數(shù)據(jù)分析spss應(yīng)急考試

前言

• 單項(xiàng)選擇 15(項(xiàng))*2（分）=30

  判斷題 10*1 = 10

  計(jì)算題 2*10

• 案例分析題目(考實(shí)驗(yàn)內(nèi)容) 總四十分，分值不等

  • 老師重點(diǎn)強(qiáng)調(diào)了
  • 回歸分析
  • 因子分析
  • 方差分析
  • 參數(shù)、非參數(shù)檢驗(yàn)
    • 2獨(dú)立樣本的非參數(shù)檢驗(yàn)應(yīng)該用什么方法
    • 多獨(dú)立樣本的應(yīng)該用什么方法
    • 配對樣本的應(yīng)該用什么方法
    • 買會？，vr？，中位數(shù)……適用于那些數(shù)據(jù)
  • 抽樣
    • 給你一個案例，你可不可以寫出抽樣思路
      • 先是整群還是先是分層
      • 簡單隨機(jī)抽樣

• spss的logistic回歸不考

• 判別分析不考

• spss的線性回歸分析中的曲線分析也不考

軟件分析

• 你的spss的格式 它能讀那些的 考一些選擇判斷

相關(guān)分析

• 相關(guān)分析它的一個范圍， 多少是正相關(guān)、多少是負(fù)相關(guān)，當(dāng)相關(guān)系數(shù)是0的時候表示沒有線性相關(guān)性質(zhì)

聚類分析、因子分析是案例分析的重點(diǎn)

第四章補(bǔ)充講了抽樣

spss軟件概述

利用spss進(jìn)行數(shù)據(jù)分析一般經(jīng)過：
建立數(shù)據(jù)文件、加工整理數(shù)據(jù)、分析數(shù)據(jù)、解釋分析結(jié)果四個階段

spss運(yùn)行方式菜單式進(jìn)行操作

spss數(shù)據(jù)文件建立和管理

spss的數(shù)據(jù)文件是一個有結(jié)構(gòu)的，包含了變量視圖和數(shù)據(jù)視圖

唯一標(biāo)識變量的是變量名

變量名標(biāo)簽

• 是對變量名做一個解釋說明

變量值標(biāo)簽

• 對變量所取值的一些解釋說明，增強(qiáng)分析結(jié)果的 可視性
  比如在年紀(jì)錄入時：用 1 表示 大一年紀(jì)、用2表示大二年紀(jì)

計(jì)量尺度(Measurement)

