spss学习心得体会

2021-04-09 来源：学习培训心得体会收藏下载本文

推荐第1篇：SPSS学习心得体会

篇一：sp学习报告总结心得

应用统计分析学习报告

sp，全称是statistical product and service solutions，即“统计产品与服务解决方案”软件，是ibm公司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称，也是世界上公认的三大数据分析软件之一。sp具有统计分析功能强大、操作界面友好、与其他软件交互性好等特点，被广泛应用于经济管理、医疗卫生、自然科学等各个领域。具体到管理方面，sp也是一个进行数据分析和预测的强大工具。这门课中也会用到amos软件。关于sp的书，很多都是首先介绍软件的。这个软件易于安装，我装的是19.0的，虽然20.0有一些改变和优化，但是主体都是一样的，而且都是可视化界面，用起来很方面且容易上手。所以，我学习的重点是卡方检验和t检验、方差分析、相关分析、回归分析、因子分析、结构方程模型等方法的适用范围、应用价值、计算方式、结果的解释和表述。

首先是t检验这一部分。由于参数检验的基础不牢固，这部分也是最初开始接触应用统计的东西，学起来很多东西拿不准，比如说原假设默认的是什么。结果出来后依然分不清楚是接受原假设还是拒绝原假设。不过现在弄懂了。这部分很有用的是t检验。t检验应用于当样本数较小时，且样本取自正态总体同时做两样本均数比较时，还要求两样本的总体方差相等时，已知一个总体均数u，可得到一个样本均数及该样本标准差，样本来自正态或近似正态总体。t检验分为单样本t检验、独立样本t检验、配对样本t检验。其中，单样本t 检验是样本均数与总体均数的比较的t检验，用于推断样本所代表的未知总体均数μ与已知的总体均数uo有无差别；独立样本t检验主要用于检验两个样本是否来自具有相同均值的总体，即比较两个样本的均值是否相同，要求两个样本是相互独立的；配对样本t检验中，要正确理解“配对”的含义，主要用于检验两个有联系的正态总体的均值是否有显著差异，跟独立检验的区别就是样本是否是配对样本。这几个方法用软件操作起来都是相对简单的，关键是分清楚什么时候用这个什么时候用那个。

相关分析是研究现象之间是否存在某种依存关系，并对具体有依存关系的现象探讨其相关方向以及相关程度，是研究随机变量之间的相关关系的一种统计方法。相关分析研究现象之间是否相关、相关的方向和密切程度，一般不区别自变量或因变量。主要有双变量相关分析、偏相关、距离相关几个方法。双变量相关分析是相关分析中最常使用的分析过程，主要用于分析两个变量之间的线性相关分析，可以根据不同的数据类型和条件，选用pearson积差相关、spearman等级相关和kendall的tau-b等级相关。当数据文件包括多个变量时，直接对两个变量进行相关分析往往不能真实反映二者之间的关系，此时就需要用到偏相关分析，从中剔除其他变量的线性影响。距离相关分析是对观测变量之间差异度或相似程度进行的测量，其中距离需要弄清楚，距离分析是对观测量之间相似或不相似程度的一种测度，是计算一对观测量之间的广义距离。这些相似性或距离测度可以用于其他分析过程，例如因子分析、聚类分析或多维定标分析，有助于分析复杂的数据集。

接着是回归分析。相关分析研究的是现象之间是否相关、相关的方向和密切程度，一般不区别自变量或因变量。而回归分析则要分析现象之间相关的具体形式，确定其因果关系，并用数学模型来表现其具体关系。比如说，从相关分析中我们可以得知“质量”和“用户满意度”变量密切相关，但是这两个变量之间到底是哪个变量受哪个变量的影响，影响程度如何，则需要通过回归分析方法来确定。回归分析的目的在于了解两个或多个变量间是否相关、相关方向与强度，并建立数学模型以便观察特定变量来预测研究者感兴趣的变量。运用十分广泛，回归分析按照涉及的自变量的多少，可分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。应用回归分析时应首先确定变量之间是否存在相关关系，如果变量之间不存在相关关系，对这些变量应用回归预测法就会得出错误的结果。正确应用回归分析预测时应注意：①用定性分析判断现象之间的依存关系；②避免回归预测的任意外推；③应用合适的数据资料；

接下来是因子分析。因子分析是指研究从变量群中提取共性因子的统计技术。最早由英国心理学家c.e.斯皮尔曼提出。他发现学生的各科成绩之间存在着一定的相关性，一科成绩好的学生，往往其他各科成绩也比较好，从而推想是否存在某些潜在的共性因子，或称某些一般智力条件影响着学生的学习成绩。因子分析可在许多变量中找出隐藏的具有代表性的因子。将相同本质的变量归入一个因子，可减少变量的数目，还可检验变量间关系的假设。因子分析的主要目的是用来描述隐藏在一组测量到的变量中的一些更基本的，但又无法直接测量到的隐性变量。从显性的变量中得到因子的方法有两类。一类是探索性因子分析，另一类是验证性因子分析。探索性因子分析不事先假定因子与测度项之间的关系，而让数据“自己说话”。而验证性因子分析假定因子与测度项的关系是部分知道的，即哪个测度项对应于哪个因子，虽然我们尚且不知道具体的系数。这一部分不能用sp来操作，要用amos，用起来也很方便。

最后一部分学习的是结构方程模型。结构方程模型是一种融合了因素分析和路径分析的多元统计技术。它的强势在于对多变量间交互关系的定量研究。在近三十年内，其大量应用于社会科学及行为科学的领域里，并在近几年开始逐渐应用于市场研究中。结构方程模型是对顾客满意度的研究采用的模型方法之一。其目的在于探索事物间的因果关系，并将这种关系用因果模型、路径图等形式加以表述。结构方程模型与传统的回归分析不同，结构方程分析能同时处理多个因变量，并可比较及评价不同的理论模型。与传统的探索性因子分析不同，在结构方程模型中，我们可以提出一个特定的因子结构，并检验它是否吻合数据。通过结构方程多组分析，我们可以了解不同组别内各变量的关系是否保持不变，各因子的均值是否有显著差异。这门课要学习完了，整个学习的过程是充满曲折和挑战的，我见证了自己从一无所知到困惑迷茫再到略懂再到会用的过程。甚至学完之后有些问题还没有彻底搞清楚，自己接下来还会不断的探索的。sp是个很神奇的工具，结合amos和excel更是如虎添翼，相信学习了sp在以后的论文和数据分析中很有用。这门课给我的感觉是看起来很难，但是实际学起来就好很多，因为当我结合具体实例和软件的时候，很多抽象的问题就豁然开朗了。但是想给老师一个建议，这门课需要很强的统计和概率论的基础，要不然就会很难听懂或者听得半懂。然后这门课的很多方法的相关资料都是用在医疗卫生、自然科学领域的，在管理中的应用的资料不怎么多。老师希望我们上课的时候结合在管理中的应用来学习，但是资料有限，希望老师在这个方面多给学生一些引导。篇二：sp学习总结学习sp感想

