《社會(huì)研究方法》·SPSS應(yīng)用

1、附錄統(tǒng)計(jì)分析軟件SPSS的應(yīng)用一、SPSS簡(jiǎn)介社會(huì)科學(xué)統(tǒng)計(jì)軟件包SPSS（Statistical Package for the Social Science）是非常重要的統(tǒng)計(jì)分析軟件之一。20世紀(jì)60年代末，美國(guó)斯坦福大學(xué)的三位研究生研制開(kāi)發(fā)了最早的統(tǒng)計(jì)分析軟件SPSS，同時(shí)成立了SPSS公司，并于1975年在芝加哥組建了SPSS總部。20世紀(jì)80年代以前，SPSS統(tǒng)計(jì)軟件主要應(yīng)用于企事業(yè)單位。1984年SPSS總部首先推出了世界第一個(gè)統(tǒng)計(jì)分析軟件微機(jī)版本SPSS/PC+，開(kāi)創(chuàng)了SPSS微機(jī)系列產(chǎn)品的開(kāi)發(fā)方向，并迅速地開(kāi)始應(yīng)用于自然科學(xué)、技術(shù)科學(xué)和社會(huì)科學(xué)的各個(gè)領(lǐng)域。隨著SPSS產(chǎn)品服務(wù)領(lǐng)域

2、的擴(kuò)大和服務(wù)深度的增加，SPSS公司已于2000年正式改名為“統(tǒng)計(jì)產(chǎn)品與服務(wù)解決方案”，即“Statistical Product and Service Solutions（SPSS）”,這一名稱的改變標(biāo)志著SPSS的戰(zhàn)略方向正在做出重大調(diào)整。SPSS for Windows的分析結(jié)果清晰、直觀、易學(xué)易用，而且可以直接讀取EXCEL及DBF數(shù)據(jù)文件，現(xiàn)已推廣到多種操作系統(tǒng)的計(jì)算機(jī)上，它和SAS、BMDP并稱為國(guó)際上最有影響的三大統(tǒng)計(jì)軟件。SPSS for Windows是一個(gè)組合式軟件包，它集數(shù)據(jù)整理、分析功能于一身。SPSS的基本功能包括數(shù)據(jù)管理、統(tǒng)計(jì)分析、圖表分析、輸出管理等等。SPSS

3、統(tǒng)計(jì)分析過(guò)程包括描述性統(tǒng)計(jì)、均值比較、一般線性模型、相關(guān)分析、回歸分析、對(duì)數(shù)線性模型、聚類分析、數(shù)據(jù)降維、生存分析、時(shí)間序列分析、多重響應(yīng)等幾大類，每類中又分若干個(gè)統(tǒng)計(jì)過(guò)程，例如回歸分析中包括線性回歸分析、曲線估計(jì)、Logistic回歸、Probit回歸、加權(quán)估計(jì)、兩階段最小二乘法、非線性回歸等多個(gè)統(tǒng)計(jì)過(guò)程，而且每個(gè)過(guò)程中又允許用戶選擇不同的方法及參數(shù)。SPSS也有專門的繪圖系統(tǒng)，可以根據(jù)數(shù)據(jù)繪制各種圖形。 （一）數(shù)據(jù)編輯窗口SPSS啟動(dòng)后進(jìn)入主窗口，即數(shù)據(jù)編輯窗口SPSS Data Editor。數(shù)據(jù)編輯窗口的主菜單包括10個(gè)選項(xiàng)，具體功能詳見(jiàn)表1。表1 數(shù)據(jù)編輯窗口中的菜單項(xiàng)及功能菜單項(xiàng)中

4、文含義包括的命令項(xiàng)File文件管理文件的打開(kāi)、保存、另存和打印等Edit編輯撤銷/回復(fù)、剪切、復(fù)制、粘貼、清除、查找等View視圖顯示或隱藏狀態(tài)欄、工具欄、網(wǎng)絡(luò)線、值標(biāo)簽和改變字體等Data數(shù)據(jù)管理定義變量、日期、模板；插入變量、觀測(cè)量；對(duì)觀測(cè)量定位、排序；對(duì)數(shù)據(jù)文件拆分、合并；對(duì)觀測(cè)量選擇、加權(quán)和正交設(shè)計(jì)等Transform數(shù)據(jù)轉(zhuǎn)換計(jì)算新變量、計(jì)數(shù)、重編碼、自動(dòng)重編碼、排秩建立時(shí)間序列、重置缺失值等Analyze統(tǒng)計(jì)分析描述性分析、均值比較、方差分析、一般線性模型、相關(guān)、回歸、聚類與判別、降維分析、非參檢驗(yàn)、時(shí)間序列和生存分析等Graphs統(tǒng)計(jì)制圖各種統(tǒng)計(jì)圖的制作Utilities用戶選項(xiàng)命

5、令解釋、字體選擇、文件信息、定義輸出標(biāo)題、窗口設(shè)計(jì)等Windows窗口控制窗口的排列、查找、顯示等Help幫助主題、SPSS主頁(yè)、主句指南、統(tǒng)計(jì)學(xué)指導(dǎo)等點(diǎn)擊菜單選項(xiàng)即可激活菜單，這時(shí)彈出下拉式子菜單，用戶可根據(jù)自己的需要再點(diǎn)擊子菜單的選項(xiàng)，完成特定的功能。（二）建立數(shù)據(jù)文件建立數(shù)據(jù)文件的第一步是定義變量。點(diǎn)擊左下角的Variable View進(jìn)入變量定義窗口，對(duì)變量進(jìn)行定義。變量定義包括10項(xiàng)內(nèi)容，分別為Name、Type、Width、Decimal、Label、Values、Missing、Column、Align和Measure，如圖1所示。圖1（1）Name:定義變量名。變量名不能超過(guò)8

