SPSS期末复习重点笔记.doc

SPSS四种输出成果：枢轴表/轻量表、文本格式、记录图表、模型
SPSS四种窗口：语法窗口、输出窗口、数据窗口、脚本窗口
SPSS三种运营方式：命令行方式、批程序方式、菜单对话框
SPSS默认文献类型：
数据文献*.sav：此为SPSS软件默认数据文献格式，双击可由SPSS直接读取。
命令文献*.sps：可在语法编辑程序(syntax)中先编写或贴上欲执行之分析指令，并将其存贮起来，供日后重复使用或检查之用。
输出文献*.spo：容许直接加以编辑或转贴到其她编辑软件，SPSS 16.0版之后将输出文献默认格式改为*.spv。
数据文献清洗——多余重复数据筛选清晰，将的确数据补充完整，将错误数据纠正或删除。 数据→标记重复个案 标记异常个案
问题答案被称作变量取值。将答案转变成可用于记录分析数据，需要通过一种被称作“编码coding”过程。
数据阵/数据文献：n个案例、m个变量构成阵列
SPSS对数据解决是以变量为基本。
因此，数据录入前一定先定义变量及其属性，涉及指定名称、（存储）类型、宽度、小数、标签、值、缺失、列（宽）、对齐、度量原则和角色。这也被称作建立数据框架。
变量名必要以字母、中文或字符@开头，数字不可以，其她字符可以是任何字母、数字或_、@、#、$等符号。变量名中不能有空白字符或其她特殊字符（如“！”、“？”、“*”等）。 变量名最后一种字符不能是英文句号（.）。
在SPSS中不区别大小写。例如，HXH、hxh或Hxh对SPSS而言，均被视为同一种变量。
SPSS保存字不能作为变量名称，如ALL、AND、BY、EQ、GE、GT、LT、NE、NOT、OR、TO、WITH等。
SPSS中变量有3种基本类型：数值型、字符型（区别大小写）和日期型。
但依照不同显示方式，数值型又被区别成：数值、逗号、圆点、科学计数法、美元、（顾客）设定货币等6个子类型。但是，只有数值(N)最为惯用。
默认状态下，所有变量类型均为数值型，且宽度是8位、小数位是2位。
对话框界面可修改宽度和小数位，然后“拟定”，但宽度必要不不大于小数位。
变量标签是对变量名进一步描述，可长达120个字符
SPSS有两类缺失值：系统默认缺失值和顾客定义缺失值。
对于数值型变量值，系统默认缺失值为圆点“.”，而字符型变量值系统默认缺失值为空字符串（什么也没有）。
指定“列”事实上是设定变量显示宽度，默以为8个字符宽度。
记录学中，按照对事物描述精准限度，将度量原则从低到高区别为4种类型：
定类尺度：仅能测定类别差，不能比较大小，各类之间没有顺序和级别，只能计算频数频率比例，可以使用数值型变量，也可以是字符型变量。要符合穷尽和互斥原则。
定序尺度：可比较优劣或排序，但数值不代表绝对数量大小，可以是数值型变量，可以是字符型变量。可以计算频数、频率和合计频率、合计频数。
定距尺度：不但能区别不同类型并排序，还能指出类别之间差距是多少，最典型是温度。严格来说只能加减。其0值没有物理含义，没有绝对“0”点，故不能做乘、除运算。
定比尺度：测算两个测度值之间比值，与定距变量相比差别是有一种固定绝对“零点”。0在定距变量中仅是一种测量值，而定比变量真正表达没有。可以加减乘除。E.g.重量、年龄
可以将高层次测量尺度成果转换为低层次测量尺度测量成果，但不能把低层次转化为高层次。
半开放题解决：指定变量时，可以使用两个变量，第1个变量中，“其她”作为一种选项；第2个变量将“其她”中“请注明”内容作为一种单独开放题，而将没有选取“其她”一项案例在此变量上取值作为系统缺失值。为使得变量名之间具备一定逻辑联系，可以考虑将第二个变量名称设立为由第一种变量名称后直接加“a”之类字符。
多选题解决：
①多重二分法：编码时，将每一种选项定义成一种变量，有几种选项就有几种变量，且均以取值等于1表达选了该项、以取值等于0表达未选该项。（原则解决方式）
②多重分类法：也是运用各种变量来对一种多选题答案进行编码。应当用多少个变量，取决于实际也许给出最多答案数目而定。这各种变量必要为数值型变量，所有变量采用同一套取值标签。

