SPSS学习重点笔记专业资料.doc

Spss学习笔记(1)在spss中，数据文献管理功能基本上都集中在data和transform菜单上，其中transform重要实现变量级别数据管理，如计算新变量、变量取值重新编码等，data功能重要是实现文献级别数据管理，如变量排序，文献合并、拆分等。Transform菜单阐明：计算新变量：compute变量转换：recode,visual bander,count,rank cases,automatic recode五个过程，可以当作是compute再某一方面强化和打包。专用过程：建立时间序列、缺失值代替和设定随机种子三个过程，前两个专用于时间序列模型。设定随机种子功能重要影响伪随机函数使用。数据分析中，将持续变量转换为级别变量，或将分类变量不同变量级别进行合并是常用工作。而recode可以较好完毕这个任务。Recode提供了精准分组功能，但是如果但愿进行分组是有规律，例如等距分组或者等样本量分组，使用recode过程进行操作就显得非常麻烦，并且可视化限度不高，可以使用visual bander过程进行可视化分段。在数据分析中，将字符变量转换为数值变量是非常实用一种功能，除了使用recode过程手工设定转换规则外，还可以使用automatic recode过程自动按照原变量大小或者字母排序生成新变量，而变量值就是原值大小顺序。Automatic recode排序功能和rank cases类似，不同在于，automatic recode可以用于字符型变量。所谓变量秩序，就是对记录按照某个变量值得大小来排序。Rank cases就是用来排序专用过程。Count：该过程用来表达某个变量取值中与否浮现某个值，可以使单个数值，也可以指定区间，并且可以仅给出条件，而不必对整个数据集进行操作。该过程可以直接使用recode过程来实现。Random number seed：默认状况下，随机种子随时间不断变化，这样计算出随机数值无法重复，可以用该过程人为指定一种种子，后来所有伪随机函数在计算时都会以该种子开始计算，即成果可以重现。Data菜单阐明：简朴命令：涉及插入变量、插入记录和到达某条记录，这些功能都可以用鼠标在数据界面上直接完毕，很少会使用菜单调用。惯用简朴过程：涉及排序、拆分文献、选取记录和加权记录。变量与数据文献属性向导：用于定义数据字典，或者将预定义数据字典直接引入当前数据文献，对于大型或者持续性数据分析项目而言，这是一种非常有用功能。数据重构向导：用于进行数据转制，或者对重复测量数据进行长型、宽型记录格式间转换。文献合并过程：用于生成实行联合分析所需设计。其她过程：涉及定义日期变量过程、数据汇总过程和查找重复记录向导。Sort cases：记录排序。Split file：记录拆分。Select cases：不需要分析所有数据，而是按照规定分析其中一某些。Weight cases：记录加权。默认状况下，每行就是一条记录，但是有时非常麻烦。这时候可以使用频数格式录入数据，即相似取值观测只录入一次，另加一种频数变量用于记录该数据浮现了多少次。Aggregate数据汇总：分类汇总就是按照指定分类变量对观测值进行分组。分类汇总分类变量可以指定各种，称为多重分类汇总。Define variable properties：变量属性定义向导，用于对数据集中已存在变量进一步定义其属性。Copy Data Properties：用于将定义好数据字典直接应用到当前文献中。Identifying Duplicate cases：查找个别变量值重复，或者所有数值完全重复记录。Restructure：依照顾客规定变化数据排列格式。Transpose：用于对数据进行行列转置。重要用于编成，进行矩阵运算时矩阵转置操作。数据文献合并有两种：纵向连接和横向合并。纵向连接是几种数据集中数据纵向相加，构成一种新数据集，新数据集中记录是本来几种数据集中记录数总和。