6、個(gè)字符，中英文以及數(shù)字都可以，但首字母不能為數(shù)字，同時(shí)不能使用與SPSS軟件運(yùn)算符相同的一些字符串，如ALL，AND，BY，EQ，GE，GT，LE，LT，NE，NOT，OR，TO，WITH等以及（），/,?等符號(hào)，而且也不能以下劃線“ ”或圓點(diǎn)“.”作為變量名的最后一個(gè)字符。英文的變量名不區(qū)分大小寫。（2） Type：定義變量類型。SPSS變量有三種基本類型：數(shù)值型、字符型和日期型，數(shù)值型變量又分為5種，因此共可定義8種類型的變量。系統(tǒng)默認(rèn)的變量類型為標(biāo)準(zhǔn)數(shù)值型變量（Numeric），其他7種為帶逗點(diǎn)的數(shù)值型（Comma），逗點(diǎn)作小數(shù)點(diǎn)的數(shù)值型（Dot）,科學(xué)計(jì)數(shù)法（Scientific No

7、tation）,日期型（Date）,帶美元符號(hào)的數(shù)值型(Dollar)，自定義型（Custom Currency）和字符（String），如圖2所示。 圖2（3）Width：設(shè)置數(shù)值值變量的長(zhǎng)度，當(dāng)變量為日期型時(shí)無(wú)效。小數(shù)點(diǎn)或其它分界符號(hào)包含在總長(zhǎng)度之內(nèi)。變量長(zhǎng)度的系統(tǒng)默認(rèn)長(zhǎng)度為8，但可以用Edit菜單中的Options命令重新設(shè)置。（4）Decimal：設(shè)置變量值小數(shù)點(diǎn)位數(shù),系統(tǒng)默認(rèn)值為2。（5）Label：設(shè)置變量標(biāo)簽。變量標(biāo)簽是對(duì)變量名的進(jìn)一步說(shuō)明。變量名只能由不超過(guò)8個(gè)字符組成，而變量標(biāo)簽可長(zhǎng)達(dá)120個(gè)字符。變量標(biāo)簽可以對(duì)變量名的含義加以解釋，在統(tǒng)計(jì)分析過(guò)程的輸出結(jié)果中會(huì)在與變量名相對(duì)

8、應(yīng)的位置顯示該變量的標(biāo)簽。（6）Values：設(shè)置標(biāo)量值標(biāo)簽。標(biāo)量值標(biāo)簽是對(duì)變量值的進(jìn)一步說(shuō)明，對(duì)分類變量往往要定義其變量值標(biāo)簽。單擊Values相應(yīng)單元即可展開(kāi)設(shè)置變量值標(biāo)簽的對(duì)話框，如圖3所示。如定義GENDER變量的值標(biāo)簽，“1”為男性，“2”為女性。先在第一個(gè)Value框中輸入“1”，在第二個(gè)Value框中輸入“男”，按Add按鈕，列表框中增加一個(gè)值標(biāo)簽，顯示1“男”。然后再重復(fù)上述操作，定義2“女”的值標(biāo)簽。確認(rèn)無(wú)誤后，按OK返回上一級(jí)對(duì)話框。 圖3（7）Missing：缺失值的定義方式。單擊Missing下的長(zhǎng)方形框即可展開(kāi)Missing Values對(duì)話框，如圖4所示。其中No

9、missing value為無(wú)缺失值選項(xiàng)，這也是系統(tǒng)的默認(rèn)值；Discrete missing value為離散缺失值選項(xiàng)，選定此項(xiàng)即可在下面三個(gè)矩形框中填入數(shù)據(jù)（可少于3個(gè)）；Range plus one optional discrete missing value為定義缺失值范圍并附加一個(gè)范圍外選項(xiàng)，選定此項(xiàng)可在Low和High兩個(gè)參數(shù)框中填入數(shù)值,同時(shí)還可以定義一個(gè)離散的缺失值。 圖4（8）Column：設(shè)置變量的顯示寬度。（9）Align：設(shè)置變量顯示的對(duì)齊方式。Left為左對(duì)齊，Right為右對(duì)齊，Center為居中對(duì)齊。（10）Measure：設(shè)置變量的測(cè)量尺度。SPSS將測(cè)量變

10、量分為三大類，定類變量Nominal，定序變量Ordinal和定距以及定比變量Scale。變量定義完成后，即可單擊左下角的Data View轉(zhuǎn)換到數(shù)據(jù)編輯窗口，將數(shù)據(jù)錄入，生成SPSS數(shù)據(jù)文件。（三）數(shù)據(jù)的整理1、觀測(cè)量數(shù)據(jù)的排序。在主菜單選擇DataSort cases，打開(kāi)Sort Cases觀測(cè)量排序?qū)υ捒颍鐖D5所示。從左側(cè)的源變量框中選擇排序變量，通過(guò)箭頭按鈕選到sort by框中。如果選擇兩個(gè)以上的排序變量，觀測(cè)量排序的結(jié)果與排序變量在Sort by框中的順序有關(guān)。列于首位的稱為第一排序變量，其后的被依次稱為第二排序變量、第三排序變量等等。Sort order是確定排序的方式，選擇

11、Ascending是按升序排列；選擇Descending是按降序排列。 圖52、建立新變量。在主菜單選擇TransformCompute Variable,打開(kāi)Compute Variable 對(duì)話框，如圖6所示。在Target目標(biāo)變量框中輸入變量名，在Numeric Expression數(shù)學(xué)表達(dá)式框中輸入計(jì)算方法。在輸入數(shù)學(xué)表達(dá)式時(shí)，注意字符串常量必須用引號(hào)括起來(lái)，且每一個(gè)關(guān)系表達(dá)式必須單獨(dú)完成。如果需要選擇特定的觀測(cè)量計(jì)算新變量，可以選擇IF按鈕，并在Compute Variable: If cases對(duì)話框中設(shè)置條件表達(dá)式。 圖63、數(shù)據(jù)重分組。在主菜單選擇TransformRecode

12、 into same variable/Recode into different variable。從左側(cè)源變量框中選擇年齡A01.1，通過(guò)箭頭按鈕選到Numeric VariableOutput Variable欄，如圖7所示。圖7 單擊Old and New Values按鈕，打開(kāi)Recode into different Variable: Old and New Values對(duì)話框，對(duì)A01.1變量重新進(jìn)行分組。將“25歲以下”的賦值為“1”，“2535歲”的賦值為“2”，“35歲以上”的賦值為“3”，如圖8所示。 圖8單擊Continue按鈕，返回上一級(jí)對(duì)話框。在Output Va

