整個spss界面分為數據視圖、變量視圖和輸出文檔。

一、關于變量

1.變量名稱不可重復；變量中的英文字母不區分大小寫；變量中不能出現空格、括號、逗號等特殊字符；不可使用保留字

2.變量類型常用的有數值、日期和字符串

3.標簽是對變量名稱的解釋說明，一般變量名稱越簡潔越好，而標簽可對變量對名稱做詳細解釋

4.值一般在該變量有有限個值的情況下使用，例如性別用1表示男2表示女，滿意度用1-5不同級別的數值表示。

設置值之后，如果數據視圖的視圖->值標簽勾選，對應的值會顯示為值對應的標簽，不勾選則顯示值，例如1表示男2表示女，勾選則顯示男或女否則顯示1或2

5.設置缺失值表示在做統計時，將變量值等于該缺失值的記錄當作無效記錄處理。

6.度量標準

名義：無序分類變量，表示的變量值是離散的，一般用來代表某物的一個屬性，不具有順序和大小，例如性別
序號：有序分類變量，表示變量的值是離散的但是值之間有順序關系，一般是用來定義等級差別的，例如滿意度
度量：連續變量，表示變量的值通常是連續的，不僅可以進行排序而且還能進行加減，例如工資

二、常用操作

1.數據->選擇個案

選擇：默認選擇全部個案，還可按條件或隨機樣本數選擇

選擇后的處理：默認在未被選擇的個案序號上畫斜線，后續統計時不統計該部分，也可將選定的個案復制到新的數據集，或者直接刪除未選定個案（使用前建議保存原數據）

數據->加權個案，可選定變量作為頻率變量

2.數據->拆分文件，不會生成新的文件，只在統計結果輸出上有區別

默認是分析所有個案，結果不做拆分和分類

拆分文件并比較組：會按照分組變量一起輸出結果

拆分文件并按組組織輸出：會按照分組變量單獨輸出每個結果

例如按照性別對語文成績進行描述統計，3種方式的輸出結果如下圖所示

數據->合并文件->添加個案，即添加記錄

數據->合并文件->添加變量，即添加變量

3.轉換->替換缺失值

默認使用序列的均值進行替換，也可使用線性插值法和點處的線性趨勢進行替換

也可使用臨近點的均值和臨近點的中位數來進行替換缺失值，這兩種方法需要指定臨近點的個數

4.分類匯總，會生成新的列

分組變量：即分類依據的變量

變量摘要：即分類后對哪些變量進行匯總，匯總函數默認為均值，名稱為變量名稱_mean，可自行選擇匯總函數和匯總產生的列名稱

5.數據統計

轉換->計算變量，會生成新的列

可對多個變量進行統計，例如統計多門學科的均值、各種類型工資的總和

轉換->對個案內的值計數，會生成新的列

統計指定變量滿足條件的變量個數

6.重新編碼

轉換->重新編碼為不同變量，會生成新的列

對指定變量按照值的范圍劃分為不同的等級，例如將成績為60分以下的劃為不合格90分以上的劃為優秀

轉換->重新編碼為相同變量，與重新編碼為不同變量類似，但是不會生成新的列，而是直接替換原變量的值

轉換->自動重新編碼，系統會自動進行范圍劃分和等級設定

三、基本的統計分析

1.t檢驗

位置：分析->比較均值

作用：比較兩個平均數的差異是否顯著

使用前提：主要用于樣本含量較小(例如n < 30)、總體標準差σ未知的正態分布。當樣本較小時，要求樣本取自正態總體；做兩樣本均數比較時，要求兩樣本的總體方差相等。

單樣本t檢驗：檢驗單樣本均值與確定的總體均值是否存在顯著性差異，例如檢驗2018年的平均工資與2015年的平均工資（已知值）的差異

獨立樣本t檢驗：檢驗兩個獨立的樣本的均值是否存在顯著性差異，例如檢驗男性平均工資與女性平均工資的差異

配對樣本t檢驗：檢驗兩個配對樣本是否存在存在顯著性差異，例如檢驗本次學生成績與上次成績的差異

2.方差分析，即F檢驗

位置：分析->非參數檢驗->舊對話框

作用：檢驗自變量對觀測變量的顯著影響

使用前提：數據總體呈正態分布，多組樣本的方差要齊性，各個觀測值相互獨立

單因素方差分析：檢驗一個自變量對一個觀測變量的顯著影響，分析->比較均值->單因素ANOVA

LSD：最小顯著差法，t檢驗的簡單變形
Bonferroni：在LSD的基礎上改進，比LSD更嚴格
Tukey：

雙因素方差分析：檢驗兩個自變量對一個觀測變量的顯著影響，分析->一般線性模型->單變量(指一個因變量) （一般模型選擇默認的全因子，對比選擇簡單，兩兩比較選擇自變量組別超過3的變量，選項估計均值選擇overall、輸出選擇前3項）

多元方差分析：檢驗自變量對多個觀測變量的顯著影響，分析->一般線性模型->多變量

重復測量方差分析：例如測量飲酒在上午和下午對人的意識影響，分析->一般線性模型->重復度量

3.相關性分析

位置：分析->相關

作用：研究變量之間的相關關系

皮爾遜相關系數盡量要求樣本數量大于30，而斯皮爾曼相關系數對樣本數量無要求但精度沒有皮爾遜系數高。

雙變量：研究兩個變量之間的相關性關系，例如研究各個市的專利數量與GDP的相關關系

偏相關：研究變量的控制變量在一定情況下變量的相關性關系，例如高校數量可能影響專利數量和GDP，則在將高校數量作為控制變量的基礎上對專利和GDP進行相關性分析

距離：研究多個變量之間的距離，例如各個國家的資源的差距。

4.回歸分析

回歸分析是相關性分析更具體的分析。

步驟：1提出回歸模型假設，即獲取樣本，確定自變量和因變量

2.獲取數據建立回歸方程

3.確定回歸方程

4.回歸方程檢驗，包括回歸方程的顯著性、回歸方程的擬合度檢驗、回歸系數的顯著性檢驗

5.關聯分析

包括關聯規則挖掘和序列模式挖掘，

作用：在數據中挖掘重復出現概率很高的模式或規則。

6.非參數檢驗

適用于小樣本、或樣本分布不滿足正態分布、樣本來自不同總體的檢驗；如果樣本滿足參數檢驗的條件，應優先使用參數檢驗。

檢驗效能低，這是由于對樣本數據要求低
沒有充分利用數據的全部信息，例如符號檢驗只考慮到成對數據的正負數量情況，而不考慮數據的大小
無法處理變量之間的交互作用

正態分布檢驗

分析->非參數檢驗->舊對話框-> 1-樣本 K-S

分析->描述統計->探索，在繪制選項里勾選待檢驗的正態圖

總結

以上是生活随笔為你收集整理的spss基本使用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。