第一篇：體育統計學spss

對大學體育課程中武術課的研究

體育學院 0802班 周國慶230801057

武術是現在大學體育課程中的一門熱門課程，它的優勢不僅僅體現在它的外在美，同時也是因為它的內在美。為了研究武術教學在大學體育課程中的優勢，本文通過通過對武術的道德觀，大學武術課程的基本內容和武術的幾個作用的研究，得到武術在當代的大學體育課程中具有得天獨厚的優勢的原因，即武術對大學生的身心健康發展起著重要引導意義。

武術是中華民族傳統體育文化的瑰寶，具有濃郁的民族氣息和深厚的群眾體育基礎，在傳承傳統體育文化、弘揚民族精神、構建新型和諧社會等方面發揮著不容忽視的作用，然而學校現行的武術教學在我國特別是大學校園中開展的情況卻不盡如人意。為深入了解大學武術教學開展現狀與存在的主要問題，本文采用文獻資料法、問卷調查法、現場觀察法、數理統計法、實驗法等多種研究方法，對中學武術教學現狀進行研究，廣泛地征求武術教學工作開展的意見、努力拓寬利用武術弘揚民族精神的途徑。

大學武術教學的基本內容及其優勢

（一）武術教學的基本內容

武術的內容豐富多彩，分類的方法也多種多樣，按照運動形式可分為套路運動和格斗運動兩大類。在當代大學的實踐教學中，套路運動教學占據內容。

教學中武術的套路運動和正式的武術套路運動一樣，是以踢、打、摔、拿、擊、刺等動作，遵循攻防進退、動靜疾徐、剛柔虛實等規律組成的徒手和器械套路演練。在大學的體育教學中，武術主要有拳術、器械、對練和集體項目等。格斗項目在校園體育教學中開展的比較少，因為格斗運動在進行的過程中出現意外事故的幾率比較大。現在校園體育開展的格斗運動有散打和太極推手。

（二）武術的特點

1.動作具有攻防技擊性。

2.具有內外合一，形神兼備的運動特色。

3.內容豐富多彩，具有廣泛的適應性。

（三）優勢

武術在大學體育教學中的優勢，源于起深厚的傳統文化色彩，以及其強身健體的顯著功效，同時也可以鍛煉一個人意志力，起到教人做人的作用。中國武術一直披著一層神秘的外衣，使其成為國人心中神圣的行為。這正是我國的傳統文化所帶來的效果。同時也因為武術神奇的強身健體的功效，也為其贏得了廣大學生的喜愛。

大學武術的道德觀

自強不息與厚德載物、無執無痕與無為無待，共同構件了中國傳統的武術道德，這也是傳統的武術道德的觀念體系。它對于所有傳統中國人特別是傳統武術人的影響是深入骨髓的。

自強不息與厚德載物，是來自于儒家的一種積極向上、寬厚待人的入世性質的道德觀念。是練習武術的人做人做事的基本依據。自強不息，是中國歷史上的仁人志士的基本共識。即通過學習武術可以使我們對于事情做到自主、有信心，在充分認識自己的基礎上對自己充滿信心。厚德載物作為一種武術道德，是以載物為外在表現，強調的是一種包容意思。這種包容意思可以大致的理解為儒家的仁、義、禮、智、信（五常）與中庸。

無執無痕與無為無待，是來自于佛家和道家的一種平心靜氣、超凡脫俗的出世性質的道德觀念，是習武調整形態的法寶。無執無痕，是對待自己所做的事情的一種良好心態，是佛家的思想精華，這種融入世和出世于一體的理性意識也深深影響著幾乎所有領域的中國人。無為無待，是對待他人他物的一種良好的心態，是不對他人他物進行任何的干涉。

1、研究目的

（1）了解目前大學體育課武術教學現狀的實施具體情況，武術教學開展的現狀、武術教材的現狀、武術師資的現狀等，分析當前武術教學中存在的主要問題和產生的根源等，提出相應的對策，為今后我們淮陰師范學院武術教學的全面落實和順利開展提供理論與實踐的可行性與參考性的依據。

（2）了解大學生對武術的認識和要求、專家、教授對武術教學的看法和希望、校領導對學校武術教學的看法和希望、家長和社會對中學武術教學看法和希望，以便充分滿足學生對武術運動的需求,體現社會對大學武術教學的期望

（3）學校體育課程改革的需要。改革開放以來，我國學校體育教學也不斷地進行著改革，當前已進入體育課程改革階段。在體育課程內容設置上應擴大選修教材比重，提供多種課程模式，供教師和學生從中選擇。過去武術教學中有許多缺憾和不足，現在應該從學生的實際條件和客觀需要出發，發揮其多元化功能。

2、研究意義

（1）中國傳統武術進入大學體育課堂，對學生傳統文化和民族精神的培養具有重要意義。

民族精神是一個民族在長期歷史發展中積淀的最優秀、最積極的觀念文化，是該民族傳統文化的精華和靈魂，具有鼓勵、教育和團結本民族人民奮發圖強的力量。“在大學生中開展弘揚和培育民族精神教育，是深入貫徹落實‘三個代表’重要思想和黨的十六大精神，是中華民族精神代代相傳、發揚光大的必然要求，是加強社會主義精神文明建設的基礎性工程”。武術是我國傳統文化的重要組成部分，在其產生和發展過程中，它不僅受到中華民族精神的滋養，而且也為中華民族精神的養成起到了積極的作用。武術運動吸取了中華傳統文化的精華與深邃，承襲了中華民族優秀文化中“自強不息”、“厚德載物”。另外，武術運動以愛國主義為其精神的最高層次，使中國的歷史上出現了如岳飛、戚繼光等一大批愛國將士，對于培養追求真理、愛好和平、見義勇為等良好的人格具有不可代替的作用。

事實上，世界上大部分體育發達國家都保存著特色鮮明的民族傳統體育教育，例如：日本的柔道、韓國的跆拳道、美國的籃球等等。而我國學校的民族傳統體育教育狀況迄今為止尚沒有形成特色鮮明的體系。因此，加強武術教育將有利于我國學校體育教育的發展，有利于民族文化的繼承和發展。

（2）充分利用武術運動的強身健體和修身養性功能，有利于在素質教育中增強學生體質，促進學生身心健康發展。

武術教學首先具有磨煉意志，培養道德情操的功能。武術歷來將“夏練三伏，冬練三九”，“拳打千遍，身法自然”等武諺作為激勵學武者躬行實踐，堅持常年不懈并持之以恒地鍛煉。可以培養勤奮刻苦，果斷頑強和堅韌不屈的意志品質。培養尚武崇德，尊師重道，講禮守信，見義勇為，不凌弱逞強等高尚的道德情操。其二有鍛煉身心，增強體質，全面發展學生的身體素質等功能。武術運動具有強身健體的作用，它不僅是形體鍛煉，而且使人的身心也得全面的鍛煉。還能發展人體的速度、力量、靈敏、協調和耐力等素質。其三有學練武術、掌握技擊，提高防身自衛的功能；武術具有技擊的特點，通過學練武術可以掌握各種踢、打、摔、拿、擊、刺等方法，還能增勁力、抗摔打、提高防身自衛的能力。

（4）武術運動內在的對習武者思想素質與道德觀念的要求有利于認識體育教學的社會性。

（5）有利于全民健身運動的開展和實現武術成為奧運爭光戰略的需要 中華武術源遠流長，內容豐富、形式多樣。武術運動特別是太極拳在推動全民健身運動的開展、豐富群眾業余生活、提高中老年人健康狀況方面起到了很大的作用。深入開展武術運動，開發、完善適應各年齡層的武術項目，使武術中最精華、最具有代表性的運動項目得以傳承，形成諸如形意拳、八卦掌及各種長短、軟硬器械等與太極拳運動百花爭艷的全民健身景象，滿足不同人群對武術運動的需要，使武術運動深深植根于群眾之中，成為全民健身的重要項目之一，是當前武術全民健身的工作重點。實施全民健身計劃要求以全國人民為對象，以青少年為重點。我國青少年兒童目前基本上都是在各級各類學校學習的學生。武術要為億萬多青少年身體健康服務，要得到更大范圍的普及與推廣，必須盡快真正地進入各級各類學校中。依托學校來普及推廣武術，可以達到培養人們終身體育的意識和鍛煉的習慣，最終在全社會實施全民健身教育的目的。

三、研究方法與對象 問卷調查法

問卷的發放與回收情況 教學實驗法

實驗對象：隨便選取大學一年級普通學院系科六班的女生100人（選取三個班女生50名為實驗組A1，選取余下三個班女生50名為對照組A2）和大學二年級某個學院的三班學生56名（男女生比例：男生29名，女生27名）為實驗組B1、某個學院八班學生55名（男女生比例:男生23名，女生32名）為對照組B2(人數)學生作為武術課程改革的對象進行實驗研究。

實驗題目和目的：對大學武術教學與學生創造力培養的實驗性研究，在原有武術教法基礎上，讓每個學生積極參與到教學中來。要求他們不僅能學會教師所教的規定動作，還能動腦、動手編出自己喜歡的套路，為終身體育鍛煉打下良好的基礎。

研究方法：采用對比實驗法，實驗前實驗指標一是課堂武術教學的興趣；二是武術課的學生考核情況。通過對一個實驗組用武術教學與學生創造力培養教學，另一個對照組采用傳統武術教學方法進行教學。實驗后，對實驗組和對照組測量上兩個指標，進行統計比較分析。實驗采用了適應以學生為中心的教學方法，在大學大膽改革武術的教材。

實驗步驟：在教學過程中（實驗組）讓學生由易到難地系統掌握教學規定的技術動作，然后重點介紹一些難度大的動作和編排成套武術動作的簡單知識，進而發揮學生的主觀能動性，鼓勵學生充分挖掘自身潛力，大膽創新，自行編排動作組合、套路或表演項目，并給學生提供各種表演的機會。學生從編排、練習到表演，既加深了對武術運動規律的認識，又鍛煉了創造力。