13、riable欄對(duì)新輸出的變量進(jìn)行命名并設(shè)置變量標(biāo)簽后，單擊Change和OK按鈕，提交運(yùn)行，在數(shù)據(jù)文件中即可生成一個(gè)新的分組年齡的變量Agegroup。4、從數(shù)據(jù)中抽取觀測(cè)量。在主菜單選擇DataSelect cases,打開(kāi)Select cases對(duì)話框。右側(cè)的Select欄包括All cases為全選，這是系統(tǒng)默認(rèn)的設(shè)置；If condition is satisfied為條件選擇抽取。單擊If按鈕，將顯示如圖9所示的條件設(shè)置對(duì)話框，在右側(cè)矩形欄中輸入條件設(shè)置，例如抽取性別為男性的觀測(cè)量。圖9Random sample of cases為隨機(jī)抽取。單擊Sample，將出現(xiàn)如圖10所示的隨機(jī)

14、抽取對(duì)話框，可以根據(jù)要求選擇觀測(cè)量。Approximately of all cases為抽取百分比，這種抽樣方式僅僅是一種近似的抽取；Exactly cases from the first cases則表示從總樣本數(shù)中精確抽取的觀測(cè)量數(shù)，例如圖10所示的從582個(gè)觀測(cè)量中隨機(jī)抽取300個(gè)觀測(cè)量。 圖10Base on time or case range為指定抽取。單擊Range按鈕，將出現(xiàn)如圖11所示的指定范圍抽取對(duì)話框。 First case和Last case分別表示從第幾個(gè)觀測(cè)量到第幾個(gè)觀測(cè)量，確定范圍后將看到所指定范圍內(nèi)的觀測(cè)量被選中，例如選取從第100400的觀測(cè)量。圖11Us

15、e filter variable為過(guò)濾抽取，可以指定某一個(gè)變量作為過(guò)濾器變量，指定變量對(duì)應(yīng)各個(gè)觀測(cè)量的值如果為0，則表示該個(gè)案未被選中；不為0則表示選中。二、SPSS在描述性統(tǒng)計(jì)中的應(yīng)用描述性統(tǒng)計(jì)一般包括數(shù)據(jù)的頻數(shù)（率）分析、數(shù)據(jù)分布的集中趨勢(shì)和離散程度的分析，以及數(shù)據(jù)分布的偏斜度和峰度分析等。在SPSS的主菜單Analyze下的Descriptive statistics就可以完成對(duì)數(shù)據(jù)的描述性統(tǒng)計(jì)分析。（一） 描述性統(tǒng)計(jì)分析的步驟利用頻數(shù)分布表可以方便地對(duì)數(shù)據(jù)按組進(jìn)行歸類整理，形成各變量的不同水平（分組）的頻數(shù)分布表和圖形，以便對(duì)各變量的數(shù)據(jù)特征和觀測(cè)量分布狀況有一個(gè)概括的認(rèn)識(shí)。描述性統(tǒng)

16、計(jì)分析的步驟如下： 1.按AnalyzeDescriptive statisticsFrequencies順序逐一單擊按鈕，打開(kāi)Frequencies頻數(shù)分布對(duì)話框。2.在左側(cè)的源變量框中選擇一個(gè)或多個(gè)變量，通過(guò)箭頭按鈕選入右側(cè)的Variable(s)框中。3.選中Display frequency table，將顯示頻數(shù)分布表。4.單擊Statistics按鈕，打開(kāi)Frequency:Statistics對(duì)話框，在對(duì)話框中確定將要在輸出結(jié)果中出現(xiàn)的統(tǒng)計(jì)量。（1）Percentile Values為百分?jǐn)?shù)值欄，選擇該欄中的選擇項(xiàng)，將輸出百分位數(shù)。其中Quartiles為輸出四分位數(shù)，顯示25、

17、50和75的百分位數(shù)；Cut points for equal groups是將數(shù)據(jù)平分為所設(shè)定的相等等分，在參數(shù)框所設(shè)置的數(shù)值范圍必須是2100間的整數(shù)；Percentile(s)是由用戶定義的百分位數(shù)，在參數(shù)框中鍵入數(shù)值的范圍在0100。（2）Central Tendency為集中趨勢(shì)欄，選擇該欄中的選擇項(xiàng)，將輸出集中趨勢(shì)統(tǒng)計(jì)量。其中Mean為算術(shù)平均數(shù)；Median為中位數(shù)；Mode為眾數(shù)；Sum為算術(shù)和。（3）Dispersion為離散程度欄，選擇該欄中的選擇項(xiàng)，將輸出離散程度統(tǒng)計(jì)量。其中Std.Deviation為標(biāo)準(zhǔn)差；Variance為方差；Range為全距，即最大值與最小值之差

18、；Minimum為最小值；Maximum為最大值；S.E.mean為均值的標(biāo)準(zhǔn)誤。（4）Distribution為分布狀態(tài)欄，其中Skewness為正態(tài)分布的偏度，同時(shí)顯示偏度的標(biāo)準(zhǔn)誤；Kurtosis為正態(tài)分布的峰度，也同時(shí)顯示峰度的標(biāo)準(zhǔn)誤。（5）選中Values are group midpoints復(fù)選項(xiàng)，是在計(jì)算百分位數(shù)值或中位數(shù)時(shí)，假設(shè)數(shù)據(jù)已經(jīng)分組，且用各組的組中值代表各組數(shù)據(jù)。5.單擊Charts按鈕，展開(kāi)Frequency:Chart對(duì)話框。在對(duì)話框中對(duì)圖形的類型及坐標(biāo)軸等進(jìn)行設(shè)置。（1）Chart type為選擇圖形類型欄。其中None為不輸出圖形，這是系統(tǒng)默認(rèn)選項(xiàng)；Bar C

