SPSS 統(tǒng)計軟件教程—SPSS各統(tǒng)計分析模塊介紹

1、SPSS各統(tǒng)計分析模塊介紹2 描述性統(tǒng)計分析Descriptive Statistics菜單 均數(shù)間的比較Compare Means菜單 一般線性模型General Linear Model菜單 相關(guān)分析Correlate菜單SPSS的的主要分析工具主要分析工具Analyze菜單菜單3線性回歸與曲線擬合 Regression菜單對數(shù)線性模型Loglinear菜單聚類分析與判別分析Classify菜單因子分析與對應(yīng)分析Data Reduction菜單信度分析與多維尺度分析Scale菜單非參數(shù)檢驗Nonparametric Tests菜單Survival菜單 看圖41、描述性統(tǒng)計分析Descrip

2、tive Statistics菜單 描述性統(tǒng)計分析是統(tǒng)計分析的第一步，做好這第一步是下面進(jìn)行正確統(tǒng)計推斷的先決條件。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)計的幾個模塊則集中在Descriptive Statistics菜單中，最常用的是列在最前面的四個過程：51.1Frequencies過程的特色是產(chǎn)生頻數(shù)表；1.2Descriptives過程進(jìn)行一般性的統(tǒng)計描述；1.3Explore過程用于對數(shù)據(jù)概況不清時的探 索性分析；1.4Crosstabs過程則完成計數(shù)資料和等級資料的統(tǒng)計描述和一般的統(tǒng)計檢驗?？磮D62、均數(shù)間的比較Compare Means菜單 該菜單集中了幾個用于

3、計量資料均數(shù)間比較的過程。具體有：2.1 Means過程 對準(zhǔn)備比較的各組計算描述指標(biāo)，進(jìn)行 預(yù)分析，也可直接比較。 2.2 One-Samples T Test過程 進(jìn)行樣本均數(shù)與已知總體均數(shù)的比較。 72.3 Independent-Samples T Test過程 進(jìn)行兩樣本均數(shù)差別的比較，即通常所說的兩組資料的t檢驗。 2.4 Paired-Samples T Test過程 進(jìn)行配對資料的顯著性檢驗，即配對t檢驗。 2.5 One-Way ANOVA過程 進(jìn)行兩組及多組樣本均數(shù)的比較，即成組設(shè)計的方差分析，還可進(jìn)行隨后的兩兩比較?？磮D83、一般線性模型General Linear Mo

4、del菜單 一般線性模型可不是用一章就可以說清楚的，因為它包括的內(nèi)容實在太多了。 那么，究竟我們用到的哪些分析會包含在其中呢？簡而言之：凡是和方差分析粘邊的都可以用他來做。比如成組設(shè)計的方差分析（即單因素方差分析）、配伍設(shè)計的方差分析（即兩因素方差分析）、交叉設(shè)計的方差分析、析因設(shè)計的方差分析、重復(fù)測量的方差分析、協(xié)方差分析等等。因此，能真正掌握GLM菜單的用法，會使大家的統(tǒng)計分析能力有極大地提高。 實際上一般線性模型包括的統(tǒng)計模型還不止這些，我這里舉出來的只是從用SPSS作統(tǒng)計分析的角度而言的一些。9 好了，既然一般線性模型的能力如此強(qiáng)大，那么下屬的四個子菜單各自的功能是什么呢？請看：3.1

5、 Univariate子菜單：四個菜單中的大哥大，絕大部分的方法分析都在這里面進(jìn)行。 3.2 Multivariate子菜單：當(dāng)結(jié)果變量（因變量）不止一個時，可用他來分析。 10 3.3 Repeted Measures子菜單：顧名思義，重復(fù)測量的數(shù)據(jù)就要用他來分析；用前兩個菜單似乎都可以分析出來結(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)測量的分析方法才對。 3.4 Variance Components子菜單：用于作方差成份模型的（這個模型實在太深，不是一時半會能說清的，所以在這里就干脆不講了）?？?圖114、相關(guān)分析Correlate菜單 在數(shù)據(jù)分析中經(jīng)常要遇到分析兩個或多個變量間關(guān)