第二階段是培養學生創造力。方法一是設疑引趣，培養創新力。質疑是創造性開端，也是提高思維能力的基礎訓練。學生有了質疑才能產生興趣，才有學習的積極性。由于大學武術主要是拳術套路，是以踢、打、摔、拿、擊等各種動作為素材，套路中的每一招、每一式都有其實戰用途，對防身自衛有一定重要意義。在教學過程中列舉套路中某個動作，然后讓學生開動腦筋拆解其他動作。在學生經過思考、研究后仍未拆解開的動作，教師給予幫助。所以學生從小接觸一下“創造”，感受一下“創造”的神秘感，使學生切身體驗到探索事物的科學過程，對學生的創造力是有益的。方法二是激發興趣，團結協作。興趣是最好的老師，是影響學習自覺和積極性的重要因素。學生喜歡學習，才能保持持久、穩定的學習欲望。在教學中讓學生感受到武術的博大精深，激發他們對武術學習的興趣，形成良好的心理動力，樂于主動地合作式學習，探討武術教學中的有關問題，從而發揮學生創造力的動力。

第三階段是培養學生創編能力。根據編排方法及要求，教師教授規定套路后，布置學生（兩人一組）根據所學套路觀看有關拳術錄像片、參考有關書籍，創編一套武術套路。第十二周編寫完畢后，教師根據每組編寫情況有針對性地進行輔導，如動作不準確、銜接不暢、方向錯誤等。第十四周收作業。

要求：武術動作的基本手型：拳、掌、鉤。基本步型：弓步、馬步、仆步、歇步、虛步。腿法：彈、踢、蹬、踹。創編套路共2段，動作不得少于18 個動作。

6、數理統計法

將回收的教師及學生問卷用常用統計軟件spss11.0進行分類數理統計分析并利用卡方檢驗。

（二）研究對象

2、實驗性研究對象

選取大學一年級普通學院系科的六個班的女生100人（選取一至三班女生50名為實驗組A1，選取四至六班女生50名為對照組A2）和大學某學院二年級二班學生56名（男女生比例：男生29名，女生27名）為實驗組B1、七班學生55名（男女生比例:男生23名，女生32名）為對照組B2(人數)學生作為武術課程改革的對象進行實驗研究。

四、研究結果與分析

1、武術教學開展的現狀

（1）學校對武術課的重視程度結果與分析。

調查結果表明，學校領導重視學生的文化課教學及升學率，而對體育課尤其是武術課的教學重視力度不夠。統計結果進行分析，利用卡方檢驗得知P值分別是1.000、0.999、0.999、1.000，可知P都大于0.05，故接受原假設。從均值來看，有18.40%的學生認為學校非常重視武術課，21.22%的學生認為學校重視武術課，占40.54%是由于有武術節，46.34%的學生認為學校一般重視武術課，另有14.04%的學生認為學校武術教學的課時和內容安排較少，說明對武術必修課不重視。

（2）武術課的開設情況結果與分析。

調查結果表明，在大學進行武術教學，首先要解決的問題是師資隊伍建設問題，尤其是武術專業的師資問題，以及簡單易學、學生喜歡的武術內容的教材建設問題。

利用統計結果表明，利用卡方檢驗得知P值都大于0.05,故接受原假設。從均值來看，有52.11%的學生反映學校沒有開設武術教學課，主要原因是由于沒有師資力量，教師不認真負責，上課教的內容少，出現放羊現象。僅47.89%的學生反映學校開設有武術課，造成這種原因是教師教學計劃中沒有安排武術課教學內容的原因。總之，雖然武術是大學的必修課，但是還存在著大部分大學沒有開設專門的武術課的事實。學校體育教師反映主要原因依次是學校缺少武術專長教師，其他教師不愿承擔武術教學任務、缺乏簡明有趣的教材。（3）武術課的教學內容結果與分析。

調查結果表明，原有的教學大綱和教材的科學性和實用性欠缺。主要依據統計結果進行分析，利用卡方檢驗得知P值都大于0.05,故接受原假設。僅有22.54%的教師按原有大綱選擇武術教學內容，自選、自編武術教學內容的分別占64.85%、11.25%，（4）學生和教師對武術課的評價結果與分析。

調查結果表明，對武術課評價依據很難掌握尺度。統計結果進行分析，從均值來看，有68.75%的學生喜歡武術課，是由于武術課在大學有一定群眾基礎；也有31.25%的學生不喜歡體育教師教的武術內容，是由于內容復雜，課時少，學的東西少；滿意和基本滿意武術教學法的分別占29.47%和44.16%,是由于教師認真備課、備教法；也有24.42%的學生不滿意武術教學法，是由于教師教態不好；相對于其他體育課，都喜歡的占40.99%，更喜歡武術課的占32.24%，而更喜歡其他體育課的占20.07%，這說明武術教學內容一般。同樣上一節武術課和其他體育課，69.18%的學生認為武術課更累，認為教師更累的達60.15%，說明要改革武術課程教學方法，娛樂于學中，發揮武術健身、健心功能。學生普遍認為武術課程難學難練，要注意根據學生的生理心理水平創編合適不同年齡階段的武術教材，簡化武術內容。53.60%的體育教師認為應該增加武術課程的時數，66.35%的教師對開展武術比賽持支持態度,說明當前體育教師對武術項目的重視程度還是很高的。在教學中反映教學效果好的項目有刀術、長拳等。

（7）武術教學計劃的完成情況結果與分析。

調查結果表明，要制定合理的教學計劃，注重教學效果而不能盲目求多。據統計表明大部分學校體育教學計劃有武術內容，僅占6.97%的教師反映體育教學計劃中沒有武術內容，能完成教學任務的僅占31.71%，計劃有而課堂無占19.07%，還有41.95%的教師能部分完成教學任務，我在教學中也出現這種情況。這說明大部分學校有武術課程的教學計劃，但是能完成教學任務的卻很少，這是由于武

（二）實驗性研究的結果與分析

本次實驗通過自編、自練，使學生的形象，充分展示個體的創造性。通過表象的概括，具體的形象思維，使他們的親自實踐中受到鍛煉，使他們的創造潛能得以發揮，從而達到培養創造力的目的。利用卡方檢驗得知P值>0.05,故接受原假設。

實驗結果表明，從下面表1、2、3說明了實驗前大學一年級、大學二年級學生對武術課興趣水平無顯著性差異，而實驗后大學一年級學生實驗班A1非常喜歡、喜歡和一般分別占38、10、2，不喜歡占0，而對照組A2非常喜歡、喜歡和一般分別占11、18、19，不喜歡占2，由以上數據可以看出，實驗組A1興趣水平喜歡為48，而對照組A2興趣水平為29，不喜歡為2。從表2可知大學二年級學生實驗組B1非常喜歡、喜歡和一般分別占34、19、3，不喜歡占0，而大學一年級學生對照組B2非常喜歡、喜歡和一般分別占6、26、19，不喜歡占4，由以上數據可以看出，實驗組B1興趣水平喜歡為53，而對照組B2興趣水平為32，不喜歡為4。從上面分析結果可得出結論：在十六周后，從情感上更加認可武術這一項目，大學一年級學生實驗組A1和大學二年級學生實驗組B1對武術課興趣水平人數比大學一年級學生對照組A2和大學二年級學生對照組B2人數明顯增多，具有高度顯著差異（P<0.01）。其中從表6可知還有大學一年級92%的同學、大學二年級91.1%的同學（一類、二類）達到創新要求。從表4可知大學一年級學生實驗組A1優秀率為44%，優良率為96%，合格率為98%，總平均分為88，缺課率為0.2%；而對照組A2優秀率為12%，優良率為48%，合格率為94%，總平均分為75，缺課率為4.5%。從表5可知大學二年級學生實驗組B1優秀率為44.6%，優良率為89.2%，合格率為100%，總平均分為86，缺課率為0%；而對照組B2優秀率為14.5%，優良率為47.2%，合格率為92.7%，總平均分為75，缺課率為3.6%，具有高度顯著差異（P<0.01）。這也說明了武術教學與學生創造力的培養教學大部分同學動作掌握得比較好，實驗組效果好于對照組。與傳統教學的比較，新的思路創造新的教學思想。傳統的教學方法是的學習，而忽視了學生參與，他們單純去學、練、考評，是處于一種被動的學習。而新的教學方法，則調動了學生的積極性和主動性，張開他們想象的翅膀，充分展示自己的才華，不僅學，而且學后還要自編、自創，能培養學生的自主學習能力、觀察力、想象力、創新精神和創新能力，使每個學生活躍在快樂的體育教學之中，豐富了武術知識，進一步提高了運動技能，加深了記憶和理解。同時，只有學生對武術產生了興趣，并有一定的活動能力，才能把他視為吃飯、睡覺一樣的基本生活內容，從而養成終身體育鍛煉習慣。武術教學與學生創造力培養教學正是給學生一個和諧、寬松的環境，讓他們在盡量小的壓力下去學習、去鍛煉，并成功過程中得到情感上滿足從而產生興趣。因此，中學體育課武術教學法應注意“教師主導和學生主體”的教學關系，找出體現他們最佳的師生互動的結合點，為體育教學實踐中培養學生的主體性提供理論依據，有助于構建新型的師生關系。實驗結果統計如下表：

表1 大學一年級學生對武術課的興趣水平統計表（橫向比較）實驗前 班別 實驗組A1 對照組A2 相差

實驗后

總人數 非常喜歡 喜歡 一般 不喜歡 總人數 非常喜歡 喜歡 一般 不喜歡

0 5 6-1 11 1 21-1 11 2

0

11 27 18-7 19-17

0 2-2 表2 大學二年級學生對武術課的興趣水平統計表（橫向比較）實驗前 班別 實驗組B1 對照組B2 相差

實驗后

總人數 非常喜歡 喜歡 一般 不喜歡 總人數 非常喜歡 喜歡 一般 不喜歡

55 1 11 9 2 16 2 22 1 8-4

55 1

6 28 26-13 19-16

0 4-4 表3 大學一年級，二年級學生對武術課的興趣水平統計表（縱向比較）大學一年級學生對武術課的興趣水平統計表 實驗班A1

對照班A2

大學二年級學生對武術課的興趣水平統計表 實驗班B1

對照班B2 試行 總人數 非常喜歡 喜歡 一般 不喜歡 前 后 相差 50 50 5 38 12 10 20 13 2 0 0 33 2-18

前 50 6 11 21

后 相差 試行 50 11 18 19 2

0 總人數

前 后 相差 前 56 56

0 23 1-20

后 相差

0-3 10-3-4

55 9 非常喜歡 11 34 7 喜歡-2 一般-9 不喜歡 19 23 4 0 26 22 19-13 11-4 8 表4 大學一年級學生對武術課的考核情況統計表（人數：A1為50人，A2為50人）