以前学统计学的时候就听老师讲过sp有非常强大的统计功能，对我们学习、工作有很大的帮助，所以我一直认为sp很神秘。通过这个学期周老师的课让我对此清楚了许多，也学到了sp强大的统计功能，更加让我明白了sp与excel的区别。 sp是“社会科学统计软件包”（statistical package for the social science）的简称，是一种集成化的计算机数据处理应用软件。1968年，美国斯坦福大学h.nie等三位大学生开发了最早的sp统计软件，并于1975年在芝加哥成立了sp公司，已有30余年的成长历史，全球约有25万家产品用户，广泛分布于通讯、医疗、银行、证券、保险、制造、商业、市场研究、科研、教育等多个领域和行业。sp是世界上公认的三大数据分析软件之一（sas、sp和systat）。

在学习sp期间，我主要遇到的问题是后面几章，sp的参数检验、方差分析、相关分析、线性回归分析、聚类分析、因子分析等。在参数检验中我不知道原假设是什么，导致分析的时候不知道该拒绝原假设还是接受原假设，不能分析出统计结果。不会区分单样本t检验和两配对样本t检验的区别，现在懂得了它们都要服从正态分布，基本思想是小概率反证法，反证法思想是先提出假设（检验假设h0），再用适当的统计方法确定假设成立的可能性大小，如果可能性小，则认为假设不成立，否则，还不能认为假设不成立。

在学习方差分析中，开始常常把观测变量和控制变量弄混淆，在分析的时候应分别送入哪个对应框中，如果反了的话会导致结果的不准确。其次，对lsd、bonferroni、tukey、scheffe等方法的使用不清楚，现在基本掌握了多重比较方法选择：一般如果存在明确的对照组，要进行的是验证性研究，即计划好的某两个或几个组间（和对照组）的比较。宜用bonferroni(lsd)法；若需要进行多个均数间的两两比较，且各组个案数相等，适宜用tukey法；其他情况宜用scheffe法。最后，对方差齐性检验、多重比较检验、趋势检验理解不够透彻，在方差检验中，post hoc键有lsd的选项：当方差分析f检验否定了原假设，即认为至少有两个总体的均值存在显著性差异时，须进一步确定是哪两个或哪几个均值显著地不同，则需要进行多重比较来检验。lsd即是一种多因变量的三个或三个以上水平下均值之间进行的两两比较检验。

在学习相关分析的过程中，在绘制散点图时，不知道哪个该做横坐标，哪个该做纵坐标，明白了横坐标是解释变量，纵坐标是被解释变量，还有对相关系数的种类分析不熟练等。在学习回归分析的过程中，对dw可检验的含义不理解，不记得对应的dw表示的残差序列的相关性。对解释变量向前筛选、向后筛选、逐步帅选策略不能熟练掌握，特别是对向前向后筛选时到处的结果不会进行分析。

学习聚类分析中，变量的选择分不清，无关变量有时会引起严重的错分，应当只引入在不同类间有显著差别的变量，尽量只使用相同类型的变量进行分析。分类数不明确，从实用角度讲，2~8 类比较合适。掌握了k-means cluster 分析，样本量大于100时有必要考虑，只能使用连续性变量。学习因子分析的过程中，对提取出来的因子的实际含义不清晰，不能使因子具有命名解释性。学习了sp后，我不禁想到了sp与excel的区别，这一点是针对像我这样开始只懂得用excel的人来说。从个人的体会来说，二种软件有一定相似，操作都简便，同时又有一些可以互补的地方。但是sp又比excel更加强大：

一、图型的表现力是sp的主要优点之一

应该说，excel的图型表现主要是简便，对许多的人来说基本够用，但对于科学的表现，sp就更为详细和准确，这一点据说在所有统计软件中都突出。

二、通过sp检验方差齐性和数据分布

假设检验中，采用的t检验和方差检验都需要满足二个要求，即 1．样本方差齐性

2．样本总体呈正态分布

在excel中，提供了f检验来检验方差齐性问题，也就是可以先通过f检验确定方差齐性与否来选择下一步用哪个t检验或方差检验分析工具。但只要数据多于二组则无从下手；通过描述统计大约能从峰度和偏度来了解样本的分布实际工作中，只要分布单峰且近似对称分布，也可应用，但要具体确定样本的分布也有难度。这二个问题在sp就可以解决

最后，在感叹它的方便与快捷的同时，对软件开发人员的智慧到了肃然起敬的地步。一直觉得计算机语言是最难的一门外语。虽然本科时曾经对这种逻辑性很强的东西很感兴趣，并在编程课上取得不错的成绩，但一直觉得这似乎不是我能掌控的东西。sp的神奇之处在于，它省去了使用者巨大的计算量，并提高准确性。它开发了开发者的智慧，却弱化了使用者的大脑。篇三：sp心得体会

学习sp在教育统计中的应用心得体会

一、什么是sp？为什么要学习sp？

新学期开始时，在信息化教育测量与评价的课程中第一次接触

到sp这个软件，作为本科是计算机专业出身的我，当时只知道sp是一套统计软件，就是一套根据统计学原理所编写出来的统计分析软件，至于统计什么？分析什么？我一无所知，尤其是看到老师推荐的《sp在教育统计中的应用》这本书的时候，就简单的把它理解为用sp软件来统计、分析与教育相关的数据，最终得出想要的结论而已，而现在看来，我当初的想法未免有点简单与无知。下面就来让我们了解一下sp。sp软件是一组专业的、通用的统计软件包，同时它也是一个组合式软件包，兼有数据管理、统计分析、统计绘图和统计报表功能。它广泛用于教育、心理、医学、市场、人口、保险等研究领域，也用于产品质量控制、人事档案管理和日常统计报表等。sp软件对计算机硬件系统的要求较低；对运行的软件环境要求宽松，有各种版本可运行在windows xp、win7系统环境下， sp统计软件采用电子表格的方式输入与管理数据，能方便地从其他数据库中读入数据（如dbase，excel，lotus等）。

我为什么要学习sp呢？其实很简单，一方面，做为一名

二、对本sp各章节学习的心得

新课程老师带领下，采取一种新的学习方式，老师讲解了基础部分后，全班同学采取小组分工、协作学习，然后对全班同学进行讲解学习内容，教师进行当堂指导，这种方法改变了同学们的学习态度，同学们不再是课前不预习，课下不复习的状态，每组都有自己的任务，课前有一定的压力，同学间的讨论也明显的增多，例如：一次课下同学们在一起吃饭，有几位同学还在调侃说“两个菜之间用sp进行分析后得出的结果不接受h0假设，也就是两个菜之间不相关”，虽然这只是一个课下的玩笑，但是这也可以体现出对学习的态度的转变。下面就本学期的所学sp的各章节做一下归纳，这些归纳也是基于本人平时在课前预习，课上及课后的一些所思所想，也许会有一些理解上的偏颇在内，但这仅限于心得而已。本学期学习各个章节及分工如下表：章节名称

