SPSS統(tǒng)計(jì)分析模塊介紹課件

第二章SPSS各統(tǒng)計(jì)分析模塊介紹陳道平重慶師范大學(xué)數(shù)學(xué)與計(jì)算機(jī)學(xué)院1ChongQingNormalUniversity第二章SPSS各統(tǒng)計(jì)分析模塊介紹陳道平1ChongQing描述性統(tǒng)計(jì)分析－－DescriptiveStatistics菜單均數(shù)間的比較－－CompareMeans菜單一般線性模型――GeneralLinearModel菜單相關(guān)分析――Correlate菜單SPSS的主要分析工具——Analyze菜單2ChongQingNormalUniversity描述性統(tǒng)計(jì)分析－－DescriptiveStatistic線性回歸與曲線擬合――Regression菜單對(duì)數(shù)線性模型——Loglinear菜單聚類分析與判別分析——Classify菜單因子分析與對(duì)應(yīng)分析——DataReduction菜單信度分析與多維尺度分析——Scale菜單非參數(shù)檢驗(yàn)――NonparametricTests菜單Survival菜單看圖3ChongQingNormalUniversity線性回歸與曲線擬合――Regression菜單3Chong1、描述性統(tǒng)計(jì)分析－－DescriptiveStatistics菜單描述性統(tǒng)計(jì)分析是統(tǒng)計(jì)分析的第一步，做好這第一步是下面進(jìn)行正確統(tǒng)計(jì)推斷的先決條件。SPSS的許多模塊均可完成描述性分析，但專門為該目的而設(shè)計(jì)的幾個(gè)模塊則集中在DescriptiveStatistics菜單中，最常用的是列在最前面的四個(gè)過(guò)程：4ChongQingNormalUniversity1、描述性統(tǒng)計(jì)分析－－DescriptiveStatist1.1Frequencies過(guò)程的特色是產(chǎn)生頻數(shù)表；

1.2Descriptives過(guò)程進(jìn)行一般性的統(tǒng)計(jì)描述；

1.3Explore過(guò)程用于對(duì)數(shù)據(jù)概況不清時(shí)的探索性分析；

1.4Crosstabs過(guò)程則完成計(jì)數(shù)資料和等級(jí)資料的統(tǒng)計(jì)描述和一般的統(tǒng)計(jì)檢驗(yàn)?？磮D5ChongQingNormalUniversity1.1Frequencies過(guò)程的特色是產(chǎn)生頻數(shù)表；

1.2、均數(shù)間的比較－－CompareMeans菜單該菜單集中了幾個(gè)用于計(jì)量資料均數(shù)間比較的過(guò)程。具體有：2.1Means過(guò)程對(duì)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。2.2One-SamplesTTest過(guò)程進(jìn)行樣本均數(shù)與已知總體均數(shù)的比較。

6ChongQingNormalUniversity2、均數(shù)間的比較－－CompareMeans菜單2.3Independent-SamplesTTest過(guò)程

進(jìn)行兩樣本均數(shù)差別的比較，即通常所說(shuō)的兩組資料的t檢驗(yàn)。

2.4Paired-SamplesTTest過(guò)程

進(jìn)行配對(duì)資料的顯著性檢驗(yàn)，即配對(duì)t檢驗(yàn)。

2.5One-WayANOVA過(guò)程

進(jìn)行兩組及多組樣本均數(shù)的比較，即成組設(shè)計(jì)的方差分析，還可進(jìn)行隨后的兩兩比較?？磮D7ChongQingNormalUniversity2.3Independent-SamplesTTest3、一般線性模型――GeneralLinearModel菜單

一般線性模型可不是用一章就可以說(shuō)清楚的，因?yàn)樗ǖ膬?nèi)容實(shí)在太多了。那么，究竟我們用到的哪些分析會(huì)包含在其中呢？簡(jiǎn)而言之：凡是和方差分析粘邊的都可以用他來(lái)做。比如成組設(shè)計(jì)的方差分析（即單因素方差分析）、配伍設(shè)計(jì)的方差分析（即兩因素方差分析）、交叉設(shè)計(jì)的方差分析、析因設(shè)計(jì)的方差分析、重復(fù)測(cè)量的方差分析、協(xié)方差分析等等。因此，能真正掌握GLM菜單的用法，會(huì)使大家的統(tǒng)計(jì)分析能力有極大地提高。實(shí)際上一般線性模型包括的統(tǒng)計(jì)模型還不止這些，我這里舉出來(lái)的只是從用SPSS作統(tǒng)計(jì)分析的角度而言的一些。8ChongQingNormalUniversity3、一般線性模型――GeneralLinearModel好了，既然一般線性模型的能力如此強(qiáng)大，那么下屬的四個(gè)子菜單各自的功能是什么呢？請(qǐng)看：3.1Univariate子菜單：四個(gè)菜單中的大哥大，絕大部分的方法分析都在這里面進(jìn)行。3.2Multivariate子菜單：當(dāng)結(jié)果變量（因變量）不止一個(gè)時(shí)，可用他來(lái)分析。

