体育统计学spss

第一篇：体育统计学spss

对大学体育课程中武术课的研究

体育学院 0802班 周国庆230801057

武术是现在大学体育课程中的一门热门课程，它的优势不仅仅体现在它的外在美，同时也是因为它的内在美。为了研究武术教学在大学体育课程中的优势，本文通过通过对武术的道德观，大学武术课程的基本内容和武术的几个作用的研究，得到武术在当代的大学体育课程中具有得天独厚的优势的原因，即武术对大学生的身心健康发展起着重要引导意义。

武术是中华民族传统体育文化的瑰宝，具有浓郁的民族气息和深厚的群众体育基础，在传承传统体育文化、弘扬民族精神、构建新型和谐社会等方面发挥着不容忽视的作用，然而学校现行的武术教学在我国特别是大学校园中开展的情况却不尽如人意。为深入了解大学武术教学开展现状与存在的主要问题，本文采用文献资料法、问卷调查法、现场观察法、数理统计法、实验法等多种研究方法，对中学武术教学现状进行研究，广泛地征求武术教学工作开展的意见、努力拓宽利用武术弘扬民族精神的途径。

大学武术教学的基本内容及其优势

（一）武术教学的基本内容

武术的内容丰富多彩，分类的方法也多种多样，按照运动形式可分为套路运动和格斗运动两大类。在当代大学的实践教学中，套路运动教学占据内容。

教学中武术的套路运动和正式的武术套路运动一样，是以踢、打、摔、拿、击、刺等动作，遵循攻防进退、动静疾徐、刚柔虚实等规律组成的徒手和器械套路演练。在大学的体育教学中，武术主要有拳术、器械、对练和集体项目等。格斗项目在校园体育教学中开展的比较少，因为格斗运动在进行的过程中出现意外事故的几率比较大。现在校园体育开展的格斗运动有散打和太极推手。

（二）武术的特点

1.动作具有攻防技击性。

2.具有内外合一，形神兼备的运动特色。

3.内容丰富多彩，具有广泛的适应性。

（三）优势

武术在大学体育教学中的优势，源于起深厚的传统文化色彩，以及其强身健体的显著功效，同时也可以锻炼一个人意志力，起到教人做人的作用。中国武术一直披着一层神秘的外衣，使其成为国人心中神圣的行为。这正是我国的传统文化所带来的效果。同时也因为武术神奇的强身健体的功效，也为其赢得了广大学生的喜爱。

大学武术的道德观

自强不息与厚德载物、无执无痕与无为无待，共同构件了中国传统的武术道德，这也是传统的武术道德的观念体系。它对于所有传统中国人特别是传统武术人的影响是深入骨髓的。

自强不息与厚德载物，是来自于儒家的一种积极向上、宽厚待人的入世性质的道德观念。是练习武术的人做人做事的基本依据。自强不息，是中国历史上的仁人志士的基本共识。即通过学习武术可以使我们对于事情做到自主、有信心，在充分认识自己的基础上对自己充满信心。厚德载物作为一种武术道德，是以载物为外在表现，强调的是一种包容意思。这种包容意思可以大致的理解为儒家的仁、义、礼、智、信（五常）与中庸。

无执无痕与无为无待，是来自于佛家和道家的一种平心静气、超凡脱俗的出世性质的道德观念，是习武调整形态的法宝。无执无痕，是对待自己所做的事情的一种良好心态，是佛家的思想精华，这种融入世和出世于一体的理性意识也深深影响着几乎所有领域的中国人。无为无待，是对待他人他物的一种良好的心态，是不对他人他物进行任何的干涉。

1、研究目的

（1）了解目前大学体育课武术教学现状的实施具体情况，武术教学开展的现状、武术教材的现状、武术师资的现状等，分析当前武术教学中存在的主要问题和产生的根源等，提出相应的对策，为今后我们淮阴师范学院武术教学的全面落实和顺利开展提供理论与实践的可行性与参考性的依据。

（2）了解大学生对武术的认识和要求、专家、教授对武术教学的看法和希望、校领导对学校武术教学的看法和希望、家长和社会对中学武术教学看法和希望，以便充分满足学生对武术运动的需求,体现社会对大学武术教学的期望

（3）学校体育课程改革的需要。改革开放以来，我国学校体育教学也不断地进行着改革，当前已进入体育课程改革阶段。在体育课程内容设置上应扩大选修教材比重，提供多种课程模式，供教师和学生从中选择。过去武术教学中有许多缺憾和不足，现在应该从学生的实际条件和客观需要出发，发挥其多元化功能。

2、研究意义

（1）中国传统武术进入大学体育课堂，对学生传统文化和民族精神的培养具有重要意义。

民族精神是一个民族在长期历史发展中积淀的最优秀、最积极的观念文化，是该民族传统文化的精华和灵魂，具有鼓励、教育和团结本民族人民奋发图强的力量。“在大学生中开展弘扬和培育民族精神教育，是深入贯彻落实‘三个代表’重要思想和党的十六大精神，是中华民族精神代代相传、发扬光大的必然要求，是加强社会主义精神文明建设的基础性工程”。武术是我国传统文化的重要组成部分，在其产生和发展过程中，它不仅受到中华民族精神的滋养，而且也为中华民族精神的养成起到了积极的作用。武术运动吸取了中华传统文化的精华与深邃，承袭了中华民族优秀文化中“自强不息”、“厚德载物”。另外，武术运动以爱国主义为其精神的最高层次，使中国的历史上出现了如岳飞、戚继光等一大批爱国将士，对于培养追求真理、爱好和平、见义勇为等良好的人格具有不可代替的作用。

事实上，世界上大部分体育发达国家都保存着特色鲜明的民族传统体育教育，例如：日本的柔道、韩国的跆拳道、美国的篮球等等。而我国学校的民族传统体育教育状况迄今为止尚没有形成特色鲜明的体系。因此，加强武术教育将有利于我国学校体育教育的发展，有利于民族文化的继承和发展。

（2）充分利用武术运动的强身健体和修身养性功能，有利于在素质教育中增强学生体质，促进学生身心健康发展。

武术教学首先具有磨炼意志，培养道德情操的功能。武术历来将“夏练三伏，冬练三九”，“拳打千遍，身法自然”等武谚作为激励学武者躬行实践，坚持常年不懈并持之以恒地锻炼。可以培养勤奋刻苦，果断顽强和坚韧不屈的意志品质。培养尚武崇德，尊师重道，讲礼守信，见义勇为，不凌弱逞强等高尚的道德情操。其二有锻炼身心，增强体质，全面发展学生的身体素质等功能。武术运动具有强身健体的作用，它不仅是形体锻炼，而且使人的身心也得全面的锻炼。还能发展人体的速度、力量、灵敏、协调和耐力等素质。其三有学练武术、掌握技击，提高防身自卫的功能；武术具有技击的特点，通过学练武术可以掌握各种踢、打、摔、拿、击、刺等方法，还能增劲力、抗摔打、提高防身自卫的能力。

（4）武术运动内在的对习武者思想素质与道德观念的要求有利于认识体育教学的社会性。

（5）有利于全民健身运动的开展和实现武术成为奥运争光战略的需要 中华武术源远流长，内容丰富、形式多样。武术运动特别是太极拳在推动全民健身运动的开展、丰富群众业余生活、提高中老年人健康状况方面起到了很大的作用。深入开展武术运动，开发、完善适应各年龄层的武术项目，使武术中最精华、最具有代表性的运动项目得以传承，形成诸如形意拳、八卦掌及各种长短、软硬器械等与太极拳运动百花争艳的全民健身景象，满足不同人群对武术运动的需要，使武术运动深深植根于群众之中，成为全民健身的重要项目之一，是当前武术全民健身的工作重点。实施全民健身计划要求以全国人民为对象，以青少年为重点。我国青少年儿童目前基本上都是在各级各类学校学习的学生。武术要为亿万多青少年身体健康服务，要得到更大范围的普及与推广，必须尽快真正地进入各级各类学校中。依托学校来普及推广武术，可以达到培养人们终身体育的意识和锻炼的习惯，最终在全社会实施全民健身教育的目的。

三、研究方法与对象 问卷调查法

问卷的发放与回收情况 教学实验法

实验对象：随便选取大学一年级普通学院系科六班的女生100人（选取三个班女生50名为实验组A1，选取余下三个班女生50名为对照组A2）和大学二年级某个学院的三班学生56名（男女生比例：男生29名，女生27名）为实验组B1、某个学院八班学生55名（男女生比例:男生23名，女生32名）为对照组B2(人数)学生作为武术课程改革的对象进行实验研究。

实验题目和目的：对大学武术教学与学生创造力培养的实验性研究，在原有武术教法基础上，让每个学生积极参与到教学中来。要求他们不仅能学会教师所教的规定动作，还能动脑、动手编出自己喜欢的套路，为终身体育锻炼打下良好的基础。

研究方法：采用对比实验法，实验前实验指标一是课堂武术教学的兴趣；二是武术课的学生考核情况。通过对一个实验组用武术教学与学生创造力培养教学，另一个对照组采用传统武术教学方法进行教学。实验后，对实验组和对照组测量上两个指标，进行统计比较分析。实验采用了适应以学生为中心的教学方法，在大学大胆改革武术的教材。

实验步骤：在教学过程中（实验组）让学生由易到难地系统掌握教学规定的技术动作，然后重点介绍一些难度大的动作和编排成套武术动作的简单知识，进而发挥学生的主观能动性，鼓励学生充分挖掘自身潜力，大胆创新，自行编排动作组合、套路或表演项目，并给学生提供各种表演的机会。学生从编排、练习到表演，既加深了对武术运动规律的认识，又锻炼了创造力。

