SPSS分析調(diào)查問(wèn)卷數(shù)據(jù)的方法.ppt

利用SPSS分析調(diào)查問(wèn)卷數(shù)據(jù),馬青華,問(wèn)卷數(shù)據(jù)的預(yù)處理,SPSS分析調(diào)查問(wèn)卷數(shù)據(jù)的方法,當(dāng)我們的調(diào)查問(wèn)卷在把調(diào)查數(shù)據(jù)拿回來(lái)后,我們?cè)撟龅墓ぷ骶褪怯孟嚓P(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(lái)簡(jiǎn)要說(shuō)明一下問(wèn)卷的處理過(guò)程,它的過(guò)程大致可分為四個(gè)過(guò)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(lái)對(duì)問(wèn)卷的處理做詳細(xì)的介紹.,定義變量,大多數(shù)情況下我們需要從頭定義變量，在打開(kāi)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(kāi)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(duì)齊方式)、Measure(定義變量類型是連續(xù)、有序分類還是無(wú)序分類).,調(diào)查問(wèn)卷中的數(shù)據(jù)編碼和錄入,調(diào)查問(wèn)卷中的數(shù)據(jù)編碼和錄入,調(diào)查問(wèn)卷中的數(shù)據(jù)編碼和錄入,調(diào)查問(wèn)卷中的數(shù)據(jù)編碼和錄入,把一份問(wèn)卷上面的每一個(gè)問(wèn)題設(shè)為一個(gè)變量,這樣一份問(wèn)卷有多少個(gè)問(wèn)題就要有多少個(gè)變量與之對(duì)應(yīng),每一個(gè)問(wèn)題的答案即為變量的取值.現(xiàn)在我們以問(wèn)卷第一個(gè)問(wèn)題為例來(lái)說(shuō)明變量的設(shè)置.為了便于說(shuō)明,可假設(shè)此題為: 1.請(qǐng)問(wèn)你的年齡屬于下面哪一個(gè)年齡段( )? A:2029 B:3039 C:4049 D:50-59,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(lái)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](méi)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(hào)，會(huì)彈出變量值標(biāo)簽對(duì)話框,在第一個(gè)文本框里輸入1,第二個(gè)輸入2029,然后單擊添加即可.同樣道理我們可做如下設(shè)置,即1=2029、2=3039、3=4049、4=50-59；Missing，用于定義變量缺失值, 單擊missing框右側(cè)的省略號(hào)，會(huì)彈出缺失值對(duì)話框, 界面上有一列三個(gè)單選鈕，默認(rèn)值為最上方的“無(wú)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(duì)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(wú)序分類。,開(kāi)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(kāi)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.,數(shù)據(jù)錄入：Spss數(shù)據(jù)錄入方式,在spss的數(shù)據(jù)錄入窗口中直接輸入就可以了, 幾點(diǎn)注意事項(xiàng)： a. 