1.sp的认识及数据文件的处理

2.数据清理与基本统计及测量质量分析 3.t检验 4.方差分析

1、2人 3人 7.聚类分析 8.统计图形 2人 1人 2人 6.卡方检验 3人 2人 5.相关分析 3人分工人数章节名称分工人数 sp的认识及数据文件的处理心得体会可能是由于是同学们第一次讲，万事开头难，压力很大，在大家认为最为简单的内容讲解上，两位同学并没有完全展现出二人实际水平，大家在这一节课上都感觉到很压抑，总的感觉是这节内容很简单，但是内容又很松散，可讲的东西太多，讲的东西多就没有突出重点和难点，所以听过之后就有种无数的碎片漂浮在脑海中一样，很难将知识系统化，课后总结一下无非就是两块，一块是了解sp软件的历史及基本功能，还有一块就是sp软件当中一个模块叫做数据文件的处理，在认识sp软件当中了解到它是一组社会科学统计软件包，诞生于1968年，当时美国的3位大学生开发出了它，经过这么多年的后续开发，sp已经有了很多的版本，具有了更的兼容性、和更友好的操作界面，也在很多的学科领域得到了应用，而在教育中的应用只是它的一个分支。此外它对硬件的要求也很低，当前一般的电脑都能安装它，安装的过程中也没有什么特殊的方法，傻瓜式的安装方式完全就可以满足。在数据文件的处理方面，主要是要学会定义变量、处理变量两方面；定义变量是要注意根据自己实际采集的数据来定义变量，例如是数值型的变量还是文本型的变量及变量的长度，小数点保留尾数等，总之就是一句话，根据实际调查的数据要求来定义相应变量。变量定义只有只要细心的将实际调查的数据录入到sp当中即可，当然也可以在sp软件之外进行数据编制，可以通过execel等编辑后可以直接导入到sp中。在处理变量模块当中，可以对变量进行添加、删除、拆分与合并等操作，只要根据实际调查数据，细心调整变量，使操作更加简便和明了。

2、数据清理与基本统计及测量质量分析的心得体会

数据的清理与基本统计及测量质量分析由两名同学进行讲解，由于吸取了上节课两名同学的经验，本节讲授的明显好于上节课，这里我也是把它分为两块进行学习，一块是数据的清理，另一块是相关统计理论的学习。在数据清理方面主要学习了奇异数据的检查与清理，在这里本人觉得非常有必要进行数据清理，在实际的调查数据时难免会出现错误或者碰到极为特殊的典型案例，所以这些数据很难符合大众规律，在统计、分析过程中可能会造成分析结果异常，从而直接影响最终的结论。所以觉得非常有必要进行数据检查与清理。而我认为本节的难点不是怎样熟练运用sp软件，而是在第二块中的，相关统计理论的学习，学习这些理论需要一定的数学基础，只有明确这些理（论如均值、标准误差、中数、众数、全距、四分位等）原理，知其然，知其所以然，这才是关键，在sp中想要实现对数据进行以上分析只需要轻轻点击一下按钮就可以是轻松实现，但是如果不清楚到底用它们来做什么就无从谈起做数据分析了，所以本节内容知道分析原理的重要性要远远大用sp对数据做出相关分析的重要性。总结为一句话“知道它们是做什么的后才会让它们去做该做的工作”。

3、t检验的心得体会

t检验由两名同学讲解，在学习t检验时，首先要明确什么样的数据适合t检验，t检验的结果要说明什么问题？经过学习可以知道，t检验是对两组数据间的平均水平或均数的比较，通过比较可以得出两组数据间的显著性水平，而这两组数据都要符合正态分布，方差具有齐同性，t检验由两种情况，一种配对提检验，要求两组数据不可以独立颠倒顺序，如果颠倒顺序就会改变问题的性质，这种t检验称为配对t检验；另一种情况下的t检验是两组数据可以任意颠倒顺的检验称为独立样本的t检验。但是这两种情况都必须符合最先的要求，即都是符合正态分布，方差都具有齐同性。通过sp的相关操作可以轻松完成检验，但是在检验的过程中必须设置置信区间，一般设置为95%，在设置置信区间时必须要考虑到所做分析的数据，如果像要得到显著性差异的结果则可尽量将置信区间设置小些，如果想要得到不显著差异就要将置信区间甚至大些，本人的理解为若置信区间小，则可以理解为在小范围内是可以相信的，但如果将分析结果的置信区间值调大则说明在很大的范围内这个结果可信，反之则不可信，

推荐第2篇：SPSS学习心得体会

应用统计分析学习报告

本科的时候有概率统计和数理分析的基础，但是从来没有接触过应用统计分析的东西，sp也只是听说过，从来没有学过。一直以为这一块儿会比较难，这学期最初学的时候，因为没有认真看老师给的英文教材，课下也没有认真搜集相关资料，所以学起来有些吃力，总感觉听起来一头雾水。老师说最后的考核是通过提交学习报告，然后我从图书馆里借了些教材查了些资料，发现很多问题都弄清楚了。结合软件和书上的例子，实战一下，发现sp的功能相当强大。最后总结出这篇报告，以巩固所学。 sp，全称是statistical product and service solutions，即“统计产品与服务解决方案”软件，是ibm公司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称，也是世界上公认的三大数据分析软件之一。sp具有统计分析功能强大、操作界面友好、与其他软件交互性好等特点，被广泛应用于经济管理、医疗卫生、自然科学等各个领域。具体到管理方面，sp也是一个进行数据分析和预测的强大工具。这门课中也会用到amos软件。

关于sp的书，很多都是首先介绍软件的。这个软件易于安装，我装的是19.0的，虽然20.0有一些改变和优化，但是主体都是一样的，而且都是可视化界面，用起来很方面且容易上手。所以，我学习的重点是卡方检验和t检验、方差分析、相关分析、回归分析、因子分析、结构方程模型等方法的适用范围、应用价值、计算方式、结果的解释和表述。

然后是方差分析。方差分析就是将索要处理的观测值作为一个整体，按照变异的不同来源把观测值总变异的平方和以及自由度分解为两个或多个部分，获得不同变异来源的均值与误差均方，通过比较不同变异来源的均方与误差均方，判断各样本所属总体方差是否相等。方差分析主要包括单因素方差分析、多因素方差分析和协方差分析等。这一部分在学习的过程中出现一些问题，就是用sp来操作的时候分不清观测变量和控制变量，如果反了的话会导致结果的不准确。其次，对bonferroni、tukey、scheffe等方法的使用目的不清楚，现在基本掌握了多重比较方法选择：一般如果存在明确的对照组，要进行的是验证性研究，即计划好的某两个或几个组间（和对照组）的比较。宜用bonferroni(lsd)法；若需要进行多个均数间的两两比较，且各组个案数相等，适宜用tukey法；其他情况宜用scheffe法。最后，对方差齐性检验、多重比较检验、趋势检验理解不够透彻，在方差检验中，post hoc键有lsd的选项：当方差分析f检验否定了原假设，即认为至少有两个总体的均值存在显著性差异时，须进一步确定是哪两个或哪几个均值显著地不同，则需要进行多重比较来检验。lsd即是一种多因变量的三个或三个以上水平下均值之间进行的两两比较检验。相关分析是研究现象之间是否存在某种依存关系，并对具体有依存关系的现象探讨其相关方向以及相关程度，是研究随机变量之间的相关关系的一种统计方法。相关分析研究现象之间是否相关、相关的方向和密切程度，一般不区别自变量或因变量。主要有双变量相关分析、偏相关、距离相关几个方法。双变量相关分析是相关分析中最常使用的分析过程，主要用于分析两个变量之间的线性相关分析，可以根据不同的数据类型和条件，选用pearson积差相关、spearman等级相关和kendall的tau-b等级相关。当数据文件包括多个变量时，