横向合并是按照记录顺序，或者某个核心变量数值，将不同数据集中不同变量合并为一种数据集，新数据集中变量数十所有原数据集中不重名变量总和。Spss学习笔记（2)有关分析和回归分析：都可以用来考查两个持续变量间关系，但反映是不同侧面。尽管在提及有关分析时候，往往考查都是两个持续变量有关关系，但事实上对任何类型变量，都可以使用相应指标进行有关关系得考查。测量有关限度有关系数诸多，各种参数计算办法及特点各异。持续变量有关指标：此时普通用积差有关系数，又称pearson有关系数来表达其有关性大小，积差有关系数只合用于两变量呈线性有关时。其数值介于-11之间，当两变量有关性达到最大，散点呈一条直线时取值为-1或1，正负号表白了有关方向，如果两变量完全无关，则取值为零。作为参数办法，积差有关分析有一定合用条件，当数据不能满足这些条件时，分析者可以考虑使用Spearman级别有关系数来解决问题。有序变量有关指标：所谓有序级别资料有关性/一致性高，就是指行变量级别高列变量级别也高，反之亦然。如果行变量级别高而列变量级别低，则被称为不一致。简朴有关分析：当两个持续变量在散点图上散点呈现直线趋势时，就可以以为两者存在直线有关趋势，也称为简朴有关趋势。Pearson有关系数，也称乘积有关系数，就是人们定量描述线性有关限度好坏一种惯用指标。积差有关系数合用条件：在有关分析中一方面要考虑问题就是两个变量与否也许存在有关关系，如果得到了必定结论，那才有必要进行下一步定量分析。此外还必要注意如下几种问题：1、积差有关系数合用于线性有关情形，对于曲线有关等更为复杂情形，积差有关系数大小并不能代表有关性强弱。2、样本中存在极端值对积差有关系数影响极大，因而要慎重考虑和解决，必要时可以对其进行剔出，或者加以变量变换，以避免由于一两个数值导致浮现错误结论。3、积差有关系数规定相应得变量呈双变量正态分布，注意双变量正态分布并非简朴规定x变量和y变量各自服从正态分布，而是规定服从一种联合双变量正态分布。以上几条规定中，前两者规定最严，第三条比较宽松，违背时系数成果也是比较稳健。Spearman有关系数又称为秩有关系数，使运用两变量秩次大小作线性有关分析，对原始变量分布不做规定，属于非参数记录办法。因而它合用范畴比Pearson有关系数要广多。虽然原始数据是级别资料也可以计算Spearman有关系数。对于服从Pearson有关系数数据也可以计算Spearman有关系数，但记录效能比Pearson有关系数要低某些（不容易检测出两者事实上存在有关关系）。Kendalls tau-b级别有关系数是用于反映分类变量有关性指标，合用于两个变量均为有序分类状况。简朴有关和偏有关有一种共同点，就是对所分析数据背景应当有一定限度理解。在这种状况下进一步进行积差有关系数计算，以在定量水平上对这种关联予以确认。同理，计算偏有关系数也是同样状况，只是又在计算积差有关系数基本上考虑了其她因素影响。但有时候会遇到一种状况，在分析前对数据所代表专业背景知识理解尚不充分，自身就属于摸索性研究，这时往往需要先对各个指标或者案例差别性、相似限度进行考察，以先对数据有一种初步理解，然后再依照成果考虑如何进行进一步分析。Distinces过程就可以用于计算记录（或变量）间距离（或相似限度），依照变量不同类型，可以有许多距离、相似限度测量指标供顾客选取。但由于本模块只是一种预分析过程，因而距离分析并不会给出惯用p值，而只给出各变量/记录之间距离大小，以供顾客自行进行判断相似性。Distinces过程可以计算距离测量指标或者相似性测量指标，这可以在主对话框中加以切换。距离测量指标，依照不同数据类型，距离测量指标也有所不同。分为持续性变量、频数表资料和二分类变量三种。相似性测量指标时间上就是前述那些有关分析指标体系，只是更为详细某些，重要分为剂量资料和二分类变量两种。