第二阶段是培养学生创造力。方法一是设疑引趣，培养创新力。质疑是创造性开端，也是提高思维能力的基础训练。学生有了质疑才能产生兴趣，才有学习的积极性。由于大学武术主要是拳术套路，是以踢、打、摔、拿、击等各种动作为素材，套路中的每一招、每一式都有其实战用途，对防身自卫有一定重要意义。在教学过程中列举套路中某个动作，然后让学生开动脑筋拆解其他动作。在学生经过思考、研究后仍未拆解开的动作，教师给予帮助。所以学生从小接触一下“创造”，感受一下“创造”的神秘感，使学生切身体验到探索事物的科学过程，对学生的创造力是有益的。方法二是激发兴趣，团结协作。兴趣是最好的老师，是影响学习自觉和积极性的重要因素。学生喜欢学习，才能保持持久、稳定的学习欲望。在教学中让学生感受到武术的博大精深，激发他们对武术学习的兴趣，形成良好的心理动力，乐于主动地合作式学习，探讨武术教学中的有关问题，从而发挥学生创造力的动力。

第三阶段是培养学生创编能力。根据编排方法及要求，教师教授规定套路后，布置学生（两人一组）根据所学套路观看有关拳术录像片、参考有关书籍，创编一套武术套路。第十二周编写完毕后，教师根据每组编写情况有针对性地进行辅导，如动作不准确、衔接不畅、方向错误等。第十四周收作业。

要求：武术动作的基本手型：拳、掌、钩。基本步型：弓步、马步、仆步、歇步、虚步。腿法：弹、踢、蹬、踹。创编套路共2段，动作不得少于18 个动作。

6、数理统计法

将回收的教师及学生问卷用常用统计软件spss11.0进行分类数理统计分析并利用卡方检验。

（二）研究对象

2、实验性研究对象

选取大学一年级普通学院系科的六个班的女生100人（选取一至三班女生50名为实验组A1，选取四至六班女生50名为对照组A2）和大学某学院二年级二班学生56名（男女生比例：男生29名，女生27名）为实验组B1、七班学生55名（男女生比例:男生23名，女生32名）为对照组B2(人数)学生作为武术课程改革的对象进行实验研究。

四、研究结果与分析

1、武术教学开展的现状

（1）学校对武术课的重视程度结果与分析。

调查结果表明，学校领导重视学生的文化课教学及升学率，而对体育课尤其是武术课的教学重视力度不够。统计结果进行分析，利用卡方检验得知P值分别是1.000、0.999、0.999、1.000，可知P都大于0.05，故接受原假设。从均值来看，有18.40%的学生认为学校非常重视武术课，21.22%的学生认为学校重视武术课，占40.54%是由于有武术节，46.34%的学生认为学校一般重视武术课，另有14.04%的学生认为学校武术教学的课时和内容安排较少，说明对武术必修课不重视。

（2）武术课的开设情况结果与分析。

调查结果表明，在大学进行武术教学，首先要解决的问题是师资队伍建设问题，尤其是武术专业的师资问题，以及简单易学、学生喜欢的武术内容的教材建设问题。

利用统计结果表明，利用卡方检验得知P值都大于0.05,故接受原假设。从均值来看，有52.11%的学生反映学校没有开设武术教学课，主要原因是由于没有师资力量，教师不认真负责，上课教的内容少，出现放羊现象。仅47.89%的学生反映学校开设有武术课，造成这种原因是教师教学计划中没有安排武术课教学内容的原因。总之，虽然武术是大学的必修课，但是还存在着大部分大学没有开设专门的武术课的事实。学校体育教师反映主要原因依次是学校缺少武术专长教师，其他教师不愿承担武术教学任务、缺乏简明有趣的教材。（3）武术课的教学内容结果与分析。

调查结果表明，原有的教学大纲和教材的科学性和实用性欠缺。主要依据统计结果进行分析，利用卡方检验得知P值都大于0.05,故接受原假设。仅有22.54%的教师按原有大纲选择武术教学内容，自选、自编武术教学内容的分别占64.85%、11.25%，（4）学生和教师对武术课的评价结果与分析。

调查结果表明，对武术课评价依据很难掌握尺度。统计结果进行分析，从均值来看，有68.75%的学生喜欢武术课，是由于武术课在大学有一定群众基础；也有31.25%的学生不喜欢体育教师教的武术内容，是由于内容复杂，课时少，学的东西少；满意和基本满意武术教学法的分别占29.47%和44.16%,是由于教师认真备课、备教法；也有24.42%的学生不满意武术教学法，是由于教师教态不好；相对于其他体育课，都喜欢的占40.99%，更喜欢武术课的占32.24%，而更喜欢其他体育课的占20.07%，这说明武术教学内容一般。同样上一节武术课和其他体育课，69.18%的学生认为武术课更累，认为教师更累的达60.15%，说明要改革武术课程教学方法，娱乐于学中，发挥武术健身、健心功能。学生普遍认为武术课程难学难练，要注意根据学生的生理心理水平创编合适不同年龄阶段的武术教材，简化武术内容。53.60%的体育教师认为应该增加武术课程的时数，66.35%的教师对开展武术比赛持支持态度,说明当前体育教师对武术项目的重视程度还是很高的。在教学中反映教学效果好的项目有刀术、长拳等。

（7）武术教学计划的完成情况结果与分析。

调查结果表明，要制定合理的教学计划，注重教学效果而不能盲目求多。据统计表明大部分学校体育教学计划有武术内容，仅占6.97%的教师反映体育教学计划中没有武术内容，能完成教学任务的仅占31.71%，计划有而课堂无占19.07%，还有41.95%的教师能部分完成教学任务，我在教学中也出现这种情况。这说明大部分学校有武术课程的教学计划，但是能完成教学任务的却很少，这是由于武

（二）实验性研究的结果与分析

本次实验通过自编、自练，使学生的形象，充分展示个体的创造性。通过表象的概括，具体的形象思维，使他们的亲自实践中受到锻炼，使他们的创造潜能得以发挥，从而达到培养创造力的目的。利用卡方检验得知P值>0.05,故接受原假设。

实验结果表明，从下面表1、2、3说明了实验前大学一年级、大学二年级学生对武术课兴趣水平无显著性差异，而实验后大学一年级学生实验班A1非常喜欢、喜欢和一般分别占38、10、2，不喜欢占0，而对照组A2非常喜欢、喜欢和一般分别占11、18、19，不喜欢占2，由以上数据可以看出，实验组A1兴趣水平喜欢为48，而对照组A2兴趣水平为29，不喜欢为2。从表2可知大学二年级学生实验组B1非常喜欢、喜欢和一般分别占34、19、3，不喜欢占0，而大学一年级学生对照组B2非常喜欢、喜欢和一般分别占6、26、19，不喜欢占4，由以上数据可以看出，实验组B1兴趣水平喜欢为53，而对照组B2兴趣水平为32，不喜欢为4。从上面分析结果可得出结论：在十六周后，从情感上更加认可武术这一项目，大学一年级学生实验组A1和大学二年级学生实验组B1对武术课兴趣水平人数比大学一年级学生对照组A2和大学二年级学生对照组B2人数明显增多，具有高度显著差异（P<0.01）。其中从表6可知还有大学一年级92%的同学、大学二年级91.1%的同学（一类、二类）达到创新要求。从表4可知大学一年级学生实验组A1优秀率为44%，优良率为96%，合格率为98%，总平均分为88，缺课率为0.2%；而对照组A2优秀率为12%，优良率为48%，合格率为94%，总平均分为75，缺课率为4.5%。从表5可知大学二年级学生实验组B1优秀率为44.6%，优良率为89.2%，合格率为100%，总平均分为86，缺课率为0%；而对照组B2优秀率为14.5%，优良率为47.2%，合格率为92.7%，总平均分为75，缺课率为3.6%，具有高度显著差异（P<0.01）。这也说明了武术教学与学生创造力的培养教学大部分同学动作掌握得比较好，实验组效果好于对照组。与传统教学的比较，新的思路创造新的教学思想。传统的教学方法是的学习，而忽视了学生参与，他们单纯去学、练、考评，是处于一种被动的学习。而新的教学方法，则调动了学生的积极性和主动性，张开他们想象的翅膀，充分展示自己的才华，不仅学，而且学后还要自编、自创，能培养学生的自主学习能力、观察力、想象力、创新精神和创新能力，使每个学生活跃在快乐的体育教学之中，丰富了武术知识，进一步提高了运动技能，加深了记忆和理解。同时，只有学生对武术产生了兴趣，并有一定的活动能力，才能把他视为吃饭、睡觉一样的基本生活内容，从而养成终身体育锻炼习惯。武术教学与学生创造力培养教学正是给学生一个和谐、宽松的环境，让他们在尽量小的压力下去学习、去锻炼，并成功过程中得到情感上满足从而产生兴趣。因此，中学体育课武术教学法应注意“教师主导和学生主体”的教学关系，找出体现他们最佳的师生互动的结合点，为体育教学实践中培养学生的主体性提供理论依据，有助于构建新型的师生关系。实验结果统计如下表：

表1 大学一年级学生对武术课的兴趣水平统计表（横向比较）实验前 班别 实验组A1 对照组A2 相差

实验后

总人数 非常喜欢 喜欢 一般 不喜欢 总人数 非常喜欢 喜欢 一般 不喜欢

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

0

11 27 18-7 19-17

0 2-2 表2 大学二年级学生对武术课的兴趣水平统计表（横向比较）实验前 班别 实验组B1 对照组B2 相差

实验后

总人数 非常喜欢 喜欢 一般 不喜欢 总人数 非常喜欢 喜欢 一般 不喜欢

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

55 1

6 28 26-13 19-16

0 4-4 表3 大学一年级，二年级学生对武术课的兴趣水平统计表（纵向比较）大学一年级学生对武术课的兴趣水平统计表 实验班A1

对照班A2

大学二年级学生对武术课的兴趣水平统计表 实验班B1

对照班B2 试行 总人数 非常喜欢 喜欢 一般 不喜欢 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 试行 50 11 18 19 2