優秀% 班別 實驗組A1 對照組A2 提高值 檢驗

良好%

及格%

不及格% 總平均分 90分以上 70~89分 60~69分 60以下 合格率% 缺課率% 88 75 12 p<0.01

12 32 p<0.01

36 16 p<0.01 46-44 p<0.01 6-4 p<0.01

94 4 p<0.01

0.2 4.5-4.3 p<0.01 注：考核結果分為四類：優秀：套路熟練，姿態正確；動作規范，精神飽滿，勁力順達，剛勁有力，、手眼相隨，有氣勢，動作與音樂配合自然；良好：套路熟練，姿態正確；動作規范，精神飽滿，勁力較順達，動作與音樂配合一般；及格：套路基本熟練，姿態比較正確，動作基本規范，動作力度一般；不及格：不能完成套路或動作松懈。

表5 大學二年級學生對武術課的考核情況統計表（人數：B1為56人，B2為55人）

優秀% 班別 實驗組B1 對照組B2 提高值 檢驗

良好%

及格%

不及格% 總平均分 90分以上 70~89分 60~69分 60以下 合格率% 缺課率% 86 75 11 p<0.01 44.6 14.5 30.1 p<0.01

44.6 32.7 11.9 p<0.01 46-35 p<0.01

0 7.3-7 p<0.01

92.7 7.3 p<0.01

0 3.6-3.6 p<0.01 注：同表4備注

表6 編排類別統計表

大學一年級 大學二年級 一類

二類

三類 4 8% 5 8.9% 28 56% 18 36% 23 41.1%

50% 一類：符合編排原則，內容全面，銜接好，方向準確。

注： 二類：符合編排原則，內容較全面，銜接較好，方向較準確。三內：符合編排原則，內容較好，銜接較正確，方向無誤。

武術教學在大學體育課程中的優勢體現的越來越明顯，中華民族優良的傳統文化與精神都在武術的精神中體現的淋漓盡致。武術的道德也在不斷的影響著現在的大學生。學武術，學做人，這是中華武術的精神體現。

第二篇：管理統計學SPSS數據管理 實驗報告

數據管理

一、實驗目的與要求

1.掌握計算新變量、變量取值重編碼的基本操作。2.掌握記錄排序、拆分、篩選、加權以及數據匯總的操作。

3.了解數據字典的定義和使用、數據文件的重新排列、轉置、合并的操作。

二、實驗內容提要

1．自行練習完成課本中涉及的對CCSS案例數據的數據管理操作 2．針對SPSS自帶數據Employee data.sav進行以下練習。

（1）根據變量bdate生成一個新變量“年齡”

（2）根據jobcat分組計算salary的秩次

（3）根據雇員的性別變量對salary的平均值進行匯總

（4）生成新變量grade，當salary<20000時取值為d，在20000~50000范圍內時取值為c，在50000~100000范圍內取值為b，大于等于100000時取值為a

三、實驗步驟

1、針對CCSS案例數據的數據管理操作

1.1.計算變量，輸入TS3到目標變量，在數字表達式中輸入3，把任意年齡段分成三個組20-30設為1組，1-40設為2組41-50設為3組。圖1，圖1 1.2.對已有變量的分組合并，在“名稱”文本框中輸入新變量名TS3單擊“更改”按鈕，原來的S3->?就會變為S3->TS3,單擊“舊值和新值”按鈕，系統打開“重新編碼到其他變量：舊值和新值”，如下圖2，圖2

圖3 1.3.可視離散化，選擇“轉換”->“可視離散化”,打開的對話框要求用戶選擇希望進行離散化的變量，單擊繼續，如下圖4，圖4 單擊“生成分割點”，設定分割點數量為10，寬度為5，第一個分割點位置為18，單擊“應用”，如下圖，圖5 結果顯示如下，圖6 2．針對SPSS自帶數據Employee data.sav進行以下練習。

2.1.根據變量bdate生成一個新變量“年齡”,選擇“轉換”->”計算變量”，如下圖，圖7 結果顯示如下，圖8 2.2.根據jobcat分組計算salary的秩次，圖9 結果顯示如下，圖10 2.3.根據雇員的性別變量對salary的平均值進行匯總

圖11 結果顯示如下，圖12 2.4.生成新變量grade，當salary<20000時取值為d，在20000~50000范圍內時取值為c，在50000~100000范圍內取值為b，大于等于100000時取值為a

圖13 結果顯示如下，圖14

四、實驗結果與結論

第三篇：統計學SPSS軟件實操實習報告

實習報告

本學期專業開設了統計學課程，通過一學期的學習我們對統計學應用領域及

其類型基本概念有了基本了解，掌握了數據的收集、展示、分析的技術。但這都

是些書本上的理論知識，是紙上談兵。

然而通過一學期統計學的學習，由最初對

統計學的枯燥乏味的認識，逐漸得到轉變，平時學習中的積累，在此次實習中得到了實際應用。統計學作為應用數學的一個分支，主要通過利用概率論建立數學模型，收集所觀察系統的數據，進行量化的分析、總結，并進而進行推斷和預測，為相關決策提供依據和參考。統計方法適用于所有學科領域的通用數據分析方法，只要有數據的地方就會用到統計方法。此次實習我們根據消費者對食品安全的了解情況做了問卷式調查。如果是以我們以前的知識和技術水平，僅會用Excel表格對數據做粗略的統計，多份問卷的數據統計工作需要大量的時間，大量的人力，還有可能出現誤差，導致統計結果極不準確，又不能直觀反應問卷信息，然而學習了統計學數據分析之后，通過SPSS軟件就可以很容易的對事先錄入的數據進行分析統計，不但操作簡單易學，而且我們可以對數據中無效數據進行排除，對數據結果的個數及比例等進行直觀的比較。我們既在實踐中提高了動手操作的能力和把理論應用到實踐中去的思想，又通過試驗加深了我們對課本上理論的認識和掌握。對于此次的統計學實習，自我感覺還是有很多收獲的。首先，我們選擇了不同地區、不同年齡、不同職業的群體做了廣泛的調查，真正到人群中調查，對食品安全等情況有了更深刻的認識，更真實的反應。其次，從獲得的調查問卷數據統計中，也讓我認識到了目前食品安全問題依舊嚴峻，值得大家關注。第三，更重要的是，我們學會用統計學知識整理分析數據，使得理論知識在實際工作中得到應用，理論與實際相結合，是我們學習的重中之重。此次實習中也有很多的問題，需要在以后的實習中多加注意。例如，調查問卷的設計并不完善，要求不明確，問題的針對性，相關性有待提高。從班級匯總的數據來看，調查人群的年齡較集中，下次應注意選擇代表性的人群，平均分配每類人群的調查數。還有就是對于數據的后期分析較淺顯，可以增加集體分析討大學生暑期實習報告&調查報告專題實習證明金融專業法律專業土木工程專業機電專業論的環節，對各種結果的原因作分析，尋找一些解決方案等，這樣可以增強調查的目的性。通過實習不僅復習了課本知識，通過與實踐相結合，對理論知識也有了更深入的了解，學會了對理論的實踐應用，增強了我的動手操作的能力和理論與實踐相結合的思想。在與小組成員的合作中我學會了以與隊友合作的技能、處理和隊友之間因工作產生的意見不合的能力。而這些都是在學習理論知識中學不到的，這將對個人以后走上工作崗位都是很有用的技能，這些技能會終身受用。

第四篇：spss學習心得

學院：傳播學院 專業：10級廣播電視新聞學 學號：129012010023 姓名：許咪咪

學習SPSS有感——與EXCEL之比較

在學習SPSS軟件的過程中，自己不敢有絲毫松懈，但同時感到學習壓力很大，有一定的學習難度，軟件的操作可以通過短時間內熟悉，但對數據的結果分析還需要很大很大的提高。在掌握了SPSS相關技能和熟知了SPSS之于EXCEL的優越性之后，SPSS成了往后我進行數據分析、調查的首選軟件，如若能自由地結合二者使用，便是更佳選擇。

Excel的基本功能中包括了比較強大的數據處理功能，還提供了豐富的工作表函數，可以完成很多類型的數據處理和分析任務。除了工作表函數以外，Excel還提供了一個稱為“分析工具庫”的加載宏。

Excel應用的普及性，許多人都把它作為最常用的統計軟件來使用。Excel提供的統計功能包括數據管理、描述統計、概率計算、假設檢驗、方差分析和回歸分析等等，對于統計學原理所涉及的大部分內容已經足夠了。然而，在學習Excel的統計功能以前我們有必要先交待一下Excel在統計分析方面的局限性。

1、就統計學原理所涉及的統計方法而言，Excel沒有直接提供的方法包括：箱線圖（Boxplot）、莖葉圖、相關系數的p-值、無交互作用可重復的雙因素方差分析、方差分析中的多重比較、非參數檢驗方法、質量控制圖等。

2、按照優秀圖形的標準，Excel做出的很多圖形都不合格。Excel的有些圖形可能適合于普通大眾，但不適合用于科學報告中。例如二維圖形的三維表示，圓柱圖，圓錐圖等等。

Excel提供的有些圖形可能永遠不應該使用。

3、Excel不能很好的處理缺失值(Missing data)問題。總體來說Excel對缺失值的處理方式遠不如專門的統計軟件恰當。

4、雖然大部分情況下Excel的計算結果都是可靠的，但在一些極端情況下Excel的計算程序不夠穩定和準確（特別是Excel2003以前的版本中）；有些自動功能可能會導致意想不到地結果。

總體來說，Excel為我們輸入和管理數據、描述數據特征、制作統計表和統計圖都提供了強大的支持，但在處理復雜的計算時有時候誤差相對較大，因而一些數據處理專家建議人們避免采用Excel處理復雜的統計問題。SPSS能在簡單操作基礎上，解決EXCEL存在的這些問題，甚至非統計學相關專業的人員也可以利用這個軟件對復雜的統計問題進行處理、分析。

