SPSS期末复习笔记.doc

SPSS四种输出结果：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软件默认的数据文献格式，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，供日后反复使用或检查之用。
输出文献*.spo: 允许直接加以编辑或转贴到其他编辑软件，SPSS 16.0版之后将输出文献的默认格式改为*.spv。
数据文献清洗——多余反复的数据筛选清楚，将的确的数据补充完整，将错误的数据纠正或删除。 数据→标记反复个案 标记异常个案
问题的答案被称作变量的取值。将答案转变成可用于记录分析的数据，需要通过一个被称作“编码coding”的过程。
数据阵/数据文献：n个案例、m个变量构成的阵列
SPSS对数据的解决是以变量为基础的。
所以，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、度量标准和角色。这也被称作建立数据框架。
变量名必须以字母、汉字或字符@开头，数字不可以，其他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他特殊字符（如“！”、“？”、“等）。 变量名最后一个字符不能是英文句号（.）。
在SPSS中不区分大小写。例如，HXH、hxh或Hxh对SPSS而言，均被视为同一个变量。
SPSS的保存字不能作为变量的名称，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（区分大小写）和日期型。
但根据不同的显示方式，数值型又被区提成：数值、逗号、圆点、科学计数法、美元、（用户）设定货币等6个子类型。但是，只有数值(N)最为常用。
默认状态下，所有变量的类型均为数值型，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”但宽度必须大于小数位。
变量标签是对变量名的进一步描述，可长达120个字符
SPSS有两类缺失值：系统默认缺失值和用户定义缺失值。
对于数值型变量值，系统默认缺失值为圆点“.”，而字符型变量值的系统默认缺失值为空字符串（什么也没有）。
指定“列”事实上是设定变量的显示宽度，默认为8个字符的宽度。
记录学中，按照对事物描述的精确限度，将度量标准从低到高区分为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等级，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。要符合穷尽和互斥的原则。
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、频率和累计频率、累计频数。
定距尺度：不仅能区分不同类型并排序，还能指出类别之间的差距是多少，最典型的是温度。严格来说只能加减。其0值没有物理含义，没有绝对的“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个固定的绝对“零点”。0在定距变量中仅是一个测量值，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的结果转换为低层次测量尺度的测量结果，但不能把低层次的转化为高层次的。
半开放题的解决：指定变量时，可以使用两个变量，第1个变量中，“其他”作为一个选项；第2个变量将“其他中“请注明”的内容作为一个单独的开放题，而将没有选择“其他”一项的案例在此变量上的取值作为系统缺失值。为使得变量名之间具有一定的逻辑联系，可以考虑将第二个变量的名称设立为由第一个变量名称后直接加“a”之类的字符。
多选题的解决：
①多重二分法：编码时，将每一个选项定义成一个变量，有几个选项就有几个变量，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。（标准解决方式）
②多重分类法：也是运用多个变量来对一个多选题的答案进行编码。应当用多少个变量，取决于实际也许给出的最多答案的数目而定。这多个变量必须为数值型变量，所有变量采用同一套取值标签。

Excel、txt的文献读取之后要保存为SPSS的文献。插入终止线时，开始（即0列）处和结尾（最后一列）处必须插入，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
什么是固定宽度的，什么是分隔符等分开的？

数据管理
转换→变量级别的
—计算新变量：compute

—已有变量值的分组合并：recode（重新编码为不同/相同变量）
将度量变量重新分组为序号变量，或者将序号变量、名义变量的不同取值加以归类合并
“重新编码为相同变量”：对现有变量直接进行编码，保存该变量，只是根据设定的规则替换掉本来的取值。
“重新编码为不同变量”：根据现有变量的取值生成一个新变量来保存重新编码的结果。

涉及端点！！
—连续变量的离散化
假如想进行的分组是比较有规律的，例如，等距分组，或等样本量分组，可以使用SPSS提供的“可视离散化”过程进行分组。
SPSS提供了两种可视离散化：需用户自行判断设定的可视离散化和基本全自动的最优离散化。
建议生成分割点的时候先填第一个分割点的位置和个数，然后自动生成宽度。
—变量的自动重编码与数值移动
自动重编码：自动按照原变量取值的大小或字符顺序生成新变量，而新变量的值就是原变量值大小的序号或先后序次。
个案排秩：变量的排秩事实上就是根据某个变量的取值大小来对个案排顺序，同时将得到的排序结果保存到一个新变量中。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：碰到相同取值如何给序号值
默认为最常用的秩：新变量的值等于原变量取值的序号

