SPSS科普 | 统计描述
统计描述的目的就是了解数据的基本特征和分布规律,为进一步合理地选择统计方法提供依据。常用的有Frequencies、Descriptives
和Explore过程。
一、Frequencies过程
该过程用于产生数据的频数表,输出描述集中位置、离散趋势及分布形状等的指标,并能给出百分位数、绘制频数图等。
操作步骤:依次点击分析---描述统计---频率(图1),激活Frequencies对话框(图2)。将需要进行统计描述的变量从左侧变量框选至右侧变量框(以身高为例),点击“统计量”按钮,弹出图3对话框,根据需要勾选,通常选择“均值、标准差、最小值、最大值、偏度、峰度”,点击“继续”回到Frequencies对话框,点击“图表”,弹出图4对话框,选择“直方图”,并勾选“在直方图上显示正态曲线”,点击“继续”回到Frequencies对话框,点击“确定”按钮,即输出统计结果图5、6、7。
| 统计描述">
图1
激活Frequencies对话框
| 统计描述">
图2 Frequencies对话框
| 统计描述">
图3 统计量对话框
| 统计描述">
图4 图表对话框
结果解释:图5给出了样本量、均数、标准差、最大值、最小值和峰度等;图6为频数表,图7为相应的直方图,由于结果简单,易于理解,不再赘述。
| 统计描述">
图5 统计量
| 统计描述">
图6 频数表
| 统计描述">
图7 直方图
二、Descriptives过程
该过程对数值变量进行一般性的描述。其对话框与Frequencies类似。
操作步骤:依次点击分析---描述统计---描述(图8),激活Descriptives对话框(图9)。将需要进行统计描述的变量从左侧变量框选至右侧变量框(以年龄为例)。点击“选项”按钮,弹出图10对话框,根据需要勾选,通常选择“均值、标准差、最小值、最大值”,点击“继续”回到Descriptives对话框,点击“确定”按钮,即输出统计结果图11。因结果简单,不再解释。
| 统计描述">
图8
激活Descriptives对话框
| 统计描述">
图9 Descriptives对话框
| 统计描述">
图10选项对话框
| 统计描述">
图11 Descriptives结果
三、Explore过程
该过程使用描述性统计量和图形对变量进行探索性分析,还可以按照某个变量分组后描述其他变量的属性,可以快速获取资料的基本信息,为下一步选择统计分析方法提供依据。
操作步骤:依次点击“分析---描述统计---探索”激活Explore对话框(图12)。将需要描述的变量选至右侧因变量列表(以SAS得分为例),将分组变量选至因子列表(以性别分组),将编号选至标注个案。点击“统计量”按钮,弹出图13对话框,勾选“描述性、界外值、百分位数”,点击“继续”回到Explore对话框,点击“绘制”,弹出图14对话框,选择“按因子水平分组”、“直方图”、“带检验的正态图”,点击“继续”回到Explore对话框,点击“确定”按钮,即输出统计结果图11。
结果解释:SPSS首先给出按照性别分组情况(男、女各自样本量及所占比例)、描述性统计量、百分位数以及5个最大和最小值,因结果简单易懂,故不再截图展示;还显示正态检验的结果图15,红圈所示P>0.05说明服从正态分布,如果P<0.05,说明不服从正态分布;另外还有直方图、正态Q-Q图均显示正态分布情况,篇幅限制,不再截图。数据分析培训
| 统计描述">
图12 Explore对话框
| 统计描述">
图13统计量对话框
| 统计描述">
图14绘图对话框
| 统计描述">
图15 正态性检验结果
SPSS科普 | 统计描述的更多相关文章
- dplyr 数据操作 统计描述(summarise)
在R中,summary()是一个基础包中的重要统计描述函数,同样的在dplyr中summarise()函数也可以对数据进行统计描述. 不同的是summarise()更加的灵活多变,下面来看下summa ...
- R vs Python:构建data.frame、读取csv与统计描述
一.Python 数据框就是典型的关系型数据库的数据存储形式,每一行是一条记录,每一列是一个属性,最终构成表格的形式,这是数据科学家必须熟悉的最典型的数据结构. 1.构建数据框 import pand ...
- spss C# 二次开发 学习笔记(二)——Spss以及统计术语解释(IT人眼中的统计术语)
针对客户需求,需要对一些数据做统计分析.统计分析的第一步,即为数据查询,查找出要统计分析的数据. 查询得出的是一个行列表格的结果集,行.列.表格等这些IT的数据库概念和Spss以及统计中的术语是如何对 ...