0 总人数

前 后 相差 前 56 56

0 23 1-20

后 相差

0-3 10-3-4

55 9 非常喜欢 11 34 7 喜欢-2 一般-9 不喜欢 19 23 4 0 26 22 19-13 11-4 8 表4 大学一年级学生对武术课的考核情况统计表（人数：A1为50人，A2为50人）

优秀% 班别 实验组A1 对照组A2 提高值 检验

良好%

及格%

不及格% 总平均分 90分以上 70~89分 60~69分 60以下 合格率% 缺课率% 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：考核结果分为四类：优秀：套路熟练，姿态正确；动作规范，精神饱满，劲力顺达，刚劲有力，、手眼相随，有气势，动作与音乐配合自然；良好：套路熟练，姿态正确；动作规范，精神饱满，劲力较顺达，动作与音乐配合一般；及格：套路基本熟练，姿态比较正确，动作基本规范，动作力度一般；不及格：不能完成套路或动作松懈。

表5 大学二年级学生对武术课的考核情况统计表（人数：B1为56人，B2为55人）

优秀% 班别 实验组B1 对照组B2 提高值 检验

良好%

及格%

不及格% 总平均分 90分以上 70~89分 60~69分 60以下 合格率% 缺课率% 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备注

表6 编排类别统计表

大学一年级 大学二年级 一类

二类

三类 4 8% 5 8.9% 28 56% 18 36% 23 41.1%

50% 一类：符合编排原则，内容全面，衔接好，方向准确。

注： 二类：符合编排原则，内容较全面，衔接较好，方向较准确。三内：符合编排原则，内容较好，衔接较正确，方向无误。

武术教学在大学体育课程中的优势体现的越来越明显，中华民族优良的传统文化与精神都在武术的精神中体现的淋漓尽致。武术的道德也在不断的影响着现在的大学生。学武术，学做人，这是中华武术的精神体现。

第二篇：管理统计学SPSS数据管理 实验报告

数据管理

一、实验目的与要求

1.掌握计算新变量、变量取值重编码的基本操作。2.掌握记录排序、拆分、筛选、加权以及数据汇总的操作。

3.了解数据字典的定义和使用、数据文件的重新排列、转置、合并的操作。

二、实验内容提要

1．自行练习完成课本中涉及的对CCSS案例数据的数据管理操作 2．针对SPSS自带数据Employee data.sav进行以下练习。

（1）根据变量bdate生成一个新变量“年龄”

（2）根据jobcat分组计算salary的秩次

（3）根据雇员的性别变量对salary的平均值进行汇总

（4）生成新变量grade，当salary<20000时取值为d，在20000~50000范围内时取值为c，在50000~100000范围内取值为b，大于等于100000时取值为a

三、实验步骤

1、针对CCSS案例数据的数据管理操作

1.1.计算变量，输入TS3到目标变量，在数字表达式中输入3，把任意年龄段分成三个组20-30设为1组，1-40设为2组41-50设为3组。图1，图1 1.2.对已有变量的分组合并，在“名称”文本框中输入新变量名TS3单击“更改”按钮，原来的S3->?就会变为S3->TS3,单击“旧值和新值”按钮，系统打开“重新编码到其他变量：旧值和新值”，如下图2，图2

图3 1.3.可视离散化，选择“转换”->“可视离散化”,打开的对话框要求用户选择希望进行离散化的变量，单击继续，如下图4，图4 单击“生成分割点”，设定分割点数量为10，宽度为5，第一个分割点位置为18，单击“应用”，如下图，图5 结果显示如下，图6 2．针对SPSS自带数据Employee data.sav进行以下练习。

2.1.根据变量bdate生成一个新变量“年龄”,选择“转换”->”计算变量”，如下图，图7 结果显示如下，图8 2.2.根据jobcat分组计算salary的秩次，图9 结果显示如下，图10 2.3.根据雇员的性别变量对salary的平均值进行汇总

图11 结果显示如下，图12 2.4.生成新变量grade，当salary<20000时取值为d，在20000~50000范围内时取值为c，在50000~100000范围内取值为b，大于等于100000时取值为a

图13 结果显示如下，图14

四、实验结果与结论

第三篇：统计学SPSS软件实操实习报告

实习报告

本学期专业开设了统计学课程，通过一学期的学习我们对统计学应用领域及

其类型基本概念有了基本了解，掌握了数据的收集、展示、分析的技术。但这都

是些书本上的理论知识，是纸上谈兵。

然而通过一学期统计学的学习，由最初对

统计学的枯燥乏味的认识，逐渐得到转变，平时学习中的积累，在此次实习中得到了实际应用。统计学作为应用数学的一个分支，主要通过利用概率论建立数学模型，收集所观察系统的数据，进行量化的分析、总结，并进而进行推断和预测，为相关决策提供依据和参考。统计方法适用于所有学科领域的通用数据分析方法，只要有数据的地方就会用到统计方法。此次实习我们根据消费者对食品安全的了解情况做了问卷式调查。如果是以我们以前的知识和技术水平，仅会用Excel表格对数据做粗略的统计，多份问卷的数据统计工作需要大量的时间，大量的人力，还有可能出现误差，导致统计结果极不准确，又不能直观反应问卷信息，然而学习了统计学数据分析之后，通过SPSS软件就可以很容易的对事先录入的数据进行分析统计，不但操作简单易学，而且我们可以对数据中无效数据进行排除，对数据结果的个数及比例等进行直观的比较。我们既在实践中提高了动手操作的能力和把理论应用到实践中去的思想，又通过试验加深了我们对课本上理论的认识和掌握。对于此次的统计学实习，自我感觉还是有很多收获的。首先，我们选择了不同地区、不同年龄、不同职业的群体做了广泛的调查，真正到人群中调查，对食品安全等情况有了更深刻的认识，更真实的反应。其次，从获得的调查问卷数据统计中，也让我认识到了目前食品安全问题依旧严峻，值得大家关注。第三，更重要的是，我们学会用统计学知识整理分析数据，使得理论知识在实际工作中得到应用，理论与实际相结合，是我们学习的重中之重。此次实习中也有很多的问题，需要在以后的实习中多加注意。例如，调查问卷的设计并不完善，要求不明确，问题的针对性，相关性有待提高。从班级汇总的数据来看，调查人群的年龄较集中，下次应注意选择代表性的人群，平均分配每类人群的调查数。还有就是对于数据的后期分析较浅显，可以增加集体分析讨大学生暑期实习报告&调查报告专题实习证明金融专业法律专业土木工程专业机电专业论的环节，对各种结果的原因作分析，寻找一些解决方案等，这样可以增强调查的目的性。通过实习不仅复习了课本知识，通过与实践相结合，对理论知识也有了更深入的了解，学会了对理论的实践应用，增强了我的动手操作的能力和理论与实践相结合的思想。在与小组成员的合作中我学会了以与队友合作的技能、处理和队友之间因工作产生的意见不合的能力。而这些都是在学习理论知识中学不到的，这将对个人以后走上工作岗位都是很有用的技能，这些技能会终身受用。

第四篇：spss学习心得

学院：传播学院 专业：10级广播电视新闻学 学号：129012010023 姓名：许咪咪

学习SPSS有感——与EXCEL之比较

在学习SPSS软件的过程中，自己不敢有丝毫松懈，但同时感到学习压力很大，有一定的学习难度，软件的操作可以通过短时间内熟悉，但对数据的结果分析还需要很大很大的提高。在掌握了SPSS相关技能和熟知了SPSS之于EXCEL的优越性之后，SPSS成了往后我进行数据分析、调查的首选软件，如若能自由地结合二者使用，便是更佳选择。

Excel的基本功能中包括了比较强大的数据处理功能，还提供了丰富的工作表函数，可以完成很多类型的数据处理和分析任务。除了工作表函数以外，Excel还提供了一个称为“分析工具库”的加载宏。

Excel应用的普及性，许多人都把它作为最常用的统计软件来使用。Excel提供的统计功能包括数据管理、描述统计、概率计算、假设检验、方差分析和回归分析等等，对于统计学原理所涉及的大部分内容已经足够了。然而，在学习Excel的统计功能以前我们有必要先交待一下Excel在统计分析方面的局限性。

1、就统计学原理所涉及的统计方法而言，Excel没有直接提供的方法包括：箱线图（Boxplot）、茎叶图、相关系数的p-值、无交互作用可重复的双因素方差分析、方差分析中的多重比较、非参数检验方法、质量控制图等。

2、按照优秀图形的标准，Excel做出的很多图形都不合格。Excel的有些图形可能适合于普通大众，但不适合用于科学报告中。例如二维图形的三维表示，圆柱图，圆锥图等等。

Excel提供的有些图形可能永远不应该使用。

3、Excel不能很好的处理缺失值(Missing data)问题。总体来说Excel对缺失值的处理方式远不如专门的统计软件恰当。

4、虽然大部分情况下Excel的计算结果都是可靠的，但在一些极端情况下Excel的计算程序不够稳定和准确（特别是Excel2003以前的版本中）；有些自动功能可能会导致意想不到地结果。

总体来说，Excel为我们输入和管理数据、描述数据特征、制作统计表和统计图都提供了强大的支持，但在处理复杂的计算时有时候误差相对较大，因而一些数据处理专家建议人们避免采用Excel处理复杂的统计问题。SPSS能在简单操作基础上，解决EXCEL存在的这些问题，甚至非统计学相关专业的人员也可以利用这个软件对复杂的统计问题进行处理、分析。