9ChongQingNormalUniversity好了，既然一般線性模型的能力如此強(qiáng)大，那么下屬的四3.3RepetedMeasures子菜單：顧名思義，重復(fù)測(cè)量的數(shù)據(jù)就要用他來(lái)分析；用前兩個(gè)菜單似乎都可以分析出來(lái)結(jié)果，但在許多情況下該結(jié)果是不正確的，應(yīng)該用重復(fù)測(cè)量的分析方法才對(duì)。

3.4VarianceComponents子菜單：用于作方差成份模型的（這個(gè)模型實(shí)在太深，不是一時(shí)半會(huì)能說(shuō)清的，所以在這里就干脆不講了）。

看圖10ChongQingNormalUniversity3.3RepetedMeasures子菜單：顧名思義，4、相關(guān)分析――Correlate菜單在數(shù)據(jù)分析中經(jīng)常要遇到分析兩個(gè)或多個(gè)變量間關(guān)系的情況，有時(shí)是希望了解某個(gè)變量對(duì)另一個(gè)變量的影響強(qiáng)度，有時(shí)則是要了解變量間聯(lián)系的密切程度，前者用下一章將要講述的回歸分析來(lái)實(shí)現(xiàn)，后者則需要用到本章所要講述的相關(guān)分析實(shí)現(xiàn)。SPSS的相關(guān)分析功能被集中在Analyze菜單的Correlate子菜單中，他一般包括以下三個(gè)過(guò)程：