19、harts為輸出條形圖；Pie Charts為輸出餅圖；Histograms為輸出直方圖，這一選項(xiàng)只適用于連續(xù)的數(shù)值型變量。如果選擇了直方圖還可以選擇With normal curve，即輸出直方圖并帶有正態(tài)曲線。（2）Chart value欄，是指縱軸表達(dá)的統(tǒng)計(jì)量，只有選擇了條形圖和餅圖的選項(xiàng)才有效。其中Frequencies選項(xiàng)，縱軸表示頻數(shù)；Percentage選項(xiàng)，縱軸表示百分比。6.單擊Format按鈕，打開(kāi)Frequencies:Format對(duì)話框，在對(duì)話框中設(shè)置頻數(shù)表輸出的格式。（1）Order by為排序欄，在該欄中選擇頻數(shù)表中排列順序。其中Ascending Values選項(xiàng)

20、，按變量實(shí)際值的升序排列，這是系統(tǒng)默認(rèn)的排列方式；Descending Values選項(xiàng)，按變量實(shí)際值的降序排列；Ascending counts選項(xiàng)，按變量各種取值發(fā)生的頻數(shù)的升序排列；Descending counts選項(xiàng)，按變量各種取值發(fā)生的頻數(shù)的降序排列。（2）Multiple Variables為多變量欄，選擇多變量輸出表格設(shè)置。其中Compare variables選項(xiàng)，將所有變量的結(jié)果在一個(gè)圖形中輸出，以便比較；Organize output by variable選項(xiàng)，為每一個(gè)變量單獨(dú)輸出一個(gè)圖像。（3）選中Suppress tables with more than cate

21、gories復(fù)選項(xiàng)，是控制頻數(shù)表輸出的分類數(shù)量。在參數(shù)框中的系統(tǒng)默認(rèn)值為10。7.提交運(yùn)行。所有選擇完成后，單擊OK按鈕提交運(yùn)行，進(jìn)行頻數(shù)分布分析。Reset按鈕為重新設(shè)置選擇項(xiàng)，Cancel按鈕為取消選擇設(shè)置并關(guān)閉對(duì)話框。Help按鈕可以獲得幫助信息，Paste按鈕可以將有關(guān)所設(shè)定的統(tǒng)計(jì)過(guò)程以及選擇項(xiàng)的語(yǔ)句粘貼到Syntax窗口中。(二)描述性統(tǒng)計(jì)分析的實(shí)例分析表2為某機(jī)關(guān)2008年回復(fù)107件群眾來(lái)信所用的天數(shù)，請(qǐng)對(duì)表中數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)分析。表2 2008年××局回復(fù)群眾來(lái)信所用的天數(shù)916108129141571982110503794284491883971415

22、7284796724104179296412791539249220311893386371620269916531236118628358101120310168124691010916414118581197611978109111.在SPSS中錄入表2中的數(shù)據(jù)，建立數(shù)據(jù)文件。在主菜單中選擇AnalyzeDescriptive statisticsFrequencies，打開(kāi)Frequencies主對(duì)話框，如圖12所示。 圖122.將左側(cè)源變量框中的X即“回復(fù)群眾來(lái)信所用的天數(shù)”選入Variable(s)框中，并選中Display frequency table。3.單擊Statistic

23、s按鈕，打開(kāi)Statistics對(duì)話框，做出如圖13所示的選擇，并單擊Continue。圖134.單擊Charts按鈕，打開(kāi)Charts對(duì)話框，選中Histograms和With normal curve復(fù)選項(xiàng)，如圖14所示。圖145.在主對(duì)話框中，單擊OK按鈕，提交運(yùn)行。輸出的主要結(jié)果如表3，表4和圖15所示。表3 描述性統(tǒng)計(jì)的Statistics表表4 描述性統(tǒng)計(jì)的頻數(shù)和頻率分布表 圖15 帶分布曲線的直方圖三、SPSS在相關(guān)分析中的應(yīng)用在主菜單Analyze的下拉菜單中的Correlate，包含了相關(guān)分析、偏相關(guān)分析和相似性測(cè)度。Bivariate是計(jì)算指定的兩個(gè)變量間的相關(guān)系數(shù)，可以選

24、擇Pearson、Spearman和Kendall tau-b等相關(guān)系數(shù)；Partial是計(jì)算兩個(gè)變量間在控制了其他變量的影響下的相關(guān)系數(shù)，即偏相關(guān)系數(shù)；Distance是對(duì)變量或觀測(cè)量進(jìn)行相似性或不相似性測(cè)度。本文主要介紹SPSS在相關(guān)和偏相關(guān)分析中的應(yīng)用。（一） 雙變量相關(guān)分析的選項(xiàng)在菜單中按AnalyzeCorrelateBivarite順序逐一展開(kāi)，打開(kāi)Bivarite Correlation雙變量相關(guān)分析主對(duì)話框，如圖16所示。圖161、Correlation Coefficients是計(jì)算相關(guān)系數(shù)。主對(duì)話框中Correlation Coefficients欄中列出了三個(gè)相關(guān)系數(shù)，對(duì)

25、應(yīng)著三種分析方法。其中Pearson（皮爾遜相關(guān)）是系統(tǒng)默認(rèn)設(shè)置，計(jì)算兩個(gè)定距（或定比）變量之間的積差相關(guān)；Kendalls tau-b（肯德?tīng)?b相關(guān)）是計(jì)算分類變量間的秩相關(guān)；Spearman（斯皮爾曼相關(guān)）是計(jì)算兩個(gè)定序變量或一個(gè)定序與一個(gè)定距（或定比）變量之間的秩相關(guān)。2、Test of Significance是選擇顯著性檢驗(yàn)類型。其中Two-tailed雙尾檢驗(yàn)選項(xiàng)為系統(tǒng)默認(rèn)設(shè)置，如果事先不知道相關(guān)方向（正相關(guān)還是負(fù)相關(guān)）時(shí)選擇此項(xiàng)；One-tailed單尾檢驗(yàn)選擇，如果事先知道相關(guān)方向可以選擇此項(xiàng)。3、Flag significant correlations復(fù)選項(xiàng)，選中此項(xiàng)為系