- Spss统计描述分析
总觉得有些技能学会了是不会忘的,但是还是要记录一下,怕记忆力不像狗皮膏药,并不那么牢固. 1.文件的合并 两个数据文件的合并 点击添加个案,这一步按照自己的需求选择,也可以打开外部数据集,在这里打开的 ...
- SPSS统计分析过程包括描述性统计、均值比较、一般线性模型、相关分析、回归分析、对数线性模型、聚类分析、数据简化、生存分析、时间序列分析、多重响应等几大类
https://www.zhihu.com/topic/19582125/top-answershttps://wenku.baidu.com/search?word=spss&ie=utf- ...
- Pandas统计计算和描述
Pandas统计计算和描述 示例代码: import numpy as np import pandas as pd df_obj = pd.DataFrame(np.random.randn(5,4 ...
- 基于SPSS的美国老年夏季运动会运动员数据分析
本文是课程训练的报告,部分图片由于格式原因并没有贴出,有兴趣者阅读完整报告者输入以下链接 http://files.cnblogs.com/files/liugl7/基于SPSS的老 ...
- spss
编辑 SPSS(Statistical Product and Service Solutions),“统计产品与服务解决方案”软件.最初软件全称为“社会科学统计软件包” (SolutionsStat ...
- SPSS输出的结果都要写到文章中吗
SPSS输出的结果都要写到文章中吗 经常有人问到,SPSS输出的结果都要写到文章中吗?文章中应该写什么呢?比如,均值.中位数.众数.标准差.百分位数.最小值.最大值等等,都要出现在文章中吗?洋洋洒洒那 ...
随机推荐
- 码云的使用以及pycharm
码云的使用 下载Git一路next 在码云上新建仓库 建立码云仓库 右键 git bash hero 依次输入 git config --global user.name "用户名&qu ...
- _IRP struct
Windows XP x86 +0x000 Type : Int2B +0x002 Size : Uint2B +0x004 MdlAddress : Ptr32 _MDL +0x000 Next : ...
- Apache Spark 2.2.0 中文文档 - Spark RDD(Resilient Distributed Datasets)
Spark RDD(Resilient Distributed Datasets)论文 概要 1: 介绍 2: Resilient Distributed Datasets(RDDs) 2.1 RDD ...
- C++类成员变量多用指针不用对象
如A类的成员变量含有B类的对象,那么每个A类对象产生或拷贝都要产生一次B类对象的构造或者拷贝,对象占的空间比较大,对象拷贝比较消耗内存. 如果换成B类的指针,A类对象拷贝,也只会产生4个字节或者8个字 ...
- AOP与IOC的概念(即spring的核心)
a) IOC:Spring是开源框架,使用框架可以使我们减少工作量,提高工作效率并且它是分层结构,即相对应的层处理对应的业务逻辑,减少代码的耦合度.而spring的核心是IOC控制反转和AOP面向切面 ...
- 数据库MySQL--联合查询
应用场景:当要查询的结果来自多个表,且多个表没有直接的连接关系,但查询的信息一致时 语法: 查询语句1 union(all) 查询语句2 union(all) ..... 注:多条查询语句的查询列数要 ...
- 概率dp——逆推期望+循环迭代zoj3329
首先要推出dp[i]的期望方程,会发现每一项都和dp[0]相关, 那我们将dp[i]设为和dp[0]有关的式子dp[i]=a[i]*dp[0]+b[i],然后再回代到原来的期望方程里 然后进行整理,可 ...
- 二分图建图,并查集求联通——二维等价性传递 cf1012B好题!
/* 模拟二分图:每个点作为一条边,连接的是一列和一行(抽象成一个点,列在左,行在右) 由题意得 a-b相连,a-c相连,b-d相连,那么d-c就不用再相连了 等价于把二分图变成联通的需要再加多少边 ...
- Sonatype Nexus Repository Manager清除无用的docker镜像
1.创建定时任务 2.先run一下看是否能删除无用镜像
- Django项目:堡垒机(Linux服务器主机管理系统)--02--02堡垒机设计后台交互程序
#main.py #本文件写所有的连接交互动作程序 #————————————————02堡垒机设计后台交互程序 开始———————————————— from django.contrib.auth ...