有关和回归描述是两变量间联系不同侧面，简朴回归分析就是寻找因变量数值随自然量变化而变化直线趋势，并在散点图上找到这样一条直线，相应得方程也就被称为直线回归方程。通过回归方程解释两个变量之间关系会显得更为精准。除了描述两个变量之间关系外，回归方程还可以进行预测和控制。无序分类变量记录推断：x2检查重要用于检查某无序分类变量各水平在两组或多组间分布与否一致。还可以用于检查一种分类变量各水平浮现概率与否等于指定概率；一种持续变量分布与否符合某种理论分布等。其重要用途：1、检查某个持续变量分布与否与某种理论分布相一致。2、检查某个分类变量各类浮现概率与否等于制定概率。3、检查某两个分类变量与否互相独立。4、检查控制某种或某几种分类因素作用后来，另两个分类变量与否互相独立。5、检查某两种办法成果与否一致。主成分分析只是一种中间手段，其背景是研究中经常会遇到多指标问题，这些指标间往往存在一定有关，直接纳入分析不但复杂，变量间难以取舍，并且也许因多元共线性而无法得出对的结论。主成分分析目就是通过线性变换，将本来各种指标组合成互相独立少数几种能充分反映总体信息指标，便于进一步分析。Spss学习笔记（3)关于因子分析和回归分析因子分析是一种多变量化简技术。目是分解原始变量，从中归纳出潜在“类别”，有关性较强指标归为一类，不同类间变量有关性较低。每一类变量代表了一种“共同因子”，即一种内在构造，因子分析就是要寻找该构造。合用条件样本量样本量与变量数比例应在5：1以上总样本量不得少于100，并且原则上越大越好各变量间必要有有关性KMO记录量：0.9最佳，0.7尚可，0.6很差，0.5如下放弃Bartletts球形检查原则分析环节判断与否需要进行因子分析，数据与否符合规定进行分析，按一定原则拟定提取因子数目如果进行是主成分分析，则将主成分存为新变量用于继续分析，环节到此结束如果进行是因子分析，则考察因子可解释性，并在必要时进行因子旋转，以谋求最佳解释方式如有必要，可计算出因子得分等中间指标供进一步分析使用公因子数量拟定主成分累积贡献率：8085以上特性根：不不大于1综合判断因子分析时更重要是因子可解释性回归分析基本环节(1)拟定自变量和因变量(2)从样本数据出发拟定变量之间数学关系式,并对回归方程各个参数进行预计.(3)对回归方程进行各种记录检查.(4)运用回归方程进行预测.通径分析事实上是回归分析扩展，同步又是构造方程模型一种特例状况。对于应用来说，更重要问题是，各种办法都是在一定详细条件下应用，因而如何选取恰当办法便成为对的应用这些办法前提。Spss学习笔记（4)对于12种社会记录办法，可以用最简洁语言将这些分析办法加以概括：1、多元回归应用于单方程模型，其因变量必要为测量性变量，其自变量可觉得测量型变量或虚拟型变量。研究目是通过自变量变化来预测因变量变化，多元回归用最小二乘法求解回归系数。2、如果变量之间有多层因果关系，就可以由各种内在联系得多元回归方程构成一套通径分析连立方程组，每个方程都通过多元回归求解系数，然后应用通径分析分解变量之间直接作用和间接作用。3、如果一套联立方程组中具有潜在变量（即不可直接观测变量），便不能再用最小二乘法求解，这是可以应用构造方程模型，它重要采用最大似然预计求解。4、在研究有两组各包括各种变量变量组之间关系时，可以采用典型有关分析。典型有关分析所有变量必要为测量型变量或虚拟变量。5、多元方差分析研究两个以上类别中在多项测量型数据指标上与否存在明显差别。6、当因变量为二分类变量且自变量为测量型变量和虚拟变量时，不能采用多元回归，而应当采用logistics回归。7、logit模型是对数线形模型一种特例。它与logistic回归不同在于，它自变量所有都是分类变量。8、鉴别分析重要应用于在已知某些案例各种条件值及其成果类型条件下，形成鉴别方程，并应用于其她条件值已知但成果类型未知案例，预测她们成果类型。这种办法可以视为因变量为多分类成果，自变量为测量型或虚拟变量因果预测。