26、統(tǒng)默認(rèn)設(shè)置，輸出結(jié)果中在相關(guān)系數(shù)右上方使用“*”表示其顯著性水平為5；用“*”表示其顯著性水平為1。4、Options選項(xiàng)。單擊Options按鈕，打開(kāi)Options對(duì)話框，如圖17所示。在Statistics欄中有兩個(gè)有關(guān)統(tǒng)計(jì)量的選項(xiàng)，但只有在主對(duì)話框中選擇Pearson相關(guān)時(shí)才可以選擇這兩個(gè)選項(xiàng)。其中，Means and standard deviations為均值和標(biāo)準(zhǔn)差復(fù)選項(xiàng)；Cross-product deviations and covariances為積差離差陣和協(xié)方差離差陣復(fù)選項(xiàng)。在Missing value欄中有兩個(gè)關(guān)于缺失值處理方法的選項(xiàng)，其中Exclude cases p

27、airwise選項(xiàng)為系統(tǒng)默認(rèn)選項(xiàng)，是僅剔除正在參與計(jì)算的兩個(gè)變量值是缺失值的觀測(cè)量。這樣有可能相關(guān)系數(shù)矩陣中的相關(guān)系數(shù)是根據(jù)不同數(shù)量的觀測(cè)量計(jì)算出來(lái)的；Exclude cases listwise選項(xiàng)，是剔除在主對(duì)話框中Variables矩形框中列出的變量帶有缺失值的所有觀測(cè)量。這樣計(jì)算出的相關(guān)系數(shù)矩陣，每個(gè)相關(guān)系數(shù)都是依據(jù)相同數(shù)量的觀測(cè)量計(jì)算出來(lái)的。圖17（二）雙變量Pearson相關(guān)的實(shí)例分析表5是關(guān)于我國(guó)19912002年的人均GDP和嬰兒死亡率的統(tǒng)計(jì)數(shù)據(jù)，試分析兩變量之間的相關(guān)關(guān)系。表5 19912002年的人均GDP和嬰兒死亡率年份嬰兒死亡率人均GDP1991199219931994

28、1995199619971998199920002001200250.246.743.639.936.436.033.133.233.332.230.029.21879228729393923485455766054603865517086765181841、在SPSS中錄入原始數(shù)據(jù)，建立SPSS數(shù)據(jù)文件。2、選擇AnalyzeCorrelateBivariate，打開(kāi)Bivarite Correlation對(duì)話框。3、從左側(cè)源變量框中分別選擇“嬰兒死亡率（IMR）”和“人均GDP”進(jìn)入右側(cè)的Variables欄。在Correlation Coefficients選中Pearson，Test

29、of Significance中選中Two-tailed。4、單擊OK按鈕，提交運(yùn)行，輸出結(jié)果如表6所示。表6 Pearson相關(guān)分析輸出結(jié)果從輸出結(jié)果看，“嬰兒死亡率”和“人均GDP”兩變量之間的相關(guān)系數(shù)R0.980，p0.000，在0.01條件下達(dá)到統(tǒng)計(jì)顯著性相關(guān)。（三）偏相關(guān)分析的實(shí)例分析偏相關(guān)分析（Analysis of Partial Correlation）是在研究?jī)蓚€(gè)變量之間的線性相關(guān)關(guān)系時(shí)控制可能對(duì)其產(chǎn)生影響的其他變量。表7為20個(gè)地區(qū)出口商品、國(guó)內(nèi)生產(chǎn)總值和實(shí)際利用外資的統(tǒng)計(jì)數(shù)據(jù)。表7 偏相關(guān)分析的原始數(shù)據(jù)表地區(qū)出口商品（億美元）國(guó)內(nèi)生產(chǎn)總值（億元）實(shí)際利用外資（萬(wàn)美元123

30、4567891011121314151617181920205.6926208.517593.392640.344713.5447189.135117.147536.8069735.0526874.9423581.385439.3681293.947619.9475358.445241.746433.821931.06431915.7123.85596060.283110.978477.633571.373041.076672.03122.014750.68072.8315003.611648.74759.325763.353456.715021.848553.795633.245641.94

31、18864.623433.5255974.0172091.069954.09022.034297.0540677.019237.033917.0631087.0894830.0573256.042850.0192384.0204487.0866423.042211.0174441.0141803.01001158.029579.01、在SPSS中錄入原始數(shù)據(jù)，建立SPSS數(shù)據(jù)文件。2、在菜單中按AnalyzeCorrelateBivariate逐一展開(kāi)，打開(kāi)Bivarite Correlation對(duì)話框，計(jì)算“出口商品總值”和“國(guó)內(nèi)生產(chǎn)總值”的Pearson相關(guān)系數(shù)。輸出結(jié)果如表8所示。表8

32、Pearson相關(guān)分析輸出結(jié)果從輸出結(jié)果看，“出口商品總值”和“國(guó)內(nèi)生產(chǎn)總值”之間的相關(guān)系數(shù)R0.826，p0.000，表明兩變量之間具有高度的統(tǒng)計(jì)顯著性相關(guān)。3、選擇AnalyzeCorrelationPartial逐一展開(kāi)，打開(kāi)Partial Correlations的主對(duì)話框，將“實(shí)際利用外資金額”送入Controlling for欄，如圖18所示。圖184、單擊OK按鈕，提交運(yùn)行。輸出結(jié)果如表9 所示。從輸出結(jié)果看，在控制了“實(shí)際利用外資金額”這一變量后，“出口商品總額”和“國(guó)內(nèi)生產(chǎn)總值”之間的偏相關(guān)系數(shù)僅為0.358，而且不具有統(tǒng)計(jì)顯著性意義。表9 偏相關(guān)系數(shù)輸出結(jié)果（四） 低測(cè)量層