直接对两个变量进行相关分析往往不能真实反映二者之间的关系，此时就需要用到偏相关分析，从中剔除其他变量的线性影响。距离相关分析是对观测变量之间差异度或相似程度进行的测量，其中距离需要弄清楚，距离分析是对观测量之间相似或不相似程度的一种测度，是计算一对观测量之间的广义距离。这些相似性或距离测度可以用于其他分析过程，例如因子分析、聚类分析或多维定标分析，有助于分析复杂的数据集。接着是回归分析。相关分析研究的是现象之间是否相关、相关的方向和密切程度，一般不区别自变量或因变量。而回归分析则要分析现象之间相关的具体形式，确定其因果关系，并用数学模型来表现其具体关系。比如说，从相关分析中我们可以得知“质量”和“用户满意度”变量密切相关，但是这两个变量之间到底是哪个变量受哪个变量的影响，影响程度如何，则需要通过回归分析方法来确定。回归分析的目的在于了解两个或多个变量间是否相关、相关方向与强度，并建立数学模型以便观察特定变量来预测研究者感兴趣的变量。运用十分广泛，回归分析按照涉及的自变量的多少，可分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。应用回归分析时应首先确定变量之间是否存在相关关系，如果变量之间不存在相关关系，对这些变量应用回归预测法就会得出错误的结果。正确应用回归分析预测时应注意：①用定性分析判断现象之间的依存关系；②避免回归预测的任意外推；③应用合适的数据资料；接下来是因子分析。因子分析是指研究从变量群中提取共性因子的统计技术。最早由英国心理学家c.e.斯皮尔曼提出。他发现学生的各科成绩之间存在着一定的相关性，一科成绩好的学生，往往其他各科成绩也比较好，从而推想是否存在某些潜在的共性因子，或称某些一般智力条件影响着学生的学习成绩。因子分析可在许多变量中找出隐藏的具有代表性的因子。将相同本质的变量归入一个因子，可减少变量的数目，还可检验变量间关系的假设。因子分析的主要目的是用来描述隐藏在一组测量到的变量中的一些更基本的，但又无法直接

测量到的隐性变量。从显性的变量中得到因子的方法有两类。一类是探索性因子分析，另一类是验证性因子分析。探索性因子分析不事先假定因子与测度项之间的关系，而让数据“自己说话”。而验证性因子分析假定因子与测度项的关系是部分知道的，即哪个测度项对应于哪个因子，虽然我们尚且不知道具体的系数。这一部分不能用sp来操作，要用amos，用起来也很方便。

这门课要学习完了，整个学习的过程是充满曲折和挑战的，我见证了自己从一无所知到困惑迷茫再到略懂再到会用的过程。甚至学完之后有些问题还没有彻底搞清楚，自己接下来还会不断的探索的。sp是个很神奇的工具，结合amos和excel更是如虎添翼，相信学习了sp在以后的论文和数据分析中很有用。这门课给我的感觉是看起来很难，但是实际学起来就好很多，因为当我结合具体实例和软件的时候，很多抽象的问题就豁然开朗了。但是想给老师一个建议，这门课需要很强的统计和概率论的基础，要不然就会很难听懂或者听得半懂。然后这门课的很多方法的相关资料都是用在医疗卫生、自然科学领域的，在管理中的应用的资料不怎么多。老师希望我们上课的时候结合在管理中的应用来学习，但是资料有限，希望老师在这个方面多给学生一些引导。篇二：sp心得体会

学习sp在教育统计中的应用心得体会

一、什么是sp？为什么要学习sp？

新学期开始时，在信息化教育测量与评价的课程中第一次接触

我为什么要学习sp呢？其实很简单，一方面，做为一名研究生，要具备一定的科研能力，如今量化研究的方法大行其道，一切要以事实说话、要以数据说话，有了数据支持的研究才能更容易被认可、被推论。另一方面，根据对aect94定义的理解，教育技术

学研究的对象是学习过程和学习资源，包含大量的偶然现象和非精确现象。因此，要深入研究教育技术现象及其规律，必须运用统计描述、统计分析方法和模糊数学分析方法，才可能使这门学科达到真正完善的地步。教育技术学研究的现象多数是偶然的现象，其变化发展往往具有几种不同的可能性，究竟出现哪一种结果，那是带有偶然性的，是随机的。这类偶然现象是遵循统计规律的，当随机现象是由大量的成份组成，或者随机现象出现大量的次数时，就能体现统计平均规律。我们只有对数据资料作统计处理，才可能可以发现它们的内在规律，掌握现象的特征，检验研究的假设，才能得出准确的、可靠的研究结果。

二、对本sp各章节学习的心得

及分工如下表：章节名称

1.sp的认识

及数据文件的

处理

2.数据清理与

基本统计及测

量质量分析 3.t检验 4.方差分析

1、2人 3人 7.聚类分析 8.统计图形 2人 1人 2人 6.卡方检验 3人 2人 5.相关分析 3人分工人数章节名称分工人数 sp的认识及数据文件的处理心得体会

可能是由于是同学们第一次讲，万事开头难，压力很大，在大家认为最为简单的内容讲解上，两位同学并没有完全展现出二人实际水平，大家在这一节课上都感觉到很压抑，总的感觉是这节内容很简单，但是内容又很松散，可讲的东西太多，讲的东西多就没有突出重点和难点，所以听过之后就有种无数的碎片漂浮在脑海中一样，很难将知识系统化，课后总结一下无非就是两块，一块是了解sp软件的历史及基本功能，还有一块就是sp软件当中一个模块叫做数据文件的处理，在认识sp软件当中了解到它是一组社会科学统计软件包，诞生于1968年，当时美国的3位大学生开发出了它，经过这么多年的后续开发，sp已经有了很多的版本，具有了更的兼容性、和更友好的操作界面，也在很多的学科领域得到了应用，而在教育中的应用

只是它的一个分支。此外它对硬件的要求也很低，当前一般的电脑都能安装它，安装的过程中也没有什么特殊的方法，傻瓜式的安装方式完全就可以满足。在数据文件的处理方面，主要是要学会定义变量、处理变量两方面；定义变量是要注意根据自己实际采集的数据来定义变量，例如是数值型的变量还是文本型的变量及变量的长度，小数点保留尾数等，总之就是一句话，根据实际调查的数据要求来定义相应变量。变量定义只有只要细心的将实际调查的数据录入到sp当中即可，当然也可以在sp软件之外进行数据编制，可以通过execel等编辑后可以直接导入到sp中。在处理变量模块当中，可以对变量进行添加、删除、拆分与合并等操作，只要根据实际调查数据，细心调整变量，使操作更加简便和明了。

2、数据清理与基本统计及测量质量分析的心得体会

理（论如均值、标准误差、中数、众数、全距、四分位等）原理，知其然，知其所以然，这才是关键，在sp中想要实现对数据进行以上分析只需要轻轻点击一下按钮就可以是轻松实现，但是如果不清楚到底用它们来做什么就无从谈起做数据分析了，所以本节内容知道分析原理的重要性要远远大用sp对数据做出相关分析的重要性。总结为一句话“知道它们是做什么的后才会让它们去做该做的工作”。