平时我惯常使用的数据分析软件也是Excel。虽然使用Excel可以对数据进行透视、分类、筛选以及计算相关系数等，但是这些操作都需要自己每一步每一步的进行手动操作，而使用SPSS软件在对数据进行整理时，只需对软件某选项内设置变量条件，系统便自动的进行整理。而且，在学习与应用SPSS过程中，我了解到应用SPSS软件只要了解统计分析的原理无需知晓统计方法的各种算法就能得到自己所需要的统计分析结果。另外对于常见的统计方法，SPSS的命令语句、子命令及选择项的选择绝大部分在软件内的对话框操作完成，我们无需花费大量的时间记忆大量的命令和选择项。在这方面，SPSS软件的应用可以使我们节省大量时间，而且软件操作比较容易上手，在当今这个时间就是金钱的社会上，我们掌握SPSS软件的应用，也就是为自己赚取了不少金钱。

另外在与SPSS的接触中，我逐渐了解到SPSS软件的强大与方便。SPSS提供了从简单的统计描述到复杂的多因素统计分析方法，其中有数据的统计分析、统计描述、交叉表分析、二维相关、方差分析、多元回归、因子分析、聚类分析、降维等分析方法。利用这些方法可以得出计算数据和统计图形，看出数据的离散程度、集中趋势和分散程度，单变量的比重，还有对数据进行标准化处理。利用这个软件对问卷数据进行分析是极好的。虽然，这些方法大部分我还是不会使用，能够让我利用并成功分析的方法只有寥寥几种，但是这种简单便捷的操作让我对SPSS的兴趣却是越来越浓。

spss 像手枪，对于社会统计应用spss,足够精度了。exce对初级统计技术也差不多了，里面有很多类型的图，配之以数据透视表，模拟运算表，宏，高级筛选，窗体，而且方便的单元格和变量操作这些优点都使得excel 更利于小规模，低精度，逻辑关系简单的数据，但是简单的图和表，有时不需要通过假设检验，也能看出很多关系或结论，这些直观的现象有的时候比spss的假设检验更有说服力（spss的假设检验虽然精确，但是成本是很多模型假定）其统计思想易于被日常生活所接受，所以execl用得好，更能显出使用者谙熟研究背景和统计思想，这个修炼层次更高，就像武功最高深的人更最简单的工具，最简洁的招式，实而不华一样。

了解了excel和spss的这个比较后，可以看出spss的统计思想体现了更多数理统计的味道，而excel 则更多体现了描述统计的味道，所以了解spss更重要的是了解不同模型背后的统计想法，当然这些在使用spss的过程中会慢慢的积累的。一个和学习统计思想无关的，但是在学习spss中必须学会的是“数据组织方式和数据测度”，这个对于那些学习信息的人容易理解，对文科出身的人不容易理解。但是这个问题对于初学者很重要。在实际使用spss时，就得按部就班地按照先定义变量，调测度，在录入（导入数据），再分析。分析并不是整个流程。不注意数据的组织方式和数据测度会使很多统计模型误用（实际上不能用，但是软件输出了统计结果），这种误用不是统计模型用得好不好的问题，而是能不能用的问题！

现在，学期即将结束，同样的这门课程也到了尾期，在这学期学到了很多，并且还有很多没有学到。我们学习时所操作的软件是英文版，这对英语基础不好的我来说是个考验。同时，由于我们所学专业并非必须拥有计算机，导致我们平时能够练习的机会比较少，造成了掌握不牢固，前学后忘现象比较严重。现在呢，很是希望能够把SPSS的应用熟练操作，并且能把它变为自己的一种本能，使自己在今后的工作与学习中，可以轻松运用。

第五篇：SPSS总结

SPSS的基本统计功能

1、数据的预处理

2、描述性统计和探索性统计

3、假设检验（包括参数检验、非参数检验等）

4、方差分析（包括一般的方差分析和多元方差分析）

5、相关分析

6、回归分析

7、多元统计分析，包括聚类分析、判别分析、因子分析、对应分析、主成分分析等

8、时间序列分析

9、信度分析

10、数据挖掘：决策树与神经网络

SPSS 统计分析的一般步骤

1、建立SPSS数据文件： 在【变量视图】定义SPSS数据文件的结构，在【数据视图】进行录入数据文件的录入。

2、SPSS数据的管理数据的预处理 ：

集中于【数据】和【转换】两个菜单项。

3、SPSS数据的统计分析阶段

： 在【分析】菜单中选择正确的统计方法。

4、SPSS分析结果的阅读和解释

： 读懂SPSS输出窗口中的分析结果

5、明确其统计含义，并结合背景知识做出合理的解释。

第2章 SPSS统计分析前的准备

一、SPSS数据文件的特点

1、SPSS数据文件是一种有结构的数据文件（一般文本文件仅有纯数据部分，而没有关于结构的描述）；

2、由数据的结构和内容两部分构成；

3、其中数据的结构记录数据类型、取值说明、数据缺失等必要信息（在【变量视图】，每一列大家都要明白你在定义什么，有什么用）；

4、数据的内容是那些待分析的具体数据；

5、在【数据视图】每一列代表一个变量(variable)，变量名显示在表格顶部；

6、在【数据视图】的每一行代表一个记录（case）（即一个案例，或称一个对象、一个观察、一个个体），记录序号显示在表格的左侧；

7、在【数据视图】可以输入和编辑数据，但是不能输入数学表达式和函数

二、定义变量

1、【数据视图】是进行数据输入、数据编辑的界面，对应的表格用于查看、录入和修改数据。

2、【变量视图】 是定义数据文件的变量的界面，对应的表格用于输入和修改变量的定义。

3、用SPSS读取其他格式的数据：

1）数据文件：*。sav

语法文件：*。sps 结果文件：*。spo

脚本文件： *。sbs 2）文件-打开-数据，可打开多种文件类型（。sav、。xls、。dbf、。txt、。dat等）

注：要想顺利打开txt文档，txt文档最好有固定的分隔符，如一个空格或一个逗号等。

三、数据的编辑

在SPSS中，数据文件的编辑、整理等功能被集中在了【数据】和【转换】两个菜单项中：

1、数据的增删、复制、剪切、粘贴；

2、数据的排序，Sort Cases排序便于数据的浏览，快捷找到最大值或最小值，迅速发现数据的异常值；

四、文件的拆分：文件的拆分相当于统计学中的数据分组，即将数据按一个或几个分组变量分组。

五、数据选取 ：

数据选取（个案选取）的基本方式

按指定条件选取（If condition is satisfied）

随机抽样(Random sample of cases)选取某一区域内(Based on time or case range)

六、个案加权：记录加权是对观测数据赋以权重，常用于频数表资料；

七、文件的合并：合并文件是指将外部数据中的记录或变量合并到当前的数据文件中去。合并数据文件包括两种方式：

从外部数据文件增加记录到当前数据文件中——纵向合并或称追加记录。从外部数据文件增加变量到当前数据文件中——横向合并或称追加变量。

八、变量的计算和变换：【转换】-【计算变量】

九、数据的重新编码recode 统计分组

将字符型变量转换为数值型变量 将几个小类别合为一个类别 将数值型变量转换为字符型

十、统计结果的保存为word文件：【文件】-【导出】

第3章

SPSS描述性统计

1.Frequencies（频率）过程的特色是产生频数表；功能 产生频数分布表；

绘制条形图、饼图、直方图；

计算集中趋势与离散程度、分布形状（峰度和偏度的意义）等统计量； 按要求给出分位数；

对数据的分布趋势进行初步分析

（注：对于定性变量来说，一般来说产生频数分布表，制作条形图，饼图即可）；

2.描述分析（Descriptives过程）

适用的分析对象：定量变量，测度为scale。功能：

调用此过程对变量进行描述性统计分析，计算均值、标准差、全距和均值标准误差等； 并可将原始数据转换成Z分数（(原始值-均值)/标准差）。

3.Explore（探索）过程用于对数据概况不清时的探索性分析，定量变量； 在一般描述性统计分析的基础上，增加有关数据其他特征的文字与图形描述。提供茎叶图、箱线图、PP图、QQ图等；

指出异常值（Outliers），可检查数据是否有错误，剔除异常值和错误数据； 进行点估计和区间估计，计算均值的置信区间，； 检验一组数据是否呈正态分布； 4.列联表分析

（1）列联表分析的适用条件

对一个定量变量的描述和分析，一般用频数分析（频数分布表、饼图、直方图、条形图）； 对两个定性变量的描述和分析，通常使用列联表、对应分析，或使用卡方检验； 对两个以上定性变量的描述和分析，通常使用高维列联表。（2）期望频数的分布

如果行变量和列变量是独立的，可以计算出列联表中每个格子里的频数应该是多少，称为期望频数；

（3）列联表分析的基本思路

检验列联表中的行变量与列变量之间是否独立（或是否相关）。原假设为行变量与列变量之间独立（或不相关）。比较观察频数与期望频数的差。

如果两者的差越大，表明实际情况与原假设相去甚远；如果差越小，表明实际情况与原假设越相近。

对于这个假设的检验，可以采用卡方分布，进行卡方检验。

（4）列联表分析的步骤

检验列联表中的行变量与列变量之间是否独立（是否相关）提出假设

H0：行变量与列变量独立（不相关）H1：行变量与列变量不独立（相关 计算检验的统计量 统计决策

进行决策：P值决策

P<0。05，则拒绝原假设H0，否则，接收原假设。（5）Pearson卡方检验的应用条件

所有单元的期望频数应该大于1，或不应有大量的期望频数小于5的单元格。

如果列联表中有20%以上的单元格中的期望频数小于5，则一般不宜用卡方检验。Pearson卡方检验最普遍

第4章

SPSS的均值比较过程 1。Means过程

对准备比较的各组计算描述指标，进行预分析，也可直接比较，定量变量。（1）Means过程是专门计算各种平均数，并对平均数进行简单比较的；（2）虽然Descriptive Statistics（描述统计）菜单项中的几个过程也能计算均数，但Means过程的输出结果是将各组的描述指标放在一起的，便于相互比较；