Excel、txt文献读取之后要保存为SPSS文献。插入终结线时，开始（即0列）处和结尾（最后一列）处必要插入，否则会少变量
F4.0 A1 F是数值型 A是字符串 F4.0就是 数值型 宽度是4 小数是0
什么是固定宽度，什么是分隔符等分开？

数据管理
转换→变量级别
—计算新变量：compute

—已有变量值分组合并：recode（重新编码为不同/相似变量）
将度量变量重新分组为序号变量，或者将序号变量、名义变量不同取值加以归类合并
“重新编码为相似变量”：对既有变量直接进行编码，保存该变量，只是依照设定规则替代掉本来取值。
“重新编码为不同变量”：依照既有变量取值生成一种新变量来保存重新编码成果。

涉及端点！！
—持续变量离散化
如果想进行分组是比较有规律，例如，等距分组，或等样本量分组，可以使用SPSS提供“可视离散化”过程进行分组。
SPSS提供了两种可视离散化：需顾客自行判断设定可视离散化和基本全自动最优离散化。
建议生成分割点时候先填第一种分割点位置和个数，然后自动生成宽度。
—变量自动重编码与数值移动
自动重编码：自动按照原变量取值大小或字符顺序生成新变量，而新变量值就是原变量值大小序号或先后序次。
个案排秩：变量排秩事实上就是依照某个变量取值大小来对个案排顺序，同步将得到排序成果保存到一种新变量中。虽然效果同样都是基于某个变量对个案进行排序，但“个案排秩”过程比“自动重新编码”过程更为灵活。 结：遇到相似取值如何给序号值
默以为最惯用秩：新变量值等于原变量取值序号

数值移动：在SPSS中，一种方式是以“计算变量”过程运用Lag( )函数、Lead( )函数来实现 lag函数是返回之前，取前面数（滞后），在杂项里面；lead函数是返回背面，取背面数（提前），但是计算变量里面没有lead函数了
转换→转换值
—“转换”菜单中其她功能
“对个案内值计数”过程用于标记某个变量中与否浮现了某个值或某个范畴值，也可以计算一组变量中浮现特定取值变量个数。
数据→文献级别
—排序个案
顾客所指定变量被称作排序变量
排序个案v.s.个案排秩 区别：与否产生新变量；个案相对位置与否变动。
—拆分文献 可以和选取个案达到同样目
按照不同组分别汇总记录成果 “按组组织输出”
拆分文献一旦设定，除非另行取消，否则将在后续数据解决和分析中始终有效，并且会被另存在数据集里。
—选取个案（筛选）
除了拆分文献功能，尚有并不想对所有个案进行分析，而只是想对其中一某些进行分析，这也需要用到“选取个案”过程。
过滤掉未选中个案：默认未选中个案不涉及在分析中，但保存在数据中；并在数据文献中生成名为filter_$变量加以标记，取值1表达被选中，0表达未被选中；数据视图最左端未被选中个案处会标以反斜杠。
选取个案一旦设定，除非另行取消，否则将在后续数据解决和分析中始终有效，并且会被另存在数据集里。
随机个案样本 精准 背面两个框框：
第一种框表达样本容量。
第二个框表达样本范畴，也就是从第一种个案开始到第多少个个案
教师随机抽选同窗回答问题就是这样做。

—加权个案
给不同个案赋以不同权重，以变化个案在记录分析中重要性。普通两种状况下会用到这一过程：以频数形式录入数据；不等概率样本数据。
加权个案一旦设定，除非另行取消，否则将在后续数据解决和分析中始终有效，并且会被另存在数据集里。（同样尚有选取个案和拆分文献）
—分类汇总
按指定分类变量对个案进行分组，并按分组对变量求指定描述性记录量，成果可以另存为新数据文献，也可以直接（生成新变量）添加到当前数据文献。
个案数：定义一种新变量，其取值等于每一分组下个案数目
上方、下方都是开区间
内部：取值不不大于等于a且不大于等于b
外部：取值不大于a或不不大于b
分类汇总与拆分文献两个过程有何异同：
分类汇总还对变量做了描述性记录，而拆分文献只是对变量做了分类汇总，对变量进行描述还需要进一步操作。
—数据文献重组 （指是长、宽格式之间转换）
数据录入默认格式每一案例占一行、每一变量占一列。这种数据被称作宽格式数据
某些特殊状况下，例如重复测量数据，进行分析时需要采用长格式数据，即：按照每一观测（observation）占一行、同一种案占多行格式排列数据。（标记符变量、索引变量）
①长→宽 将选定个案重组为变量
转换后原文献中数据被直接替代，但文献名没有变。
②宽→长 将选定变量重组为个案
—数据文献合并
①纵向拼接/垂直合并 添加是个案
②横向合并/水平合并 添加是变量
若使用核心变量（指定横向合并时按照什么样规则进行相应）进行横向合并，则各数据文献都必要事先按照核心变量取值进行升序排列，否则会出错。为便于以SPSS进行横向合并，各数据文献中，表达不同含义变量尽量采用不同变量名称。