3、t检验的心得体会 t检验由两名同学讲解，在学习t检验时，首先要明确什么样的数据适合t检验，t检验的结果要说明什么问题？经过学习可以知道，t检验是对两组数据间的平均水平或均数的比较，通过比较可以得出两组数据间的显著性水平，而这两组数据都要符合正态分布，方差具有齐同性，t检验由两种情况，一种配对提检验，要求两组数据不可以独立颠倒顺序，如果颠倒顺序就会改变问题的性质，这种t检验称为配对t检验；另一种情况下的t检验是两组数据可以任意颠倒顺的检验称为独立样本的t检验。但是这两种情况都必须符合最先的要求，即都是符合正态分布，方差都具有齐同性。通过sp的相关操作可以轻松完成检验，但是在检验的过程中必须设置置信区间，一般设置为95%，在设置置信区间时必须要考虑到所做分析的数据，如果像要得到显著性差异的结果则可尽量将置信区间设置小些，如果想要得到不显著差异就要将置信区间甚至大些，本人的理解为若置信区间小，则可以理解为在小范围内是可以相信的，但如果将分析结果的置信区间值调大则说明在很大的范围内这个结果可信，反之则不可信，篇三：sp学习总结

学习sp感想

学习聚类分析中，变量的选择分不清，无关变量有时会引起严重的错分，应当只引入在不同类间有显著差别的变量，尽量只使用相同类型的变量进行分析。分类数不明确，从实用角度讲，2~8 类比较合适。掌握了k-means cluster 分析，样本量大于100时有必要考虑，只能使用连续性变量。

学习因子分析的过程中，对提取出来的因子的实际含义不清晰，不能使因子具有命名解释性。

学习了sp后，我不禁想到了sp与excel的区别，这一点是针对像我这样开始只懂得用excel的人来说。从个人的体会来说，二种软件有一定相似，操作都简便，同时又有一些可以互补的地方。但是sp又比excel更加强大：

一、图型的表现力是sp的主要优点之一

应该说，excel的图型表现主要是简便，对许多的人来说基本够用，但对于科学的表现，sp就更为详细和准确，这一点据说在所有统计软件中都突出。

二、通过sp检验方差齐性和数据分布

假设检验中，采用的t检验和方差检验都需要满足二个要求，即 1．样本方差齐性

2．样本总体呈正态分布

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sp有感——与excel之比较

在学习sp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sp相关技能和熟知了sp之于excel的优越性之后，sp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(miing 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。sp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sp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sp过程中，我了解到应用sp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，sp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，sp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sp软件的应用，也就是为自己赚取了不少金钱。

另外在与sp的接触中，我逐渐了解到sp软件的强大与方便。sp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sp的兴趣却是越来越浓。 sp 像手枪，对于社会统计应用sp,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sp的假设检验更有说服力（sp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sp的这个比较后，可以看出sp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sp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sp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sp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sp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sp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。篇五：sp学习总结

随着速度越来越快，计算机的功能越来越多，计算统计功能反而已经成为了计算机的一个次要部分。不过，对于我们这些从事社会学学习和研究的人来说，快速的计算和统计仍旧是我们使用计算机的主要功能，所以我们平日的工作总是离不开 sp（statistical package for the social science社会科学统计软件）。s p虽然好用，但是学起来并不容易，特别是在目前高校的教育体制下，教材的过时以及课程设置的不合理，使得sp的学习成为了社会学、统计学以及其他社会科学学科学生极为头痛的一件事情。更为棘手的是：往往在学生还没有学会sp之前，一些调查研究任务却又强迫他们使用sp进行分析工作，使得他们十分苦恼。

本教程就是为那些已经学习过统计学，并且粗通计算机，但尚未学习过sp的社会科学学科的学生准备的，运用面向问题的教学方法，通过一个调查问卷的具体分析过程使学生们对sp有一个感性认识，并能够再没有完全掌握sp的前提下利用sp完成一些分析任务。因此，本文不强调面面俱到只强调读者能够完成调查分析的任务，所以会故意忽略ｓｐｓｓ一些十分重要但未必会用到的功能，还请读者见谅。如果读者确实需要使用这些功能，建议参考一本好一点的辅导书。

相信大家知道：依次完整的利用计算机辅助的问卷调查包括问卷设计、问卷访问、数据输入、数据分析、数据输出、调查报告的撰写六大部分。sp软件参与的主要是数据输入、数据分析和数据输出这三个部分。接着，本文就将分成这三块，分别介绍sp的使用以及一些技巧、经验。

1、数据输入

在完成了问卷访问这个部分之后，我们手中便拥有了数百至上万份调查问卷，这些问卷计算机是无法直接识别处理的，我们必须将它们进行适当的编码。由于采用计算机分析，问卷在设计阶段就应该考虑到今后的编码问题，所以应该将问卷设计地以客观题为主，被访问者填写的应该只是注入数字、选项这些计算机能够处理的信息。我们首先要为问卷的每一个填写项都起一个代号，并决定它的数据属性（主要是区分为字符串、逻辑串还是数字）。笔者的习惯是首先用英文字母表示填写项的大题号，接着用阿拉伯数字表示填写项的小题号，然后再用英文字母表示填写项是本小题的第几项，最后再加上表示数据属性的后缀，比如说第二大题第三小题的第四个字符串填写项的代号便为b3d_s。在以后的所有分析过程中便利用这个代号来表示数据的具体内容。接下来，便是具体的输入过程了。首先，我们要对sp的数据文件有一个大致的了解，这对以后的学习十分关键。打开sp之后，我们便会看到一个类似excel电子表格的东西，但如果你因此便把sp的数据文件理解为是类似于excel的东西那么就错了，虽然sp数据的表现形式酷似excel，但就实质而言它更接近于一个数据库文件，每一个数据列都有它的列名称（也就是我们刚刚起的代号）、列属性（也就是刚刚我们决定的数据属性），这些都类似于数据库中的字段名称、字段属性，如果读者以前学习过数据库的相关知识，那里理解起来就十分简单了。由于数据繁多，所以我们的输入过程往往不是由本人进行，而是请专业的数据录入人员代劳，而那些人员往往是不会使用sp的，所以我们在实际使用过程中数

2、数据分析

对于外行人来说。sp最为难学的部分便是它analyze菜单下十多项子菜单以及这之下四五十项孙菜单的统计功能，每一项统计功能的用法和功能对于外行人来说就像是天书一般。但是对于学习过统计学的读者来说，这应该不是问题。再加上sp 在操作的简易性上还是十分优秀的，每一项统计功能一般只需要在窗口下选择统计用的变量，然后设置一下必要的选项，最后按下ok便可以了。所以在这里，具体的操作就不再介绍了。在这里，笔者觉得有必要先介绍一下sp的viewer。在下面的数据分析和数据输出过程中，我们调用sp的数据分析和制图模块所得到的结果都会由sp自动输出到一个名为viewer的程序中，并且可以以spo为后缀名保存成为专门的文件。这样做的好处是如果你的分析和制图工作一次没有完成，那么利用保存的spo文件，就不必下一次重新作过了。同时，将所有的分析和制图的结果都保存在一个spo文件中，并随调查报告作为电子附件一起陈送给客户，一来有利于客户检验分析的可靠性，二来也适合于今后电子化、网络化的趋势。

根据笔者的经验，sp的学习者在这一阶段(数据分析阶段)最主要的问题在于以往学习的统计指标总是中文的，而sp中的统计指标是英文的，指标的中文和英文往往无法一一对应，因此，在这一部分中，笔者主要是附上一张统计指标的中英文对照表，如下： summarize菜单项数值分析过程