（3）Means过程必须设置分组变量，若没有分组变量的话，可以使用Descriptive Statistics菜单项中的几个过程。

（4）适用于测度水平为SCALE的变量。

2。单样本T检验（1）目的

检验某变量的总体均值与指定的检验值之间是否存在显著差异。（2）适用条件

样本来自的总体服从正态分布（3）基本步骤

H0： μ＝μ0 H1： μ≠μ0

构造检验统计量 统计决策

如果P值<α（α一般取值为0。05），拒绝原假设； 如果P值>α，接受原假设；

3。

独立样本T 检验（1）目的

通过比较两个样本均值差的大小来确定两个总体的均值是否相等。（2）适用条件

独立性：两个样本相互独立，且均为大样本；

正态性：如果两个样本相互独立但都是小样本，或有一个样本是小样本，则要求总体服从正态分布；

方差齐性

（3）基本步骤

a、方差齐性F检验

原假设：两个总体方差相等； 备则假设：两个总体方差不相等；

P值<0。05 时，拒绝原假设，说明方差不齐；否则两个总体方差无显著性差异。b、对两总体的均值提出假设 H0： μ1＝μ2

H1： μ1≠μ2 c、统计决策

在SPSS中进行两独立样本t检验时，应首先对F检验作判断。如果方差相等，观察分析结果中Equal variances assumed列的t检验相伴概率值；如果方差不相等，观察Equal variances not assumed列的t检验相伴概率值。如果P值<α，拒绝原假设； 如果P值>α，不能拒绝原假设；

4.配对样本的T 检验

配对样本是指对同一样本的某个变量进行前后两次测试所获得的两组数据，或是对两个完全相同的样本在不同条件下进行测试所获得的两组数据。其差别在于抽样不是相互独立的，而是互相关联的。（1）配对样本通常有两个特征： 第一，两组样本的样本数相同；

第二，两个样本记录的先后顺序一一对应，不能随意更改。（2）适用条件

两样本数据必须两两配对 两总体服从正态分布

配对样本的录入方式是：每对数据在同一个case的两个配对的变量上（3）检验步骤 a、提出假设 H0： μ1＝μ2

H1： μ1≠μ2 b、统计决策

如果P值<α，拒绝原假设； 如果P值>α，不能拒绝原假设；

第5章 方差分析

如何对一个或两个总体的均值进行检验，我们可以用均值比较，如果要讨论多个总体均值是否相等，我们所采用的方法是方差分析。

方差分析中有以下几个重要概念。（1）因素（Factor）：是指所要研究的变量，它可能对因变量产生影响。如果方差分析只针对一个因素进行，称为单因素方差分析。如果同时针对多个因素进行，称为多因素方差分析。

（2）水平（Level）：水平指因素的具体表现，如销售的四种方式就是因素的不同取值等级。

（3）单元（Cell）：指因素水平之间的组合。（4）元素（Element）：指用于测量因变量的最小单位。一个单元里可以只有一个元素，也可以有多个元素。

（5）交互作用（Interaction）：如果一个因素的效应大小在另一个因素不同水平下明显不同，则称两因素间存在交互作用。

1.单因素方差分析

单因素方差分析也叫一维方差分析，它用来研究一个因素的不同水平是否对观测变量产生了显著影响，即检验由单一因素影响的一个（或几个相互独立的）因变量由因素各水平分组的均值之间的差异是否具有统计意义。（1）适用条件

在各个水平之下观察对象是独立随机抽样，即独立性；

各个水平的因变量服从正态分布，即正态性；

各个水平下的总体具有相同的方差，即方差齐性；（2）基本原理

SST（总的离差平方和）=SSA（组间离差平方和）+SSE（组内离差平方和）

如果在总的离差平方和中，组间离差平方和所占比例较大，说明观测变量的变动主要是由因素的不同水平引起的，可以主要由因素的变动来解释，系统性差异给观测变量带来了显著影响；反之，如果组间离差平方和所占比例很小，说明观测变量的变动主要由随机变量因素引起的。

SPSS将自动计算检验统计量和相伴概率P值，若P<α，则拒绝原假设，认为因素的不同水平对观测变量产生显著影响；反之，接受零假设，认为因素的不同水平没有对观测变量产生显著影响。

另外，SPSS还提供了多重比较方法，多重比较是通过对总体均值之间的配对比较来进一步检验到底哪些均值之间存在差异，最常用的多重比较方法是LSD。（3）检验步骤 a、提出假设

H0： 各个总体的均值无显著性差异。

H1： 各个总体的均值有显著性差异。b、统计决策

方差齐性检验结果，P值>0。05，方差齐，否则，方差不齐；

单因素方差分析表，P值>α，接受H0，都则，拒绝H0，接受H1。

2.多因素方差分析

多因素方差分析是对一个独立变量是否受一个或多个因素或变量影响而进行的方差分析。它不仅能够分析多个因素对观测变量的独立影响，更能够分析多个因素的交互作用能否对观测变量产生显著影响。（2）基本原理

由于多因素方差分析中观察变量不仅要受到多个因素独立作用的影响，而且因素其交互作用和一些随机因素都会对变量产生影响。因此观测变量值的波动要受到多个控制变量独立作用、控制变量交互作用及随机因素等三方面的影响。以两个因素为例，可以表示为：

Q总＝Q控1＋Q控2＋Q控1控2＋Q随其中，Q表示各部分对应的离差平方和。多因素方差分析比较

Q

控

1、Q 控

2、Q 控 1 控

Q

随

占 Q

总 的比例，以此推断不同因素以及因素之间的交互作用

2、是否给观测变量带来显著影响。

（3）基本术语

a、Dependent Variable 观测变量或因变量 主要指研究中的定量变量

如：移动话费、学生成绩、销售量、亩产量等

b、Fixed Factor 固定效应因素，固定因素，控制因素

主要指研究中的定性变量

如：资费等级、客户类型、漫游类型、促销策略等 c、Random Factor 随机效应因素、随机因素

人为无法对其水平值进行准确控制，只是能够直观观测到

如：话费水平、收入水平、消费习惯等

d、Interaction 交互作用、交互效应

如果一个因素的效应大小在另一个因素不同水平下明显不同，则称为两因素间存在交互作用。

当存在交互作用时，单纯研究某个因素的作用是没有意义的，必须分另一个因素的不同水平研究该因素的作用大小。例如：饮食习惯、适量运动对减肥的作用； e、main effect 与交互效应相对应的

主效应就是每个因素对因变量的单独影响（main effect）f、Covariates 协变量

指对应变量可能有影响，需要在分析时对其作用加以控制的连续性定量变量 当模型中存在协变量时，一般是通过找出它与因变量的回归关系来控制其影响（3）应用条件

等方差；

各样本的独立性：只有各样本为相互独立的随机样本，才能保证变异的可加性（可分解性）；

正态性：即所有观察值系从正态总体中抽样得出；（4）基本步骤

提出假设

H0：因素A中的r个水平的均值相等（因素A 对因变量无显著性影响）H1：因素A中的r个水平的均值不全相等（因素A 对因变量有显著性影响）统计决断 P值检验法

依次查看各F值的P值，p-值<α，应拒绝原假设； 如果其P值大于显著性水平，则不能拒绝H0，可以认为相应不同水平的控制变量或交互影响没有造成均值的显著差异;

第6章

非参数检验

非参数检验（nonparametric test），又称为任意分布检验（distribution-free test）； 不依赖于总体的分布类型，对样本所来自总体的分布不作严格假定的统计推断方法，称为非参数检验（nonparametric test）

它不考虑研究对象总体分布的具体形式，也不对总体参数进行统计推断；

而是通过检验样本所代表的总体分布位置及分布形状是否一致来得出统计结论。特点

参数检验条件不满足时的处理方法

不对均数等参数检验，而是检验分布是否相同

在总体分布未知的情况下，利用样本数据对总体的分布形态进行推断。非参数检验的着眼点不是总体参数，而是总体的分布情况 非参数检验研究目标总体的分布是否与已知理论分布相同 非参数检验研究各样本所在总体的分布位置，形状是否相同 优点

第一，具有较好的稳健性；

第二，受限条件少：对数据要求不像参数检验那样严格

第三，适用范围广：可应用于各种不同的情况，不受总体分布形状的限制，适合处理无法精确数量化的定性数据和小样本数据 第四，计算通常较简单，且容易理解 缺点

第一，将定量数据转换为定性数据时，漏失了数据的一些信息

第二，检验的敏感度和效果，均不如参数检验好。检验效率低于参数检验，主要是犯第二类错误的可能性加大。

第三，参数检验适用的数据，非参数方法会降低检验效能；当数据满足参数检验条件时，效能低于参数法，不满足参数法条件时，处于“优势” 非参数检验的应用场合

定量数据，不满足参数检验的条件，且无适当的变量变换方法解决此问题； 定量数据，其分布类型无法获知，且为小样本； 定量数据，极度偏态，或个别数值偏离过大； 各组离散度相差悬殊

一端或两端存在不确定数值的定量数据

定序数据，比较各组间等级强度的差别； 非参数检验的主要方法 单个样本的非参数检验

卡方检验（Chi-Square过程）

二项检验（Binomial过程）

游程检验（Runs过程）

柯尔莫哥洛夫—斯米诺夫检验（l-Sample K-S过程）两个独立样本的非参数检验 多个独立样本的非参数检验 两个配对样本的非参数检验 多个配对样本的非参数检验 顺序统计量

