分布与某指定的理论分布(上述4种)无显著差异游程检验RUNS（变量随机性检验）Analyze-NonparametricTests-Runs应用：总体变量值的出现是否随机H0:总体变量值（如耐电压值）出现是随机的2.两独立样本H0:两组独立样本来自的两总体的分布无显著差异四种方法：Analyze-NonparametricTests-2IndependentSamples曼－惠特尼U检验：【Mann-WhitneyU】K-S检验：【Kolmogorov-SmirnovZ】极端反映检验：【Mosesextremereactions】游程检验：【Wald-Wolfowitzruns】P188P190P194P2023.多独立样本Analyze-NonparametricTests-KIndependentSamples克鲁斯－沃里斯H检验:【Kruskal-WallisH】应用：推断多个总体分布是否一致H0：多个独立样本来自的多个总体的分布无显著差异*J-S检验【Jonckheere-Terpstra】同上中位数检验：【Median】应用：推断多个总体的中位数是否一致H0：多个独立样本来自的多个总体的中位数无显著差异4.两配对样本H0：两组配对样本来自的两总体的分布无显著差异三种方法：Analyze-NonparametricTests-2PairedSamples麦克内马检验：【McNemar】符号检验：【Sign】威尔科克森符号秩检验：【Wilcoxon】5.多配对样本H0：多个配对样本来自的多个总体的分布无显著差异三种方法：Analyze-NonparametricTests-KPairedSamples弗里德曼检验：【Friendman】克科伦q检验：【Cochran’sQ】肯德尔检验：【Kendall’sW】P214P213P222P231五．相关分析和线性回归分析绘制散点图：Graphs-Scatter应用：直观地对数据进行大致的线性分析相关系数分析：Analyze-Correlate-Bivariate定距型Scale【Pearson】定序型Ordinal【Spearman】定序型Ordinal【Kendall’stau-b】偏(净)相关分析：Analyze-Correlate-Partial应用：排除在两事物间存在影响(干扰)的控制变量例：排除收入对研究需求与价格相关关系的影响线性回归分析：Analyze-Regression-Linear应用：建立最佳的回归方程对事物发展趋势进行预测结果分析通用步骤：1.表【ModelSummary】——拟合优度检验2.表【ANOVA】——回归方程显著性检验H0：各回归系数1＝2＝3＝...＝03.表【Coefficientsa】——回归系数显著性检验H0：i＝0P234P239P243P261P267