11ChongQingNormalUniversity4、相關(guān)分析――Correlate菜單在數(shù)據(jù)分析中4.1Bivariate過(guò)程：此過(guò)程用于進(jìn)行兩個(gè)/多個(gè)變量間的參數(shù)/非參數(shù)相關(guān)分析，如果是多個(gè)變量，則給出兩兩相關(guān)的分析結(jié)果。這是Correlate子菜單中最為常用的一個(gè)過(guò)程，實(shí)際上我們對(duì)他的使用可能占到相關(guān)分析的95%以上。4.2Partial過(guò)程：如果需要進(jìn)行相關(guān)分析的兩個(gè)變量其取值均受到其他變量的影響，就可以利用偏相關(guān)分析對(duì)其他變量進(jìn)行控制，輸出控制其他變量影響后的相關(guān)系數(shù)。Partial過(guò)程就是專門進(jìn)行偏相關(guān)分析的。4.3Distances過(guò)程：調(diào)用此過(guò)程可對(duì)同一變量?jī)?nèi)部各觀察單位間的數(shù)值或各個(gè)不同變量間進(jìn)行距離相關(guān)分析，前者可用于檢測(cè)觀測(cè)值的接近程度，后者則常用于考察預(yù)測(cè)值對(duì)實(shí)際值的擬合優(yōu)度。該過(guò)程在實(shí)際應(yīng)用中用的非常少?？磮D12ChongQingNormalUniversity4.1Bivariate過(guò)程：此過(guò)程用于進(jìn)行兩個(gè)/多個(gè)變量5、線性回歸與曲線擬合――Regression菜單下面三個(gè)過(guò)程是Regression菜單的子菜單，是SPSS提供的用于回歸分析的工具：5.1Linear過(guò)程——調(diào)用此過(guò)程可完成二元或多元的線性回歸分析。在多元線性回歸分析中，用戶還可根據(jù)需要，選用不同篩選自變量的方法（如：逐步法、向前法、向后法，等）。5.2CurveEstimation過(guò)程——CurveEstimation過(guò)程可以用與擬合各種各樣的曲線，原則上只要兩個(gè)變量間存在某種可以被它所描述的數(shù)量關(guān)系，就可以用該過(guò)程來(lái)分析。但這里我們要指出，由于曲線擬合非常的復(fù)雜，而該模塊的功能十分有限，因此最好采用將曲線相關(guān)關(guān)系通過(guò)變量變換的方式轉(zhuǎn)化為直線回歸的形式來(lái)分析，或者采用其他專用的模塊分析。13ChongQingNormalUniversity5、線性回歸與曲線擬合――Regression菜單下5.3BinaryLogistic過(guò)程——所謂Logistic模型，或者說(shuō)Logistic回歸模型，就是人們想為兩分類的應(yīng)變量作一個(gè)回歸方程出來(lái)，可概率的取值在0~1之間，回歸方程的應(yīng)變量取值可是在實(shí)數(shù)集中，直接做會(huì)出現(xiàn)0~1范圍之外的不可能結(jié)果，因此就有人耍小聰明，將概率做了一個(gè)Logit變換，這樣取值區(qū)間就變成了整個(gè)實(shí)數(shù)集，作出來(lái)的結(jié)果就不會(huì)有問(wèn)題了，從而該方法就被叫做了Logistic回歸。隨著模型的發(fā)展，Logistic家族也變得人丁興旺起來(lái)，除了最早的兩分類Logistic外，還有配對(duì)Logistic模型，多分類Logistic模型、隨機(jī)效應(yīng)的Logistic模型等。看圖14ChongQingNormalUniversity5.3BinaryLogistic過(guò)程——所謂Logis6、對(duì)數(shù)線性模型——Loglinear菜單對(duì)數(shù)線性模型是一種純粹應(yīng)用于分類變量分析的多元統(tǒng)計(jì)方法。它是一種比較新型的分析方法，在分析高維列聯(lián)表時(shí)優(yōu)勢(shì)尤為突出。由以下三個(gè)過(guò)程組成：6.1General過(guò)程——用于進(jìn)行一般對(duì)數(shù)線性模型分析，主要用于證實(shí)性研究。此時(shí)研究人員只對(duì)某些特定效應(yīng)感興趣，即已經(jīng)有關(guān)于模型的假設(shè)，此時(shí)就可以采用一般模型來(lái)檢驗(yàn)這一假設(shè)是否正確、充分，它可以對(duì)總模型和各個(gè)參數(shù)給出詳細(xì)的檢驗(yàn)結(jié)果。對(duì)變量不分因變量自變量，在分析中一視同仁，最后在結(jié)果解釋時(shí)才由研究人員來(lái)做出判斷。15ChongQingNormalUniversity6、對(duì)數(shù)線性模型——Loglinear菜單對(duì)數(shù)線性模型6.2Logit過(guò)程——當(dāng)研究人員已經(jīng)有了一些線索，知道因變量自變量時(shí)，如果應(yīng)變量為兩分類，就可以用這個(gè)過(guò)程來(lái)分析。

