SPSS-描述统计与图示分析

1. 描述统计

1.1 连续性变量

统计指标需要反映的是数据以下几方面的特征：

SPSS描述统计中有多项可以展示最大值、最小值等，这里重点介绍频率：

点击统计之后出现：

（后验分布可以认为是分布特征指标）
自行选择指标之后，得到分析结果：

 偏态系数为负-0.212，分布左偏，即大部分样本数据集中靠右，长尾在左。反之，系数为正，分布右偏，长尾在右。一般0.5_1.0或-0.5-1.0之间为中等程度的偏斜。标准正态分布的偏态系数为0。利用直方图能够很好地观察偏度。

 Z 分数（Z_Scores）：相对位置的测度（一个数值距离平均值有多远）

1.2 分类变量

相对于连续变量，分类变量的统计描述指标体系比较简单，主要是对各个类别取值进行各自的频数和比例计算，主要的分析任务为
• 频数分布
• 多个分类变量的联合描述
• 多选项统计描述

1.2.1 交叉列联表分析

多个分类变量的联合描述：对两个，甚至多个分类变量的频数分布进行联合观察和汇总分析——交叉列联表分析 Crosstabulation。
例如分析当前居住的房子类别于购房需求之间是否存在联系。

行对应类别，显示百分比更利于比较。

282名受访者; 租房有200(70.9%)；自有房82(29.1%)；样本分布情况：未来购房预期中，增加，不变和减弱的人数分别为61(21.6%)，175(62.1%)，46(16.3%) ; 整体分析，大部分人观望，其次是有购买意愿者；整体态势是保守但有一定的积极性。
横向：对不同居住类型的人购房意愿的差异分析
租房200，预期增强43(21.5%)，不变134(67%), 减弱23(11.5%)；
自有房82，预期增强18(22.0%)，不变41(50%) ,减弱23(28%)；

1.2.2 分组条图

运用分组条图观察交叉列联表：

在报告中点开图表之后可以设置数字标签：

可见对于不同居住类型的人，未来的住房预期大部分人不变。租房者预期增强者显著高于减弱者，刚性需求；自有房者，减弱者略高于增强者。据这一结果推测，两种不同类型受访者购房预期之间存在一定差异。

1.2.3 总结

以上结论基于描述统计的频数分析的推测，但是不同“居住现状”的人的“购房预期”是否存在关联，还需要对“居住现状”与“购房预期”进行相关性分析(卡方检验)才能下定论。
交叉列联分析可以帮助我们了解多个变量的分布特征，在此基础上再进行变量的相互影响和关系的探索。

1.3 图示分析

除常见的各种图表之外，SPSS还有两个特殊的图表：P-P图和Q-Q图，可以检验数据的正态分布。
 P-P图是根据变量的累积比例与指定分布(正态)的累积比例之间的关系所绘制的图形。
 通过P-P图可以检验数据是否符合指定的分布。
 当数据符合指定分布时，P-P图中各点近似呈一条直线。
 如果P-P图中各点不呈直线，但有一定规律，可以对变量数据进行转换，使转换后的数据更接近指定分布。
 Q-Q图是一种散点图,对应于正态分布的Q-Q图,就是由标准正态分布的期望值为纵坐标，样本值观察值为横坐标的散点图.

1.3.1 对非正态变量进行转换

如下图所示，对激素水平这一项进行分析，观察其是否符合正态分布。

首先绘制出其频率分布图，观察其具体分布：

数据长尾在右，这是明显的右偏数据。
绘制出其P-P图和Q-Q图：

如果符合选择的检验分布，点的分布应当拟合于图中直线，但是显然“激素水平”字段的数值很不拟合。同理，可以绘制出Q-Q图。

对“激素水平”字段进行对数转换：

从图可以看出转换后的数据更符合正态分布。

1.3.2 思考

为什么需要对数据进行转换？数据不应该求真吗？
**数据变换的目的在于使数据的呈现方式接近我们所希望的前提假设，从而更好的进行统计推断。**更详细的细节见 帖子。

1.3.3 箱线图

偏离值：距离盒长的1.5倍以上被认为是偏离值Outliers
极端值：距离盒长3倍以上为极端值Extremes
极端值与偏离值越多，代表偏离情形越严重。

选择因变量并置可以将箱线图绘制在同一张图表上，进行对比分析。

不同的箱线图之间进行对比，可以分析变量处理前后分布的变化。
对于箱线图，多用于对分类变量某个指标的分布进行对比分析。

2. 图示技术

2.1 柱状图（条形图）

柱状图x轴是分类变量，直方图多为连续变量。

2.1.1 频率条形图

2.1.2 群集条形图

2.1.3 堆积条形图

2.1.4 3D条形图

越复杂蕴涵的维度越多，图包含的内容也就越多。

2.1.5 误差条形图

误差条形图适用于展示自变量不同分类下，连续或有序分类变量的差异。自变量可以是二分类、有序多分类或无序多分类。误差条形图通常用于展示独立样本t检验和单因素方差分析结果。

2.2 折线图

2.3 面积图

2.4 饼图

2.5 点图

从垂线图中可以看出，无论何种学历，离异的现状指数都是比较低的。

从散点图中可以看出不同指标之间的拟合关系。

3D图可以展示同一题项不同小题之间的分布关系。