„„frequencies子菜单项单变量的频数分布统计

„„descriptives子菜单项单变量的描述统计

„„explore子菜单项指定变量的综合描述统计

„„crotabs子菜单项双变量或多变量的各水平组合的频数分布统计

„„means子菜单项单变量的综合描述统计

„„independent sample t test子菜单项独立样本的t检验

„„paired sample t test子菜单项配对样本的t检验

„„one-way anova子菜单项一维方差分析（单变量方差分析） anova models菜单项多元方差分析过程

„„simple factorial子菜单项因子设计的方差分析

„„general factorial子菜单项一般方差分析

„„multivariate子菜单项双因变量或多因变量的方差分析

„„repeated factorial子菜单项因变量均值校验 correlate菜单项相关分析

„„bivariate子菜单项 pearson积矩相关矩阵

和kendall、spearman非参数相关分析

„„partial子菜单项双变量相关分析

„„distance子菜单项相似性、非相似性分析 regreion菜单项回归分析

„„liner子菜单项线性回归分析

„„logistic子菜单项二分变量回归分析（逻辑回归分析）

„„probit子菜单项概率分析

„„nonlinear子菜单项非线性回归分析

„„weight estimation子菜单项不同权数的线性回归分析

„„2-stage least squares子菜单项二阶最小平方回归分析 loglinear菜单项对数线性回归分析

„„general子菜单项一般对数线性回归分析

„„hierarchical子菜单项多维交叉变量对数回归分析

„„logit子菜单项单因变量多自变量回归分析 claify菜单项聚类和判别分析

„„k-means cluster子菜单项指定分类数聚类分析

„„hierarchical cluster子菜单项未知分类数聚类分析 „„discriminent子菜单项聚类判别函数分析 data reduction菜单项降维、简化数据过程

„„factor子菜单项因子分析

„„correspondence analysis子菜单项对应表（交叉表）分析

„„homogeneity analysis子菜单项多重对应分析

„„overals子菜单项非线性典则相关分析 scale菜单项

„„reliability ananlysis子菜单项加性等级的项目分析

„„multidimensional scaling子菜单项多维等级分析 nonparametric tests菜单项

„„chi-square子菜单项相对比例假设检验

„„binomial子菜单项特定时间发生概率检验

„„run子菜单项随即序列检验

„„1-sample kolmogorov smirnov子菜单项样本分布检验

„„2-independent samples子菜单项双不相关组分布分析 (转载于:sp学习心得体会) „„k independent samples子菜单项多不相关组分布分析

„„2 related samples子菜单项

双相关变量分布分析

„„mcnemar test子菜单项相关样本比例变化分析

„„k related samples子菜单项相关变量分布分析

„„cocharns q test子菜单项二分变量均数检验

„„kendalls w子菜单项一致性判定 time series菜单项

„„exponential smoothing子菜单项平衡序列的随机分量

„„curve estimation子菜单项数据拟合

„„autoregreion子菜单项一阶自回归误差线性方差检验

„„arima子菜单项综合自回归移动平均分析

„„xii arima子菜单项增倍和加性季节因子分析 survival菜单项

„„life tables 生命表分析

„„kaplan-meier 双事件分布检验

„„cox regreion 事件与时间变量相互分析

„„cox w/time deep cov 时间函数cox分析

有了这一张表，相信读者便可以很容易的利用ｓｐｓｓ进行各类分析了。实际上，数据分析这一阶段，就使用sp上没有什么难度，关键是在于究竟你能够怎样最好的利用sp提供的分析模块从数据中挖掘出更多的东西来，这可就要依靠你的不断摸索了。最后，还要介绍一个小技巧：

如果读者所在学校今后学习的ｓｐｓｓ软件为ｄｏｓ版本的话，那么今后你就必须利用命令行来驾驭ｓｐｓｓ，所以你在利用ｓｐｓｓ的windows版本进行数据分析的过程中，可以利用每一项统计功能窗口ok按钮下的paster按钮将本统计功能的命令行复制到剪贴板，然后再仔细研究。

推荐第3篇：SPSS课程学习心得体会

应用统计分析学习报告

然后是方差分析。方差分析就是将索要处理的观测值作为一个整体，按照变异的不同来源把观测值总变异的平方和以及自由度分解为两个或多个部分，获得不同变异来源的均值与误差均方，通过比较不同变异来源的均方与误差均方，判断各样本所属总体方差是否相等。方差分析主要包括单因素方差分析、多因素方差分析和协方差分析等。这一部分在学习的过程中出现一些问题，就是用sp来操作的时候分不清观测变量和控制变量，如果反了的话会导致结果的不准确。其次，对bonferroni、tukey、scheffe等方法的使用目的不清楚，现在基本掌握了多重比较方法选择：一般如果存在明确的对照组，要进行的是验证性研究，即计划好的某两个或几个组间（和对照组）的比较。宜用bonferroni(lsd)法；若需要进行多个均数间的两两比较，且各组个案数相等，适宜用tukey法；其他情况宜用scheffe法。最后，对方差齐性检验、多重比较检验、趋势检验理解不够透彻，在方差检验中，post hoc键有lsd的选项：当方差分析f检验否定了原假设，即认为至少有两个总体的均值存在显著性差异时，须进一步确定是哪两个或哪几个均值显著地不同，则需要进行多重比较来检验。lsd即是一种多因变量的三个或三个以上水平下均值之间进行的两两比较检验。相关分析是研究现象之间是否存在某种依存关系，并对具体有依存关系的现象探讨(转载于:sp课程学习心得体会)其相关方向以及相关程度，是研究随机变量之间的相关关系的一种统计方法。相关分析研究现象之间是否相关、相关的方向和密切程度，一般不区别自变量或因变量。主要有双变量相关分析、偏相关、距离相关几个方法。双变量相关分析是相关分析中最常使用的分析过程，主要用于分析两个变量之间的线性相关分析，可以根据不同的数据类型和条件，选用pearson积差相关、spearman等级相关和kendall的tau-b等级相关。当数据文件包括多个变量时，

学习sp在教育统计中的应用心得体会

一、什么是sp？为什么要学习sp？

新学期开始时，在信息化教育测量与评价的课程中第一次接触

二、对本sp各章节学习的心得

章节名称

1.sp的认识

及数据文件的

处理

2.数据清理与

基本统计及测

量质量分析 3.t检验 4.方差分析

1、2人 3人 7.聚类分析 8.统计图形 2人 1人 2人 6.卡方检验 3人 2人 5.相关分析 3人分工人数章节名称分工人数 sp的认识及数据文件的处理心得体会

2、数据清理与基本统计及测量质量分析的心得体会

第一节课老师简单讲述了下这门课的概况，当时只觉得毫无头绪，对于没接触过的事物人总有莫名的恐惧，这门课看似还很难，就比较担忧。

接着说说学习过后对sp的整体认识吧，我专门去百度了下它的全称，定义为sp是“社会科学统计软件包”（statistical package for the social science）的简称，是一种集成化的计算机数据处理应用软件。之前看论文的时候会经常看到各种表格图形，各种结果输出，当时并不明白，以前也没见过，因此总会跳过实验整个设计直接看结果。在学了这门课后总算对其有了初步的认识。

1、sp的认识及数据文件的处理心得体会

一块是了解sp软件的历史及基本功能，还有一块就是sp软件当中一个模块叫做数据文件的处理，在认识sp软件当中了解到它是一组社会科学统计软件包，诞生于1968年，当时美国的3位大学生开发出了它，经过这么多年的后续开发，sp已经有了很多的版本，具有了更的兼容性、和更友好的操作界面，也在很多的学科领域得到了应用，而在教育中的应用只是它的一个分支。此外它对硬件的要求也很低，当前一般的电脑