6、系的情況，有時是希望了解某個變量對另一個變量的影響強(qiáng)度，有時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實現(xiàn)，后者則需要用到本章所要講述的相關(guān)分析實現(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過程： 124.1 Bivariate過程：此過程用于進(jìn)行兩個/多個變量間的參數(shù)/非參數(shù)相關(guān)分析，如果是多個變量，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過程，實際上我們對他的使用可能占到相關(guān)分析的95%以上。4.2 Partial過程：如果需要進(jìn)行相關(guān)分析的兩個變量其取值均受到其他變量的影響，就可

7、以利用偏相關(guān)分析對其他變量進(jìn)行控制，輸出控制其他變量影響后的相關(guān)系數(shù)。Partial過程就是專門進(jìn)行偏相關(guān)分析的。 4.3 Distances過程：調(diào)用此過程可對同一變量內(nèi)部各觀察單位間的數(shù)值或各個不同變量間進(jìn)行距離相關(guān)分析，前者可用于檢測觀測值的接近程度，后者則常用于考察預(yù)測值對實際值的擬合優(yōu)度。該過程在實際應(yīng)用中用的非常少。看圖13 5、線性回歸與曲線擬合 Regression菜單 下面三個過程是Regression菜單的子菜單，是SPSS提供的用于回歸分析的工具：5.1 Linear過程調(diào)用此過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

8、方法（如：逐步法、向前法、向后法，等）。5.2 Curve Estimation過程Curve Estimation過程可以用與擬合各種各樣的曲線，原則上只要兩個變量間存在某種可以被它所描述的數(shù)量關(guān)系，就可以用該過程來分析。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)系通過變量變換的方式轉(zhuǎn)化為直線回歸的形式來分析，或者采用其他專用的模塊分析。145.3 Binary Logistic過程所謂Logistic模型，或者說Logistic回歸模型，就是人們想為兩分類的應(yīng)變量作一個回歸方程出來，可概率的取值在01之間，回歸方程的應(yīng)變量取值可是在實數(shù)集中，

9、直接做會出現(xiàn)01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Logit變換，這樣取值區(qū)間就變成了整個實數(shù)集，作出來的結(jié)果就不會有問題了，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，除了最早的兩分類Logistic外，還有配對Logistic模型，多分類Logistic模型、隨機(jī)效應(yīng)的Logistic模型等?？磮D15 6、對數(shù)線性模型Loglinear菜單 對數(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)表時優(yōu)勢尤為突出。由以下三個過程組成：6.1 General過程用于進(jìn)行一般

10、對數(shù)線性模型分析，主要用于證實性研究。此時研究人員只對某些特定效應(yīng)感興趣，即已經(jīng)有關(guān)于模型的假設(shè)，此時就可以采用一般模型來檢驗這一假設(shè)是否正確、充分，它可以對總模型和各個參數(shù)給出詳細(xì)的檢驗結(jié)果。對變量不分因變量自變量，在分析中一視同仁，最后在結(jié)果解釋時才由研究人員來做出判斷。166.2 Logit過程當(dāng)研究人員已經(jīng)有了一些線索，知道因變量自變量時，如果應(yīng)變量為兩分類，就可以用這個過程來分析。6.3 Model Selection過程分層對數(shù)線性模型。一般線性對數(shù)模型可以對每個系數(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，或只對某些特定效應(yīng)項感興趣，即已經(jīng)

11、有關(guān)于簡約模型的假設(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，但是并無明確假設(shè)，也沒有具體分出哪個是應(yīng)變量、哪個是自變量，此時比較適宜采用分層對數(shù)線性模型分析。17 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，為以后判斷新觀測所屬類別提供依據(jù)。 Classify菜單提供如下三個過程：7.1 K-means Cluster過程對記錄進(jìn)行快速聚類，當(dāng)明確所需要分出的類別數(shù)時，采用快速聚類可以節(jié)省運算時間。根據(jù)經(jīng)驗，

12、如果樣本量大于100，則有必要考慮是否使用快速聚類。187.2 Hierarchical Cluster過程習(xí)慣上翻譯成系統(tǒng)聚類法，該過程提供了全面而強(qiáng)大的聚類分析能力，可對記錄或變量進(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。7.3 Discriminant過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。看圖19 8、因子分析與對應(yīng)分析 Data Reduction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，即以最少的信息丟失為代價將眾多的觀測變量濃縮為少數(shù)幾個因素，從而簡化問題，或發(fā)