通过对数据从小到大的排序(即排队)，并由数据的大小排序号(排队号)代替原始数据进行统计分析。

秩(Rank)：排序号(排队号)在统计学上称为秩

结(ties)：绝对值相等称为结，又称同秩，则取平均秩次。

一般来说，秩就是该组数据按照升序排列之后，每个数据的位置。

1.单个样本的非参数检验 卡方检验（Chi-Square过程）

用卡方检验来检验定性变量的几个取值（分类数据，或类别）所占比例是否和理论的比例没有统计学差异。检验分类变量的分布

适合于定性数据及频数资料的分析

要求样本足够大，要求样本容量一般大于50； 应用领域

如病人经治疗后治愈、好转、有效和无效的人数总的说来是否相同(实为治愈、好转、有效和无效的概率或机会是否相同)成绩优、良、中、差的学生人数是否相同 赞同某种观点的人数是否达到80%，等等。

比如在人群中抽取了一个样本，可以用该方法来分析四种血型所占的比例是否相同（都是25%），或者是否符合我们所给出的一个比例（如分别为10%、30%、40%和20%）。Chi-Square检验的基本思路

先按照已知总体的构成比例分布，计算出样本中定性数据（即各类别）的期望频数然后求出观测频数和期望频数的差值，最后计算出卡方统计量 利用卡方分布求出P值，假设检验的H0是样本中某指标的比例与已知比例一致 得出检验结论

2.二项检验（Binomial过程）检验二项分类变量分布

用于检测所给的变量是否符合二项分布，变量可以是两分类的，也可以使连续性变量，然后按你给出的分界点一刀两断。

Binomial过程对二项分类变量的单个样本作检验，推断总体中两个分类数据的比例是否分别为π和(1-π)应用领域

射击时，击中与未击中；学生成绩，及格与不及格；疾病诊断，阴性与阳性；硬币，正面与反面；人群性别，男和女；产品质量，合格和不合格 定量数据、符号检验（SING TEST）与Binomial过程

定量数据：大样本；或小样本，总体服从正态分布，总体方差已知； 参数检验：单个样本的均值检验

定量数据，不满足参数检验的条件，且无适当的变量变换方法解决此问题；

极度偏态，或个别数值偏离过大；

一端或两端存在不确定数值

3.游程检验（Runs过程）

Runs过程借助样本序列的顺序推断总体序列的顺序是否是随机的，属随机性检验 二分类数据和定量数据（连续数据）均可

对于一个取两个值的分类变量，游程检验方法是检验这两个值的出现是否是随机的。游程检验还可以用于某个连续变量的取值小于某个值及大于该值的个数（类似于0和1的个数）是否随机的问题 游程检验的作用

1、检验总体分布是否相同

将从两个总体中独立抽取的两个样本的观察值混合后，观察游程个数，进行比较。

2、检验样本的随机性

将取自某一总体的样本的观察值按从小到大顺序排列，找出中位数，分为大于中位数的小于中位数的两个部分。用上下交错形成的游程个数来检验样本是否是随机的。应用范围

生产过程是否需要调整，即不合格产品是否随机产生； 奖券的购买是否随机；

期货价格的变化是否随机等等。

若事物的发生并非随机，即有某种规律，则往往可寻找规律，建立相应模型，进行分析，作出适宜的决策。

当样本按某种顺序排列(如按抽取时间先后排列)时，一个或者一个以上相同符号连续出现的段，就被称作游程 ；

4.（l-Sample K-S过程）

柯尔莫诺夫-斯米尔诺夫检验，考察某个连续性变量是否符合理论分布 利用样本数据推断总体是否服从某种分布

可以检验的分布有正态分布、均匀分布、Poission分布和指数分布。数据要求：定量数据，Scale

5。

独立样本的非参数检

检验两个或多个独立样本所在总体是否相同

在不了解总体分布的情况下，通过分析样本数据均值或中位数的差异，推断样本来自的两/多个独立总体的分布存在的显著性差异。Independent Samples过程：主要用于检验两个独立样本所在总体分布是否相同 K Independent Samples过程：主要用于检验多个独立样本所在总体分布是否相同 界面上基本相同

（1）两个独立样本的非参数检验

含义：由样本数据，推断两个独立总体的分布是否存在显著差异(或两样本是否来自同一总体)分析对象：定量数据或定序数据 对分布的形状不加考虑

分布形状相同或类似的两个总体分布位置比较，可以简化地理解为两总体中位数的比较 应用范围

两种训练方法中哪一种更出成绩 两种汽 油中哪一个污染更少 两种市场营销策略中那种更有效

与独立样本t检验的区别

对于定量数据，如果方差相等，且服从正态分布

两个独立样本的非参数检验的过程

定序数据；对于定量数据，不满足两个独立样本t检验的条件

曼-惠特尼U检验（Mann-Whitney U）

为检验两总体的中位数是否相等，常用Mann-Whitney U 检验，或称Wilcoxon秩和检验(Wilcoxon rank sum test)；

这两种方法是独立提出的，检验结果完全等价的； 分析步骤

建立检验假设，确定显著性水平α ：

H0：两个总体的分布位置相同，即高中生和大学生的每周平均上网时间的总体分布相同；

H1：两个总体的分布位置不同，即高中生和大学生的每周平均上网时间的总体分布不同。或：

H0：M1=M2；

H1：M1>M2

2、编秩，将两组数据由小到大统一编秩，编秩时如遇有相同数据，取平均秩次。

3、求秩和，两组秩次分别相加。

4、确定统计量

若两组样本容量相等，则任取一组的秩和为统计量；

若两组样本容量不等，则以样本样本容量较小者对应的秩和为统计量。

5、查表确定P值，作出推断结论。若P>α，不能拒绝原假设。

若则P<α，拒绝原假设，认为两总体的分布不相同。

（2）多独立样本非参数检验

对三个或三个以上的总体的均值是否相等进行检验，使用的方法是单因素方差分析 ； 单因素方差分析过程需要假定条件，F检验才有效； 有时候所采集的数据常常不能满足这些条件，K Independent Samples过程 K Independent Samples过程

含义：由样本数据，推断多个独立总体的分布是否存在显著差异(或多个样本是否来自同一总体)分析对象：定量数据或定序数据 对分布的形状不加考虑

分布形状相同或类似的多个总体分布位置比较，可以简化地理解为多个总体中位数的比较。应用范围

各城市儿童身高分布一致吗？

不同收入的居民存（取）款金额分布一致吗？

电信公司人力资源部门比较3所大学雇员的管理业绩是否存在差异？ 检验方法

Kruskal-Wallis H ：克鲁斯卡尔-沃利斯单因素方差分析最常用，原理同Wilcoxon检验 多个样本间的两两比较 多组独立样本；

每组5个观察值，样本量小，分布类型未知；

考虑采用秩转换的非参数检验方法——Kruskal-Wallis秩和检验。

（3）两/多个配对样本非参数检验

检验两个或多个配对样本所在总体位置是否相同

在不了解总体分布的情况下，通过分析两/多个配对样本，推断样本来自的两/多个总体的分布是否存在显著性差异。Related Samples过程：主要用于检验两个配对样本所在总体分布是否相同 K Related Samples过程：主要用于检验多个配对样本所在总体分布是否相同 界面上基本相同

两个配对样本的非参数检验

含义：由样本数据推断两配对总体分布是否存在显著差异。数据要求

两组配对的样本数据；

两组数据的样本容量相同，先后次序不能任意改变，一一对应； 统计分析步骤

提出基本假设

H0：两配对总体分布无显著差异 H1：两配对总体分布有显著差异 统计决断

P值>α，不能拒绝原假设

P值<α，拒绝原假设

多个配对样本非参数检验

含义：由样本数据推断多个配对总体分布是否存在显著差异。

数据要求：多组配对的样本数据，多组数据的样本容量相同，先后次序不能任意改变，一一对应； 应用范围

三种促销形式的销售额分布一致吗？ 收集乘客对多家航空公司是否满意的数据，分析航空公司的服务水平是否存在显著差异 评委打分一致吗？ 三种检验方法

Friedman M检验：最常用

Kendall W检验 ：和谐系数检验

Cochran Q：要求样本数据为二分类数据（1－满意

0－不满意）检验方法的选择

1）单个样本：若来自正态总体，可用t检验，若来自非正态总体或总体分布无法确定，可用二项检验（二项检验）2）配对样本：

二分类变量，可用McNemar检验；

连续型变量，若来自正态总体，可用配对t检验，否则可用Wilcoxon符号秩和检验。

3）两组独立样本：连续型变量，若来自正态总体，可用t检验，否则，可用 Wilcoxon秩和检验；

二分类变量或无序多分类变量，可用卡方检验；

有序多分类变量，宜用Wilcoxon秩和检验。4）多组独立样本

连续型变量值，来自正态总体且方差相等，可用方差分析；否则，进行数据变换使其满足正态性或方差齐的要求后，采用方差分析；数据变换仍不能满足条件时，可用Kruskal-Wallis秩和检验。

二分类变量或无序多分类变量，可用卡方检验。

有序多分类变量宜用Kruskal-Wallis秩和检验。

第7章 相关分析 概念

相关关系反映出变量之间虽然相互影响，具有依存关系，但彼此之间是不能一一对应的。例如，学生成绩与其智力因素、各科学习成绩之间的关系、教育投资额与经济发展水平的关系、社会环境与人民健康的关系等等，都反映出客观现象中存在的相关关系。相关关系的类型

1）根据相关程度的不同，相关关系可分为完全相关、不完全相关和无相关。2）根据变量值变动方向的趋势，相关关系可分为正相关和负相关。3）根据变量关系的形态，相关关系可分为直线相关和曲线相关。4）根据研究变量的多少，可分为单相关、复相关。相关分析的作用