33、次變量相關(guān)的實(shí)例分析表10為在一次問(wèn)卷調(diào)查中得出的某機(jī)關(guān)工作人員職務(wù)級(jí)別與工作滿意度的交叉表，請(qǐng)分析職務(wù)級(jí)別與工作滿意度之間的關(guān)系，并進(jìn)行統(tǒng)計(jì)顯著性檢驗(yàn)。表10 某機(jī)關(guān)工作人員工作滿意度與職務(wù)級(jí)別的交叉表工作滿意度職務(wù)級(jí)別合計(jì)低中高低1502040210中3020140190高2016020200合計(jì)2002002006001、將工作滿意度設(shè)為變量X1,并賦值1，2，3分別表示工作滿意度低、中、高。職務(wù)級(jí)別設(shè)為變量X2，并賦值1，2，3分別表示職務(wù)級(jí)別為低、中、高。表10中的數(shù)據(jù)設(shè)為變量W，從而將表10轉(zhuǎn)換為表11所示的數(shù)據(jù)結(jié)構(gòu)表，并在SPSS中根據(jù)表11錄入數(shù)據(jù)，建立數(shù)據(jù)文件。表11 交叉表

34、輸入的數(shù)據(jù)結(jié)構(gòu)X1X2WX1X2W1115023140122031201340321602130332022202、選擇DataWeight Cases，打開(kāi)Weight Cases對(duì)話框，選中Weight cases by并將W輸入Frequency Variable框中，如圖19所示。圖193、選擇AnalyzeDescriptive StatisticsCrosstabs逐一展開(kāi)，打開(kāi)Crosstabs對(duì)話框。將X1 、X2分別輸入Row(s)和Column(s)。如圖20所示。圖204、單擊Statistics按鈕，打開(kāi)Crosstabs Statistics對(duì)話框，如圖21所示。在這

35、個(gè)對(duì)話框中，可以對(duì)不同測(cè)量水平的變量進(jìn)行不同的相關(guān)分析。Chi-square是進(jìn)行卡方檢驗(yàn)，Nominal是計(jì)算兩個(gè)定類變量的相關(guān)系數(shù)，包括Contingency coefficient系數(shù)、Phi and Gramers V系數(shù)、Lambda系數(shù)和Uncertainty coefficient系數(shù)。Ordinal是計(jì)算兩個(gè)定序變量的相關(guān)系數(shù)，包括Gamma系數(shù)、Somerss系數(shù)、Kendalls tau-b系數(shù)和Kendalls tau-c系數(shù)。Nominal by Interval是計(jì)算定類定距（定比）變量的Eta相關(guān)系數(shù)。Kappa相關(guān)系數(shù)用于分析兩個(gè)等級(jí)相同的定序變量的相關(guān)；Risk

36、相關(guān)系數(shù)用于分析某時(shí)間與某因素之間聯(lián)系的一致性的相關(guān)；McNemar相關(guān)系數(shù)用于檢驗(yàn)兩個(gè)有關(guān)聯(lián)的二分變量之間聯(lián)系的相關(guān)；Cochrans and Mantel-Haenzel statistics相關(guān)系數(shù)用于檢驗(yàn)兩個(gè)獨(dú)立的二分變量之間聯(lián)系的相關(guān)分析。圖215、單擊OK按鈕，提交運(yùn)行。輸出結(jié)果如表12-表14所示。從輸出結(jié)果看，“工作滿意度”與“職務(wù)級(jí)別”之間的Somersd系數(shù)為0.202，=0.253,且均具有統(tǒng)計(jì)顯著性意義。表12 輸出結(jié)果中的Chi-Square Tests（卡方檢驗(yàn)）表表13 輸出結(jié)果中的Directional Measures表表14 輸出結(jié)果中的Symmetric

37、Measures表四、 SPSS在回歸分析中的應(yīng)用SPSS軟件中包含了Liner（線性回歸）、Curve Estimation(曲線回歸)、Logistic(邏輯斯蒂回歸)、Probit(概率單位回歸)、Nonlinear(非線性回歸)、Weight Estimation （加權(quán)估計(jì)）以及Optimal Scaling（最有編碼回歸）等回歸分析。本文主要介紹SPSS在一元線性回歸、多元線性回歸和曲線回歸中的應(yīng)用。（一） 一元線性回歸的實(shí)例分析表5是關(guān)于我國(guó)19912002年的人均GDP和嬰兒死亡率的統(tǒng)計(jì)數(shù)據(jù)，在上文中已經(jīng)計(jì)算出兩個(gè)變量間R0.980，p0.000，在0.01條件下達(dá)到統(tǒng)計(jì)顯著性

38、相關(guān)。而從“人均GDP”和“嬰兒死亡率”的散點(diǎn)圖來(lái)看，兩變量表現(xiàn)出比較明顯的線性相關(guān)關(guān)系。如圖22所示。 圖22 兩變量的散點(diǎn)圖1、選擇菜單中AnalyzeRegressionLinear逐一展開(kāi)，打開(kāi)Linear Regression主對(duì)話框。 2、從左側(cè)的源變量框中選定“嬰兒死亡率”作為因變量，輸入Dependent框；選定變量“人均GDP”作為自變量，輸入Independent(s)框。如圖23所示。圖233、單擊OK按鈕，輸出結(jié)果如表15表17所示。表15是關(guān)于一元線性回歸模型的總體參數(shù)表，給出了復(fù)相關(guān)系數(shù)、決定性系數(shù)（復(fù)相關(guān)系數(shù)平方）、調(diào)整后的復(fù)相關(guān)系數(shù)平方，以及回歸的標(biāo)準(zhǔn)誤差（未解

39、釋的標(biāo)準(zhǔn)差）。決定性系數(shù)是指被解釋的方差（回歸平方和）占總方差（總平方和）的百分比，是對(duì)回歸模型擬合程度的綜合度量。決定性系數(shù)越大，模型擬合程度越高，回歸方程的解釋能力越強(qiáng)。從表15來(lái)看，該模型的決定性系數(shù)為0.961，說(shuō)明一元線性回歸方程對(duì)總平方和的解釋能力達(dá)到96.1。表15 一元線性回歸的Model Summary表表16是關(guān)于一元線性回歸方程的方差分析表，給出了回歸平方和、殘差平方和、總平方和及其自由度，以及F統(tǒng)計(jì)量值及其顯著性水平。F檢驗(yàn)是對(duì)回歸總體線性關(guān)系是否顯著的一種假設(shè)檢驗(yàn)。根據(jù)表16輸出結(jié)果可知，F(xiàn)246.121，p0.0000.05，所以回歸方程的線性關(guān)系是顯著的。表16