• 數(shù)值型（定距）

• 定序型（有固有大小或高低順序）

• 定類型（無固有大小或高低順序，分類）

變量測量包含了標(biāo)度測量、有序測量與名義測量三種

其中標(biāo)度測量對應(yīng)定量變量，有序測量對應(yīng)定序，名義測量對應(yīng)定類變量。

數(shù)據(jù)的錄入

一行就是一個個案

讀取文本格式數(shù)據(jù)文件有讀取固定格式和自由格式兩種，自由格式必須要有分隔符

spss數(shù)據(jù)的保存

 spss 數(shù)據(jù)默認(rèn)后綴 .savspss結(jié)果文件默認(rèn)后綴是 .spv

讀取其他格式的數(shù)據(jù)文件

? .sav .zsav .sys .port .bdf .dat .txt .csv

? 不能讀.ppt

數(shù)據(jù)文件的合并

* 恒向合并
* 縱向合并
* 按照關(guān)鍵字關(guān)鍵字的升序排序合并用 橫向合并

數(shù)據(jù)預(yù)處理

數(shù)據(jù)的排序

排序的目的是找到數(shù)據(jù)中最大值&最小值，進(jìn)而計(jì)算數(shù)據(jù)的全距和離散程度

排序分為：單值排序 多重排序

• 那些屬于定量變量
  • 數(shù)值型的比如：年齡、合格率、身高、工資
• 那些屬于定性變量
  • 比如：專業(yè)、性別、職稱

? 個案排秩和變量排序作用是不一樣的

? 想知道某一個觀測在已知條件下觀測的位置，而又不希望打破數(shù)據(jù)現(xiàn)有的排序，可以用個案排秩

變量的計(jì)算

——通過現(xiàn)有變量得到新的變量

變量計(jì)算是針對所有個案的，每個個案都有自己的計(jì)算結(jié)果。

? 重新編碼為相同的變量

? 重新編碼為不同的變量

為了某個數(shù)據(jù)只在一個組中出現(xiàn)一次、編碼和分區(qū) 都有一個區(qū)間

數(shù)據(jù)選取的基本方式

1. 選取全部數(shù)據(jù)2. 按指定條件選取3. 隨機(jī)抽樣：（近似抽樣、精確抽樣） * 精確抽樣：用戶給定兩個參數(shù)：希望選取的個案數(shù)、在前幾個個案中選擇
4. 選取某區(qū)域樣本* 選取指定范圍內(nèi)的所有個案，適用于 **時間序列**
5. 使用過濾個案，對**使用過濾個案，是對缺失值進(jìn)行一個過濾**

對于計(jì)數(shù)的數(shù)據(jù)分析要進(jìn)行加權(quán)的處理

統(tǒng)計(jì)學(xué)依據(jù)數(shù)據(jù)的計(jì)量尺度將數(shù)據(jù)分成三類**：定量、定序、定類**

? 兩大類：定量（定距、定比）、定性（定序、定類）

行列互換是數(shù)據(jù)的轉(zhuǎn)置

spss基本統(tǒng)計(jì)分析

刻畫度量集中趨勢的有

* **均值**
* **中位數(shù)**
* **眾數(shù)**

? 集中趨勢：數(shù)據(jù)想中心值靠攏的程度

刻畫離散趨勢有

• 標(biāo)準(zhǔn)差
• 極差
• 方差

? 離散趨勢：數(shù)據(jù)遠(yuǎn)離中心值的程度

度量分布形態(tài)有

• 偏度
  • 于正態(tài)分布而言 小于0 左偏，大于 0 右偏
• 分度
  • 大于0 （有時候和3做出比較、看公式中有無做減3的處理）比正太分布陡峭，小于 0 比正態(tài)分布要平緩

? 分布形態(tài)：描述數(shù)據(jù)陡峭程度、是否對稱等

頻數(shù)分析

——用圖標(biāo)的形式對數(shù)據(jù)做一個簡單的描述

頻數(shù)：是指變量落在某個區(qū)域的次數(shù)

頻數(shù)分析中出現(xiàn)的圖表有哪些：條形圖、餅圖、直方圖（可以通過直方圖看，分布是否呈現(xiàn)正態(tài)分布）

• 條形圖適用于–定序、定類變量分析
• 餅圖，研究占比
• 直方圖，適用于–定距型變量分析

變量的計(jì)算尺度

定類（比如表示性別）：只能計(jì)次

定序（一件產(chǎn)品的滿意度，如果用1表示非常滿意，2表示比較滿意，3表示中等滿意，4表示比較不滿意，5表示非常不滿意）：計(jì)次、排序

定距（比如溫度之類的）：計(jì)次、排序、加減

定比（體重）：計(jì)次、排序、加減、乘除

下列哪些選項(xiàng)是不屬于頻數(shù)分析中統(tǒng)計(jì)量的 卡方

• 百分位數(shù)
• 集中趨勢
• 離散趨勢
• 分布形態(tài)
• 卡方

交叉分組下的頻數(shù)分析

——針對多變量

當(dāng)我們要研究變量$\ge 2$個變量時使用交叉分組

邊緣分布

上表中的年齡變量稱為行變量（Row），血壓稱為列變量（Column）。行標(biāo)題和列標(biāo)題分別是兩個變量的變量值（或分組值）。表格中間是觀測頻數(shù)和各種百分比。474人中，低血壓、正常、高血壓的人數(shù)分別為95、232、147，構(gòu)成的分布稱為交叉列聯(lián)表的列邊緣分布；30歲以下、30-49歲、50歲以上的人數(shù)分別為98、179、197，構(gòu)成的分布稱為交叉列聯(lián)表的行邊緣分布；98個低血壓的人中各年齡段的人數(shù)分別是27，37，31，這些頻數(shù)構(gòu)成的分布稱為條件分布，即在行變量（列變量）取值條件下的列變量（行變量）的分布。

交叉連表的卡方檢驗(yàn)