都能安装它，安装的过程中也没有什么特殊的方法，傻瓜式的安装方式完全就可以满足。在数据文件的处理方面，主要是要学会定义变量、处理变量两方面；定义变量是要注意根据自己实际采集的数据来定义变量，例如是数值型的变量还是文本型的变量及变量的长度，小数点保留尾数等，总之就是一句话，根据实际调查的数据要求来定义相应变量。变量定义只有只要细心的将实际调查的数据录入到sp当中即可，当然也可以在sp软件之外进行数据编制，可以通过execel等编辑后可以直接导入到sp中。在处理变量模块当中，可以对变量进行添加、删除、拆分与合并等操作，只要根据实际调查数据，细心调整变量，使操作更加简便和明了。

2、数据清理与基本统计及测量质量分析的心得体会

这里我也是把它分为两块进行学习，一块是数据的清理，另一块是相关统计理论的学习。在数据清理方面主要学习了奇异数据的检查与清理，在这里我觉得非常有必要进行数据清理，在实际的调查数据时难免会出现错误或者碰到极为特殊的典型案例，所以这些数据很难符合大众规律，在统计、分析过程中可能会造成分析结果异常，从而直接影响最终的结论。所以觉得非常有必要进行数据检查与清理。而我认为本节的难点不是怎样熟练运用sp软件，而是在第二块中的，相关统计理论的学习，学习这些理论需要一定的数学基础，只有明确这些理（论如均值、标准误差、中数、众数、全距、四分位等）原理，知其然，知其所以然，这才是关键，在sp中想要实现对数据进行以上分析只需要轻轻点击一下按钮就可以是轻松实现，但是如果不清楚到底用它们来做什么就无从谈起做数据分析了，所以本节内容知道分析原理的重要性要远远大用sp对数据做出相关分析的重要性。总结为一句话“知道它们是做什么的后才会让它们去做该做的工作”。

3、t检验的心得体会

在学习t检验时，首先要明确什么样的数据适合t检验，t检验的结果要说明什么问题？经过学习可以知道，t检验是对两组数据间的平均水平或均数的比较，通过比较可以得出两组数据间的显著性水平，而这两组数据都要符合正态分布，方差具有齐同性，t检验由两种情况，一种配对提检验，要求两组数据不可以独立颠倒顺序，如果颠倒顺序就会改变问题的性质，这种t检验称为配对t检验；另一种情况下的t检验是两组数据可以任意颠倒顺的检验称为独立样本的t检验。但是这两种情况都必须符合最先的要求，即都是符合正态分布，方差都具有齐同性。通过sp的相关操作可以轻松完成检验，但是在检验的过程中必须设置置信区间，一般设置为95%，在设置置信区间时必须要考虑到所做分析的数据，如果像要得到显著性差异的结果则可尽量将置信区间设置小些，如果想要得到不显著差异就要将置信区间甚至大些，我的理解为若置信区间小，则可以理解为在小范围内是可以相信的，但如果将分析结果的置信区间值调大则说明在很大的范围内这个结果可信，反之则不可信，也就是说范围越大，不可

信的因素就会越多，做出可信的结果的可能性就会越小，所以在用sp的进行t检验时，一定要提前考虑想要得到的检验结果，尽可能将预想结果与实际结果吻合。本节课最主要的是学会进行t检验，根据数据选择适合的t检验，值得思考的是，两组数据是否符合正态分布、方差的齐同性都需要在t检验前明确，不然无法进行t检验，但是在t检验的过程中sp也提供了一项进行是否符合正态分布的选项，是否也可以理解为在未知两组数据的分布情况时也可以进行t检验？只要先证明两组数据方差具有齐同性后，就进行t检验，检验后sp会输出两组数据是否符合正态分布，如果符合则结果可取，否则结果不可取。

4、方差分析的心得与体会 t检验和方差分析是有很大关联的，t检验是分析两组间数据的关系，而方差分析则是分析两组以上的组间的关系，两组方法都是要求数据符合正态分布，方差具有齐同性。其各组间要同质，组内异质，这样数据才具有说服力。本节课方差分析包括四部分，分别为单因素方差分析、无重复实验的双因素方差分析、重复试验的双因素方差分析及协方差分析。分为以上四种主要是基于分析的问题所包含的变量个数和各变量间有无相互影响，还有就是排除无法控制的协变量的影响的分析来区分分析方法。例如，只有一个变量的分析就用单因素分析；基于问题中的两个变量间没有相互影响的分析就用无重复实验的双因素方差分析，两个变量有影响就用重复试验的双因素方差分析，要排除无法控制的因素进行分析就用协方差分析。以上各种方差分析情况都基于不同的统计公式，要是学习这些理论则需要很好的数学基础。对最终分析结果的解读则需要t检验的解读结果知识。归结为一点：最终想得到差异性显著的结果还是差异不明显的结果则要再分析前就有预设。以此来证明自己的结果分析。

5、相关分析的心得与体会

本学期是我在大学学习的最后一个学期。在这个学期里，学校根据我系专业特点开设了一些专业应用性课程，其中有一门课程便是sp。 sp的中文名称是社会科学统计软件包，是世界上最早的统计软件。我们学期学习所使用的软件为英文版，起初接触时由于我英语水平问题，sp软件的操作让我很是头疼。但是通过对这门课程的学习，我了解到sp具有完整的数据输入、编辑、统计分析、报表、图形制作等功能。在日常的工作与学习中，我所接触到的数据比较多，但是我想从中获得有用的数据却很难，通过sp软件应用，使我处理数据的时间大幅度的缩短，另外也能客观直接的对我所需要的数据进行简单分析。

在我平日课下进行统计调查技能培训的时候，我起初分析数据所用的软件是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sp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sp过程中，我了解到应用sp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，sp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，sp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sp软件的应用，也就是为自己赚取了不少金钱。

这门课程是我们这学期从始至终一直开设的课程，在课堂上我们的导师马杰老师针对各种案例对我们进行讲解，让我们了解sp的各种应用，在课下系内陈主任对我进行指点，让我能够利用多种sp的方法进行数据处理与数据分析。

学习sp感想

在学习sp期间，我主要遇到的问题是后面几章，sp的参数检验、方差分析、相关分析、线性回归分析、聚类分析、因子分析等。

在参数检验中我不知道原假设是什么，导致分析的时候不知道该拒绝原假设还是接受原假设，不能分析出统计结果。不会区分单样本t检验和两配对样本t检验的区别，现在懂得了它们都要服从正态分布，基本思想是小概率反证法，反证法思想是先提出假设（检验假设h0），再用适当的统计方法确定假设成立的可能性大小，如果可能性小，则认为假设不成立，否则，还不能认为假设不成立。

学习因子分析的过程中，对提取出来的因子的实际含义不清晰，不能使因子具有命名解释性。

一、图型的表现力是sp的主要优点之一

应该说，excel的图型表现主要是简便，对许多的人来说基本够用，但对于科学的表现，sp就更为详细和准确，这一点据说在所有统计软件中都突出。

二、通过sp检验方差齐性和数据分布

假设检验中，采用的t检验和方差检验都需要满足二个要求，即 1．样本方差齐性 2．样本总体呈正态分布在excel中，提供了f检验来检验方差齐性问题，也就是可以先通过f检验确定方差齐性与否来选择下一步用哪个t检验或方差检验分析工具。但只要数据多于二组则无从下手；通过描述统计大约能从峰度和偏度来了解样本的分布实际工作中，只要分布单峰且近似对称分布，也可应用，但要具体确定样本的分布也有难度。这二个问题在sp就可以解决最后，在感叹它的方便与快捷的同时，对软件开发人员的智慧到了肃然起敬的地步。一直觉得计算机语言是最难的一门外语。虽然本科时曾经对这种逻辑性很强的东西很感兴趣，并在编程课上取得不错的成绩，但一直觉得这似乎不是我能掌控的东西。sp的神奇之处在于，它省去了使用者巨大的计算量，并提高准确性。它开发了开发者的智慧，却弱化了使用者的大脑。