平時我慣常使用的數據分析軟件也是Excel。雖然使用Excel可以對數據進行透視、分類、篩選以及計算相關系數等，但是這些操作都需要自己每一步每一步的進行手動操作，而使用SPSS軟件在對數據進行整理時，只需對軟件某選項內設置變量條件，系統便自動的進行整理。而且，在學習與應用SPSS過程中，我了解到應用SPSS軟件只要了解統計分析的原理無需知曉統計方法的各種算法就能得到自己所需要的統計分析結果。另外對于常見的統計方法，SPSS的命令語句、子命令及選擇項的選擇絕大部分在軟件內的對話框操作完成，我們無需花費大量的時間記憶大量的命令和選擇項。在這方面，SPSS軟件的應用可以使我們節省大量時間，而且軟件操作比較容易上手，在當今這個時間就是金錢的社會上，我們掌握SPSS軟件的應用，也就是為自己賺取了不少金錢。

另外在與SPSS的接觸中，我逐漸了解到SPSS軟件的強大與方便。SPSS提供了從簡單的統計描述到復雜的多因素統計分析方法，其中有數據的統計分析、統計描述、交叉表分析、二維相關、方差分析、多元回歸、因子分析、聚類分析、降維等分析方法。利用這些方法可以得出計算數據和統計圖形，看出數據的離散程度、集中趨勢和分散程度，單變量的比重，還有對數據進行標準化處理。利用這個軟件對問卷數據進行分析是極好的。雖然，這些方法大部分我還是不會使用，能夠讓我利用并成功分析的方法只有寥寥幾種，但是這種簡單便捷的操作讓我對SPSS的興趣卻是越來越濃。

spss 像手槍，對于社會統計應用spss,足夠精度了。exce對初級統計技術也差不多了，里面有很多類型的圖，配之以數據透視表，模擬運算表，宏，高級篩選，窗體，而且方便的單元格和變量操作這些優點都使得excel 更利于小規模，低精度，邏輯關系簡單的數據，但是簡單的圖和表，有時不需要通過假設檢驗，也能看出很多關系或結論，這些直觀的現象有的時候比spss的假設檢驗更有說服力（spss的假設檢驗雖然精確，但是成本是很多模型假定）其統計思想易于被日常生活所接受，所以execl用得好，更能顯出使用者諳熟研究背景和統計思想，這個修煉層次更高，就像武功最高深的人更最簡單的工具，最簡潔的招式，實而不華一樣。

了解了excel和spss的這個比較后，可以看出spss的統計思想體現了更多數理統計的味道，而excel 則更多體現了描述統計的味道，所以了解spss更重要的是了解不同模型背后的統計想法，當然這些在使用spss的過程中會慢慢的積累的。一個和學習統計思想無關的，但是在學習spss中必須學會的是“數據組織方式和數據測度”，這個對于那些學習信息的人容易理解，對文科出身的人不容易理解。但是這個問題對于初學者很重要。在實際使用spss時，就得按部就班地按照先定義變量，調測度，在錄入（導入數據），再分析。分析并不是整個流程。不注意數據的組織方式和數據測度會使很多統計模型誤用（實際上不能用，但是軟件輸出了統計結果），這種誤用不是統計模型用得好不好的問題，而是能不能用的問題！

現在，學期即將結束，同樣的這門課程也到了尾期，在這學期學到了很多，并且還有很多沒有學到。我們學習時所操作的軟件是英文版，這對英語基礎不好的我來說是個考驗。同時，由于我們所學專業并非必須擁有計算機，導致我們平時能夠練習的機會比較少，造成了掌握不牢固，前學后忘現象比較嚴重。現在呢，很是希望能夠把SPSS的應用熟練操作，并且能把它變為自己的一種本能，使自己在今后的工作與學習中，可以輕松運用。

第五篇：SPSS總結

SPSS的基本統計功能

1、數據的預處理

2、描述性統計和探索性統計

3、假設檢驗（包括參數檢驗、非參數檢驗等）

4、方差分析（包括一般的方差分析和多元方差分析）

5、相關分析

6、回歸分析

7、多元統計分析，包括聚類分析、判別分析、因子分析、對應分析、主成分分析等

8、時間序列分析

9、信度分析

10、數據挖掘：決策樹與神經網絡

SPSS 統計分析的一般步驟

1、建立SPSS數據文件： 在【變量視圖】定義SPSS數據文件的結構，在【數據視圖】進行錄入數據文件的錄入。

2、SPSS數據的管理數據的預處理 ：

集中于【數據】和【轉換】兩個菜單項。

3、SPSS數據的統計分析階段

： 在【分析】菜單中選擇正確的統計方法。

4、SPSS分析結果的閱讀和解釋

： 讀懂SPSS輸出窗口中的分析結果

5、明確其統計含義，并結合背景知識做出合理的解釋。

第2章 SPSS統計分析前的準備

一、SPSS數據文件的特點

1、SPSS數據文件是一種有結構的數據文件（一般文本文件僅有純數據部分，而沒有關于結構的描述）；

2、由數據的結構和內容兩部分構成；

3、其中數據的結構記錄數據類型、取值說明、數據缺失等必要信息（在【變量視圖】，每一列大家都要明白你在定義什么，有什么用）；

4、數據的內容是那些待分析的具體數據；

5、在【數據視圖】每一列代表一個變量(variable)，變量名顯示在表格頂部；

6、在【數據視圖】的每一行代表一個記錄（case）（即一個案例，或稱一個對象、一個觀察、一個個體），記錄序號顯示在表格的左側；

7、在【數據視圖】可以輸入和編輯數據，但是不能輸入數學表達式和函數

二、定義變量

1、【數據視圖】是進行數據輸入、數據編輯的界面，對應的表格用于查看、錄入和修改數據。

2、【變量視圖】 是定義數據文件的變量的界面，對應的表格用于輸入和修改變量的定義。

3、用SPSS讀取其他格式的數據：

1）數據文件：*。sav

語法文件：*。sps 結果文件：*。spo

腳本文件： *。sbs 2）文件-打開-數據，可打開多種文件類型（。sav、。xls、。dbf、。txt、。dat等）

注：要想順利打開txt文檔，txt文檔最好有固定的分隔符，如一個空格或一個逗號等。

三、數據的編輯

在SPSS中，數據文件的編輯、整理等功能被集中在了【數據】和【轉換】兩個菜單項中：

1、數據的增刪、復制、剪切、粘貼；

2、數據的排序，Sort Cases排序便于數據的瀏覽，快捷找到最大值或最小值，迅速發現數據的異常值；

四、文件的拆分：文件的拆分相當于統計學中的數據分組，即將數據按一個或幾個分組變量分組。

五、數據選取 ：

數據選取（個案選取）的基本方式

按指定條件選取（If condition is satisfied）

隨機抽樣(Random sample of cases)選取某一區域內(Based on time or case range)

六、個案加權：記錄加權是對觀測數據賦以權重，常用于頻數表資料；

七、文件的合并：合并文件是指將外部數據中的記錄或變量合并到當前的數據文件中去。合并數據文件包括兩種方式：

從外部數據文件增加記錄到當前數據文件中——縱向合并或稱追加記錄。從外部數據文件增加變量到當前數據文件中——橫向合并或稱追加變量。

八、變量的計算和變換：【轉換】-【計算變量】

九、數據的重新編碼recode 統計分組

將字符型變量轉換為數值型變量 將幾個小類別合為一個類別 將數值型變量轉換為字符型

十、統計結果的保存為word文件：【文件】-【導出】

第3章

SPSS描述性統計

1.Frequencies（頻率）過程的特色是產生頻數表；功能 產生頻數分布表；

繪制條形圖、餅圖、直方圖；

計算集中趨勢與離散程度、分布形狀（峰度和偏度的意義）等統計量； 按要求給出分位數；

對數據的分布趨勢進行初步分析

（注：對于定性變量來說，一般來說產生頻數分布表，制作條形圖，餅圖即可）；

2.描述分析（Descriptives過程）

適用的分析對象：定量變量，測度為scale。功能：

調用此過程對變量進行描述性統計分析，計算均值、標準差、全距和均值標準誤差等； 并可將原始數據轉換成Z分數（(原始值-均值)/標準差）。

3.Explore（探索）過程用于對數據概況不清時的探索性分析，定量變量； 在一般描述性統計分析的基礎上，增加有關數據其他特征的文字與圖形描述。提供莖葉圖、箱線圖、PP圖、QQ圖等；

指出異常值（Outliers），可檢查數據是否有錯誤，剔除異常值和錯誤數據； 進行點估計和區間估計，計算均值的置信區間，； 檢驗一組數據是否呈正態分布； 4.列聯表分析

（1）列聯表分析的適用條件

對一個定量變量的描述和分析，一般用頻數分析（頻數分布表、餅圖、直方圖、條形圖）； 對兩個定性變量的描述和分析，通常使用列聯表、對應分析，或使用卡方檢驗； 對兩個以上定性變量的描述和分析，通常使用高維列聯表。（2）期望頻數的分布

如果行變量和列變量是獨立的，可以計算出列聯表中每個格子里的頻數應該是多少，稱為期望頻數；

（3）列聯表分析的基本思路

檢驗列聯表中的行變量與列變量之間是否獨立（或是否相關）。原假設為行變量與列變量之間獨立（或不相關）。比較觀察頻數與期望頻數的差。

如果兩者的差越大，表明實際情況與原假設相去甚遠；如果差越小，表明實際情況與原假設越相近。

對于這個假設的檢驗，可以采用卡方分布，進行卡方檢驗。

（4）列聯表分析的步驟

檢驗列聯表中的行變量與列變量之間是否獨立（是否相關）提出假設

H0：行變量與列變量獨立（不相關）H1：行變量與列變量不獨立（相關 計算檢驗的統計量 統計決策

進行決策：P值決策

P<0。05，則拒絕原假設H0，否則，接收原假設。（5）Pearson卡方檢驗的應用條件

所有單元的期望頻數應該大于1，或不應有大量的期望頻數小于5的單元格。

如果列聯表中有20%以上的單元格中的期望頻數小于5，則一般不宜用卡方檢驗。Pearson卡方檢驗最普遍

第4章

SPSS的均值比較過程 1。Means過程

對準備比較的各組計算描述指標，進行預分析，也可直接比較，定量變量。（1）Means過程是專門計算各種平均數，并對平均數進行簡單比較的；（2）雖然Descriptive Statistics（描述統計）菜單項中的幾個過程也能計算均數，但Means過程的輸出結果是將各組的描述指標放在一起的，便于相互比較；