1）判断变量之间有无联系

2）确定选择相关关系的表现形式及相关分析方法 3）把握相关关系的方向与密切程度

4）相关分析不但可以描述变量之间的关系状况，而且用来进行预测。5)相关分析还可以用来评价测量量具的信度、效度以及项目的区分度等 相关系数

相关系数是在直线相关条件下，说明两个变量之间相关程度以及相关方向的统计分析指标。相关系数一般可以通过计算得到。作为样本相关系数，常用字母r表示；作为总体相关系数，常用字母ρ表示。相关系数的数值范围是介于–1与 +1之间（即–1≤ r ≤1），常用小数形式表示，一般要取小数点后两位数字来表示，以便比较精确地描述其相关程度。

两个变量之间的相关程度用相关系数r的绝对值表示，其绝对值越接近1，表明两个变量的相关程度越高；其绝对值越接近于0，表明两个变量相关程度越低。如果其绝对值等于零1，则表示两个变量完全直线相关。如果其绝对值为零，则表示两个变量完全不相关（不是直线相关）。

相关系数的注意事项

1）相关系数只是一个比率值，并不具备与相关变量相同的测量单位。2）相关系数r 受变量取值区间大小及样本数目多少的影响比较大。

3）来自于不同群体且不同质的事物的相关系数不能进行比较。4）对于不同类型的数据，计算相关系数的方法也不相同

1.简单相关分析的基本原理

简单相关分析是研究两个变量之间关联程度的统计方法。它主要是通过计算简单相关系数来反映变量之间关系的强弱。一般它有图形（散点图）和数值（一方面应观察相关系数的大小，另一方面，应观察概率P值，其原假设为**不相关）两种表示方式。简单相关系数

1）皮尔逊（Pearson）相关系数

常称为积差相关系数，适用于研究连续变量之间的相关程度。例如，收入和储蓄存款、身高和体重等变量间的线性相关关系。注意Pearson相关系数适用于线性相关的情形，对于曲线相关等更为复杂的情形，系数的大小并不能代表其相关性的强弱。2）Spearman等级相关系

Spearman等级相关系数是用来度量顺序水准变量间的线性相关关系。它是利用两变量的秩次大小作线性相关分析，适用条件为：

① 两个变量的变量值是以等级次序表示的资料；

②

一个变量的变量值是等级数据，另一个变量的变量值是等距或比率数据，且其两总体不要求是正态分布，样本容量n不一定大于30。

从斯皮尔曼等级相关适用条件中可以看出，等级相关的应用范围要比积差相关广泛，它的突出优点是对数据的总体分布、样本大小都不做要求。但缺点是计算精度不高。3）Kendall’s等级相关系数

它是用于反映分类变量相关性的指标，适用于两个变量均为有序分类的情况。这种指标采用非参数检验方法测度变量间的相关关系。它利用变量的秩计算一致对数目和非一致对数目。

2.偏相关分析的基本原理

方法概述

简单相关分析计算两个变量之间的相互关系，分析两个变量间线性关系的程度。但是现实中，事物之间的联系可能存在于多个主体之间，因此往往因为第三个变量的作用使得相关系数不能真实地反映两个变量间的线性相关程度。基本原理

偏相关分析是在相关分析的基础上考虑了两个因素以外的各种作用，或者说在扣除了其他因素的作用大小以后，重新来测度这两个因素间的关联程度。这种方法的目的就在于消除其他变量关联性的传递效应。3.距离分析的基本原理

简单相关分析和偏相关分析有一个共同点，那就是对所分析的数据背景应当有一定程度的了解。但在实际中有时会遇到一种情况，在分析前对数据所代表的专业背景知识尚不充分，本身就属于探索性的研究。这时就需要先对各个指标或者案例的差异性、相似程度进行考察，以先对数据有一个初步了解，然后再根据结果考虑如何进行深入分析。

距离分析是对观测量之间或变量之间相似或不相似的程度的一种测度，是计算一对变量之间或一对观测量之间的广义的距离。根据变量的不同类型，可以有许多距离、相似程度测量指标供用户选择。但由于本模块只是一个预分析过程，因此距离分析并不会给出常用的P值，而只能给出各变量/记录间的距离大小，以供用户自行判断相似性。

第8章 SPSS的回归分析 1。一元线性回归 方法概述

线性回归模型侧重考察变量之间的数量变化规律，并通过线性表达式，即线性回归方程，来描述其关系，进而确定一个或几个变量的变化对另一个变量的影响程度，为预测提供科学依据。

一般线性回归的基本步骤如下。

① 确定回归方程中的自变量和因变量。

② 从收集到的样本数据出发确定自变量和因变量之间的数学关系式，即确定回归方程。

③ 建立回归方程，在一定统计拟合准则下，估计出模型中的各个参数，得到一个确定的回归方程。

④ 对回归方程进行各种统计检验。

⑤ 利用回归方程进行预测。

注：一元线性回归的经验模型是：Y=β0+β1X 统计检验

在求解出了回归模型的参数后，一般不能立即将结果付诸于实际问题的分析和预测，通常要进行各种统计检验，例如拟合优度检验、回归方程和回归系数的显著性检验和残差分析等。

1）输出结果的模型摘要

其实就是对方程拟合情况的描述。通过这张表可以知道相关系数的取值（R），相关系数的平方即可决系数（R Square），校正后的可决系数(adjusted R Square)和回归系数的标准误(Std。Error of the Estimate)。注意这里的相关系数大小和前面相关分析中计算出的结果完全相同。可决系数R Square的取值介于0和1之间，它的含义就是自变量所能解释的方差在总方差中所占的百分比，取值越大说明模型的效果越好。

2）输出结果中的方差分析表

它是回归模型显著性检验的结果，所用方法为F检验，其零假设为原方程无效，通过P值来判断原方程是否有效。3）输出结果中的回归系数表

应特别关注回归系数β1 的T检验，它的零假设为β1 =0，通过P值来判断β1 是否有实际意义。

2.多元线性回归

在回归分析中，如果有两个或两个以上的自变量，就称为多元回归。

其基本步骤与一元回归几乎一致，只是在输出结果的模型摘要中通过观察调整R2 来判断方程的拟合情况，另外，同样可通过折线图来观察模型拟合效果。

3.曲线拟合

实际中，变量之间的关系往往不是简单的线性关系，而呈现为某种曲线或非线性的关系。此时，就要选择相应的曲线去反映实际变量的变动情况。为了决定选择的曲线类型，常用的方法是根据数据资料绘制出散点图，通过图形的变化趋势特征并结合专业知识和经验分析来确定曲线的类型，即变量之间的函数关系。

在确定了变量间的函数关系后，需要估计函数关系中的未知参数，并对拟合效果进行显著性检验。虽然这里选择的是曲线方程，在方程形式上是非线性的，但可以采用变量变换的方法将这些曲线方程转化为线性方程来估计参数。

在选择模型的时候可以结合专业知识多选几种，如同时选择“指数分布”、“逆模型”和“幂函数”，然后在模型汇总中比较R2 的大小，选择最大的一个，同时，注意观察各自的P值，其原假设为其模型无统计学意义。

4.非线性回归分析

非线性回归分析是探讨因变量和一组自变量之间的非线性相关模型的统计方法。线性回归模型要求变量之间必须是线性关系，曲线估计只能处理能够通过变量变换化为线性关系的非线性问题，因此这些方法都有一定的局限性。相反的，非线性回归可以估计因变量和自变量之间具有任意关系的模型，用户根据自身需要可随意设定估计方程的具体形式。通过散点图观察，如果自变量和应变量不能通过线性回归或区县估计来实现，则可以在SPSS通过【分析】-【回归】-【非线性】来实现。

以下是SPSS处理问卷的总结

当我们的调查问卷在把调查数据拿回来后，我们该做的工作就是用相关的统计软件进行处理，在此，我们以SPSS为处理软件，来简要说明一下问卷的处理过程，它的过程大致可分为四个过程：定义变量﹑数据录入﹑统计分析和结果保存。下面将从这四个方面来对问卷的处理做详细的介绍。

SPSS处理：

第一步：定义变量

大多数情况下我们需要从头定义变量，在打开SPSS后，我们可以看到和excel相似的界面，在界面的左下方可以看到Data View，Variable View两个标签，只需单击左下方的Variable View标签就可以切换到变量定义界面开始定义新变量。在表格上方可以看到一个变量要设置如下几项：name(变量名)、type(变量类型)、width(变量值的宽度)、decimals(小数位)、label(变量标签)、Values(定义具体变量值的标签)、Missing(定义变量缺失值)、Colomns(定义显示列宽)、Align(定义显示对齐方式)、Measure(定义变量类型是连续、有序分类还是无序分类)。

我们知道在SPSS中，我们可以把一份问卷上面的每一个问题设为一个变量，这样一份问卷有多少个问题就要有多少个变量与之对应，每一个问题的答案即为变量的取值。现在我们以问卷第一个问题为例来说明变量的设置。为了便于说明，可假设此题为：

1。请问你的年龄属于下面哪一个年龄段()? A：20—29 B：30—39 C：40—49 D：50--59 那么我们的变量设置可如下： name即变量名为1，type即类型可根据答案的类型设置，答案我们可以用1、2、3、4来代替A、B、C、D，所以我们选择数字型的，即选择Numeric，width宽度为4，decimals即小数位数位为0（因为答案没有小数点），label即变量标签为“年龄段查询”。Values用于定义具体变量值的标签，单击Value框右半部的省略号，会弹出变量值标签对话框，在第一个文本框里输入1，第二个输入20—29，然后单击添加即可。同样道理我们可做如下设置，即1=20—

29、2=30—

39、3=40—

49、4=50--59；Missing，用于定义变量缺失值，单击missing框右侧的省略号，会弹出缺失值对话框，界面上有一列三个单选钮，默认值为最上方的“无缺失值”；第二项为“不连续缺失值”，最多可以定义3个值；最后一项为“缺失值范围加可选的一个缺失值”，在此我们不设置缺省值，所以选中第一项如图；Colomns，定义显示列宽，可自己根据实际情况设置；Align，定义显示对齐方式，有居左、居右、居中三种方式；Measure，定义变量类型是连续、有序分类还是无序分类。

