SPSS期末复习重点笔记.doc

SPSS四种输出成果：枢轴表/轻量表、文本格式、记录图表、模型SPSS四种窗口：语法窗口、输出窗口、数据窗口、脚本窗口SPSS三种运营方式：命令行方式、批程序方式、菜单对话框SPSS默认文献类型：数据文献*.sav：此为SPSS软件默认数据文献格式，双击可由SPSS直接读取。命令文献*.sps：可在语法编辑程序(syntax)中先编写或贴上欲执行之分析指令，并将其存贮起来，供日后重复使用或检查之用。输出文献*.spo：容许直接加以编辑或转贴到其她编辑软件，SPSS 16.0版之后将输出文献默认格式改为*.spv。 数据文献清洗多余重复数据筛选清晰，将的确数据补充完整，将错误数据纠正或删除。 数据标记重复个案 标记异常个案问题答案被称作变量取值。将答案转变成可用于记录分析数据，需要通过一种被称作“编码coding”过程。数据阵/数据文献：n个案例、m个变量构成阵列SPSS对数据解决是以变量为基本。因此，数据录入前一定先定义变量及其属性，涉及指定名称、（存储）类型、宽度、小数、标签、值、缺失、列（宽）、对齐、度量原则和角色。这也被称作建立数据框架。变量名必要以字母、中文或字符开头，数字不可以，其她字符可以是任何字母、数字或_、#、$等符号。变量名中不能有空白字符或其她特殊字符（如“！”、“？”、“*”等）。 变量名最后一种字符不能是英文句号（.）。在SPSS中不区别大小写。例如，HXH、hxh或Hxh对SPSS而言，均被视为同一种变量。SPSS保存字不能作为变量名称，如ALL、AND、BY、EQ、GE、GT、LT、NE、NOT、OR、TO、WITH等。SPSS中变量有3种基本类型：数值型、字符型（区别大小写）和日期型。但依照不同显示方式，数值型又被区别成：数值、逗号、圆点、科学计数法、美元、（顾客）设定货币等6个子类型。但是，只有数值(N)最为惯用。默认状态下，所有变量类型均为数值型，且宽度是8位、小数位是2位。对话框界面可修改宽度和小数位，然后“拟定”，但宽度必要不不大于小数位。变量标签是对变量名进一步描述，可长达120个字符SPSS有两类缺失值：系统默认缺失值和顾客定义缺失值。对于数值型变量值，系统默认缺失值为圆点“.”，而字符型变量值系统默认缺失值为空字符串（什么也没有）。指定“列”事实上是设定变量显示宽度，默以为8个字符宽度。记录学中，按照对事物描述精准限度，将度量原则从低到高区别为4种类型：定类尺度：仅能测定类别差，不能比较大小，各类之间没有顺序和级别，只能计算频数频率比例，可以使用数值型变量，也可以是字符型变量。要符合穷尽和互斥原则。定序尺度：可比较优劣或排序，但数值不代表绝对数量大小，可以是数值型变量，可以是字符型变量。可以计算频数、频率和合计频率、合计频数。定距尺度：不但能区别不同类型并排序，还能指出类别之间差距是多少，最典型是温度。严格来说只能加减。其0值没有物理含义，没有绝对“0”点，故不能做乘、除运算。定比尺度：测算两个测度值之间比值，与定距变量相比差别是有一种固定绝对“零点”。0在定距变量中仅是一种测量值，而定比变量真正表达没有。可以加减乘除。E.g.重量、年龄可以将高层次测量尺度成果转换为低层次测量尺度测量成果，但不能把低层次转化为高层次。半开放题解决：指定变量时，可以使用两个变量，第1个变量中，“其她”作为一种选项；第2个变量将“其她”中“请注明”内容作为一种单独开放题，而将没有选取“其她”一项案例在此变量上取值作为系统缺失值。为使得变量名之间具备一定逻辑联系，可以考虑将第二个变量名称设立为由第一种变量名称后直接加“a”之类字符。多选题解决：多重二分法：编码时，将每一种选项定义成一种变量，有几种选项就有几种变量，且均以取值等于1表达选了该项、以取值等于0表达未选该项。