它重要应用目是进行鉴别分类。9、在使用纵贯数据进行因果分析时，事件史分析是可以应用分析技术。其中，离散时间模型事实上就是用logistic回归求解。而cox比例风险模型是持续变量模型，她分为两种，一种涉及动态变量（即随时间变化自变量），另一种不涉及动态变量。事件史分析数据解决是一项比较复杂工作。10、至于因子分析、聚类分析和相应分析不是因果模型，她们分别用于分析变量、案例或类型（变量值）之间构造不安席。将她们成为相依模型。因子分析经常服务于浓缩各种测量型变量，使之转换为较少数量新变量（称为因子）后，依然携带原变量绝大某些信息。11、聚类分析用于分析各案例在各种测量性变量值上近似型距离，将其按近似性原则进行案例排列。12、相应分析可以用来对不用非测量型变量类别之间进行分析，以作图形式显示不同变量类别之间近似限度。Spss学习笔记（5)记录办法分类框架：一方面按照观测数据来源分类，第一类是横贯数据，横贯数据指在同一时间、不同案例观测数据。第二类是纵贯数据，指对同样案例在不同步间上多次观测数据。从办法论上，对于研究因果关系，纵贯数据具备更高有效性。其中事件史分析就是这一类。第二种划分是分析模型属性。一类是因果模型，一类是相依模型。因果模型即在变量中明确设立因变量和自变量模型，目在于描述自变量变化如何影响因变量变化。第三种划分时变量侧度级别。分为非测量型变量和测量型变量两种。该框架对于因果模型分类时还涉及到模型中因变量数量，有三种状况：一种是单变量模型，一种是多因变量模型，一种是多层因果模型。其中单因变量模型和多因变量模型都是单一方程模型，而多层因果模型事实上是构造模型，指由联立方程组构成模型，即某个变量在有方程中是因变量，而在其她方程中是自变量。科学研究不但体现为一种有明确目摸索，并且是通过极为细致、严谨特殊方式来进行，因而，提高办法论素养是减少错误、少走弯路必要训练。科学研究工作更要讲究科学办法论。有时候，由于不具备时间、费用、人力等投入条件，不也许实行一种专门设计观测，咱们便不得不借助可以得到其她记录数据。这种数据称为二手资料，应用二手资料进行分析成为二手分析。尽管这些数据中也也许包括咱们需要信息，但是由于当时获得这些数据时仅服务于其她目，因此数据变量设立、测量水平不一定可以完全达到本次研究规定，而研究人员又只能在这种条件下开展分析。这时研究人员必要明确，数据资料方面限制对分析成果构成了哪些也许损害，是体当前分析成果有效性上，还是体当前分析成果可靠性上。Spss学习笔记（6)记录研究中常用谬误：1、混淆记录联系与因果关系：因果关系是事物之间一种本质联系，而记录联系只是观测数据中所反映数量联系。并且检查和排除现象之间虚假有关，也是科学研究任务之一。时间先后顺序是判断因果关系得另一种准则，因而观测时间维度是研究设计中另一种重要内容。办法论理论告诉咱们，横贯研究使用是同一种时点观测资料，比较适合于对差别研究，而用于因果分析时就存在很大局限性。但是，来自于追踪调查和回顾性调查纵贯观测资料可以提供时间变量，于是在分析中可以包括时间顺序控制，则更有效于因果联系得分析。虽然所采用记录模型是因果模型，并且模型中涉及了时间变量，记录分析所能揭示依然只是记录联系，只但是记录模型多加了几种控制条件而已。这种被实际数据所验证记录联系，依然不能等同于因果关系。这是由于，无论多么严密和复杂，记录模型只是一种假设模型，代表研究人员对于实际因果关系数量特性一种设想。最为模型必然有所抽象，简化，绝不也许再现实际中因果关系丰富多彩各种规定性。并且，记录模型是进行假说检查一种手段，其检查本质是证伪，而不是证明。2、事后解释：这一问题产生不是记录分析错误，而是对于对的记录成果错误解释问题。如果事实上记录分析开始时并没有理论假设，那么这一研究属于探测性或描述性研究。在得到记录成果基本上，可以形成新理论假设。然而，如果反过来再将同一记录分析作为假设检查看待，就是犯了事后解释错误。