（3）Means過程必須設置分組變量，若沒有分組變量的話，可以使用Descriptive Statistics菜單項中的幾個過程。

（4）適用于測度水平為SCALE的變量。

2。單樣本T檢驗（1）目的

檢驗某變量的總體均值與指定的檢驗值之間是否存在顯著差異。（2）適用條件

樣本來自的總體服從正態分布（3）基本步驟

H0： μ＝μ0 H1： μ≠μ0

構造檢驗統計量 統計決策

如果P值<α（α一般取值為0。05），拒絕原假設； 如果P值>α，接受原假設；

3。

獨立樣本T 檢驗（1）目的

通過比較兩個樣本均值差的大小來確定兩個總體的均值是否相等。（2）適用條件

獨立性：兩個樣本相互獨立，且均為大樣本；

正態性：如果兩個樣本相互獨立但都是小樣本，或有一個樣本是小樣本，則要求總體服從正態分布；

方差齊性

（3）基本步驟

a、方差齊性F檢驗

原假設：兩個總體方差相等； 備則假設：兩個總體方差不相等；

P值<0。05 時，拒絕原假設，說明方差不齊；否則兩個總體方差無顯著性差異。b、對兩總體的均值提出假設 H0： μ1＝μ2

H1： μ1≠μ2 c、統計決策

在SPSS中進行兩獨立樣本t檢驗時，應首先對F檢驗作判斷。如果方差相等，觀察分析結果中Equal variances assumed列的t檢驗相伴概率值；如果方差不相等，觀察Equal variances not assumed列的t檢驗相伴概率值。如果P值<α，拒絕原假設； 如果P值>α，不能拒絕原假設；

4.配對樣本的T 檢驗

配對樣本是指對同一樣本的某個變量進行前后兩次測試所獲得的兩組數據，或是對兩個完全相同的樣本在不同條件下進行測試所獲得的兩組數據。其差別在于抽樣不是相互獨立的，而是互相關聯的。（1）配對樣本通常有兩個特征： 第一，兩組樣本的樣本數相同；

第二，兩個樣本記錄的先后順序一一對應，不能隨意更改。（2）適用條件

兩樣本數據必須兩兩配對 兩總體服從正態分布

配對樣本的錄入方式是：每對數據在同一個case的兩個配對的變量上（3）檢驗步驟 a、提出假設 H0： μ1＝μ2

H1： μ1≠μ2 b、統計決策

如果P值<α，拒絕原假設； 如果P值>α，不能拒絕原假設；

第5章 方差分析

如何對一個或兩個總體的均值進行檢驗，我們可以用均值比較，如果要討論多個總體均值是否相等，我們所采用的方法是方差分析。

方差分析中有以下幾個重要概念。（1）因素（Factor）：是指所要研究的變量，它可能對因變量產生影響。如果方差分析只針對一個因素進行，稱為單因素方差分析。如果同時針對多個因素進行，稱為多因素方差分析。

（2）水平（Level）：水平指因素的具體表現，如銷售的四種方式就是因素的不同取值等級。

（3）單元（Cell）：指因素水平之間的組合。（4）元素（Element）：指用于測量因變量的最小單位。一個單元里可以只有一個元素，也可以有多個元素。

（5）交互作用（Interaction）：如果一個因素的效應大小在另一個因素不同水平下明顯不同，則稱兩因素間存在交互作用。

1.單因素方差分析

單因素方差分析也叫一維方差分析，它用來研究一個因素的不同水平是否對觀測變量產生了顯著影響，即檢驗由單一因素影響的一個（或幾個相互獨立的）因變量由因素各水平分組的均值之間的差異是否具有統計意義。（1）適用條件

在各個水平之下觀察對象是獨立隨機抽樣，即獨立性；

各個水平的因變量服從正態分布，即正態性；

各個水平下的總體具有相同的方差，即方差齊性；（2）基本原理

SST（總的離差平方和）=SSA（組間離差平方和）+SSE（組內離差平方和）

如果在總的離差平方和中，組間離差平方和所占比例較大，說明觀測變量的變動主要是由因素的不同水平引起的，可以主要由因素的變動來解釋，系統性差異給觀測變量帶來了顯著影響；反之，如果組間離差平方和所占比例很小，說明觀測變量的變動主要由隨機變量因素引起的。

SPSS將自動計算檢驗統計量和相伴概率P值，若P<α，則拒絕原假設，認為因素的不同水平對觀測變量產生顯著影響；反之，接受零假設，認為因素的不同水平沒有對觀測變量產生顯著影響。

另外，SPSS還提供了多重比較方法，多重比較是通過對總體均值之間的配對比較來進一步檢驗到底哪些均值之間存在差異，最常用的多重比較方法是LSD。（3）檢驗步驟 a、提出假設

H0： 各個總體的均值無顯著性差異。

H1： 各個總體的均值有顯著性差異。b、統計決策

方差齊性檢驗結果，P值>0。05，方差齊，否則，方差不齊；

單因素方差分析表，P值>α，接受H0，都則，拒絕H0，接受H1。

2.多因素方差分析

多因素方差分析是對一個獨立變量是否受一個或多個因素或變量影響而進行的方差分析。它不僅能夠分析多個因素對觀測變量的獨立影響，更能夠分析多個因素的交互作用能否對觀測變量產生顯著影響。（2）基本原理

由于多因素方差分析中觀察變量不僅要受到多個因素獨立作用的影響，而且因素其交互作用和一些隨機因素都會對變量產生影響。因此觀測變量值的波動要受到多個控制變量獨立作用、控制變量交互作用及隨機因素等三方面的影響。以兩個因素為例，可以表示為：

Q總＝Q控1＋Q控2＋Q控1控2＋Q隨其中，Q表示各部分對應的離差平方和。多因素方差分析比較

Q

控

1、Q 控

2、Q 控 1 控

Q

隨

占 Q

總 的比例，以此推斷不同因素以及因素之間的交互作用

2、是否給觀測變量帶來顯著影響。

（3）基本術語

a、Dependent Variable 觀測變量或因變量 主要指研究中的定量變量

如：移動話費、學生成績、銷售量、畝產量等

b、Fixed Factor 固定效應因素，固定因素，控制因素

主要指研究中的定性變量

如：資費等級、客戶類型、漫游類型、促銷策略等 c、Random Factor 隨機效應因素、隨機因素

人為無法對其水平值進行準確控制，只是能夠直觀觀測到

如：話費水平、收入水平、消費習慣等

d、Interaction 交互作用、交互效應

如果一個因素的效應大小在另一個因素不同水平下明顯不同，則稱為兩因素間存在交互作用。

當存在交互作用時，單純研究某個因素的作用是沒有意義的，必須分另一個因素的不同水平研究該因素的作用大小。例如：飲食習慣、適量運動對減肥的作用； e、main effect 與交互效應相對應的

主效應就是每個因素對因變量的單獨影響（main effect）f、Covariates 協變量

指對應變量可能有影響，需要在分析時對其作用加以控制的連續性定量變量 當模型中存在協變量時，一般是通過找出它與因變量的回歸關系來控制其影響（3）應用條件

等方差；

各樣本的獨立性：只有各樣本為相互獨立的隨機樣本，才能保證變異的可加性（可分解性）；

正態性：即所有觀察值系從正態總體中抽樣得出；（4）基本步驟

提出假設

H0：因素A中的r個水平的均值相等（因素A 對因變量無顯著性影響）H1：因素A中的r個水平的均值不全相等（因素A 對因變量有顯著性影響）統計決斷 P值檢驗法

依次查看各F值的P值，p-值<α，應拒絕原假設； 如果其P值大于顯著性水平，則不能拒絕H0，可以認為相應不同水平的控制變量或交互影響沒有造成均值的顯著差異;

第6章

非參數檢驗

非參數檢驗（nonparametric test），又稱為任意分布檢驗（distribution-free test）； 不依賴于總體的分布類型，對樣本所來自總體的分布不作嚴格假定的統計推斷方法，稱為非參數檢驗（nonparametric test）

它不考慮研究對象總體分布的具體形式，也不對總體參數進行統計推斷；

而是通過檢驗樣本所代表的總體分布位置及分布形狀是否一致來得出統計結論。特點

參數檢驗條件不滿足時的處理方法

不對均數等參數檢驗，而是檢驗分布是否相同

在總體分布未知的情況下，利用樣本數據對總體的分布形態進行推斷。非參數檢驗的著眼點不是總體參數，而是總體的分布情況 非參數檢驗研究目標總體的分布是否與已知理論分布相同 非參數檢驗研究各樣本所在總體的分布位置，形狀是否相同 優點

第一，具有較好的穩健性；

第二，受限條件少：對數據要求不像參數檢驗那樣嚴格

第三，適用范圍廣：可應用于各種不同的情況，不受總體分布形狀的限制，適合處理無法精確數量化的定性數據和小樣本數據 第四，計算通常較簡單，且容易理解 缺點

第一，將定量數據轉換為定性數據時，漏失了數據的一些信息

第二，檢驗的敏感度和效果，均不如參數檢驗好。檢驗效率低于參數檢驗，主要是犯第二類錯誤的可能性加大。

第三，參數檢驗適用的數據，非參數方法會降低檢驗效能；當數據滿足參數檢驗條件時，效能低于參數法，不滿足參數法條件時，處于“優勢” 非參數檢驗的應用場合

定量數據，不滿足參數檢驗的條件，且無適當的變量變換方法解決此問題； 定量數據，其分布類型無法獲知，且為小樣本； 定量數據，極度偏態，或個別數值偏離過大； 各組離散度相差懸殊

一端或兩端存在不確定數值的定量數據

定序數據，比較各組間等級強度的差別； 非參數檢驗的主要方法 單個樣本的非參數檢驗

卡方檢驗（Chi-Square過程）

二項檢驗（Binomial過程）

游程檢驗（Runs過程）

柯爾莫哥洛夫—斯米諾夫檢驗（l-Sample K-S過程）兩個獨立樣本的非參數檢驗 多個獨立樣本的非參數檢驗 兩個配對樣本的非參數檢驗 多個配對樣本的非參數檢驗 順序統計量