（原则解决方式）多重分类法：也是运用各种变量来对一种多选题答案进行编码。应当用多少个变量，取决于实际也许给出最多答案数目而定。这各种变量必要为数值型变量，所有变量采用同一套取值标签。Excel、txt文献读取之后要保存为SPSS文献。插入终结线时，开始（即0列）处和结尾（最后一列）处必要插入，否则会少变量F4.0 A1 F是数值型 A是字符串 F4.0就是 数值型 宽度是4 小数是0什么是固定宽度，什么是分隔符等分开？数据管理转换变量级别计算新变量：compute已有变量值分组合并：recode（重新编码为不同/相似变量）将度量变量重新分组为序号变量，或者将序号变量、名义变量不同取值加以归类合并“重新编码为相似变量”：对既有变量直接进行编码，保存该变量，只是依照设定规则替代掉本来取值。“重新编码为不同变量”：依照既有变量取值生成一种新变量来保存重新编码成果。涉及端点！持续变量离散化如果想进行分组是比较有规律，例如，等距分组，或等样本量分组，可以使用SPSS提供“可视离散化”过程进行分组。SPSS提供了两种可视离散化：需顾客自行判断设定可视离散化和基本全自动最优离散化。建议生成分割点时候先填第一种分割点位置和个数，然后自动生成宽度。变量自动重编码与数值移动自动重编码：自动按照原变量取值大小或字符顺序生成新变量，而新变量值就是原变量值大小序号或先后序次。个案排秩：变量排秩事实上就是依照某个变量取值大小来对个案排顺序，同步将得到排序成果保存到一种新变量中。虽然效果同样都是基于某个变量对个案进行排序，但“个案排秩”过程比“自动重新编码”过程更为灵活。 结：遇到相似取值如何给序号值默以为最惯用秩：新变量值等于原变量取值序号数值移动：在SPSS中，一种方式是以“计算变量”过程运用Lag( )函数、Lead( )函数来实现 lag函数是返回之前，取前面数（滞后），在杂项里面；lead函数是返回背面，取背面数（提前），但是计算变量里面没有lead函数了转换转换值“转换”菜单中其她功能“对个案内值计数”过程用于标记某个变量中与否浮现了某个值或某个范畴值，也可以计算一组变量中浮现特定取值变量个数。数据文献级别排序个案顾客所指定变量被称作排序变量排序个案v.s.个案排秩 区别：与否产生新变量；个案相对位置与否变动。拆分文献 可以和选取个案达到同样目按照不同组分别汇总记录成果 “按组组织输出”拆分文献一旦设定，除非另行取消，否则将在后续数据解决和分析中始终有效，并且会被另存在数据集里。选取个案（筛选）除了拆分文献功能，尚有并不想对所有个案进行分析，而只是想对其中一某些进行分析，这也需要用到“选取个案”过程。过滤掉未选中个案：默认未选中个案不涉及在分析中，但保存在数据中；并在数据文献中生成名为filter_$变量加以标记，取值1表达被选中，0表达未被选中；数据视图最左端未被选中个案处会标以反斜杠。选取个案一旦设定，除非另行取消，否则将在后续数据解决和分析中始终有效，并且会被另存在数据集里。随机个案样本 精准 背面两个框框：第一种框表达样本容量。第二个框表达样本范畴，也就是从第一种个案开始到第多少个个案教师随机抽选同窗回答问题就是这样做。加权个案给不同个案赋以不同权重，以变化个案在记录分析中重要性。普通两种状况下会用到这一过程：以频数形式录入数据；不等概率样本数据。加权个案一旦设定，除非另行取消，否则将在后续数据解决和分析中始终有效，并且会被另存在数据集里。（同样尚有选取个案和拆分文献）分类汇总按指定分类变量对个案进行分组，并按分组对变量求指定描述性记录量，成果可以另存为新数据文献，也可以直接（生成新变量）添加到当前数据文献。