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函数是返回之前的，取前面的数（滞后），在杂项里面；lead函数是返回后面的，取后面的数（提前），但是计算变量里面没有lead函数了
转换→转换值
—“转换”菜单中的其他功能
“对个案内的值计数”过程用于标记某个变量中是否出现了某个值或某个范围的值，也可以计算一组变量中出现特定取值的变量个数。

数据→文献级别的
—排序个案
用户所指定的变量被称作排序变量
排序个案v.s.个案排秩 区别：是否产生新变量；个案相对位置是否变动。
—拆分文献 可以和选择个案达成同样的目的
按照不同组分别汇总记录结果 “按组组织输出”
拆分文献一旦设定，除非另行取消，否则将在后续的数据解决和分析中一直有效，并且会被另存在数据集里。
—选择个案（筛选）
除了拆分文献的功能，尚有并不想对所有个案进行分析，而只是想对其中的一部分进行分析，这也需要用到“选择个案”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_$的变量加以标记，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。
选择个案一旦设定，除非另行取消，否则将在后续的数据解决和分析中一直有效，并且会被另存在数据集里。
随机个案样本 精确 后面的两个框框：
第一个框表达样本的容量。
第二个框表达样本的范围，也就是从第一个个案开始到第多少个个案
老师随机抽选同学回答问题就是这样做的。

—加权个案
给不同个案赋以不同的权重，以改变个案在记录分析中的重要性。通常两种情况下会用到这一过程：以频数形式录入的数据；不等概率样本数据。
加权个案一旦设定，除非另行取消，否则将在后续的数据解决和分析中一直有效，并且会被另存在数据集里。（同样的尚有选择个案和拆分文献）
—分类汇总
按指定的分类变量对个案进行分组，并按分组对变量求指定的描述性记录量，结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：定义一个新变量，其取值等于每一分组下的个案数目
上方、下方都是开区间
内部：取值大于等于a且小于等于b
外部：取值小于a或大于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的操作。
—数据文献的重组 （指的是长、宽格式之间的转换）
数据录入的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
某些特殊情况下，比如反复测量数据，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、同一个案占多行的格式排列的数据。（标记符变量、索引变量）
①长→宽 将选定个案重组为变量
转换后原文献中的数据被直接替换，但文献名没有变。
②宽→长 将选定变量重组为个案
—数据文献的合并
①纵向拼接/垂直合并 添加的是个案
②横向合并/水平合并 添加的是变量
若使用关键变量（指定横向合并时按照什么样的规则进行相应）进行横向合并，则各数据文献都必须事先按照关键变量取值进行升序排列，否则会犯错。为便于以SPSS进行横向合并，各数据文献中，表达不同含义的变量尽量采用不同的变量名称。

单变量描述记录：
集中趋势测量（中心性、中心测量）→众数（合用于任何测量等级的变量：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的意思，有一半的被调核对象的…在…以下/上）
均值（均值是数据分布的平衡点。只合用于尺度变量，而不合用于名义、序号变量。此外，均值对变量的取值大小很敏感，故，对于存在极端值的情形，均值不宜用作反映变量分布集中趋势的指标，更好的选择是中位数。）
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）
若要分析不同城市的中位数等的结果，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的平方 样本方差，也被称作样本修正方差，它是总体方差的无偏估计。这也是为什么需要在计算样本方差时除以n-1的因素）、标准差、异众比例（1-众数组所占比例）、范围（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（分布是否对称通过计算偏度skewness系数来测量，SK是无量纲的量，取值通常在-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 = 参数估计 + 假设检查（由样本来结识总体的两种方式）
参数估计 = 点估计 + 区间估计
描述记录的目的在于：简化或概括数据（信息）。采用何种描述记录工具取决于变量的测量水平。
数据分析的两个任务：描述样本 推断总体
判断是否正态（尺度变量）：
方法一：通过考察偏度和峰度系数
方法二：通过考察正态P-P图
方法三：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的集中趋势、离散趋势、分布形状之外，还可以考察一些位置记录量，如：四分位数百分位数等
对于尺度变量的描述记录，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 → 探索 过程
IQR：四分位距=第三四分位数-第一四分位数 中间50%案例的取值范围，反映取值分布的离散限度
样本均值的标准误SE
标准误：抽样分布（若反复抽样规模为n=N的样本，将所有也许样本均穷尽，每一个样本记录量（如均值）的值便构成了一个新的分布，叫做抽样分布）的标准差