3、生态学谬误：即依照集合单位分析成果作关于个体断言。这一问题要害时混淆了不同层次主体行为模式。在研究设计中，分析单位是一种很重要概念。从宏观到微观也许存在不同层次分析单位。由于宏观利益并不完全与微观利益相一致。但是如果将宏观汇总资料中所发现变量关系直接用来解释微观主体行为，便有也许产生生态学谬误。4、还原论谬误是与生态学谬误相对一种办法论谬误。还原论在记录研究上详细体现形式为，依照较低层次研究单位分析结论推断较高层次单位运营规律。这种引申同样需要先行假设宏观行为模式与微观行为模式相似才干成立，因此必然经历与生态学谬误类似风险。生态学谬误和还原论谬误都是在研究当中由于逻辑推理不够严密，因而犯了过度简朴化错误。5、混淆记录检查明显与实际意义明显对于整个模型或某些模型参数记录检查都是与采用抽样数据相联系得。记录检查与否明显受到三个方面影响：一是实际差别幅度或作用强度影响；二是所规定把握或称置信度大小；三是抽样样本规模大小。记录检查成果是有条件成果，三个方面中只要有一种方面发生变化，成果就发生变化。因此，记录检查明显只是阐明在三个方面特定条件下，与否可以必定差别或作用存在。如果可以必定，就说其记录性明显，否则就说其记录性不明显。Spss学习笔记（7)乱七八糟摘录了好多，都贴这里吧，时间长了，都不太记得了。这本书里提到变量划分是：名义测度（定名测度）、序次测度、间距测度、比率测度。多元回归将所研究变量分为一种被影响变量（称为因变量）和一组影响变量（称为自变量）。规定因变量必要是艰巨测度以上级别变量（持续变量），自变量可以是间距测度变量、也可以是名义测度级别变量（也称为分类变量）。因变量和自变量拟定是建立回归模型重要任务。在回归模型中，研究人员以规定因变量和自变量方式拟定研究变量之间因果关系，加以量化描述，并依照实测数据求解这一模型各个参数，评价回归模型与否能较好拟合实测数据，检查各自变量作用事否符合预先构想。如果模型可以较好拟合实测数据，回归模型还可以用于预测。一种自变量回归称为一元回归或简朴回归。拟定系数R2：咱们想懂得，一种解释性或者预测性方程效率如何，也就是说，所得到回归方程在多大限度上解释了因变量变化，或者说方程对观测值得拟合限度如何。R2称为方程拟定系数，它取值在0，1之间。R2越接近1，表白方程中变量对y解释能力越强。普通将R2乘以100%表达回归方程解释y变化比例。当采用曲线拟合数据时，R2可以作为选取不同模型原则。当模型中变量是线性关系时，R2是方程拟合优度度量。R2越大，阐明回归方程拟合数据越好，或者说x与y线性关系越强。即回归方程中自变量对y解释能力越强。当R2等于1时，所有观测值都落在拟合平面上。R2越小。阐明x与y线性关系越弱，它们之间独立性越强，或者说对x理解无助于对y预测。当R2接近于0时，阐明x与几乎不存在线性关系，但也许存在很强非线性关系。但是R2高并不表达模型选取食对的，在建立回归方程之前，普通应当先观测散点图以拟定适当模型，这时R2才是故意义。随着自变量个数增长，余差平方和逐渐减少，R2随之增大，尽管有自变量与y线性关系不明显，将其引入方程后，也会使R2增长。因此，R2是一种受自变量个数与样本规模之比影响系数，普通常规是1：10以上为好。当这个比值不大于1：5时候，R2倾向于高估实际拟合优度。为了避免这种情形，惯用调节地R2代替R2。对于R2开平方，就得到多元有关系数R：R又被称为复有关系数，它值域为0，1，R值越接近1，表白y与所有x之间线性关系越密切。当R=1时，所有观测值都落在拟合平面上；当R等于0时，这时y线性变化与x变化无关。偏拟定系数：方程拟定系数R2表达方程中所有变量解释y变化占y总变化比例，但是有时咱们还想懂得方程中每一种变量对减少余差平方和边际贡献。这就是偏拟定系数，它值域也在0，1中变化。偏拟定系数可以用于判断自变量重要性。