以上为问卷中常见的单项选择题型的变量设置，下面将对一些特殊情况的变量设置也作一下说明。

1。开放式题型的设置：诸如你所在的省份是_____这样的填空题即为开放题，设置这些变量的时候只需要将Value、Missing两项不设置即可。

2。多选题的变量设置：这类题型的设置有两种方法即多重二分法和多重分类法，在这里我们只对多重二分法进行介绍。这种方法的基本思想是把该题每一个选项设置成一个变量，然后将每一个选项拆分为两个选项，即选中该项和不选中该项。现在举例来说明在SPSS中的具体操作。比如如下一例：

请问您通常获取新闻的方式有哪些()1 报纸 2 杂志 3 电视 4 收音机 5 网络

在SPSS中设置变量时可为此题设置五个变量，假如此题为问卷第三题，那么变量名分别为3_

1、3_

2、3_

3、3_

4、3_5，然后每一个选项有两个选项选中和不选中，只需在Value一项中为每一个变量设置成1=选中此项、0=不选中此项即可。

使用该窗口，我们可以把一个问卷中的所有问题作为变量在这个窗口中一次定义。到此，我们的定义变量的工作就基本上可以结束了。下面我们要作就是数据的录入了。首先，我们要回到数据录入窗口，这很简单，只要我们点击软件左下方的Data View标签就可以了。

第二步：数据录入

SPSS数据录入有很多方式，大致有一下几种： 1。读取SPSS格式的数据 2。读取Excel等格式的数据

3。读取文本数据（Fixed和Delimiter)4。读取数据库格式数据(分如下两步)（1）配置ODBC（2）在SPSS中通过ODBC和数据库进行

但是对于问卷的数据录入其实很简单，只要在SPSS的数据录入窗口中直接输入就可以了，只是在这里有几点注意的事项需要说明一下。

1。在数据录入窗口，我们可以看到有一个表格，这个表格中的每一行代表一份问卷，我们也称为一个个案。

2。在数据录入窗口中，我们可以看到表格上方出现了1、2、3、4、5„„。的标签名，这其实是我们在第一步定义变量中，我们为问卷的每一个问题取的变量名，即1代表第一题，2代表第二题。以次类推。我们只需要在变量名下面输入对应问题的答案即可完成问卷的数据录入。比如上述年龄段查询的例题，如果问卷上勾选了A答案，我们在1下面输入1就行了(不要忘记我们通常是用1、2、3、4来代替A、B、C、D的)。

3。我们知道一行代表一份问卷，所以有几分问卷，就要有几行的数据。在数据录入完成后，我们要做的就是我们的关键部分，即问卷的统计分析了，因为这时我们已经把问卷中的数据录入我们的软件中了。

第三步：统计分析

有了数据，可以利用SPSS的各种分析方法进行分析，但选择何种统计分析方法，即调用哪个统计分析过程，是得到正确分析结果的关键。这要根据我们的问卷调查的目的和我们想要什么样的结果来选择。SPSS有数值分析和作图分析两类方法。

1。作图分析：

在SPSS中，除了生存分析所用的生存曲线图被整合到Analyze菜单中外，其他的统计绘图功能均放置在graph菜单中。该菜单具体分为以下几部分：：

(1)Gallery：相当于一个自学向导，将统计绘图功能做了简单的介绍，初学者可以通过它对SPSS的绘图能力有一个大致的了解。

(2)Interactive：交互式统计图。(3)Map：统计地图。

(4)下方的其他菜单项是我们最为常用的普通统计图，具体来说有： 条图 散点图 线图 直方图 饼图 面积图 箱式图

正态Q-Q图 正态P-P图 质量控制图 Pareto图

自回归曲线图 高低图 交互相关图 序列图 频谱图 误差线图

作图分析简单易懂，一目了然，我们可根据需要来选择我们需要作的图形，一般来讲，我们较常用的有条图，直方图，正态图，散点图，饼图等等，具体操作很简单，大家可参阅相关书籍，作图分析更多情况下是和数值分析相结合来对试卷进行分析的，这样的效果更好。

2。数值分析：

SPSS 数值统计分析过程均在Analyze菜单中，包括：

(1)、Reports和Descriptive Statistics：又称为基本统计分析。基本统计分析是进行其他更深入的统计分析的前提，通过基本统计分析，用户可以对分析数据的总体特征有比较准确的把握，从而选择更为深入的分析方法对分析对象进行研究。Reports和Descriptive Statistics命令项中包括的功能是对单变量的描述统计分析。

Descriptive Statistics包括的统计功能有：

Frequencies(频数分析)：作用：了解变量的取值分布情况

Descriptives(描述统计量分析)：功能：了解数据的基本统计特征和对指定的变量值进行标准化处理

Explore(探索分析)：功能：考察数据的奇异性和分布特征

Crosstabs(交叉分析)：功能：分析事物（变量）之间的相互影响和关系 Reports包括的统计功能有：

OLAP Cubes(OLAP报告摘要表)：功能： 以分组变量为基础，计算各组的总计、均值和其他统计量。而输出的报告摘要则是指每个组中所包含的各种变量的统计信息。

Case Summaries(观测量列表)：察看或打印所需要的变量值 Report Summaries in Row：行形式输出报告 Report Summaries in Columns：列形式输出报告

(2)、Compare Means(均值比较与检验)：能否用样本均值估计总体均值？两个变量均值接近的样本是否来自均值相同的总体？换句话说，两组样本某变量均值不同，其差异是否具有统计意义？能否说明总体差异？这是各种研究工作中经常提出的问题。这就要进行均值比较。

以下是进行均值比较及检验的过程：

MEANS过程：不同水平下（不同组）的描述统计量，如男女的平均工资，各工种的平均工资。目的在于比较。术语：水平数（指分类变量的值数，如sex变量有2个值，称为有两个水平）、单元Cell（指因变量按分类变量值所分的组）、水平组合

T test 过程：对样本进行T检验的过程

单一样本的T检验：检验单个变量的均值是否与给定的常数之间存在差异。

独立样本的T检验：检验两组不相关的样本是否来自具有相同均值的总体（均值是否相同，如男女的平均收入是否相同，是否有显著性差异）

配对T检验：检验两组相关的样本是否来自具有相同均值的总体(前后比较，如训练效果，治疗效果)one-Way ANOVA：一元(单因素)方差分析，用于检验几个（三个或三个以上）独立的组，是否来自均值相同的总体。

(3)、ANOVA Models(方差分析)：方差分析是检验多组样本均值间的差异是否具有统计意义的一种方法。例如：医学界研究几种药物对某种疾病的疗效；农业研究土壤、肥料、日照时间等因素对某种农作物产量的影响;不同饲料对牲畜体重增长的效果等，都可以使用方差分析方法去解决

(4)、Correlate(相关分析)：它是研究变量间密切程度的一种常用统计方法，常用的相关分析有以下几种：

1、线性相关分析：研究两个变量间线性关系的程度。用相关系数r来描述。

2、偏相关分析：它描述的是当控制了一个或几个另外的变量的影响条件下两个变量间的相关性，如控制年龄和工作经验的影响，估计工资收入与受教育水平之间的相关关系

3、相似性测度：两个或若干个变量、两个或两组观测量之间的关系有时也可以用相似性或不相似性来描述。相似性测度用大值表示很相似，而不相似性用距离或不相似性来描述，大值表示相差甚远

(5)、Regression(回归分析)：功能：寻求有关联（相关）的变量之间的关系在回归过程中包括：Liner：线性回归;Curve Estimation：曲线估计;Binary Logistic：二分变量逻辑回归;Multinomial Logistic：多分变量逻辑回归;Ordinal 序回归;Probit：概率单位回归;Nonlinear：非线性回归;Weight Estimation：加权估计;2-Stage Least squares：二段最小平方法;Optimal Scaling 最优编码回归;其中最常用的为前面三个。

(6)、Nonparametric Tests(非参数检验)：是指在总体不服从正态分布且分布情况不明时，用来检验数据资料是否来自同一个总体假设的一类检验方法。由于这些方法一般不涉及总体参数故得名。

非参数检验的过程有以下几个： 1。Chi-Square test 卡方检验 2。Binomial test 二项分布检验 3。Runs test 游程检验

4。1-Sample Kolmogorov-Smirnov test 一个样本柯尔莫哥洛夫-斯米诺夫检验 5。2 independent Samples Test 两个独立样本检验 6。K independent Samples Test K个独立样本检验 7。2 related Samples Test 两个相关样本检验 8。K related Samples Test 两个相关样本检验(7)、Data Reduction(因子分析)(8)、Classify(聚类与判别)等等

以上就是数值统计分析Analyze菜单下几项用于分析的数值统计分析方法的简介，在我们的变量定义以及数据录入完成后，我们就可以根据我们的需要在以上几种分析方法中选择若干种对我们的问卷数据进行统计分析，来得到我们想要的结果。

第四步：结果保存

我们的SPSS软件会把我们统计分析的多有结果保存在一个窗口中即结果输出窗口(output)，由于SPSS软件支持复制和粘贴功能，这样我们就可以把我们想要的结果复制﹑粘贴到我们的报告中，当然我们也可以在菜单中执行file->save来保存我们的结果，一般情况下，我们建议保存我们的数据，结果可不保存。因为只要有了数据，如果我们想要结果的，我们可以随时利用数据得到结果。

总结：

以上便是SPSS处理问卷的四个步骤，四个步骤结束后，我们需要SPSS软件做的工作基本上也就结束了，接下来的任务就是写我们的统计报告了。值得一提的是。SPSS是一款在社会统计学应用非常广泛的统计类软件，学好它将对我们以后的工作学习产生很大的意义和作用。