单变量描述记录：
集中趋势测量（中心性、中心测量）→众数（合用于任何测量级别变量：名义、序号和尺度变量）
中位数（只合用于序号、尺度变量，而不合用于名义变量，序号变量要还原到数字本来代表意思，有一半被调核对象…在…如下/上）
均值（均值是数据分布平衡点。只合用于尺度变量，而不合用于名义、序号变量。此外，均值对变量取值大小很敏感，故，对于存在极端值情形，均值不适当用作反映变量分布集中趋势指标，更好选取是中位数。）
左偏（负偏态）：均值<中位数<众数
右偏（正偏态）：众数<中位数<均值（平均数受偏高数值影响较大）
若要分析不同都市中位数等成果，可以先拆分文献再进行分析
离散趋势测量（尺度记录量）→方差（总体：样本： 单位是变量原始测量单位平方 样本方差，也被称作样本修正方差，它是总体方差无偏预计。这也是为什么需要在计算样本方差时除以n-1因素）、原则差、异众比例（1-众数组所占比例）、范畴（全距/极差）
分布形状测量→峰态（峰点陡缓限度通过计算峰度kurtosis系数来测量，多峰分布往往意味着群体内部存在分化）
偏态（分布与否对称通过计算偏度skewness系数来测量，SK是无量纲量，取值普通在-3到+3之间，其绝对值越大，表白偏斜限度越大。当分布呈右偏态时，SK>0，故也称正偏态；当分布为左偏态时，SK<0，故也称负偏态。）

记录学 = 描述记录 + 推断记录（参数检查&非参数检查）
推断记录 = 参数预计 + 假设检查（由样本来结识总体两种方式）
参数预计 = 点预计 + 区间预计
描述记录目在于：简化或概括数据（信息）。采用何种描述记录工具取决于变量测量水平。
数据分析两个任务：描述样本 推断总体
判断与否正态（尺度变量）：
办法一：通过考察偏度和峰度系数
办法二：通过考察正态P-P图
办法三：通过正态性非参数检查（分析→非参数检查→单样本 “使用定制字段分派”）
除了考察变量取值分布集中趋势、离散趋势、分布形状之外，还可以考察某些位置记录量，如：四分位数、百分位数等
对于尺度变量描述记录，可以采用 分析 → 描述记录 → 频率 过程，也可以采用 分析 → 描述记录 → 描述 过程，还可以用分析 → 描述记录 → 摸索 过程
IQR：四分位距=第三四分位数-第一四分位数 中间50%案例取值范畴，反映取值分布离散限度
样本均值原则误SE
原则误：抽样分布（若重复抽样规模为n=N样本，将所有也许样本均穷尽，每一种样本记录量（如均值）值便构成了一种新分布，叫做抽样分布）原则差

单总体均值（比例是特殊均值）假设检查：t检查

分析→比较均值→单样本T检查
结论举例：由于95%置信区间并未包括0值，故应回绝零假设。并无足够证据支持平均收入为0美元说法，故应以为收入不等于0美元。
二总体均值差别假设检查
分析→比较均值→独立样本T检查
小样本，总体方差未知，两个方差不等，非参数检查。
小样本，总体方差未知，但已知两个方差相等：T检查
大样本同样可以用T检查，由于n增大时，t与Z不断逼近，且更保守。

两独立样本t检查零假设为：两总体均值之间不存在明显差别，即μ1-μ2=0
详细分两步来完毕：
第一，运用F检查判断两总体方差与否相似【此为进行均值差检查前提条件】
第二，依照第一步选取t记录量和自由度计算公式，进而对T检查结论作出判断。
结论举例：表白男性和女性收入存在记录上明显差别。“记录上明显”含义：基于样本观测到男性和女性之间收入差别并非是由随机抽样导致，而是总体中两性间收入的确存在着差别。
①独立样本
②配对样本
针对同同样本收集接受“处置”先后两个时点上数据。注意，这与前面两个独立样本时状况不同，这时属于配对样本研究。（配对样本T检查）
将差值作为新记录量（两次观测来自正态总体，不规定方差相等），检查差值与否为0。
表白起始薪水与当前薪水具备记录上明显差别。
比例话编码应当编成0和1，例如均值想表达男性比例，男性就是1；均值想表达女性比例，女性就是1。