步驟:

• 建立原假設(shè)
  • 假設(shè)行變量與列變量獨(dú)立
• 選擇和計(jì)算檢驗(yàn)統(tǒng)計(jì)量
• 計(jì)算觀測值和臨界值
• 結(jié)論和決策
  • 利用卡方統(tǒng)計(jì)量的這個值和臨界值進(jìn)行比較
  • 觀測值 $>$臨界值，實(shí)際分布與期望分布過大拒絕原假設(shè)
  • <,反之同意

卡方統(tǒng)計(jì)量觀測值的大小取決于兩個因素：第一：列聯(lián)表的單元格子數(shù)；第二：觀測頻數(shù)與期望頻數(shù)的總差值。

多選項(xiàng)分析

? 對應(yīng)于多選項(xiàng)分析之前要進(jìn)行分解，分解有 多選項(xiàng)二分法（變量取值 0 or 1 ）和多選項(xiàng)分類法（對于多選項(xiàng)問題可以選幾個答案）

抽樣

應(yīng)該會考一道分析題：

多階段抽樣（重要、一定要理解各種抽樣意義）

要做這道題你首先要理解不同抽樣的意義：

概率抽樣

• 簡單隨機(jī)抽樣：從總體N個單位中隨機(jī)地抽取n個單位作為樣本 ，每個單位入抽樣本的概率是相等的

• 分層抽樣：將抽樣單位按某種特征或某種規(guī)則劃分為 不同的層，然后從不同的層中獨(dú)立、隨機(jī) 地抽取樣本

• 整群抽樣：將總體中若干個單位合并為組(群),抽樣時 直接抽取群，然后對中選群中的所有單位全部實(shí)施調(diào)查

  • 例子：一個年紀(jì) 1000人，要抽樣500個人他們的數(shù)學(xué)成績進(jìn)行調(diào)查
    將1000人分為20個班
    因此我們只需選出10個班進(jìn)行調(diào)查

• 系統(tǒng)抽樣：.將總體中的所有單位(抽樣單位)按一定順 序排列，在規(guī)定的范圍內(nèi)隨機(jī)地抽取一個 單位作為初始單位，然后按事先規(guī)定好的 規(guī)則確定其它樣本單位

  • 先從數(shù)字1到k之間隨機(jī)抽取一個數(shù)字r作為 初始單位，以后依次取r+k，r+2k…等單位

例題

抽樣分布

正態(tài)分布和均值、標(biāo)準(zhǔn)差有關(guān)

三大分布-和自由度有關(guān)

• ${\mathcal{X}}^2$分布
• $f$分布
• $t$分布

中心極限定理

設(shè)從均值為$\mu$，方差為${\sigma }^2$的一個任意總 體中抽取容量為n的樣本，當(dāng)n充分大時，樣本均值的抽樣分布近似服從均值為$\mu$、方差為${\sigma }^2/n$的正態(tài)分布

對于方差和均值（重要）

標(biāo)準(zhǔn)差就是方差開根號

卡方分布(服從行-1*列-1的自由度)、t分布、f分布是和自由度有關(guān)的

正態(tài)分布和自由度是無關(guān)的

判斷數(shù)據(jù)是否是正態(tài)分布用 p-p圖（概率-概率圖） Q-Q圖（分位數(shù)-分位數(shù)圖），帶有正態(tài)曲線的直方圖去看

正態(tài)分布分成三類我們利用嚴(yán)格意義上的正態(tài)分布(通過KS、KW檢驗(yàn))，近似正態(tài)（KS、KW檢驗(yàn)的沒有通過、但沒有嚴(yán)重的偏態(tài)）

參數(shù)檢驗(yàn)

假設(shè)檢驗(yàn)

步驟

1. 確定$h_0$ 假設(shè)和備擇假設(shè)$ h_1$

   • 單樣本t檢驗(yàn)：驗(yàn)一個樣本平均數(shù)與一個已知的總體平均數(shù)的差異是否顯著，$h_0$不顯著，$h_1$相反
   • 兩個獨(dú)立樣本t檢驗(yàn)：檢驗(yàn)兩個樣本平均數(shù)與其各自所代表的總體的差異是否顯著，$h_0$不顯著，$h_1$相反
   • 兩個配對樣本t檢驗(yàn)：可視為單樣本t檢驗(yàn)的擴(kuò)展，不過檢驗(yàn)的對象由一群來自常態(tài)分配獨(dú)立樣本更改為二群配對樣本之觀測值之差