如果它分母改为总余差平方和，并将分子分母分别除以相应得自由度，即可以用于偏F检查，在逐渐回归和向后回归中，它数值用以拟定保存在方程中变量。注意偏拟定系数是在原有方程基本上增长一种新变量时计算出来。依照同一原理，还可以计算偏多元拟定系数。即在原有方程基本上增长各种变量时所计算出来，表达是新增若干变量对y边界贡献。它在分析一种不可分割或研究人员不肯加以分裂变量组时是非常有用。例如，在遇到表达各种不同类别虚拟变量时，虽然它们是各种，但其实代表是一种多分类名义测度变量，因而单个计算偏拟定系数事实上是意义不大。偏有关系数：对于偏拟定系数开方，即得到偏有关系数绝对值。这里所说偏有关是控制其他变量条件下两个变量之间有关，因而这一偏有关是有正负之分，其符号与相应偏回归系数符号一致。普通称控制变量个数为阶。由于简朴有关没有控制变量，因而也称为零阶有关。偏有关系数可以检查在控制了其他变量之后，某一种变量x与否与y确有有关关系及关系得强弱，因而是研究分析中十分重要内容。回归方程检查和回归系数推断记录普通状况下，咱们是通过抽样样本观测数据来推断总体状况。因而，样本中计算各记录量都服从一定抽样误差。检查样本回归方程各记录量，就是为了依照样本记录量来判断总体各参数状况。当回归方程检查明显时候，就可以以为回归方程中至少有一种回归系数是明显，但是并不一定所有回归系数都是明显，咱们但愿在方程中保存最重要变量，删除不明显变量，为此必要对每个变量回归系数进行检查。在多元回归分析中，一种经常遇到问题是如何鉴别在所考察因素中，哪些是影响重要因素，哪些是次要因素。直接比较回归系数是不行，由于它们值分别与各变量单位关于系。在测量单位不一致时候，就不存在可比性。如果将自变量和因变量进行原则化，得到原则化回归方程，得到回归系数称为原则化回归系数。当自变量之间高度有关时，回归方程中自变量会互相削弱各自对y边界影响，使自身回归系数数值下降而其原则误差扩大，于是就会浮现回归方程整体明显，但是各个自变量都不明显现象，称为多重共线性。这时候，方程回归系数是不可靠。当方程中自变量高度线性有关，浮现严重多重共线性时，会对回归分析产生如下影响：1、回归系数置信区间变宽，系数变得不稳定，即不同样本计算得到回归系数将会差别很大，从而将由一种样本得到回归系数推广到总体时，是不可靠。2、回归系数不能反映自变量独立作用，由于当一种自变量变化时，会反映其他有关变量变化，从而该变量回归系数不能较好代表其他变量不变时，该变量变化对y影响。3、使新增变量产生回归平方和增量不大于方程中未具有与其有关变量时产生增量，从而使变量偏拟定系数变小，或者变量边界作用下降。4、。回归成果不可靠。需要指出是，多重共线性指是自变量之间线性有关，当自变量之间非线性有关时，不一定产生严重多重共线性问题。最优方程选取：为了使回归方程中自变量都变得明显，同步这个方程R2又尽量大，就会想到找一种最优回归方程，这个方程包括了尽量夺得对y有较大影响变量，同步这些变量又都是明显。一种直观办法，就是算出所有不同自变量组合回归方程，从中挑选最优者。尽管频率表、条形图和直方图对数据概括和描述很有协助，但是通过各种综合测量，进一步描述数据也非常重要。所谓综合测量，一方面要决定数据测量水平，测量水平分为四类：标称（定类）、顺序（定序）、区间（定距）、比例（定比）。给数据拟定测量水平之后，接着要选取适当记录量。综合记录量有集中趋势记录量、离散趋势记录量和形状测量记录量三种。集中趋势记录量用于内部差别较小数据，它记录量重要有均值、中位数、众数三种。众数：最常发生频次。普通只用于标称数据测量中，不用于顺序数据测量。中位数：分为奇数中位数和偶数中位数。中位数只用于定序变量测量中。奇数中位数：观测值排序后其一半落在中位数之上，观测值另一半落在中位数之下。偶数中位数：等于两个中心值之和除以2所得商。均值：均值是所有观测值平均值。只用于区间以上（定距以上）数据测量，不用于标称数据和顺序数据测量。