多总体均值差别假设检查：F检查 方差分析（ANOVA） 是对T检查普通化
因素（factor）：要检核对象 水平：因素详细体现
线性回归是方差分析普通化，方差分析是T检查普通化
置信度小，会增大假设检查中犯I类错误（弃真错误）风险
置信水平/置信度/置信系数 95% 99% 90% 求置信区间：摸索或者单样本t检查
置信区间含义：普通来说，95%置信区间意思是咱们预计目的参数有95%也许性落入某区间。而老式记录和贝叶斯学派对置信区间解释是有区别。前者95%置信区间精确解释应当是重复抽样100次，大概有95次所预计参数会落入该区间。而后者对置信区间解释更接近于咱们普通理解。即有95%也许落入该区间。
假设检查所根据就是小概率原理（记录上），只是把小概率α原则定得更为详细和数量化而已，例如0.05、0.01等。逻辑上根据是反证法。
可以将第一类错误记为“错杀好人”，把第二类错误记为“放走坏人”
方差齐性是方差分析ANOVA办法基本假定之一
方差分析成果往往意味着：不同组别群体与否来自同一种更大规模（正态）总体
应用方差分析，因满足如下假定条件：
被检查变量（因变量）为尺度变量
样本通过随机抽样得到（独立性）
尺度变量在分类变量各类别上服从正态分布（正态性）
尺度变量在分类变量各类别上具备相似方差（方差齐性） （如果不齐，如存在呈现出更大变异（方差更大）大规模组，则组内变异（WSS）会被夸大 后果：犯I类错误也许性变大）
方差齐性假设 H0：三地index1方差相等 H1：三地index1方差不完全相等
方差分析假设 H0：三地均值相等 H1：三地均值不同或不完全相似
原假设是想反对
Sig.=0.139 > 0.05，故接受零假设，即三地居民在消费信心上不存在明显差别。
单侧检查：
备择假设<a 是左侧检查 计算出双侧sig值之后除以2，再和0.05比较
备择假设>a 是右侧检查 计算出双侧sig值之后除以2，再拿1减去这个数，再和0.05比较
左侧检查就是回绝域在左边
误差=随机误差（因素同一水平下各观测值之间差别）+系统误差（因素不同水平下各观测值之间差别）
组内方差只涉及随机误差 组间方差既涉及随机误差，也涉及系统误差
SST=SSE+SSA

交叉表与卡方检查 针对分类变量（涉及名义和序号）之间独立性检查工作可以通过SPSS“交叉表过程”提供“卡方检查”来完毕。
分类变量间关系记录描述
分类变量间关系记录推断
分类变量间关系强度测度

问题1：从（样本）数据来看变量间关于联吗？ 查看SPSS形成交叉表回答
问题2：若关于系，那么这个关系与否也存在总体中？ 执行χ2（卡方）检查回答
问题3：若变量间关于系，这个关系有多强？ 预计相应关联测度指标来回答

交叉表：列边沿分布、行边沿分布 普通自变量放在列，因变量放在行 条件分布
分析 → 描述记录 → 交叉表 单元格
盼望计数：零假设成立条件下每单元格中频数。
H0：总体中性别与学历无关 H1：总体中性别与学历关于
若H0为真话，观测计数与盼望计数应较为接近；反之，若两者差别较大，则H0很也许不成立。
卡方检查自由度：（行变量个数-1）×（列变量个数-1）

分析关系强度：在记录量这一选项里面 “有关”适合两个尺度变量；“名义”适合两个名义变量；“有序”适合两个序号变量；“按区间标定”适合一种名义变量和一种尺度变量。
和相依系数越大，表达关联越强。
Lambda：0-1，反映自变量对因变量预测效果，依照x去预测y可减少λ%误差。
Tau与不拟定系数含义与λ相似，只是在误差定义上稍有差别。
如果要控制地区：都市作为层变量
存在关联才会接着算关系强度，如果不存在就没有必要了。
对本地经济状况预期与对本地就业状况预期之间与否一致？（Kappa）原假设是不一致
P<0.05 一致 Kappa≥0.75 一致性较好；Kappa≤0.4 一致性较差 中间 一致性普通

参数检查：单样本T、独立样本T、配对样本T、方差分析
非参数检查：卡方检查、二项分布检查