基本統(tǒng)計(jì)分析返回1§1

頻數(shù)分布分析返回2定義：頻數(shù)就是一個(gè)變量在各個(gè)變量值上取值的個(gè)案數(shù)。如要了解學(xué)生某次考試的成績(jī)情況，需要計(jì)算出學(xué)生所有分?jǐn)?shù)取值，以及每個(gè)分?jǐn)?shù)取值有多少個(gè)人，這就需要用到頻數(shù)分析。變量的頻數(shù)分析正是實(shí)現(xiàn)上述分析的最好手段，它可以使人們非常清楚地了解變量取值的分布情況。3利用一維頻數(shù)分布表可以對(duì)數(shù)據(jù)按組進(jìn)行歸類整

理，形成各變量的不同水平的頻數(shù)分布表和圖形，以便對(duì)各變量的數(shù)據(jù)特征好觀測(cè)量分布狀況有一

個(gè)概括的認(rèn)識(shí)。交叉表分析過程可以生成二維或多維頻數(shù)表，還可以進(jìn)行分類變量之間的獨(dú)立性檢驗(yàn)。4一、一維頻數(shù)分布分析過程(data05-01)Analyze

descriptive

statistics

frequencies返回5選擇statistics(輸出統(tǒng)計(jì)量)對(duì)話框如果中位數(shù)與眾數(shù)相差很大，說明觀測(cè)量中存在異常值返回6Charts(圖形)參數(shù)選擇對(duì)話框返回7頻數(shù)分布表format(格式)對(duì)話框返回8Data05-01

age

eudc不同年齡人員與其受教育年限的統(tǒng)計(jì)表返回9受教育年限的頻數(shù)分布表返1回0age變量的直方圖返1回1educ變量直方圖返1回2二、交叉表分析analyze

descriptivestatistics

crosstabs (data05-01)前面的分析都是對(duì)單個(gè)變量的數(shù)據(jù)分布情況進(jìn)行分析。但在實(shí)際分析中，還需要掌握多個(gè)變量在不同取值情況下的數(shù)據(jù)分布情況，從而進(jìn)一步深入分析變量之間的相互影響和關(guān)系，這種分析就稱為交叉列聯(lián)表分析。交叉列聯(lián)表分析除了列出交叉分組下的頻數(shù)分布外，還需要分析兩個(gè)變量之間是否具有獨(dú)立性或一定的相關(guān)性。要獲得變量之間的相關(guān)性，僅僅靠頻數(shù)分布的數(shù)據(jù)是不夠的，還需要借助一些變量間相關(guān)程度的統(tǒng)計(jì)量和一些非參數(shù)檢驗(yàn)的方法。返1回3常用的衡量變量間相關(guān)程度的統(tǒng)計(jì)量是簡(jiǎn)單相關(guān)系數(shù)（參見本書有關(guān)章節(jié)），但在交叉列聯(lián)表分析中，由于行列變量往往不是連續(xù)變量，不符合計(jì)算簡(jiǎn)單

相關(guān)系數(shù)的前提條件。因此需要根據(jù)變量的性質(zhì)，

選擇其他的相關(guān)系數(shù)，如Kendall等級(jí)相關(guān)系數(shù)、Eta值等。14SPSS提供了多種適用于不同相關(guān)系數(shù)的相關(guān)關(guān)系，這些檢驗(yàn)的零假設(shè)是：行和列變量之間彼此獨(dú)立，不存在顯著的相關(guān)關(guān)系。SPSS將自動(dòng)給出檢驗(yàn)的P值，如果P值小于顯著性水平0.05，那么應(yīng)拒絕零假設(shè)，認(rèn)為行列變量之間彼此相關(guān)。15計(jì)算公式如下。（1）卡方統(tǒng)計(jì)量檢驗(yàn)是常用的檢驗(yàn)行列變量之間是否相關(guān)的方法。交叉列聯(lián)表的卡方檢驗(yàn)零假設(shè)是：行列變量之間獨(dú)立，計(jì)算公式為16卡方統(tǒng)計(jì)量服從（行數(shù)?1）×（列數(shù)?1）個(gè)自由度的卡方統(tǒng)計(jì)，SPSS在自動(dòng)計(jì)算卡方統(tǒng)計(jì)量后，還會(huì)給出相應(yīng)的P值。17注意：使用這個(gè)統(tǒng)計(jì)量進(jìn)行檢驗(yàn)時(shí)，要求期望頻數(shù)大于等于5。若不滿足該條件需要使用精確檢驗(yàn)法。（2）Contingency