通過對數據從小到大的排序(即排隊)，并由數據的大小排序號(排隊號)代替原始數據進行統計分析。

秩(Rank)：排序號(排隊號)在統計學上稱為秩

結(ties)：絕對值相等稱為結，又稱同秩，則取平均秩次。

一般來說，秩就是該組數據按照升序排列之后，每個數據的位置。

1.單個樣本的非參數檢驗 卡方檢驗（Chi-Square過程）

用卡方檢驗來檢驗定性變量的幾個取值（分類數據，或類別）所占比例是否和理論的比例沒有統計學差異。檢驗分類變量的分布

適合于定性數據及頻數資料的分析

要求樣本足夠大，要求樣本容量一般大于50； 應用領域

如病人經治療后治愈、好轉、有效和無效的人數總的說來是否相同(實為治愈、好轉、有效和無效的概率或機會是否相同)成績優、良、中、差的學生人數是否相同 贊同某種觀點的人數是否達到80%，等等。

比如在人群中抽取了一個樣本，可以用該方法來分析四種血型所占的比例是否相同（都是25%），或者是否符合我們所給出的一個比例（如分別為10%、30%、40%和20%）。Chi-Square檢驗的基本思路

先按照已知總體的構成比例分布，計算出樣本中定性數據（即各類別）的期望頻數然后求出觀測頻數和期望頻數的差值，最后計算出卡方統計量 利用卡方分布求出P值，假設檢驗的H0是樣本中某指標的比例與已知比例一致 得出檢驗結論

2.二項檢驗（Binomial過程）檢驗二項分類變量分布

用于檢測所給的變量是否符合二項分布，變量可以是兩分類的，也可以使連續性變量，然后按你給出的分界點一刀兩斷。

Binomial過程對二項分類變量的單個樣本作檢驗，推斷總體中兩個分類數據的比例是否分別為π和(1-π)應用領域

射擊時，擊中與未擊中；學生成績，及格與不及格；疾病診斷，陰性與陽性；硬幣，正面與反面；人群性別，男和女；產品質量，合格和不合格 定量數據、符號檢驗（SING TEST）與Binomial過程

定量數據：大樣本；或小樣本，總體服從正態分布，總體方差已知； 參數檢驗：單個樣本的均值檢驗

定量數據，不滿足參數檢驗的條件，且無適當的變量變換方法解決此問題；

極度偏態，或個別數值偏離過大；

一端或兩端存在不確定數值

3.游程檢驗（Runs過程）

Runs過程借助樣本序列的順序推斷總體序列的順序是否是隨機的，屬隨機性檢驗 二分類數據和定量數據（連續數據）均可

對于一個取兩個值的分類變量，游程檢驗方法是檢驗這兩個值的出現是否是隨機的。游程檢驗還可以用于某個連續變量的取值小于某個值及大于該值的個數（類似于0和1的個數）是否隨機的問題 游程檢驗的作用

1、檢驗總體分布是否相同

將從兩個總體中獨立抽取的兩個樣本的觀察值混合后，觀察游程個數，進行比較。

2、檢驗樣本的隨機性

將取自某一總體的樣本的觀察值按從小到大順序排列，找出中位數，分為大于中位數的小于中位數的兩個部分。用上下交錯形成的游程個數來檢驗樣本是否是隨機的。應用范圍

生產過程是否需要調整，即不合格產品是否隨機產生； 獎券的購買是否隨機；

期貨價格的變化是否隨機等等。

若事物的發生并非隨機，即有某種規律，則往往可尋找規律，建立相應模型，進行分析，作出適宜的決策。

當樣本按某種順序排列(如按抽取時間先后排列)時，一個或者一個以上相同符號連續出現的段，就被稱作游程 ；

4.（l-Sample K-S過程）

柯爾莫諾夫-斯米爾諾夫檢驗，考察某個連續性變量是否符合理論分布 利用樣本數據推斷總體是否服從某種分布

可以檢驗的分布有正態分布、均勻分布、Poission分布和指數分布。數據要求：定量數據，Scale

5。

獨立樣本的非參數檢

檢驗兩個或多個獨立樣本所在總體是否相同

在不了解總體分布的情況下，通過分析樣本數據均值或中位數的差異，推斷樣本來自的兩/多個獨立總體的分布存在的顯著性差異。Independent Samples過程：主要用于檢驗兩個獨立樣本所在總體分布是否相同 K Independent Samples過程：主要用于檢驗多個獨立樣本所在總體分布是否相同 界面上基本相同

（1）兩個獨立樣本的非參數檢驗

含義：由樣本數據，推斷兩個獨立總體的分布是否存在顯著差異(或兩樣本是否來自同一總體)分析對象：定量數據或定序數據 對分布的形狀不加考慮

分布形狀相同或類似的兩個總體分布位置比較，可以簡化地理解為兩總體中位數的比較 應用范圍

兩種訓練方法中哪一種更出成績 兩種汽 油中哪一個污染更少 兩種市場營銷策略中那種更有效

與獨立樣本t檢驗的區別

對于定量數據，如果方差相等，且服從正態分布

兩個獨立樣本的非參數檢驗的過程

定序數據；對于定量數據，不滿足兩個獨立樣本t檢驗的條件

曼-惠特尼U檢驗（Mann-Whitney U）

為檢驗兩總體的中位數是否相等，常用Mann-Whitney U 檢驗，或稱Wilcoxon秩和檢驗(Wilcoxon rank sum test)；

這兩種方法是獨立提出的，檢驗結果完全等價的； 分析步驟

建立檢驗假設，確定顯著性水平α ：

H0：兩個總體的分布位置相同，即高中生和大學生的每周平均上網時間的總體分布相同；

H1：兩個總體的分布位置不同，即高中生和大學生的每周平均上網時間的總體分布不同。或：

H0：M1=M2；

H1：M1>M2

2、編秩，將兩組數據由小到大統一編秩，編秩時如遇有相同數據，取平均秩次。

3、求秩和，兩組秩次分別相加。

4、確定統計量

若兩組樣本容量相等，則任取一組的秩和為統計量；

若兩組樣本容量不等，則以樣本樣本容量較小者對應的秩和為統計量。

5、查表確定P值，作出推斷結論。若P>α，不能拒絕原假設。

若則P<α，拒絕原假設，認為兩總體的分布不相同。

（2）多獨立樣本非參數檢驗

對三個或三個以上的總體的均值是否相等進行檢驗，使用的方法是單因素方差分析 ； 單因素方差分析過程需要假定條件，F檢驗才有效； 有時候所采集的數據常常不能滿足這些條件，K Independent Samples過程 K Independent Samples過程

含義：由樣本數據，推斷多個獨立總體的分布是否存在顯著差異(或多個樣本是否來自同一總體)分析對象：定量數據或定序數據 對分布的形狀不加考慮

分布形狀相同或類似的多個總體分布位置比較，可以簡化地理解為多個總體中位數的比較。應用范圍

各城市兒童身高分布一致嗎？

不同收入的居民存（取）款金額分布一致嗎？

電信公司人力資源部門比較3所大學雇員的管理業績是否存在差異？ 檢驗方法

Kruskal-Wallis H ：克魯斯卡爾-沃利斯單因素方差分析最常用，原理同Wilcoxon檢驗 多個樣本間的兩兩比較 多組獨立樣本；

每組5個觀察值，樣本量小，分布類型未知；

考慮采用秩轉換的非參數檢驗方法——Kruskal-Wallis秩和檢驗。

（3）兩/多個配對樣本非參數檢驗

檢驗兩個或多個配對樣本所在總體位置是否相同

在不了解總體分布的情況下，通過分析兩/多個配對樣本，推斷樣本來自的兩/多個總體的分布是否存在顯著性差異。Related Samples過程：主要用于檢驗兩個配對樣本所在總體分布是否相同 K Related Samples過程：主要用于檢驗多個配對樣本所在總體分布是否相同 界面上基本相同

兩個配對樣本的非參數檢驗

含義：由樣本數據推斷兩配對總體分布是否存在顯著差異。數據要求

兩組配對的樣本數據；

兩組數據的樣本容量相同，先后次序不能任意改變，一一對應； 統計分析步驟

提出基本假設

H0：兩配對總體分布無顯著差異 H1：兩配對總體分布有顯著差異 統計決斷

P值>α，不能拒絕原假設

P值<α，拒絕原假設

多個配對樣本非參數檢驗

含義：由樣本數據推斷多個配對總體分布是否存在顯著差異。

數據要求：多組配對的樣本數據，多組數據的樣本容量相同，先后次序不能任意改變，一一對應； 應用范圍

三種促銷形式的銷售額分布一致嗎？ 收集乘客對多家航空公司是否滿意的數據，分析航空公司的服務水平是否存在顯著差異 評委打分一致嗎？ 三種檢驗方法

Friedman M檢驗：最常用

Kendall W檢驗 ：和諧系數檢驗

Cochran Q：要求樣本數據為二分類數據（1－滿意

0－不滿意）檢驗方法的選擇

1）單個樣本：若來自正態總體，可用t檢驗，若來自非正態總體或總體分布無法確定，可用二項檢驗（二項檢驗）2）配對樣本：

二分類變量，可用McNemar檢驗；

連續型變量，若來自正態總體，可用配對t檢驗，否則可用Wilcoxon符號秩和檢驗。

3）兩組獨立樣本：連續型變量，若來自正態總體，可用t檢驗，否則，可用 Wilcoxon秩和檢驗；

二分類變量或無序多分類變量，可用卡方檢驗；

有序多分類變量，宜用Wilcoxon秩和檢驗。4）多組獨立樣本

連續型變量值，來自正態總體且方差相等，可用方差分析；否則，進行數據變換使其滿足正態性或方差齊的要求后，采用方差分析；數據變換仍不能滿足條件時，可用Kruskal-Wallis秩和檢驗。

二分類變量或無序多分類變量，可用卡方檢驗。

有序多分類變量宜用Kruskal-Wallis秩和檢驗。

第7章 相關分析 概念

相關關系反映出變量之間雖然相互影響，具有依存關系，但彼此之間是不能一一對應的。例如，學生成績與其智力因素、各科學習成績之間的關系、教育投資額與經濟發展水平的關系、社會環境與人民健康的關系等等，都反映出客觀現象中存在的相關關系。相關關系的類型

1）根據相關程度的不同，相關關系可分為完全相關、不完全相關和無相關。2）根據變量值變動方向的趨勢，相關關系可分為正相關和負相關。3）根據變量關系的形態，相關關系可分為直線相關和曲線相關。4）根據研究變量的多少，可分為單相關、復相關。相關分析的作用