均值受远离中心那些数据影响很大，而中位数则否则。在对分变量（0，1编码）中，均值对此类变量有特殊解释。在对称分布中，采用集中趋势测量时，变量均值、众数、中位数三者往往很接近。离散趋势测量：当甲乙两种分布也许相似时，应当采用集中趋势记录量，当两种数据分布有明显差别时，应当采用离散趋势记录量进行测量。记录量分为全距和方差。当两端点数据相似时（没有差别），方差S2=0；当两端点数据差别越大，方差S2也越大。形状测量记录量：形状测量可以用来检测一组数据分布与否呈现对称分布。当一组数据为对称分布时，绝大多数观测值都将集中于图形中部；当一组数据为非对称分布时，则有更多观测值偏向分布一侧，而形成偏态分布。对称分布种类：钟形分布：这种分布，越远离中心点，观测值浮现频率就越少。正态分布：在自然界和现实生活中，大多数现象都呈现着正态分布。正态分布是记录学中最总要分布，也是描述各种样本分布基本参照点。当把图形沿中间线折叠起来，两端是重叠：均值、中位数、众数三者将分别相应得重叠在一起。非对称分布：偏态分布：如果曲线尾部朝向较大值时，称为正偏态或右偏态；如果曲线尾部朝向较小值时，称为负偏态或左偏态。峰态分布：以原则偏态曲线为基准，当观测值向中心点汇集限度较大时，称为峰态分布。尖峰态：比峰态分布更陡峭、更汇集。与正态分布相比，更趋向于有更多观测值落在两端。低峰值：它峰态分布汇集限度，要比正态分布平坦和分散。从一张直方图可看到某种峭度和偏斜度。但要得到景区值，需要通过spss。原则分（z值）均值为0、原则偏差为1。Z值指出一种观测值有多少原则偏差落在了均值之上或均值之下。Levene检查：检查两个样本数据与否具备相等方差时，虽然可以采用各种检测办法，但是多数都是基于数据必要服从正态分布这一假设，否则就失去数据检查意义。Levene检查则较少依赖于正态性假设，因而，它是等方差性检查特别有效办法。Spread-level（幅度-水平）检查：幅度-水平图，是指框图高度与各变量水平或均值之间关系。幂转换：将每个数据做特定乘方运算，普通被用于稳定方差。当幂指数为零时，则是对数据求自然对数。拟定幂转换所用指数，是把每组数据中位数求对数及框顶（四分位级差）求对数，再将两种对数值作为坐标，画在坐标图上。正态性检查：1、图示法：偏态图可以描绘这些点偏离直线实际偏差，这种偏离直线偏差则构成了偏态图。如果样本来自正态总体，这些点应当分布在一条过原点水平线上，且没有任何模式；如果有一种明显模式，则意味着总体并非正态分布。正态概率图：对于正态概率图，每个观测值与其来自正态分布中盼望值构成数据点，这些数据点多数应落在一条直线上。2、明显性水平检查法：Shapiro-wilks检查：当均值与方差均未知而必要从数据中预计时使用。Lilliefors正态检查法：当明显性水平significance0.05时，固然可以回绝正态假设。但是，当样本规模比较大时，任何拟合度检查，几乎都以为有理由回绝原假设。因而难以找到一种服从正态分布数据。因此，对于大规模样本数据，不但要考察观测值明显性水平，并且还必要考察其对正态分布实际偏离限度。集中趋势分布三种较佳平稳测量：一、中位数：1、中位数中位数和均数、众数不同，中位数依赖于数据主体某些而非极值。因而，它值不是过度受某几种观测值影响。2、平稳预计量如果咱们对数据来源总体做出某个假定，则将会求出更好分布位置预计量，这种预计量称为平稳（或稳健）预计量。二、修正均值：1、修正均值由于均值受极值影响很大，因而，可以通过去掉某些远离主体数据极值，进而获得一种分布位置简朴而平稳预计量。修正均值长处：与中位数法同样，此法生成记录量也不受极值影响。与中位数不同是：它并非仅仅基于位于中央单一值（奇数）或两个数值（偶数），而是基于位于中央各种数值。中位数可作为一种50%修正平均值。高于或低于中位数各占半数数据将被忽视。总之，调节后均值比中位数可更好描述数据。