在數(shù)據(jù)錄入窗口，可看到有一個(gè)表格,這個(gè)表格中的每一行代表一份問(wèn)卷,也稱為一個(gè)個(gè)案. b. 在數(shù)據(jù)錄入窗口中,可看到表格上方出現(xiàn)了1、2、3、4、5.的標(biāo)簽名,這其實(shí)是我們?cè)诘谝徊蕉x變量中,我們?yōu)閱?wèn)卷的每一個(gè)問(wèn)題取的變量名,即1代表第一題,2代表第二題.以次類推.只需要在變量名下面輸入對(duì)應(yīng)問(wèn)題的答案即可完成問(wèn)卷的數(shù)據(jù)錄入.比如上述年齡段查詢的例題,如果問(wèn)卷上勾選了A答案,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(lái)代替A、B、C、D的). c.一行代表一份問(wèn)卷,所以有幾分問(wèn)卷,就要有幾行的數(shù)據(jù). 在數(shù)據(jù)錄入完成后, 要做的關(guān)鍵部分就是 問(wèn)卷的統(tǒng)計(jì)分析了.,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(kù)格式數(shù)據(jù)(分如下兩步) （1）配置ODBC （2）在SPSS中通過(guò)ODBC和數(shù)據(jù)庫(kù)進(jìn)行,Rich.sav,數(shù)據(jù)Rich.xls,數(shù)據(jù)錄入,(rich.sav)：福布斯世界富豪排行榜 Rank：排名 Name：姓名 Citizenship：國(guó)籍 Region：地區(qū) Age：年齡 NetWorth：凈財(cái)富（10億美元） Residence ：居住地,問(wèn)卷調(diào)查數(shù)據(jù)常用的統(tǒng)計(jì)分析方法,頻數(shù)分析、描述統(tǒng)計(jì)分析和列聯(lián)表分析 這是問(wèn)卷調(diào)查最基本、最常用的分析方法。頻數(shù)分析是描述統(tǒng)計(jì)的初步，分門別類的統(tǒng)計(jì)有效樣本量，計(jì)算其比重。頻數(shù)分析可以計(jì)算的統(tǒng)計(jì)量有：分位數(shù)、中位數(shù)、眾數(shù)等，并可以繪制柱狀圖、直方圖、餅圖。,描述統(tǒng)計(jì)分析主要是計(jì)算一些 基本的統(tǒng)計(jì)量，其中比較重要的統(tǒng)計(jì)量有均值、方差和標(biāo)準(zhǔn)差、峰度、偏度。,數(shù)據(jù)的描述,在對(duì)數(shù)據(jù)進(jìn)行深入加工之前，總應(yīng)該對(duì)數(shù)據(jù)有所印象。 可以借助于圖形和簡(jiǎn)單的運(yùn)算，來(lái)了解數(shù)據(jù)的一些特征。 由于數(shù)據(jù)是從總體中產(chǎn)生的，其特征也反映了總體的特征。對(duì)數(shù)據(jù)的描述也是對(duì)其總體的一個(gè)近似的描述。,1 如何用圖來(lái)表示數(shù)據(jù)？,定量變量的圖表示:1.直方圖,對(duì)于一個(gè)定量變量，比如某個(gè)地區(qū)（地區(qū)1）測(cè)量了163個(gè)高三男生的身高（S3height1.txt）。 用圖形來(lái)表示這個(gè)數(shù)據(jù)，使人們能夠看出這個(gè)數(shù)據(jù)的大體分布或“形狀”的一個(gè)辦法是畫直方圖(histogram)。 圖1就是利用這個(gè)數(shù)據(jù)由SPSS軟件所畫的直方圖。,該圖的橫坐標(biāo)是身高區(qū)間，這里每一格代表5cm的身高范圍（格子寬度因不同的數(shù)據(jù)性質(zhì)或要求而定，這里的格子寬度為5cm），而縱坐標(biāo)為各種身高區(qū)間的身高的頻數(shù)。,直方圖,定量變量的圖表示:2.盒型圖,簡(jiǎn)單一些的是盒形圖(boxplot，又稱箱圖、箱線圖、盒子圖)。 