1）判斷變量之間有無聯系

2）確定選擇相關關系的表現形式及相關分析方法 3）把握相關關系的方向與密切程度

4）相關分析不但可以描述變量之間的關系狀況，而且用來進行預測。5)相關分析還可以用來評價測量量具的信度、效度以及項目的區分度等 相關系數

相關系數是在直線相關條件下，說明兩個變量之間相關程度以及相關方向的統計分析指標。相關系數一般可以通過計算得到。作為樣本相關系數，常用字母r表示；作為總體相關系數，常用字母ρ表示。相關系數的數值范圍是介于–1與 +1之間（即–1≤ r ≤1），常用小數形式表示，一般要取小數點后兩位數字來表示，以便比較精確地描述其相關程度。

兩個變量之間的相關程度用相關系數r的絕對值表示，其絕對值越接近1，表明兩個變量的相關程度越高；其絕對值越接近于0，表明兩個變量相關程度越低。如果其絕對值等于零1，則表示兩個變量完全直線相關。如果其絕對值為零，則表示兩個變量完全不相關（不是直線相關）。

相關系數的注意事項

1）相關系數只是一個比率值，并不具備與相關變量相同的測量單位。2）相關系數r 受變量取值區間大小及樣本數目多少的影響比較大。

3）來自于不同群體且不同質的事物的相關系數不能進行比較。4）對于不同類型的數據，計算相關系數的方法也不相同

1.簡單相關分析的基本原理

簡單相關分析是研究兩個變量之間關聯程度的統計方法。它主要是通過計算簡單相關系數來反映變量之間關系的強弱。一般它有圖形（散點圖）和數值（一方面應觀察相關系數的大小，另一方面，應觀察概率P值，其原假設為**不相關）兩種表示方式。簡單相關系數

1）皮爾遜（Pearson）相關系數

常稱為積差相關系數，適用于研究連續變量之間的相關程度。例如，收入和儲蓄存款、身高和體重等變量間的線性相關關系。注意Pearson相關系數適用于線性相關的情形，對于曲線相關等更為復雜的情形，系數的大小并不能代表其相關性的強弱。2）Spearman等級相關系

Spearman等級相關系數是用來度量順序水準變量間的線性相關關系。它是利用兩變量的秩次大小作線性相關分析，適用條件為：

① 兩個變量的變量值是以等級次序表示的資料；

②

一個變量的變量值是等級數據，另一個變量的變量值是等距或比率數據，且其兩總體不要求是正態分布，樣本容量n不一定大于30。

從斯皮爾曼等級相關適用條件中可以看出，等級相關的應用范圍要比積差相關廣泛，它的突出優點是對數據的總體分布、樣本大小都不做要求。但缺點是計算精度不高。3）Kendall’s等級相關系數

它是用于反映分類變量相關性的指標，適用于兩個變量均為有序分類的情況。這種指標采用非參數檢驗方法測度變量間的相關關系。它利用變量的秩計算一致對數目和非一致對數目。

2.偏相關分析的基本原理

方法概述

簡單相關分析計算兩個變量之間的相互關系，分析兩個變量間線性關系的程度。但是現實中，事物之間的聯系可能存在于多個主體之間，因此往往因為第三個變量的作用使得相關系數不能真實地反映兩個變量間的線性相關程度。基本原理

偏相關分析是在相關分析的基礎上考慮了兩個因素以外的各種作用，或者說在扣除了其他因素的作用大小以后，重新來測度這兩個因素間的關聯程度。這種方法的目的就在于消除其他變量關聯性的傳遞效應。3.距離分析的基本原理

簡單相關分析和偏相關分析有一個共同點，那就是對所分析的數據背景應當有一定程度的了解。但在實際中有時會遇到一種情況，在分析前對數據所代表的專業背景知識尚不充分，本身就屬于探索性的研究。這時就需要先對各個指標或者案例的差異性、相似程度進行考察，以先對數據有一個初步了解，然后再根據結果考慮如何進行深入分析。

距離分析是對觀測量之間或變量之間相似或不相似的程度的一種測度，是計算一對變量之間或一對觀測量之間的廣義的距離。根據變量的不同類型，可以有許多距離、相似程度測量指標供用戶選擇。但由于本模塊只是一個預分析過程，因此距離分析并不會給出常用的P值，而只能給出各變量/記錄間的距離大小，以供用戶自行判斷相似性。

第8章 SPSS的回歸分析 1。一元線性回歸 方法概述

線性回歸模型側重考察變量之間的數量變化規律，并通過線性表達式，即線性回歸方程，來描述其關系，進而確定一個或幾個變量的變化對另一個變量的影響程度，為預測提供科學依據。

一般線性回歸的基本步驟如下。

① 確定回歸方程中的自變量和因變量。

② 從收集到的樣本數據出發確定自變量和因變量之間的數學關系式，即確定回歸方程。

③ 建立回歸方程，在一定統計擬合準則下，估計出模型中的各個參數，得到一個確定的回歸方程。

④ 對回歸方程進行各種統計檢驗。

⑤ 利用回歸方程進行預測。

注：一元線性回歸的經驗模型是：Y=β0+β1X 統計檢驗

在求解出了回歸模型的參數后，一般不能立即將結果付諸于實際問題的分析和預測，通常要進行各種統計檢驗，例如擬合優度檢驗、回歸方程和回歸系數的顯著性檢驗和殘差分析等。

1）輸出結果的模型摘要

其實就是對方程擬合情況的描述。通過這張表可以知道相關系數的取值（R），相關系數的平方即可決系數（R Square），校正后的可決系數(adjusted R Square)和回歸系數的標準誤(Std。Error of the Estimate)。注意這里的相關系數大小和前面相關分析中計算出的結果完全相同。可決系數R Square的取值介于0和1之間，它的含義就是自變量所能解釋的方差在總方差中所占的百分比，取值越大說明模型的效果越好。

2）輸出結果中的方差分析表

它是回歸模型顯著性檢驗的結果，所用方法為F檢驗，其零假設為原方程無效，通過P值來判斷原方程是否有效。3）輸出結果中的回歸系數表

應特別關注回歸系數β1 的T檢驗，它的零假設為β1 =0，通過P值來判斷β1 是否有實際意義。

2.多元線性回歸

在回歸分析中，如果有兩個或兩個以上的自變量，就稱為多元回歸。

其基本步驟與一元回歸幾乎一致，只是在輸出結果的模型摘要中通過觀察調整R2 來判斷方程的擬合情況，另外，同樣可通過折線圖來觀察模型擬合效果。

3.曲線擬合

實際中，變量之間的關系往往不是簡單的線性關系，而呈現為某種曲線或非線性的關系。此時，就要選擇相應的曲線去反映實際變量的變動情況。為了決定選擇的曲線類型，常用的方法是根據數據資料繪制出散點圖，通過圖形的變化趨勢特征并結合專業知識和經驗分析來確定曲線的類型，即變量之間的函數關系。

在確定了變量間的函數關系后，需要估計函數關系中的未知參數，并對擬合效果進行顯著性檢驗。雖然這里選擇的是曲線方程，在方程形式上是非線性的，但可以采用變量變換的方法將這些曲線方程轉化為線性方程來估計參數。

在選擇模型的時候可以結合專業知識多選幾種，如同時選擇“指數分布”、“逆模型”和“冪函數”，然后在模型匯總中比較R2 的大小，選擇最大的一個，同時，注意觀察各自的P值，其原假設為其模型無統計學意義。

4.非線性回歸分析

非線性回歸分析是探討因變量和一組自變量之間的非線性相關模型的統計方法。線性回歸模型要求變量之間必須是線性關系，曲線估計只能處理能夠通過變量變換化為線性關系的非線性問題，因此這些方法都有一定的局限性。相反的，非線性回歸可以估計因變量和自變量之間具有任意關系的模型，用戶根據自身需要可隨意設定估計方程的具體形式。通過散點圖觀察，如果自變量和應變量不能通過線性回歸或區縣估計來實現，則可以在SPSS通過【分析】-【回歸】-【非線性】來實現。

以下是SPSS處理問卷的總結

當我們的調查問卷在把調查數據拿回來后，我們該做的工作就是用相關的統計軟件進行處理，在此，我們以SPSS為處理軟件，來簡要說明一下問卷的處理過程，它的過程大致可分為四個過程：定義變量﹑數據錄入﹑統計分析和結果保存。下面將從這四個方面來對問卷的處理做詳細的介紹。

SPSS處理：

第一步：定義變量

大多數情況下我們需要從頭定義變量，在打開SPSS后，我們可以看到和excel相似的界面，在界面的左下方可以看到Data View，Variable View兩個標簽，只需單擊左下方的Variable View標簽就可以切換到變量定義界面開始定義新變量。在表格上方可以看到一個變量要設置如下幾項：name(變量名)、type(變量類型)、width(變量值的寬度)、decimals(小數位)、label(變量標簽)、Values(定義具體變量值的標簽)、Missing(定義變量缺失值)、Colomns(定義顯示列寬)、Align(定義顯示對齊方式)、Measure(定義變量類型是連續、有序分類還是無序分類)。

我們知道在SPSS中，我們可以把一份問卷上面的每一個問題設為一個變量，這樣一份問卷有多少個問題就要有多少個變量與之對應，每一個問題的答案即為變量的取值。現在我們以問卷第一個問題為例來說明變量的設置。為了便于說明，可假設此題為：

1。請問你的年齡屬于下面哪一個年齡段()? A：20—29 B：30—39 C：40—49 D：50--59 那么我們的變量設置可如下： name即變量名為1，type即類型可根據答案的類型設置，答案我們可以用1、2、3、4來代替A、B、C、D，所以我們選擇數字型的，即選擇Numeric，width寬度為4，decimals即小數位數位為0（因為答案沒有小數點），label即變量標簽為“年齡段查詢”。Values用于定義具體變量值的標簽，單擊Value框右半部的省略號，會彈出變量值標簽對話框，在第一個文本框里輸入1，第二個輸入20—29，然后單擊添加即可。同樣道理我們可做如下設置，即1=20—

29、2=30—

39、3=40—

49、4=50--59；Missing，用于定義變量缺失值，單擊missing框右側的省略號，會彈出缺失值對話框，界面上有一列三個單選鈕，默認值為最上方的“無缺失值”；第二項為“不連續缺失值”，最多可以定義3個值；最后一項為“缺失值范圍加可選的一個缺失值”，在此我們不設置缺省值，所以選中第一項如圖；Colomns，定義顯示列寬，可自己根據實際情況設置；Align，定義顯示對齊方式，有居左、居右、居中三種方式；Measure，定義變量類型是連續、有序分類還是無序分類。