6.3ModelSelection過(guò)程——分層對(duì)數(shù)線性模型。一般線性對(duì)數(shù)模型可以對(duì)每個(gè)系數(shù)及總模型給出非常豐富和詳細(xì)的信息，但是它要求研究人員心中已經(jīng)有了一定的思路或線索，或只對(duì)某些特定效應(yīng)項(xiàng)感興趣，即已經(jīng)有關(guān)于簡(jiǎn)約模型的假設(shè)。如果在探索性分析中研究人員中只是設(shè)想若干分類變量之間可能有關(guān)系，但是并無(wú)明確假設(shè)，也沒(méi)有具體分出哪個(gè)是應(yīng)變量、哪個(gè)是自變量，此時(shí)比較適宜采用分層對(duì)數(shù)線性模型分析。16ChongQingNormalUniversity6.2Logit過(guò)程——當(dāng)研究人員已經(jīng)有了一些線索，知道因7、聚類分析與判別分析——Classify菜單聚類分析和判別分析都是將記錄或變量分類的方法，所不同的是聚類分析是把沒(méi)有分類信息的資料按相似程度歸類，有一定探索性的味道；而判別分析則是從已知的分類情況中總規(guī)律，為以后判斷新觀測(cè)所屬類別提供依據(jù)。Classify菜單提供如下三個(gè)過(guò)程：7.1K-meansCluster過(guò)程——對(duì)記錄進(jìn)行快速聚類，當(dāng)明確所需要分出的類別數(shù)時(shí)，采用快速聚類可以節(jié)省運(yùn)算時(shí)間。根據(jù)經(jīng)驗(yàn)，如果樣本量大于100，則有必要考慮是否使用快速聚類。17ChongQingNormalUniversity7、聚類分析與判別分析——Classify菜單聚類7.2HierarchicalCluster過(guò)程——習(xí)慣上翻譯成系統(tǒng)聚類法，該過(guò)程提供了全面而強(qiáng)大的聚類分析能力，可對(duì)記錄或變量進(jìn)行聚類。更為重要的是，參與系統(tǒng)聚類分析的變量不再像快速聚類一樣限于連續(xù)性變量，它們可以是兩分類或多分類變量。7.3Discriminant過(guò)程——提供了全面的類別分析功能，所用變量可一次進(jìn)入，也可以使用逐步法篩選出最優(yōu)類別方程?？磮D18ChongQingNormalUniversity7.2HierarchicalCluster過(guò)程——習(xí)慣8、因子分析與對(duì)應(yīng)分析——DataReduction菜單該方法主要目的都是濃縮數(shù)據(jù)，或稱數(shù)據(jù)化簡(jiǎn)，即以最少的信息丟失為代價(jià)將眾多的觀測(cè)變量濃縮為少數(shù)幾個(gè)因素，從而簡(jiǎn)化問(wèn)題，或發(fā)現(xiàn)事物的內(nèi)在聯(lián)系。8.1Factor過(guò)程——提供因子分析/主成分分析方法，它們是最為常用的數(shù)據(jù)簡(jiǎn)化方法，用于考察多個(gè)定量變量間的內(nèi)在結(jié)構(gòu)，或者提取數(shù)據(jù)的主要信息。19ChongQingNormalUniversity8、因子分析與對(duì)應(yīng)分析——DataReduction菜8.2CorrespondenceAnalysis過(guò)程——進(jìn)行簡(jiǎn)單對(duì)應(yīng)分析，該方法同樣以數(shù)據(jù)簡(jiǎn)化的原則力圖直觀的給出各兩個(gè)分類變量各個(gè)類別之間的聯(lián)系，當(dāng)各個(gè)變量的類別越多時(shí)，該方法的優(yōu)勢(shì)就越明顯。8.3OptimalScaling過(guò)程——進(jìn)行最優(yōu)尺度分析，該方法的核心目的也是力圖在低維度空間表述兩個(gè)或多個(gè)變量之間的內(nèi)在聯(lián)系。所分析的變量以分類變量為主，但也可以為連續(xù)性變量。該方法實(shí)際上包括，但不僅僅限于對(duì)應(yīng)分析方法?？磮D20ChongQingNormalUniversity8.2CorrespondenceAnalysis過(guò)程—9、信度分析與多維尺度分析——Scale菜單

在Scale菜單提供的幾種統(tǒng)計(jì)方法都屬于尺度分析的范疇，它們是探索研究事物間的相似性/不相似性的專用技術(shù)。具體來(lái)說(shuō)，這些方法和用途是：9.1ReliabilityAnalysis過(guò)程：用于評(píng)價(jià)問(wèn)卷這種測(cè)量工具的穩(wěn)定性或可靠性，具體來(lái)說(shuō)就是用問(wèn)卷對(duì)同一事物進(jìn)行重復(fù)測(cè)量時(shí)，所得結(jié)果的一致性程度?？梢赃M(jìn)行內(nèi)在信度分析，即評(píng)價(jià)問(wèn)卷中各個(gè)問(wèn)題是否測(cè)量的是同一個(gè)概念。21ChongQingNormalUniversity9、信度分析與多維尺度分析——Scale菜單在Sc10、非參數(shù)檢驗(yàn)――NonparametricTests菜單作為二十一世紀(jì)統(tǒng)計(jì)理論的三大發(fā)展方向之一，非參數(shù)統(tǒng)計(jì)是統(tǒng)計(jì)分析的重要組成部分?？墒桥c之很不相稱的是他針對(duì)一般性統(tǒng)計(jì)分析的理論發(fā)展遠(yuǎn)遠(yuǎn)不及參數(shù)檢驗(yàn)完善，因而比較完善的可供使用的方法也不多。比如多組均數(shù)間的兩兩比較，雖然已有好幾種方法可資利用，但由于在理論上仍存在爭(zhēng)議，幾種權(quán)威的統(tǒng)計(jì)軟件（如SAS和SPSS）均沒(méi)有提供這方面的方法。雖然這些洋統(tǒng)計(jì)軟件沒(méi)有提供兩兩比較的非參數(shù)方法，但國(guó)產(chǎn)的統(tǒng)計(jì)軟件大都是提供了的（國(guó)情不同嘛），因此建議大家：如果真的要做這方面的非參數(shù)分析，不如直接用PEMS、SPLMWIN、NOSA等國(guó)產(chǎn)軟件，免得用SPSS等只能做一半。在SPSS中，幾乎所有的非參數(shù)分析方法都被放入了NonparametricTests菜單中，具體來(lái)講有以下幾種：22ChongQingNormalUniversity10、非參數(shù)檢驗(yàn)――NonparametricTests菜Chi-squaretest：用卡方檢驗(yàn)來(lái)檢驗(yàn)變量的幾個(gè)取值所占百分比是否和我們期望的比例沒(méi)有統(tǒng)計(jì)學(xué)差異。比如我們?cè)谌巳褐谐槿×艘粋€(gè)樣本，可以用該方法來(lái)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%，我隨便寫的）。請(qǐng)注意該檢驗(yàn)和我們一般所用的卡方不太一樣，我們一般的卡方要用crosstable菜單來(lái)完成，而不是這里。