圖2的左邊一個(gè)是根據(jù)地區(qū)1高三男生的身高數(shù)據(jù)所繪的盒形圖；其右邊的圖代表另一個(gè)地區(qū)（地區(qū)2）的高三學(xué)生的身高（height.txt，height.sav，第三章例.xls）。,盒型圖,盒子的中間橫線是數(shù)據(jù)的中位數(shù)(median)，封閉盒子的上下兩橫線（邊）為上下四分位數(shù)（點(diǎn)）；按照SPSS的默認(rèn)選項(xiàng)，如果所有樣本中的數(shù)目都在離四分位點(diǎn)1.5倍盒子長(zhǎng)度之內(nèi)，則線的端點(diǎn)為最大和最小值，否則線長(zhǎng)就是1.5倍的盒子長(zhǎng)度（盒子長(zhǎng)度稱為四分位間距），在其外面的度量單獨(dú)點(diǎn)出,定量變量的圖表示:3.莖葉圖,在直方圖和盒形圖中，很難恢復(fù)數(shù)據(jù)的原貌。而另一種圖：莖葉圖(stem-and-leaf plots)可以恢復(fù)數(shù)據(jù) 以地區(qū)1高三男生身高為例（圖3），莖葉圖既展示了分布形狀又有原始數(shù)據(jù)。它象一片帶有莖的葉子。莖為較大位數(shù)的數(shù)字，葉為較小位數(shù)的數(shù)字。,莖葉圖,其中莖葉圖中莖的單位為10cm，而葉子單位為1cm。比如，由于第一行莖為150cm，因此葉子中的九個(gè)數(shù)字001223344代表九個(gè)數(shù)目150、150、151、152、152、153、153、154、154cm等。每行左邊有一個(gè)頻數(shù)（比如第一行有9個(gè)數(shù)目，第二行有17個(gè)等等）；可以看出最長(zhǎng)的一行為從165cm到169cm的一段（有35個(gè)數(shù)）。,定量變量的圖表示:4.散點(diǎn)圖,數(shù)據(jù)會(huì)有兩個(gè)變量，如美國(guó)男士和女士初婚年限數(shù)據(jù)（marriage.txt）。 該數(shù)據(jù)描述了自1900年到1998年男女第一次婚姻延續(xù)的時(shí)間。 這里年份是一個(gè)變量，婚姻延續(xù)時(shí)間是第二個(gè)變量。由于不可能將所有人的婚姻年限都給出來(lái)，所以每年就取了一個(gè)中間的值(中位數(shù))作為代表。,散點(diǎn)圖,定性變量的圖表示：餅圖,定性變量（或?qū)傩宰兞浚诸愖兞浚┎荒茳c(diǎn)出直方圖、散點(diǎn)圖或莖葉圖，但可以描繪出它們各類的比例。 下面用SPSS繪的圖5（餅圖，pie chart）表示了說(shuō)世界各種主要語(yǔ)言人數(shù)的比例(language.txt).,餅圖,定性變量的圖表示：條形圖,而用同樣數(shù)據(jù)畫的圖6稱為條形圖（bar chart）。 從每一條可以看出講各種語(yǔ)言的實(shí)際人數(shù)，而且分別給出了每個(gè)語(yǔ)種中母語(yǔ)和日常使用的人數(shù)（在圖中并排放置）。條形圖顯示比例不如餅圖直觀。,條形圖,如何用少量數(shù)字來(lái)概括數(shù)據(jù)？,大量的數(shù)字既繁瑣又不直觀；需要對(duì)數(shù)據(jù)做人們時(shí)間和耐心所允許的簡(jiǎn)化 我們可以用 “平均”，“差距”或百分比等來(lái)概括大量數(shù)字。 由于定性變量主要是計(jì)數(shù)，比較簡(jiǎn)單，常用的概括就是比例或百分比。下面主要介紹關(guān)于定量變量的數(shù)字描述。