13、現(xiàn)事物的內(nèi)在聯(lián)系。8.1 Factor過程提供因子分析/主成分分析方法，它們是最為常用的數(shù)據(jù)簡化方法，用于考察多個定量變量間的內(nèi)在結(jié)構(gòu)，或者提取數(shù)據(jù)的主要信息。208.2 Correspondence Analysis過程進(jìn)行簡單對應(yīng)分析，該方法同樣以數(shù)據(jù)簡化的原則力圖直觀的給出各兩個分類變量各個類別之間的聯(lián)系，當(dāng)各個變量的類別越多時，該方法的優(yōu)勢就越明顯。8.3 Optimal Scaling過程進(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或多個變量之間的內(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。該方法實際上包括，但不僅僅限于對應(yīng)分析方法?？磮D21 9、信

14、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)。具體來說，這些方法和用途是：9.1 Reliability Analysis過程：用于評價問卷這種測量工具的穩(wěn)定性或可靠性，具體來說就是用問卷對同一事物進(jìn)行重復(fù)測量時，所得結(jié)果的一致性程度?？梢赃M(jìn)行內(nèi)在信度分析，即評價問卷中各個問題是否測量的是同一個概念。22 10、非參數(shù)檢驗Nonparametric Tests菜單 作為二十一世紀(jì)統(tǒng)計理論的三大發(fā)展方向之一，非參數(shù)統(tǒng)計是統(tǒng)計分析的重要組成部分?？墒桥c之很不相稱的是他針對一般性統(tǒng)計分析的理論發(fā)展遠(yuǎn)遠(yuǎn)不及

15、參數(shù)檢驗完善，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議，幾種權(quán)威的統(tǒng)計軟件（如SAS和SPSS）均沒有提供這方面的方法。 雖然這些洋統(tǒng)計軟件沒有提供兩兩比較的非參數(shù)方法，但國產(chǎn)的統(tǒng)計軟件大都是提供了的（國情不同嘛），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Nonparametric Tests菜單中，具體來講有以下幾種：23Chi-square test：用卡方檢驗來檢驗變量的幾個取

16、值所占百分比是否和我們期望的比例沒有統(tǒng)計學(xué)差異。比如我們在人群中抽取了一個樣本，可以用該方法來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比例（如分別為10%、30%、40%和20%，我隨便寫的）。請注意該檢驗和我們一般所用的卡方不太一樣，我們一般的卡方要用crosstable菜單來完成，而不是這里。 24Binomial Test：用于檢測所給的變量是否符合二項分布，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一刀兩斷。 Runs Test：用于檢驗?zāi)匙兞康娜≈凳欠袷菄@著某個數(shù)值隨機(jī)地上下波動，該數(shù)值可以是均數(shù)、中位數(shù)、眾數(shù)或人為制定。一般來說

17、，如果該檢驗P值有統(tǒng)計學(xué)意義，則提示有其他變量對該變量的取值有影響，或該變量存在自相關(guān)。 25One-Sample Kolmogorov-Smirnov Test：采用柯爾莫諾夫-斯米爾諾夫檢驗來分析變量是否符合某種分布，可以檢驗的分布有正態(tài)分布、均勻分布、Poission分布和指數(shù)分布。 Two-Independent-Samples Tests：即成組設(shè)計的兩樣本均數(shù)比較的非參數(shù)檢驗。 26Tests for Several Independent Samples：成組設(shè)計的多個樣本均數(shù)比較的非參數(shù)檢驗，此處不提供兩兩比較方法。 Two-Related-Samples Tests：配對設(shè)計

18、兩樣本均數(shù)的非參數(shù)檢驗。 Tests for Several Related Samples：配伍設(shè)計多個樣本均數(shù)的非參數(shù)檢驗，此處同樣不提供兩兩比較?？磮D27 11、生存分析Survival菜單 生存分析的主要研究內(nèi)容：1、描述生存過程：研究人群生存狀態(tài)的規(guī)律，如生存時間的分布的特點，計算某個時間點的生存率、生存率曲線的變動趨勢等。這是人壽保險研究中的一項重要內(nèi)容。2、生存過程的影響因素分析：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，以了解哪些因素會影響目標(biāo)人群的生存過程，這是生存分析方法最重要的研究內(nèi)容，在臨床醫(yī)學(xué)中應(yīng)用得非常廣泛。SPSS提供了四個過程：2811.1 Life tables過程：用于分析分組生存資料，求出不同組段時的生存率。或者當(dāng)樣本量較大時（如n50），可以把資料按不同時間段分成幾組，觀察不同時間點的生存率。11.2 Kaplan-Meier過程：用