以上為問卷中常見的單項選擇題型的變量設置，下面將對一些特殊情況的變量設置也作一下說明。

1。開放式題型的設置：諸如你所在的省份是_____這樣的填空題即為開放題，設置這些變量的時候只需要將Value、Missing兩項不設置即可。

2。多選題的變量設置：這類題型的設置有兩種方法即多重二分法和多重分類法，在這里我們只對多重二分法進行介紹。這種方法的基本思想是把該題每一個選項設置成一個變量，然后將每一個選項拆分為兩個選項，即選中該項和不選中該項。現在舉例來說明在SPSS中的具體操作。比如如下一例：

請問您通常獲取新聞的方式有哪些()1 報紙 2 雜志 3 電視 4 收音機 5 網絡

在SPSS中設置變量時可為此題設置五個變量，假如此題為問卷第三題，那么變量名分別為3_

1、3_

2、3_

3、3_

4、3_5，然后每一個選項有兩個選項選中和不選中，只需在Value一項中為每一個變量設置成1=選中此項、0=不選中此項即可。

使用該窗口，我們可以把一個問卷中的所有問題作為變量在這個窗口中一次定義。到此，我們的定義變量的工作就基本上可以結束了。下面我們要作就是數據的錄入了。首先，我們要回到數據錄入窗口，這很簡單，只要我們點擊軟件左下方的Data View標簽就可以了。

第二步：數據錄入

SPSS數據錄入有很多方式，大致有一下幾種： 1。讀取SPSS格式的數據 2。讀取Excel等格式的數據

3。讀取文本數據（Fixed和Delimiter)4。讀取數據庫格式數據(分如下兩步)（1）配置ODBC（2）在SPSS中通過ODBC和數據庫進行

但是對于問卷的數據錄入其實很簡單，只要在SPSS的數據錄入窗口中直接輸入就可以了，只是在這里有幾點注意的事項需要說明一下。

1。在數據錄入窗口，我們可以看到有一個表格，這個表格中的每一行代表一份問卷，我們也稱為一個個案。

2。在數據錄入窗口中，我們可以看到表格上方出現了1、2、3、4、5??。的標簽名，這其實是我們在第一步定義變量中，我們為問卷的每一個問題取的變量名，即1代表第一題，2代表第二題。以次類推。我們只需要在變量名下面輸入對應問題的答案即可完成問卷的數據錄入。比如上述年齡段查詢的例題，如果問卷上勾選了A答案，我們在1下面輸入1就行了(不要忘記我們通常是用1、2、3、4來代替A、B、C、D的)。

3。我們知道一行代表一份問卷，所以有幾分問卷，就要有幾行的數據。在數據錄入完成后，我們要做的就是我們的關鍵部分，即問卷的統計分析了，因為這時我們已經把問卷中的數據錄入我們的軟件中了。

第三步：統計分析

有了數據，可以利用SPSS的各種分析方法進行分析，但選擇何種統計分析方法，即調用哪個統計分析過程，是得到正確分析結果的關鍵。這要根據我們的問卷調查的目的和我們想要什么樣的結果來選擇。SPSS有數值分析和作圖分析兩類方法。

1。作圖分析：

在SPSS中，除了生存分析所用的生存曲線圖被整合到Analyze菜單中外，其他的統計繪圖功能均放置在graph菜單中。該菜單具體分為以下幾部分：：

(1)Gallery：相當于一個自學向導，將統計繪圖功能做了簡單的介紹，初學者可以通過它對SPSS的繪圖能力有一個大致的了解。

(2)Interactive：交互式統計圖。(3)Map：統計地圖。

(4)下方的其他菜單項是我們最為常用的普通統計圖，具體來說有： 條圖 散點圖 線圖 直方圖 餅圖 面積圖 箱式圖

正態Q-Q圖 正態P-P圖 質量控制圖 Pareto圖

自回歸曲線圖 高低圖 交互相關圖 序列圖 頻譜圖 誤差線圖

作圖分析簡單易懂，一目了然，我們可根據需要來選擇我們需要作的圖形，一般來講，我們較常用的有條圖，直方圖，正態圖，散點圖，餅圖等等，具體操作很簡單，大家可參閱相關書籍，作圖分析更多情況下是和數值分析相結合來對試卷進行分析的，這樣的效果更好。

2。數值分析：

SPSS 數值統計分析過程均在Analyze菜單中，包括：

(1)、Reports和Descriptive Statistics：又稱為基本統計分析。基本統計分析是進行其他更深入的統計分析的前提，通過基本統計分析，用戶可以對分析數據的總體特征有比較準確的把握，從而選擇更為深入的分析方法對分析對象進行研究。Reports和Descriptive Statistics命令項中包括的功能是對單變量的描述統計分析。

Descriptive Statistics包括的統計功能有：

Frequencies(頻數分析)：作用：了解變量的取值分布情況

Descriptives(描述統計量分析)：功能：了解數據的基本統計特征和對指定的變量值進行標準化處理

Explore(探索分析)：功能：考察數據的奇異性和分布特征

Crosstabs(交叉分析)：功能：分析事物（變量）之間的相互影響和關系 Reports包括的統計功能有：

OLAP Cubes(OLAP報告摘要表)：功能： 以分組變量為基礎，計算各組的總計、均值和其他統計量。而輸出的報告摘要則是指每個組中所包含的各種變量的統計信息。

Case Summaries(觀測量列表)：察看或打印所需要的變量值 Report Summaries in Row：行形式輸出報告 Report Summaries in Columns：列形式輸出報告

(2)、Compare Means(均值比較與檢驗)：能否用樣本均值估計總體均值？兩個變量均值接近的樣本是否來自均值相同的總體？換句話說，兩組樣本某變量均值不同，其差異是否具有統計意義？能否說明總體差異？這是各種研究工作中經常提出的問題。這就要進行均值比較。

以下是進行均值比較及檢驗的過程：

MEANS過程：不同水平下（不同組）的描述統計量，如男女的平均工資，各工種的平均工資。目的在于比較。術語：水平數（指分類變量的值數，如sex變量有2個值，稱為有兩個水平）、單元Cell（指因變量按分類變量值所分的組）、水平組合

T test 過程：對樣本進行T檢驗的過程

單一樣本的T檢驗：檢驗單個變量的均值是否與給定的常數之間存在差異。

獨立樣本的T檢驗：檢驗兩組不相關的樣本是否來自具有相同均值的總體（均值是否相同，如男女的平均收入是否相同，是否有顯著性差異）

配對T檢驗：檢驗兩組相關的樣本是否來自具有相同均值的總體(前后比較，如訓練效果，治療效果)one-Way ANOVA：一元(單因素)方差分析，用于檢驗幾個（三個或三個以上）獨立的組，是否來自均值相同的總體。

(3)、ANOVA Models(方差分析)：方差分析是檢驗多組樣本均值間的差異是否具有統計意義的一種方法。例如：醫學界研究幾種藥物對某種疾病的療效；農業研究土壤、肥料、日照時間等因素對某種農作物產量的影響;不同飼料對牲畜體重增長的效果等，都可以使用方差分析方法去解決

(4)、Correlate(相關分析)：它是研究變量間密切程度的一種常用統計方法，常用的相關分析有以下幾種：

1、線性相關分析：研究兩個變量間線性關系的程度。用相關系數r來描述。

2、偏相關分析：它描述的是當控制了一個或幾個另外的變量的影響條件下兩個變量間的相關性，如控制年齡和工作經驗的影響，估計工資收入與受教育水平之間的相關關系

3、相似性測度：兩個或若干個變量、兩個或兩組觀測量之間的關系有時也可以用相似性或不相似性來描述。相似性測度用大值表示很相似，而不相似性用距離或不相似性來描述，大值表示相差甚遠

(5)、Regression(回歸分析)：功能：尋求有關聯（相關）的變量之間的關系在回歸過程中包括：Liner：線性回歸;Curve Estimation：曲線估計;Binary Logistic：二分變量邏輯回歸;Multinomial Logistic：多分變量邏輯回歸;Ordinal 序回歸;Probit：概率單位回歸;Nonlinear：非線性回歸;Weight Estimation：加權估計;2-Stage Least squares：二段最小平方法;Optimal Scaling 最優編碼回歸;其中最常用的為前面三個。

(6)、Nonparametric Tests(非參數檢驗)：是指在總體不服從正態分布且分布情況不明時，用來檢驗數據資料是否來自同一個總體假設的一類檢驗方法。由于這些方法一般不涉及總體參數故得名。

非參數檢驗的過程有以下幾個： 1。Chi-Square test 卡方檢驗 2。Binomial test 二項分布檢驗 3。Runs test 游程檢驗

4。1-Sample Kolmogorov-Smirnov test 一個樣本柯爾莫哥洛夫-斯米諾夫檢驗 5。2 independent Samples Test 兩個獨立樣本檢驗 6。K independent Samples Test K個獨立樣本檢驗 7。2 related Samples Test 兩個相關樣本檢驗 8。K related Samples Test 兩個相關樣本檢驗(7)、Data Reduction(因子分析)(8)、Classify(聚類與判別)等等

以上就是數值統計分析Analyze菜單下幾項用于分析的數值統計分析方法的簡介，在我們的變量定義以及數據錄入完成后，我們就可以根據我們的需要在以上幾種分析方法中選擇若干種對我們的問卷數據進行統計分析，來得到我們想要的結果。

第四步：結果保存

我們的SPSS軟件會把我們統計分析的多有結果保存在一個窗口中即結果輸出窗口(output)，由于SPSS軟件支持復制和粘貼功能，這樣我們就可以把我們想要的結果復制﹑粘貼到我們的報告中，當然我們也可以在菜單中執行file->save來保存我們的結果，一般情況下，我們建議保存我們的數據，結果可不保存。因為只要有了數據，如果我們想要結果的，我們可以隨時利用數據得到結果。

總結：

以上便是SPSS處理問卷的四個步驟，四個步驟結束后，我們需要SPSS軟件做的工作基本上也就結束了，接下來的任務就是寫我們的統計報告了。值得一提的是。SPSS是一款在社會統計學應用非常廣泛的統計類軟件，學好它將對我們以后的工作學習產生很大的意義和作用。