,37,小結(jié),例(rich.sav)：福布斯世界富豪排行榜 Rank：排名 Name：姓名 Citizenship：國(guó)籍 Region：地區(qū) Age：年齡 NetWorth：凈財(cái)富（10億美元） Residence ：居住地,38,定量變量的圖表示 直方圖 Age, NetWorth SPSS: GraphsInteractiveHistogram,39,橫坐標(biāo) 要研究的變量的取值范圍 格子的寬度因數(shù)據(jù)性質(zhì)而定 縱坐標(biāo) 頻數(shù) 百分比 數(shù)據(jù)分布的簡(jiǎn)單描述 單峰/雙峰 對(duì)稱/非對(duì)稱 數(shù)據(jù)的疏密,40,盒型圖 不同區(qū)域年齡分布 SPSS: GraphsInteractive Boxplot,41,中間橫線 中位數(shù) 封閉盒子的上下兩邊 上下四分位點(diǎn) 線段的端點(diǎn) 最大值，最小值（線長(zhǎng)小于1.5倍盒長(zhǎng)） 離群點(diǎn)（outlier），極端值（extreme）,42,莖葉圖 歐洲區(qū)域富人的年齡 SPSS: AnalyzeDescriptive Statistics Explore,Frequency Stem & Leaf 1.00 Extremes (=22) 2.00 3 . 44 9.00 3 . 789999999 18.00 4 . 000001112333344444 14.00 4 . 55555677789999 27.00 5 . 000011111112223333333344444 22.00 5 . 5555666666777888889999 27.00 6 . 000111111112222222333444444 23.00 6 . 55555566678888888899999 16.00 7 . 0000000111123333 18.00 7 . 555666677888999999 12.00 8 . 000222233344 7.00 8 . 5566899 2.00 9 . 22 1.00 9 . 5 Stem width: 10.00 Each leaf: 1 case(s),43,莖的單位：10歲 葉的單位：1歲 優(yōu)點(diǎn) 還原原始數(shù)據(jù) 類似直方圖顯示數(shù)據(jù)分布 缺點(diǎn) 無(wú)法描述大量數(shù)據(jù) 不常用,44,散點(diǎn)圖 兩個(gè)定量變量之間的關(guān)系：年齡和財(cái)富 SPSS: GraphsInteractive Scatterplot,45,定性變量的圖表示 餅圖 Region SPSS: GraphsInteractive Pie 類別不宜過(guò)多,46,條形圖 Region SPSS: GraphsInteractive Bar 不同于直方圖,2 如何用少量數(shù)字來(lái)概括數(shù)據(jù)？,可用少量所謂匯總統(tǒng)計(jì)量或概括統(tǒng)計(jì)量(summary statistic)來(lái)描述定量變量的數(shù)據(jù)。 這些數(shù)字是從樣本數(shù)據(jù)得來(lái)的，因而也是樣本的函數(shù)， 任何樣本的函數(shù)，只要不包含總體的未知參數(shù)，都稱為統(tǒng)計(jì)量(statistic)。 樣本的隨機(jī)性決定統(tǒng)計(jì)量的隨機(jī)性（統(tǒng)計(jì)量也是隨機(jī)變量）,2 如何用少量數(shù)字來(lái)概括數(shù)據(jù)？,概括統(tǒng)計(jì)量經(jīng)常對(duì)應(yīng)于總體的無(wú)法觀測(cè)到的某些參數(shù)。 這時(shí)，統(tǒng)計(jì)量可作為這些參數(shù)的估計(jì)。一些統(tǒng)計(jì)量還可以用來(lái)檢驗(yàn)樣本和假設(shè)的總體是否一致。,2 如何用少量數(shù)字來(lái)概括數(shù)據(jù)？,注：一些統(tǒng)計(jì)量前面有時(shí)加上“樣本”二字，以區(qū)別于總體的同名參數(shù)。如“樣本均值”和“樣本標(biāo)準(zhǔn)差”，以區(qū)別于總體均值和總體標(biāo)準(zhǔn)差；但在不會(huì)混淆時(shí)可以只說(shuō)“均值”和“標(biāo)準(zhǔn)差”。,數(shù)據(jù)的“位置”,數(shù)據(jù)有位置嗎？,這里三個(gè)數(shù)據(jù)的位置一樣嗎？