coefficient：列聯(lián)系數(shù)。用于名義變量之間的相關(guān)系數(shù)計(jì)算。計(jì)算公式由卡方統(tǒng)計(jì)量修改而得，公式為其中，N為觀測(cè)量數(shù)其數(shù)值在0~1之間，0表示行列變量之間沒有關(guān)聯(lián)，1表示行列變量之間有很強(qiáng)的關(guān)聯(lián)。18（3）Phi

and

Cramer‘s

V：ψ系數(shù)。用于名義變量之間的相關(guān)系數(shù)計(jì)算。計(jì)算公式由卡方統(tǒng)計(jì)量修改而得，公式為數(shù)值界于0～1之間，其中K為行數(shù)和列數(shù)較小的實(shí)際數(shù)。19一個(gè)行變量和一個(gè)列變量可以形成一個(gè)二維交叉

表，再指定一個(gè)分組變量作為控制變量就形成三

維交叉表。如果可以指定多個(gè)行、列、控制變量，就會(huì)形成一個(gè)復(fù)雜的多維交叉表。交叉表的數(shù)據(jù)可以是數(shù)值型或字符型變量，短字符串變量可以直接作為分類變量。返2回021選擇statistics(統(tǒng)計(jì)量)對(duì)話框返2回2Exact(精確檢驗(yàn))對(duì)話框提供兩種針對(duì)小數(shù)據(jù)量與不平衡表的檢驗(yàn)方法此值小于0.05則認(rèn)為行、列變量存在關(guān)系返2回3Cells(顯示單元格)對(duì)話框返2回4Format(格式)對(duì)話框返2回5大樣本的交叉表實(shí)例Data05-01child/occcat80/region觀測(cè)量統(tǒng)計(jì)處理摘要返2回6返2回7卡方檢驗(yàn)返2回8小樣本的交叉表實(shí)例data05-02

sex/earnings觀測(cè)量統(tǒng)計(jì)處理摘要返2回9交叉表及卡方檢驗(yàn)結(jié)果返3回0§2

描

述

統(tǒng)

計(jì)返3回1描述統(tǒng)計(jì)分析對(duì)話框analyze

descriptive

statistics

descriptives(data05-03)返3回2Options(選擇項(xiàng))對(duì)話框返3回3全美各種犯罪數(shù)據(jù)描述統(tǒng)計(jì)量返3回4§3