40、一元線性回歸的ANOVA(b)表表17是關(guān)于一元線性回歸模型的回歸系數(shù)及其顯著性檢驗(yàn)表，給出了常數(shù)項(xiàng)和自變量的非標(biāo)準(zhǔn)化的回歸系數(shù)和標(biāo)準(zhǔn)化的回歸系數(shù)，以及t統(tǒng)計(jì)量值及其顯著性水平。從表17的輸出結(jié)果看，常數(shù)項(xiàng)的非標(biāo)準(zhǔn)化值為53.528，自變量的系數(shù)非標(biāo)準(zhǔn)化的值為-0.003，且t檢驗(yàn)的p0.0000.05，所以自變量“人均GDP”對(duì)因變量“嬰兒死亡率”具有顯著的影響。表17 一元線性回歸的Coefficients(a)表由此可知，以“嬰兒死亡率”為因變量，“人均GDP”為自變量的一元線性回歸方程為：y53.5280.003x（二）多元線性回歸的實(shí)例分析表18是19902003年出國(guó)回國(guó)人數(shù)及相關(guān)

41、指標(biāo)的統(tǒng)計(jì)數(shù)據(jù)，試建立以“回國(guó)人員”為因變量的多元線性回歸方程。表18 19902003年出國(guó)回國(guó)人數(shù)及相關(guān)指標(biāo)的統(tǒng)計(jì)數(shù)據(jù)年份出國(guó)人數(shù)回國(guó)人數(shù)高校在校生人數(shù)科技投入（億元）GDP（億元）醫(yī)療機(jī)構(gòu)數(shù)1990199119921993199419951996199719981999200020012002200329502900654010742190712038120905224101762223749389898397312517911730715932069361151284230575065707130737977489121122431794520152206320442184253627

42、992906302131743409413455617191903411086139.12160.69189.26225.61268.25302.36348.63408.86438.6543.85575.62703.26816.22975.5418598.421662.526651.934560.546670.057494.966850.573142.776967.280579.488228.195727.9103935.3116603.2208734209036204787193586191742190057322566315033314097310996324771330348306038

43、2913231、在SPSS中錄入數(shù)據(jù)，建立數(shù)據(jù)文件。定義“回國(guó)人數(shù)”為因變量Y,其他變量為自變量x1、x2、x3和x4。如圖24所示。圖242、在Method框中選擇一種回歸分析方法，在本例中選擇Stepwise,如圖24所示。（1）Enter為強(qiáng)行進(jìn)入法，即所選擇的自變量全部進(jìn)入回歸模型，該選擇是默認(rèn)方式。（2）Remove為消去法，建立回歸方程時(shí)，根據(jù)設(shè)定的條件剔除部分自變量。（3）Forward為向前選擇法。根據(jù)在Option對(duì)話框中所設(shè)定的判據(jù)，從無(wú)自變量開(kāi)始。在擬合過(guò)程中，對(duì)被選擇的自變量進(jìn)行方差分析，每次加入一個(gè)F值最大的變量，直至所有符合判據(jù)的變量都進(jìn)入模型為止。第一個(gè)引入回歸模

44、型的變量應(yīng)該與因變量間相關(guān)系數(shù)絕對(duì)值最大。（4）Backward為向后提出法。根據(jù)在Option對(duì)話框中所設(shè)定的判據(jù)，先建立全模型，然后根據(jù)設(shè)置的判據(jù)，每次剔除一個(gè)F值最小的自變量，直至回歸方程中不再含有不符合判據(jù)的自變量為止。（5）Stepwise為逐步進(jìn)入法，它是向前選擇變量法和向后剔除變量法的結(jié)合。根據(jù)在Option對(duì)話框中所設(shè)定的判據(jù)，首先根據(jù)方差分析結(jié)果選擇符合判據(jù)的自變量且對(duì)因變量貢獻(xiàn)最大的進(jìn)入回歸方程，根據(jù)向前選擇變量法選入變量，然后根據(jù)向后剔除法，將模型中F值最下的且符合剔除判據(jù)的變量剔除出模型，重復(fù)進(jìn)行直到回歸方程中的自變量均進(jìn)入模型的判據(jù)，模型外的自變量都不符合進(jìn)入模型的判

45、據(jù)為止。3、單擊Statistics按鈕，打開(kāi)Statistics對(duì)話框，做出如圖25所示的選項(xiàng)。（1）Regression Coefficients是有關(guān)回歸系數(shù)的選擇欄，其中Estimates是輸出回歸系數(shù)B、B的標(biāo)準(zhǔn)誤、標(biāo)準(zhǔn)回歸系數(shù)、B的T值以及T值的雙側(cè)檢驗(yàn)的顯著性水平sig.；Confidence intervals是輸出每一個(gè)非標(biāo)準(zhǔn)化回歸系數(shù)95的置信區(qū)間；Covariance matrix是輸出非標(biāo)準(zhǔn)化回歸系數(shù)的協(xié)方差矩陣、各變量的相關(guān)系數(shù)矩陣。(2)與模型擬合及其擬合效果有關(guān)的選擇項(xiàng)。其中Model fit是輸出引入模型與從模型中剔除的變量，提供復(fù)相關(guān)系數(shù)R，復(fù)相關(guān)系數(shù)平方R2