,數(shù)據(jù)的“位置”,“位置”一般是關(guān)于數(shù)據(jù)中某變量觀測(cè)值的“中心位置”或者數(shù)據(jù)分布的中心（center或center tendency）。 和這種“位置”有關(guān)的統(tǒng)計(jì)量就稱為位置統(tǒng)計(jì)量(location statistic)。 位置統(tǒng)計(jì)量當(dāng)然不一定都是描述“中心”了，比如后面要講的k百分位數(shù)（或k分位數(shù)）。,數(shù)據(jù)的“位置”,最常用的位置統(tǒng)計(jì)量就是小學(xué)時(shí)所學(xué)到的算術(shù)平均數(shù)，它在統(tǒng)計(jì)中叫做均值(mean)；嚴(yán)格地說(shuō)叫做樣本均值(sample mean)，以區(qū)別于總體均值。 如果記樣本中的觀測(cè)值為x1,xn，則樣本均值定義為,(樣本)中位數(shù)(median) 是數(shù)據(jù)按照大小排列之后位于中間的那個(gè)數(shù)(如果樣本量為奇數(shù))，或者中間兩個(gè)數(shù)目的平均(如果樣本量為偶數(shù))。 由于中位數(shù)不易被極端值影響，所以中位數(shù)比均值穩(wěn)健(robust)。,數(shù)據(jù)的“位置”,上下四分位數(shù)（或分別稱為第一四分位數(shù)和第三四分位數(shù)，first quantile, third quantile）則分別位于（按大小排列的）數(shù)據(jù)的上下四分之一的地方。,數(shù)據(jù)的“位置”,數(shù)據(jù)的“位置”,一般地還稱上四分位數(shù)為75百分位數(shù)（75 pecentile，有75的觀測(cè)值小于它），下四分位數(shù)為25百分位數(shù)（有25的觀測(cè)值小于它）。 一般地，k百分位數(shù)（k-pecentile）意味著有k的觀測(cè)值小于它。 如果令a=k%，則k百分位數(shù)也稱為a分位數(shù)(a-quantile)。 樣本中出現(xiàn)最多的數(shù)目，稱為眾數(shù)(mode),數(shù)據(jù)的“尺度”,這兩個(gè)數(shù)據(jù)“胖瘦”一樣嗎？,數(shù)據(jù)的“尺度”,數(shù)據(jù)中數(shù)目的分散程度由尺度統(tǒng)計(jì)量（scale statistic）來(lái)描述。 尺度統(tǒng)計(jì)量是描述數(shù)據(jù)散布，即描述集中與分散程度或變化（spread或variability）的度量。,數(shù)據(jù)的“尺度”,從前面兩個(gè)高三男生身高數(shù)據(jù)的盒形圖。左邊的數(shù)據(jù)平均要高些，但右邊的數(shù)據(jù)散布范圍要小得多。,統(tǒng)計(jì)中有許多尺度統(tǒng)計(jì)量。一般來(lái)說(shuō)，數(shù)據(jù)越分散，尺度統(tǒng)計(jì)量的值越大。,數(shù)據(jù)的“尺度”,極差(range)；就是極大值和極小值之間的差。 前面兩個(gè)高三男生身高數(shù)據(jù)的極差分別為50cm和32cm。 盒形圖盒子的長(zhǎng)度為兩個(gè)四分位數(shù)之差，稱為四分位數(shù)極差或四分位間距(interquantile range)；它描述了中間半數(shù)觀測(cè)值的散布情況。極差和四分位極差實(shí)際上各自只依賴于兩個(gè)值，信息量太少。,數(shù)據(jù)的“尺度”,另一個(gè)常用的尺度統(tǒng)計(jì)量為（樣本）標(biāo)準(zhǔn)差(standard deviation)。度量樣本中各數(shù)值到均值距離的一種平均。 標(biāo)準(zhǔn)差實(shí)際上是方差(variance)的平方根。