探

索

分

析返3回5定義：調(diào)用此過程可對(duì)變量進(jìn)行更為深入詳盡的描述性統(tǒng)計(jì)分析，故稱之為探索分析。它在一般描述性統(tǒng)計(jì)指標(biāo)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，顯得更加細(xì)致與全面，有助于用戶思考對(duì)數(shù)據(jù)進(jìn)行進(jìn)一步分析的方案。36探索分析提供對(duì)數(shù)據(jù)的考查：檢查數(shù)據(jù)是否有錯(cuò)誤。過大或過小的數(shù)據(jù)均有可能是奇異值、影響點(diǎn)或錯(cuò)誤數(shù)據(jù)。數(shù)據(jù)分布特征。許多分析方法對(duì)數(shù)據(jù)的分布有一定要求。許多分析方法要求樣本來自正態(tài)分布總體，對(duì)兩組數(shù)據(jù)均值差異性的分析要求方差相等。37EXPLORE過程提供數(shù)據(jù)在分組與不分組的情況下，常用的統(tǒng)計(jì)量與統(tǒng)計(jì)圖形。EXPLORE的圖形可以直觀的將奇異值、非正常值、丟失的數(shù)據(jù)及數(shù)據(jù)本身的特點(diǎn)呈現(xiàn)出來。提供的考查方法：箱線圖莖葉圖正態(tài)分布檢驗(yàn)方差齊性檢驗(yàn)38一、箱圖異常值所使用的標(biāo)記為“0”極值所使用的標(biāo)記為“*”返3回9二、莖葉圖近似值=（莖值+葉值×0.1）×莖寬返4回9三、正態(tài)性檢驗(yàn)觀測(cè)量數(shù)據(jù)的正態(tài)分布檢驗(yàn)需要特別指出的是：對(duì)數(shù)據(jù)進(jìn)行正態(tài)分布的檢驗(yàn)時(shí)，幾乎都有理由

認(rèn)定數(shù)據(jù)拒絕正態(tài)分布假設(shè)，此時(shí)如果數(shù)據(jù)量

足夠大，進(jìn)行統(tǒng)計(jì)計(jì)算時(shí)就不必強(qiáng)求觀測(cè)量一

定服從正態(tài)分布，只要數(shù)據(jù)接近于正態(tài)分布就

可以了。常用的檢驗(yàn)方法有：①P-P概率圖和Q-Q概率圖；②LILLIFORS統(tǒng)計(jì)量檢驗(yàn)法一般情況下，當(dāng)其顯著性水平小于0.05時(shí)，就可以拒絕數(shù)據(jù)的正態(tài)分布假設(shè)。零假設(shè)：數(shù)據(jù)分布為正態(tài)分布41四、方差齊性檢驗(yàn)①Spreadvslevel圖顯示圖形的同時(shí)還輸出回歸方程斜率以及為使方差變齊的

Levene穩(wěn)健估計(jì)量，即為使兩個(gè)方差相同，對(duì)數(shù)據(jù)進(jìn)行冪轉(zhuǎn)換的冪值。②Levene檢驗(yàn)其好處為：進(jìn)行方差齊性檢驗(yàn)時(shí)，不強(qiáng)求數(shù)據(jù)必須服從正態(tài)分布的條件。一般情況下，如果它的顯著性水平小于0.05，就可以拒絕各方差相等的假設(shè)。?M估計(jì)M估計(jì)在計(jì)算時(shí)對(duì)所有觀測(cè)量賦權(quán)，隨觀測(cè)量距離分布中心的遠(yuǎn)近而變。計(jì)算包括極端值。極端值由于靠外，因此比位于中心部位的觀測(cè)量給予較小的權(quán)重。常用的M估計(jì)方法有Huber、Andrew、Hampel和Tukey。通過實(shí)踐，這四種方法都可以很好的取代平均值以及中位數(shù)，其中Hube估計(jì)方法對(duì)于近似正態(tài)分布的數(shù)據(jù)效果最好。零假設(shè)：各方差全相等42五、實(shí)例analyze

descriptive

statistics

explore(data05-04

salary/gender/id)43選擇statistics描述統(tǒng)計(jì)量對(duì)話框返4回4plots統(tǒng)計(jì)圖對(duì)話框返4回5實(shí)例輸出之一：觀測(cè)量摘要表返4回6salary變量的描述統(tǒng)計(jì)量返4回7M估計(jì)值全部比均值小，但與中位數(shù)十分接近，初步判斷觀測(cè)量數(shù)據(jù)可能呈現(xiàn)偏態(tài)分布48變量的極端值返4回9數(shù)據(jù)正態(tài)分布檢測(cè)統(tǒng)計(jì)量顯著性水平均小于0.