Spss章节总结

第一章:

1. SPSS的发展 :

19xx年，3位美国斯坦福大学的学生开发了最早的SPSS系统，并基于这一系统于19xx年在芝加哥合伙成立了SPSS公司。 SPSS的基本功能包括数据管理、统计分析、图表分析、输出管理等。

SPSS名为社会学统计软件包，这是为了强调其社会科学应用的一面（因为社会科学研究中的许多现象都是随机的，要使用统计学和概率论的定理来进行研究）。

2.小结:

SPSS的主界面有两个，一个是SPSS数据编辑窗口，一个是SPSS结果输出窗口。数据编辑窗口主要包括数据的编辑和统计分析；结果输出窗口主要的功能是显示和管理SPSS的各种统计分析的结果。 SPSS的帮助系统可提供各种丰富详尽的在线帮助。

第二章:

1.小结:

利用SPSS进行统计分析，变量和数据是必不可少的。本章主要介绍数据的输入、编辑以及针对变量的各种操作。

将数据输入SPSS中有多种方法，用户可以逐行录入也可以读入其他格式文件数据。数据输入后通常需要对数据进行进一步的处理，如排序、分类汇总或缺失值的替代等。

SPSS中的分析都是针对某一特定变量进行的。熟练掌握变量的操作技巧十分有助于提升工作的效率。

第三章:

SPSS基本统计分析是进行其他统计分析的基础和前提。通过基本统计方法的学习，可以对要分析数据的总体特征有比较准确的把握，从而有助于选择其他更为深入的统计分析方法。

本章主要介绍如何在SPSS中进行平均数、中位数、众数、方差、百分位、频数、峰度、偏度、探索分析、交叉联列表分析、多选项分析、基本统计报表制作等的操作。

1.小结：

描述性统计是进行其他统计分析的基础和前提。利用这些基本统计方法，可以对要分析数据的总体特征有比较准确的把握，同时也为更深入的分析提供了依据。

Frequencies命令可用于数字型或字符型变量的统计分析，如均值、标准差、最小值、最大值、众数、中位数、方差、全距等14种统计量。

探索分析可对变量进行更为深入详尽的描述性统计分析，有助于用户思考对数据进行进一步分析的方案。

第四章：

在正态或近似正态分布的计量资料中，经常在使用前一章统计描述过程分析后，还要进行组与组之间平均水平的比较。本章介绍的T检验方法，主要应用在两个样本间比较。如果需要比较两组以上样本均数的差别，这时就不能使用上述的T检验方法作两两间的比较。

1.小结：

在商业分析中，通常需要进行组与组之间平均水平的比较。本章介绍的T检验方法，就是主要用来进行两个样本间的比较。 T检验的基本原理是：首先假设零假设H0成立，即样本间不存在显著差异，然后利用现有样本根据t 分布求得t值，并据此得到相应的概率值p，若p≤?，则拒绝原假设，认为两样本间存在显著差异。

SPSS中“Analyze”菜单中的“Compare Means”可用于均值检验，其子菜单中的“One-sample T test”用于单一样本T

检验； “Independent-samples T test”用于两独立样本T检验；“Baired-samples T test”用于两配对样本T检验。

第五章：

1.小结：

方差分析用于两个及两个以上样本均值差异的显著性检验。方差分析的基本思想是：通过分析研究中不同变量的变异对总变异的贡献大小，确定控制变量对研究变量影响力的大小。通过方差分析，分析不同水平的控制变量是否对结果产生了显著影响。如果控制变量的不同水平能够对结果产生显著影响，那么它和随机变量共同作用，必将使结果有显著变化。

单因素方差分析所解决的是一个因素下的多个不同水平之间的相关问题；多因素方差分析的控制变量在两个或两个以上，其主要用于分析多个控制变量的作用、多个控制变量的交互作用以及其他随机变量是否对结果产生了显著影响；协方差分析将那些很难控制的因素作为协变量，在排除协变量影响的条件下，分析控制变量对观察变量的影响，从而更准确地对控制因素进行评价。

单因素方差分析主要用“Analysis”的“Compare Means”菜单下的“One—Way ANOVA”子菜单实现；多因素方差分析和协方差分析都是在“Analysis”下“General Linear Model”菜单下的“Univariate”子菜单实现的。

都六章：

1. 小结：

相关分析即是用适当的统计指标来衡量事物之间，以及变量之间线性相关程度的强弱。相关分析的方法很多，包括简单相关分析、偏相关分析和距离相关分析。

简单相关分析包括定距变量的相关分析和定序变量的相关分析。前者通过计算定距变量间的相关系数来判断两个或两个以上定距变量之间的相关程度。后者则采用非参数检验的方法利用等级相关系数来衡量定序变量之间的相关程度；偏相关分析是指在排除了第三者影响的前提下，衡量两个变量之间的相关程度，当然第三者与这两个变量之间要有一定的联系；距离相关分析是对观测变量之间差异度或相似程度进行的测量。

简单相关分析可通过 “Analysis”/“Correlate”/“Bivariate”子菜单来实现；偏相关分析可通过“Analysis”/“Correlate”/“Partial”子菜单来实现；距离相关分析通过“Analysis”/“Correlate”/ “Distances”子菜单来实现。

第七章：

1.小结：

回归分析是研究变量与变量之间联系的最为广泛的模型。在实际中，根据变量的个数、类型，以及变量之间的相关关系，回归分析通常分为一元线性回归分析、多元线性回归分析、非线性回归分析、曲线估计、时间序列的曲线估计、含虚拟自变量的回归分析和逻辑回归分析等。

一元线性回归只涉及一个自变量的回归问题；多元线性回归用于解决两个或两个以上自变量对一个因变量的数量变化关系问题；非线性回归主要解决在非线性相关条件下，自变量对因变量的数量变化关系；时间序列的曲线回归用于研究因变量与时间之间的变化关系；当遇到非数量型变量时，通过引入虚拟变量来构造含虚拟变量的回归模型；Logistic回归分析是对定性变量进行的回归分析。

SPSS中“Analyze”/“Regression”菜单可用于回归统计分析。其中，一元线性回归、多元线性回归和含虚拟变量的回归分析可由“Linear”子菜单完成；非线性回归分析、曲线估计和时间序列的曲线估计可由“Curve Estimation”子菜单完成；逻辑回归分析可由“Binary Logistic”子菜单完成。

 

第二篇：spss实训个人总结表

数信系学生项目实训个人总结表

                                                              

数学与信息工程系

  20##  年   12  月  28日