M预计修正平均值，是把个案分为两组，一组用来计算均值，另一组则作为比较，然后观测两组频次，并分别赋予其权重1和0，最后计算其加权平均数。另一种折中办法，是把极值涉及在计算之内，而赋予一种权重较小。这种办法可以借助M预计或采用广义极大似然度预计。所有惯用M预计在赋予权重时候，观测值离分布中心越远，权重就越小，反之亦然。常用M预计有4种：HuberM预计量、HampelM预计量、TukeyM预计量、AndrewM预计量。多元方差分析：重要用途是同步分析和检查不同类别在各种间距测度级别变量上与否存在明显差别。当记录分析中需要比较来自两个子总体样本平均值与否有明显差别时，咱们普通应用t检查办法。例如，比较男性和女性平均初婚年龄时，无差别假设为：H0:Y1=Y2即两个子总体各自平均值之间无差别。于是咱们从两个子总体中随机样本中计算平均值作为对两个子总体预计，然后在考虑抽样误差条件下进行比较，以决定接受或回绝无差别假设。在研究中如果同步有各种子总体时，应用t检查需要两两加以比较，显得十分繁琐。因而，咱们往往应用综合性更强方差分析办法而代之。方差分析将提出问题方式进行了变化，其记录假设为，这些子总体平均值中与否至少有一种与其她子总体平均值存在明显差别，表达为无差别假设。方差分析思路为，将来自各子总体抽样样本汇合在一起，先假设她们来自一种总体，然后将这个汇合样本总变动分解为两个某些。一某些是组内变动，代表着本组内各案例值关于组平均值分布离散限度。另一某些时组间变动，代表着各组平均值关于总平均值分布离散限度。事实上，组内变动代表了在汇合总体总变动中不能用分组因素进行解释某些，组间变动代表了同一总变动中可以用分组因素加以解释某些。将这两个变动某些除以她们相应得自由度，即得到均方差。组间变动均方差除以组内变动均方差后来记录量服从F分布，于是咱们可以通过记录值相应得明显水平决定接受或者回绝当时无差别假设。由于一种完整多元回归分析中包括了有关分析、方差分析、回归分析几种方面内容，因而研究人员越来越乐意使用代表不同分组虚拟变量（或效应变量）以多元回归形势进行方差分析，这种以多元回归形势所进行方差分析不但可以检查同一无差别假设，并且描述各分组平均值与参照组平均值之间差别，并且对这些差别分别进行t检查。多元方差分析是方差分析办法进一步扩展。无论是单因素方差分析、多因素方差分析、还是多元回归分析，它们一种共同点是她们只涉及到一种因变量，不论她们自变量有多少，换句话说，就是其分组有多复杂，最后是通过一种指标上观测值来反映其所产生差别和变化。因此，方差分析或以多元回归形势进行方差分析是完全等价。数学模型：y=x1+x2+x3+xk其中y是因变量，并且必要是间距测度级别变量；x是表达分组名义变量；k是分组变量序号。当模型中除了分类变量以外，尚有其她间距测度级别自变量时，这一模型就成为协方差分析，其功能是将间距变量作为控制变量状况下进行方差分析。相比多元方差分析普通模型和多元回归普通模型，这两个名称关于元定义是完全不同。多元回归元是指自变量数目，而多元方差分析元时指因变量数目。多元方差分析与普通方差分析类似，用途也是检查不同分组与否存在明显差别。所不同是，它检查是建立在同步考察各种反映变量观测值上，而不是仅考察一种反映变量。多元方差分析数据规定和假设条件：多元方差分析是一元方差分析扩展。它因变量必要为间距测度级别变量，自变量为名义测度级别分组变量。由于存在各种因变量，因而对于因变量之间关系有专门规定。一方面，因变量之间需要存在一定限度有关。这里包括两层意思：其一是因变量之间应当为线性有关，如果是非线性关系，则多元方差关系会失去发现和检查分组之间多元差别能力。如果已知某些因变量之间存在非线性关系，可以先对因变量进行改造，使非线性关系线性化，然后再用改造得到变量进行多元方差分析。其二是变量之间有一定强度有关，否则局限性以发现和检查分组之间多元差别。因变量之间如果线性有关限度太弱，采用多元方差分析将一无所获。