2. 選擇檢驗(yàn)統(tǒng)計(jì)量、在 h0條件下確定檢驗(yàn)統(tǒng)計(jì)量的分布

   • 使用t檢驗(yàn)，就假設(shè)服從t分布
   • 算出概率值，選取顯著性水平$\alpha$

3. 如果概率值和a進(jìn)行比較 概率值 >$\alpha$,不拒絕h0，概率值<$\alpha$,拒絕

假設(shè)檢驗(yàn)中的兩類錯誤

• 第一類（棄真錯誤）
  • 原假設(shè)為真時拒絕原假設(shè)
  • 第一類錯誤的概率為$\alpha$(顯著性水平）
• 第二類錯誤（取偽錯誤）
  • 原假設(shè)為假時接受原假設(shè)
  • 第二類錯誤的概率為$\beta$

單樣本t檢驗(yàn)：數(shù)據(jù)總體要近似服從正態(tài)分布

兩獨(dú)立樣本t檢驗(yàn)：數(shù)據(jù)總體要近似服從正態(tài)分布 + 兩個樣本相互獨(dú)立

兩配對樣本t檢驗(yàn)：數(shù)據(jù)總體要近似服從正態(tài)分布 + 兩個配對樣本

? 比如：你要求減肥茶有沒有用你要得到

• 喝減肥茶之前的樣本和減肥茶之后的樣本

方差分析

方差分析是一個假設(shè)參數(shù)檢驗(yàn)的范疇，是研究是均值的差異，它有兩個前提：樣本的總體正態(tài)或近似正態(tài)、各總體的方差應(yīng)該相同

方差分析研究的并不是方差，而是均值的變異，即推斷多個總體的均數(shù)是否有差別。它是一個多獨(dú)立樣本檢驗(yàn)

不管是單因素還是多因素，它其實(shí)研究的是一個或多個控制變量對一個觀測變量的一個影響(我們的觀測變量只有一個)

觀測變量 是一個連續(xù)性的數(shù)值性變量

這個控制變量是一個分類型的變量

(我們把不同的分類稱之為不同的水平)

單因素，多因素、協(xié)方差分析它選擇的統(tǒng)計(jì)量是什么F統(tǒng)計(jì)量

檢驗(yàn)統(tǒng)計(jì)量：總變差=組間差異+組內(nèi)差異

	總平方和	自由度	均方	F
組間	A	k-1	A/(k-1)	$(A/(k?1))÷B/(n?k)$
組內(nèi)	B	n（總的個案數(shù)）-k	B/(n-k)	無
總計(jì)	A+B	n-1	無	無

進(jìn)行決策如果F的概率P >$\alpha$,說明控制變量在不同水平下對觀測變量不產(chǎn)生了顯著影響，概率值<$\alpha$,說明控制變量在不同情況下產(chǎn)生了顯著影響

非參數(shù)檢驗(yàn)

肯定會考案例分析

參數(shù)檢驗(yàn) $VS$ 非參數(shù)檢驗(yàn)

異

參數(shù)檢驗(yàn)	非參數(shù)檢驗(yàn)
數(shù)據(jù)總體要近似服從正態(tài)分布	所有數(shù)據(jù)都可以用
靈敏度更高	靈敏度比參數(shù)檢驗(yàn)低
參數(shù)檢驗(yàn)要利用到總體的信息（總體分布、總體的一些參數(shù)特征如方差），以總體分布和樣本信息對總體參數(shù)作出推斷	非參數(shù)檢驗(yàn)不需要利用總體的信息（總體分布、總體的一些參數(shù)特征如方差），以樣本信息對總體分布作出推斷。

同

都是統(tǒng)計(jì)分析方法的重要組成部分

單樣本非參數(shù)檢驗(yàn)