如果記樣本中的觀測(cè)值為x1,xn，則樣本方差為,數(shù)據(jù)的“尺度”,兩個(gè)均值一樣，但右邊的要“胖”些，方差為左邊的一倍,數(shù)據(jù)的標(biāo)準(zhǔn)得分,假定兩個(gè)水平類似的班級(jí)（一班和二班）上同一門課， 但是由于兩個(gè)任課老師的評(píng)分標(biāo)準(zhǔn)不同，使得兩個(gè)班成績(jī)的均值和標(biāo)準(zhǔn)差都不一樣(數(shù)據(jù)：grade.txt)。,數(shù)據(jù)的標(biāo)準(zhǔn)得分,一班分?jǐn)?shù)的均值和標(biāo)準(zhǔn)差分別為78.53和9.43，而二班的均值和標(biāo)準(zhǔn)差分別為70.19和7.00。 那么得到90分的一班的張穎是不是比得到82分的二班的劉疏成績(jī)更好呢？怎么比較才能合理呢？,數(shù)據(jù)的標(biāo)準(zhǔn)得分,雖然這種均值和標(biāo)準(zhǔn)差不同的數(shù)據(jù)不能夠直接比較，但是可以把它們進(jìn)行標(biāo)準(zhǔn)化，再比較標(biāo)準(zhǔn)化后的數(shù)據(jù)。 一個(gè)標(biāo)準(zhǔn)化的方法是把某樣本原始觀測(cè)值（亦稱得分，score）和該樣本均值之差除以該樣本的標(biāo)準(zhǔn)差；得到的度量稱為標(biāo)準(zhǔn)得分(standard score，又稱為z-score)。,數(shù)據(jù)的標(biāo)準(zhǔn)得分,即，某觀測(cè)值xi的標(biāo)準(zhǔn)得分定義為,數(shù)據(jù)的標(biāo)準(zhǔn)得分,在我們的例子中，張穎的標(biāo)準(zhǔn)得分為(90-78.53)/9.431.22，而劉疏的標(biāo)準(zhǔn)得分為(82-70.19)/71.69。 顯然如果兩個(gè)班級(jí)平均水平差不多，劉疏的成績(jī)應(yīng)該優(yōu)于張穎的成績(jī)；這是在標(biāo)準(zhǔn)化之前的數(shù)據(jù)中不易看到的。,可以看出，原始數(shù)據(jù)是在各自的均值附近，而散布也不一樣。但它們的標(biāo)準(zhǔn)得分則在0周圍散布，而且散布也差不多。實(shí)際上，任何樣本經(jīng)過(guò)這樣的標(biāo)準(zhǔn)化后，就都變換成均值為0、方差為1的樣本。標(biāo)準(zhǔn)化后不同樣本觀測(cè)值的比較只有相對(duì)意義，沒(méi)有絕對(duì)意義。,68,小結(jié),統(tǒng)計(jì)量：（statistic） 樣本的函數(shù)，不包括總體的未知參數(shù) 隨機(jī)變量（樣本的隨機(jī)性） 作為總體參數(shù)的估計(jì),69,數(shù)據(jù)的位置（location） 樣本均值（sample mean） 中位數(shù)（median）:穩(wěn)健 k百分位數(shù)（k-percentile） 眾數(shù)（mode）：定性變量,70,SPSS: AnalyzeDescriptive Statistics Explore/Frequencies/Descriptives 例(rich.sav) : Age,71,數(shù)據(jù)的尺度（scale） 極差（range） 四分位數(shù)極差（interquantile range） 方差（variance） 標(biāo)準(zhǔn)差（standard deviation） 標(biāo)準(zhǔn)誤差（standard error）,72,SPSS: AnalyzeDescriptive Statistics Explore/Frequencies/Descriptives 例(rich.sav) : Age,73,數(shù)據(jù)的標(biāo)準(zhǔn)得分 樣本原始觀測(cè)值與樣本均值之差除以樣本標(biāo)準(zhǔn)差 新樣本：均值0，方差：1 （grade.sav) 數(shù)據(jù)的變換 指數(shù) 對(duì)數(shù),74,75,基本背景調(diào)查,樣本量：65 (out o