单总体均值（比例是特殊的均值）的假设检查：t检查

分析→比较均值→单样本T检查
结论举例：由于95%置信区间并未包含0值，故应拒绝零假设。并无足够证据支持平均收入为20230美元的说法，故应认为收入不等于20230美元。
二总体均值差异的假设检查
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检查的零假设为：两总体均值之间不存在显著差异，即μ1-μ2=0
具体分两步来完毕：
第一，运用F检查判断两总体的方差是否相同【此为进行均值差检查的前提条件】
第二，根据第一步选择t记录量和自由度计算公式，进而对T检查的结论作出判断。
结论举例：表白男性和女性的收入存在记录上显著的差别。“记录上显著”的含义：基于样本观测到的男性和女性之间收入的差别并非是由随机抽样导致的，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”前后两个时点上的数据。注意，这与前面两个独立样本时情况不同，这时属于配对样本研究。（配对样本T检查）
将差值作为新的记录量（两次观测来自正态总体，不规定方差相等），检查差值是否为0。
表白起始薪水与当前薪水具有记录上显著的差别。
比例的话编码应当编成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。

多总体均值差异的假设检查：F检查 方差分析（ANOVA） 是对T检查的一般化
因素（factor）：要检查的对象 水平：因素的具体表现
线性回归是方差分析的一般化，方差分析是T检查的一般化
置信度小，会增大假设检查中犯I类错误（弃真错误）的风险
置信水平/置信度/置信系数 95% 99% 90% 求置信区间：探索或者单样本t检查
置信区间的含义：通常来说，95%置信区间的意思是我们估计的目的参数有95%的也许性落入某区间。而传统的记录和贝叶斯学派对置信区间的解释是有区别的。前者的95%置信区间准确的解释应当是反复抽样100次，大约有95次所估计的参数会落入该区间。而后者对置信区间的解释更接近于我们通常的理解即有95%的也许落入该区间。
假设检查所依据就是小概率原理（记录上），只是把小概率α的标准定得更为具体和数量化而已，比如0.05、0.01等。逻辑上依据的是反证法。
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方法的基本假定之一
方差分析结果往往意味着：不同组别群体是否来自同一个更大规模的（正态）总体
应用方差分析，因满足以下假定条件：
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有相同方差（方差齐性） （假如不齐，如存在呈现出更大变异（方差更大）的大规模组，则组内变异（WSS）会被夸大 后果：犯I类错误也许性变大）
方差齐性的假设 H0：三地index1的方差相等 H1：三地index1的方差不完全相等
方差分析的假设 H0：三地的均值相等 H1：三地均值不同或不完全相同
原假设是想反对的
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显著的差别。
单侧检查：
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
左侧检查就是拒绝域在左边
误差=随机误差（因素的同一水平下各观测值之间的差异）+系统误差（因素的不同水平下各观测值之间的差异）
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）之间独立性检查的工作可以通过SPSS的“交叉表过程”提供的“卡方检查”来完毕。
分类变量间关系的记录描述
分类变量间关系的记录推断
分类变量间关系强度的测度

问题1：从（样本）数据来看变量间有关联吗？ 查看SPSS形成的交叉表回答
问题2：若有关系，那么这个关系是否也存在总体中？ 执行χ2（卡方）检查回答
问题3：若变量间有关系，这个关系有多强？ 估计相应的关联测度指标来回答

交叉表：列边沿分布、行边沿分布 一般自变量放在列，因变量放在行 条件分布
分析 → 描述记录 → 交叉表 单元格
盼望的计数：零假设成立条件下每单元格中的频数。
H0：总体中性别与学历无关 H1：总体中性别与学历有关
若H0为真的话，观测的计数与盼望的计数应较为接近；反之，若两者差别较大，则H0很也许不成立。
卡方检查的自由度：（行变量的个数-1）×（列变量的个数-1）

分析关系强度：在记录量这一选项里面 “相关”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”适合一个名义变量和一个尺度变量。
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的预测效果，根据x去预测y可减少λ%的误差。
Tau与不拟定系数的含义与λ相同，只是在误差的定义上稍有差别。
假如要控制地区：城市作为层变量
存在关联才会接着算关系强度，假如不存在就没有必要了。
对本地经济状况的预期与对本地就业状况的预期之间是否一致？（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 中间的 一致性一般

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