23ChongQingNormalUniversityChi-squaretest：用卡方檢驗(yàn)來(lái)檢驗(yàn)變量的幾個(gè)取BinomialTest：用于檢測(cè)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。RunsTest：用于檢驗(yàn)?zāi)匙兞康娜≈凳欠袷菄@著某個(gè)數(shù)值隨機(jī)地上下波動(dòng)，該數(shù)值可以是均數(shù)、中位數(shù)、眾數(shù)或人為制定。一般來(lái)說(shuō)，如果該檢驗(yàn)P值有統(tǒng)計(jì)學(xué)意義，則提示有其他變量對(duì)該變量的取值有影響，或該變量存在自相關(guān)。24ChongQingNormalUniversityBinomialTest：用于檢測(cè)所給的變量是否符合二項(xiàng)分One-SampleKolmogorov-SmirnovTest：采用柯?tīng)柲Z夫-斯米爾諾夫檢驗(yàn)來(lái)分析變量是否符合某種分布，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。Two-Independent-SamplesTests：即成組設(shè)計(jì)的兩樣本均數(shù)比較的非參數(shù)檢驗(yàn)。

25ChongQingNormalUniversityOne-SampleKolmogorov-SmirnovTestsforSeveralIndependentSamples：成組設(shè)計(jì)的多個(gè)樣本均數(shù)比較的非參數(shù)檢驗(yàn)，此處不提供兩兩比較方法。Two-Related-SamplesTests：配對(duì)設(shè)計(jì)兩樣本均數(shù)的非參數(shù)檢驗(yàn)。TestsforSeveralRelatedSamples：配伍設(shè)計(jì)多個(gè)樣本均數(shù)的非參數(shù)檢驗(yàn)，此處同樣不提供兩兩比較?？磮D26ChongQingNormalUniversityTestsforSeveralIndependent11、生存分析——Survival菜單生存分析的主要研究?jī)?nèi)容：1、描述生存過(guò)程：研究人群生存狀態(tài)的規(guī)律，如生存時(shí)間的分布的特點(diǎn)，計(jì)算某個(gè)時(shí)間點(diǎn)的生存率、生存率曲線的變動(dòng)趨勢(shì)等。這是人壽保險(xiǎn)研究中的一項(xiàng)重要內(nèi)容。2、生存過(guò)程的影響因素分析：比較不同亞人群的生存狀況，進(jìn)行兩組或多組生存率的比較，以了解哪些因素會(huì)影響目標(biāo)人群的生存過(guò)程，這是生存分析方法最重要的研究?jī)?nèi)容，在臨床醫(yī)學(xué)中應(yīng)用得非常廣泛。SPSS提供了四個(gè)過(guò)程：27ChongQingNormalUniversity11、生存分析——Survival菜單生存分析的主要研11.1Lifetables過(guò)程：用于分析分組生存資料，求出不同組段時(shí)的生存率?；蛘弋?dāng)樣本量較大時(shí)（如n>50），可以把資料按不同時(shí)間段分成幾組，觀察不同時(shí)間點(diǎn)的生存率。11.2Kaplan-Meier過(guò)程：用于樣本含量較小時(shí)，不能給出特定時(shí)間點(diǎn)的生存率。這樣就不用擔(dān)心每個(gè)時(shí)間段內(nèi)只有很少的幾個(gè)觀測(cè)，甚至沒(méi)有觀測(cè)的尷尬局面。28ChongQingNormalUniversity11.1Lifetables過(guò)程：用于分析分組生存資料，11.3CoxRegression過(guò)程：用于擬合Cox比例風(fēng)險(xiǎn)模型，這是生存分析中最重要的一個(gè)分析方