个案数：定义一种新变量，其取值等于每一分组下个案数目上方、下方都是开区间内部：取值不不大于等于a且不大于等于b外部：取值不大于a或不不大于b分类汇总与拆分文献两个过程有何异同：分类汇总还对变量做了描述性记录，而拆分文献只是对变量做了分类汇总，对变量进行描述还需要进一步操作。数据文献重组 （指是长、宽格式之间转换）数据录入默认格式每一案例占一行、每一变量占一列。这种数据被称作宽格式数据某些特殊状况下，例如重复测量数据，进行分析时需要采用长格式数据，即：按照每一观测（observation）占一行、同一种案占多行格式排列数据。（标记符变量、索引变量）长宽 将选定个案重组为变量转换后原文献中数据被直接替代，但文献名没有变。宽长 将选定变量重组为个案数据文献合并纵向拼接/垂直合并 添加是个案横向合并/水平合并 添加是变量若使用核心变量（指定横向合并时按照什么样规则进行相应）进行横向合并，则各数据文献都必要事先按照核心变量取值进行升序排列，否则会出错。为便于以SPSS进行横向合并，各数据文献中，表达不同含义变量尽量采用不同变量名称。单变量描述记录：集中趋势测量（中心性、中心测量）众数（合用于任何测量级别变量：名义、序号和尺度变量）中位数（只合用于序号、尺度变量，而不合用于名义变量，序号变量要还原到数字本来代表意思，有一半被调核对象在如下/上）均值（均值是数据分布平衡点。只合用于尺度变量，而不合用于名义、序号变量。此外，均值对变量取值大小很敏感，故，对于存在极端值情形，均值不适当用作反映变量分布集中趋势指标，更好选取是中位数。）左偏（负偏态）：均值中位数众数右偏（正偏态）：众数中位数0，故也称正偏态；当分布为左偏态时，SK 0.05，故接受零假设，即三地居民在消费信心上不存在明显差别。单侧检查：备择假设a 是右侧检查 计算出双侧sig值之后除以2，再拿1减去这个数，再和0.05比较左侧检查就是回绝域在左边误差=随机误差（因素同一水平下各观测值之间差别）+系统误差（因素不同水平下各观测值之间差别）组内方差只涉及随机误差 组间方差既涉及随机误差，也涉及系统误差SST=SSE+SSA交叉表与卡方检查 针对分类变量（涉及名义和序号）之间独立性检查工作可以通过SPSS“交叉表过程”提供“卡方检查”来完毕。分类变量间关系记录描述分类变量间关系记录推断分类变量间关系强度测度问题1：从（样本）数据来看变量间关于联吗？ 查看SPSS形成交叉表回答问题2：若关于系，那么这个关系与否也存在总体中？ 执行2（卡方）检查回答问题3：若变量间关于系，这个关系有多强？ 预计相应关联测度指标来回答交叉表：列边沿分布、行边沿分布 普通自变量放在列，因变量放在行 条件分布分析 描述记录 交叉表 单元格盼望计数：零假设成立条件下每单元格中频数。H0：总体中性别与学历无关 H1：总体中性别与学历关于若H0为真话，观测计数与盼望计数应较为接近；反之，若两者差别较大，则H0很也许不成立。卡方检查自由度：（行变量个数-1）（列变量个数-1）分析关系强度：在记录量这一选项里面 “有关”适合两个尺度变量；“名义”适合两个名义变量；“有序”适合两个序号变量；“按区间标定”适合一种名义变量和一种尺度变量。和相依系数越大，表达关联越强。Lambda：0-1，反映自变量对因变量预测效果，依照x去预测y可减少%误差。Tau与不拟定系数含义与相似，只是在误差定义上稍有差别。如果要控制地区：都市作为层变量存在关联才会接着算关系强度，如果不存在就没有必要了。对本地经济状况预期与对本地就业状况预期之间与否一致？（Kappa）原假设是不一致P0.05 一致 Kappa0.75 一致性较好；Kappa0.4 一致性较差 中间 一致性普通参数检查：单样本T、独立样本T、配对样本T、方差分析非参数检查：卡方检查、二项分布检查