二項(xiàng)檢驗(yàn) 用來檢驗(yàn)是否符合二項(xiàng)分布 適用于離散型變量，要求檢驗(yàn)變量必須為數(shù)值型的二元變量。

卡方檢驗(yàn) 用來檢驗(yàn)總分布和已知分布是否有顯著差異 適用于分類變量的統(tǒng)計(jì)推斷

K-S檢驗(yàn) 推斷總體是否服從某個理論分布 適用于探索連續(xù)隨機(jī)變量的分布情況

變量值的隨機(jī)性檢驗(yàn) 利用樣布數(shù)據(jù)對總體可能出現(xiàn)的隨機(jī)值進(jìn)行檢驗(yàn)

以上都用于單樣本非參數(shù)

兩獨(dú)立樣本非參數(shù)檢驗(yàn)

• 曼-惠特尼U檢驗(yàn)(Mann-Whitney U):平均秩檢驗(yàn)

  • 大樣本、小樣本情況如何分析

• k-s檢驗(yàn)

• 游程檢驗(yàn)(Wald-Wolfowitz runs)

多獨(dú)立樣本非參數(shù)檢驗(yàn)

• 中位數(shù)檢驗(yàn)

兩配對樣本非參數(shù)檢驗(yàn)

• 變化顯著性檢驗(yàn)(McNemar)
• 符號檢驗(yàn)
• 符號平均秩檢驗(yàn)(wilcoxon)

多配對樣本非參數(shù)檢驗(yàn)

• Friedman檢驗(yàn)

理解多獨(dú)立樣本、兩配對樣本和多配對樣本非參數(shù)檢驗(yàn)方法的設(shè)計(jì)思想，重點(diǎn)掌握K-W檢驗(yàn)方法、Wilcon符號秩檢驗(yàn)和Friedman檢驗(yàn)的基本原理及使用場合，熟練掌握數(shù)據(jù)組織方式和具體操作

理解SPSS單樣本非參數(shù)檢驗(yàn)方法的設(shè)計(jì)思想，重點(diǎn)掌握卡方檢驗(yàn)和K-S檢驗(yàn)的基本原理和計(jì)算過程，并熟練掌握其具體操作

非常有可能是是計(jì)算題

相關(guān)分析

相關(guān)變量間的關(guān)系一般分為兩種:平行關(guān)系、因果關(guān)系。統(tǒng)計(jì)學(xué)上采用相關(guān)分析研究呈平行關(guān)系的相關(guān)變量之間的關(guān)系。

散點(diǎn)圖有正相關(guān)和負(fù)相關(guān)

相關(guān)系數(shù)有：Spearman相關(guān)系數(shù)（計(jì)算數(shù)值型）、Kendall相關(guān)系數(shù)（計(jì)算分類型）、簡單線性相關(guān)系數(shù)(Pearson)（計(jì)算分類型）

相關(guān)系數(shù)越接近1正相關(guān)性越強(qiáng)、越接近-1負(fù)相關(guān)性越強(qiáng)、等于0無線無線性相關(guān)。但也有可能有其他的關(guān)系，有曲線的等等。

因子分析

判斷適不適合因子分析：

• 相關(guān)系數(shù)矩陣中相關(guān)系數(shù)>0.3

• KMO >0.6

• 巴特利特球形檢驗(yàn)：給出的原假設(shè)是這個相關(guān)系數(shù)矩陣，它是一個單位陣

提取因子，提取的是否有效。看你的這個因子能不能解釋原有變量的大部分變差，若干個因子提取的較為合理，最終因子和因子之間的這個相關(guān)系數(shù)矩陣應(yīng)該是一個單位值。
也就是說兩個因子之間相關(guān)系數(shù)是為零的，就不相關(guān)。

聚類分析

聚類分析無監(jiān)督、無先驗(yàn)知識

層次聚類（系統(tǒng)聚類）

一種是R型、針對個案

一種是Q型、針對變量

把變量做一個聚類，就是一個降維

spss默認(rèn)距離是組間平局連鎖距離；最短距離、最近距離關(guān)鍵看有木有加上類中個體與個體之間的距離

層次聚類中可以形成形成一個范圍內(nèi)的解，但是K均值聚類一旦K確定就只能聚成K類

spss的判別分析

Fisher判別法、貝葉斯判別法用于分類、有先驗(yàn)知識、有監(jiān)督