46、，及其修正值，估計(jì)值的標(biāo)準(zhǔn)誤，ANOVA方差分析表；R Square change是表示當(dāng)回歸方程中引入或剔除一個(gè)自變量后R2的變化量。如果R2ch較大，那么說(shuō)明進(jìn)入和剔除回歸方程的自變量有可能是一個(gè)較好的回歸變量。選擇此項(xiàng)輸出R2ch、Fch、Sigch；Descriptive是輸出合法觀測(cè)量的數(shù)目，變量的平均數(shù)、標(biāo)準(zhǔn)差、相關(guān)系數(shù)矩陣和單側(cè)檢驗(yàn)顯著性水平矩陣；Part and partial correlation是輸出部分相關(guān)系數(shù)（表明當(dāng)一個(gè)自變量進(jìn)入回歸方程后，R2增加了多少）、偏回歸系數(shù)（表明排斥了其他自變量對(duì)Y的影響后，與因變量Y的相關(guān)程度）與零階相關(guān)系數(shù)（變量之間的簡(jiǎn)單相關(guān)系數(shù)）；

47、Collinearity diagnostics是輸出各變量的容限公差以及共線性診斷表。（3）Residuals為有關(guān)殘差分析的選擇項(xiàng)欄。其中Durbin-Watson是輸出Durbin-Watson統(tǒng)計(jì)量以及可能是奇異值的診斷表；Casewise diagnostics是輸出觀測(cè)量診斷表，診斷表既可以通過(guò)Outliers outside standard deviation選項(xiàng)，設(shè)置奇異值的判據(jù)，系統(tǒng)默認(rèn)值為3倍標(biāo)準(zhǔn)差，也可以選中All cases項(xiàng)，輸出所有觀測(cè)量的殘差值。圖254、單擊OK按鈕，提交運(yùn)行，輸出結(jié)果如表19表22所示。表19是匯報(bào)運(yùn)用Stepwise方法過(guò)程中被引入和剔除的

48、變量，第一列Model是回歸方程編號(hào)；第二列Variables Entered為引入回歸方程的自變量名稱；第三列Variables Removed為從回歸方程中被剔除的自變量名稱；第四列Method為自變量進(jìn)入與被剔除回歸方程的判據(jù)。從表19看，在Model 1中，只進(jìn)入一個(gè)自變量x1即“高校在校生人數(shù)”，在Model 2中，除了x1，還進(jìn)入了x3即“GDP總量”。表19 多元線性回歸的Variables Entered/Removed表表20是多元回歸方程的常用統(tǒng)計(jì)量，第二列R為復(fù)相關(guān)系數(shù)，第三列R Square即R2系數(shù)為決定性系數(shù)。隨著自變量個(gè)數(shù)的增加，R2系數(shù)的值隨之增加，但這并不意味

49、著自變量越多，模型的擬合度越好。第四列Adjusted R Square即修正R2系數(shù)，為了盡可能地確切反映模型的擬合度，該參數(shù)試圖修正R2系數(shù)的偏差，修正R2系數(shù)未必隨自變量個(gè)數(shù)的增加而增加。第五列Std.Error of the Estimate為估計(jì)的標(biāo)準(zhǔn)誤，增加自變量的個(gè)數(shù)將增大R2系數(shù)，但未必會(huì)減少估計(jì)的標(biāo)準(zhǔn)誤。在建立多元線性回歸方程時(shí)，除非必要，自變量數(shù)目不應(yīng)太多，因?yàn)橐粋€(gè)包含多余自變量的模型可能會(huì)增加標(biāo)準(zhǔn)誤差。從表20看，兩個(gè)Model的R2系數(shù)以及修正的R2系數(shù)都表明，回歸方程存在高度線性相關(guān)。第六列Durbin-Watson是對(duì)回歸模型中的誤差項(xiàng)進(jìn)行獨(dú)立性檢驗(yàn)，Dw的取值范圍

50、是0 4，當(dāng)殘差與自變量互為獨(dú)立時(shí)，Dw2；當(dāng)相鄰兩點(diǎn)的殘差為正相關(guān)時(shí)，Dw2；當(dāng)相鄰兩點(diǎn)的殘差為負(fù)相關(guān)時(shí)，Dw2。表20表明Dw1.613，比較接近于2，說(shuō)明殘差項(xiàng)基本符合獨(dú)立性假設(shè)。表20 多元線性回歸的Model Summary表表21顯示回歸擬合過(guò)程中每一步的方差分析結(jié)果。Sum of Square為回歸平方和(Regression)、殘差平方和（Residual）和總平方和（Total）；df為自由度。從表21看，Model 1和Model 2均通過(guò)了F檢驗(yàn)，即在兩個(gè)回歸方程中，自變量對(duì)因變量的影響都是顯著的。表21 多元線性回歸的AVOVA(b)表表22是多元回歸方程的系數(shù)表，Un

51、standardized Coefficients為非標(biāo)準(zhǔn)化系數(shù)，Standardized Coefficients為標(biāo)準(zhǔn)化系數(shù)，t檢驗(yàn)為偏回歸系數(shù)（或常數(shù)項(xiàng)）為0的假設(shè)檢驗(yàn)的t值，Sig.為偏回歸系數(shù)（或常數(shù)項(xiàng)）為0的假設(shè)檢驗(yàn)的顯著性水平值，Collinearity Statistics為共線性統(tǒng)計(jì)量，其中Tolerance為容忍度，VIF為方差膨脹因子。表22 多元線性回歸的Coefficients(a)表需要說(shuō)明的是，偏回歸系數(shù)B是在控制了其他變量之后得到的。它的不足之處在于，當(dāng)自變量的單位不一致時(shí)，比較它的大小沒(méi)有任何意義。也就是說(shuō)只有當(dāng)所有的自變量單位統(tǒng)一時(shí)，偏相關(guān)系數(shù)才有可比性。但在比較時(shí)還應(yīng)注意，在多元回歸分析中，方差分析是對(duì)整個(gè)回歸方程的顯著性檢驗(yàn)，它與單獨(dú)地進(jìn)行每一個(gè)偏回歸系數(shù)的顯著性檢驗(yàn)不一定等效，就是說(shuō)，由方差分析得出回歸方程有統(tǒng)計(jì)意義，而回歸方程的每一個(gè)偏回歸系數(shù)不一定都有顯著性，但至少有一個(gè)是顯著的。根據(jù)上