推荐第4篇：SPSS学习感想

SPSS学习感想

在这学期以前我并没有学过统计学，甚至没有接触过它，因此对它的认识可谓是从零开始的，但经过这一段的学习，也算是受益良多，下面我就简单说下感想吧。

第一节课老师简单讲述了下这门课的概况，给了我们英文版和中文版教材便让我们开始分组讲授各个部分，当时只觉得毫无头绪，对于没接触过的事物人总有莫名的恐惧，这门课看似还很难，就比较担忧。但看了分到的关于方差分析部分的英文版书后，觉得老师推荐的这本书真的很好，虽然看英文比较痛苦，但胜在通俗对于我这种从未接触过的人来说也是读的懂得，这大概也是许多外国教材的优点，会有很实际的举例帮助理解，语言读起来也是简单易懂，不像许多中国教材那么晦涩。后期在看英文文献的时候看到不懂得SPSS模型便会再翻出这本书来看，许多的中文版的教材也看了但总是较难迅速找到想看的知识点，且理解起来也很困难。

说完对于教材的整体心得，就来说说讲课方面的心得吧，起初大家对于老师让学生讲授的方式不是很认同，觉得自己能力有限，问题太难，不一定能看得明白更勿论讲了。但经过后来自己看教材做PPT，发现其实做起来并没有看起来那么难，虽然花了不少时间但最后也算是基本了解大意及步骤，并且自己花了时间做出来的东西会特别记忆深刻，因此做完后对于方差分析这一块也算是有了整体的认识和了解，之后在看论文中这部分的模型来也轻松许多。所以这种讲课方式其实也确实能帮助同学们更积极的学习这门课程。

接着说说学习过后对SPSS的整体认识吧，我专门去百度了下它的全称，定义为SPSS是“社会科学统计软件包”（Statistical Package for the Social Science）的简称，是一种集成化的计算机数据处理应用软件。之前看论文的时候会经常看到各种表格图形，各种结果输出，当时并不明白，以前也没见过，因此总会跳过实验整个设计直接看结果。在学了这门课后总算对其有了初步的认识。它其实大致分为两个大部分，一是简要介绍描述性和推断性统计，包括描述性统计、推断性统计原理与推断性统计机制；二是统计分析方法，包括卡方检验、独立样本t检验、配对样本t检验、方差分析等检验差异的统计方法，和多元回归分析、因子分析和结构方程模型等检验联系的统计方法。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。统计分析也主要有两大类，一类是验证差异的，另一类是验证相关性的。验证差异的主要有t检验和方差分析，验证相关性的主要有回归分析、因子分析和结构方程模型。通过课程的学习我基本知道了他们的区别和应用场景，如t检验适合两个变量之间的差异比较，而方差分析则在变量较多时使用，从而达到便捷的效果。

在学习方差分析时，我刚开始常常把因变量和自变量弄混淆，在分析的时候应分别送入哪个对应框中，如果反了的话会导致结果的不准确。接着，对LSD、Bonferroni、Tukey、Scheffe等方法的使用不清楚，现在基本掌握了多重比较方法选择：一般如果存在明确的对照组，要进行的是验证性研究，即计划好的某两个或几个组间（和对照组）的比较，宜用Bonferroni(LSD)法；若需要进行多个均数间的两两比较，且各组个案数相等，适宜用Tukey法；其他情况宜用Scheffe法。因为经常混淆，所以这些都被我记录在PPT中，好让自己以后方便查看。还有，当时对方差齐性检验、多重比较检验的理解也存在困难，但经过小组讨论对他们也基本有了了解。当方差分析F检验否定了原假设，即认为至少有两个总体的均值存在显著性差异时，须进一步确定是哪两个或哪几个均值显著地不同，则需要进行多重比较来检验。LSD即是一种多因变量的三个或三个以上水平下均值之间进行的两两比较检验，最灵敏，但会较易犯假阳性的错误。在听别的小组讲述相关分析时，对于在绘制散点图时的横坐标和纵坐标的区分刚开始不太明白，但经过同学的讲授明白了横坐标是解释变量，纵坐标是被解释变量。在学习回归分析的过程中，对解释变量向前筛选、向后筛选、逐步帅选策略不能熟练掌握，特别是对向前向后筛选时到处的结果不会进行分析。在学习因子分析的时，刚开始对提取出来的因子的实际含义不清晰，但这些问题都都一一在讲授和之后的讨论中得到了解析，从而对于他们都算是有了大致的了解。

虽然整个学习过程经历了很多困难，但小组成员在一起，大家一起克服困难，集思广益，最后的结果还算是成功的，每个人对于自己的部分都很认真在准备希望能给大家讲的清楚明晰，这个学习的过程对我们都意义非凡。现在这门课要结束了，但对于SPSS的学习却没有，现有的知识感觉只是对他有个初步的了解，离熟练运用还有些距离，论文中的模型分析的结果还不能很快的看出，因此还需要不断地看书看文献运用。但这门课显然给我们打下了很好的基础，在这结束的时刻，我希望谢谢这些陪我一起走过这个历程的人，我的老师，小组的成员以及其他组的成员们，感谢你们同我一起成长。

推荐第5篇：SPSS学习总结

学习SPSS感想

以前学统计学的时候就听老师讲过SPSS有非常强大的统计功能，对我们学习、工作有很大的帮助，所以我一直认为SPSS很神秘。通过这个学期周老师的课让我对此清楚了许多，也学到了SPSS强大的统计功能，更加让我明白了SPSS与Excel的区别。

SPSS是“社会科学统计软件包”（Statistical Package for the Social Science）的简称，是一种集成化的计算机数据处理应用软件。1968年，美国斯坦福大学H.Nie等三位大学生开发了最早的SPSS统计软件，并于1975年在芝加哥成立了SPSS公司，已有30余年的成长历史，全球约有25万家产品用户，广泛分布于通讯、医疗、银行、证券、保险、制造、商业、市场研究、科研、教育等多个领域和行业。SPSS是世界上公认的三大数据分析软件之一（SAS、SPSS和SYSTAT）。

在学习SPSS期间，我主要遇到的问题是后面几章，SPSS的参数检验、方差分析、相关分析、线性回归分析、聚类分析、因子分析等。

在参数检验中我不知道原假设是什么，导致分析的时候不知道该拒绝原假设还是接受原假设，不能分析出统计结果。不会区分单样本t检验和两配对样本t检验的区别，现在懂得了它们都要服从正态分布，基本思想是小概率反证法，反证法思想是先提出假设（检验假设H0），再用适当的统计方法确定假设成立的可能性大小，如果可能性小，则认为假设不成立，否则，还不能认为假设不成立。

在学习方差分析中，开始常常把观测变量和控制变量弄混淆，在分析的时候应分别送入哪个对应框中，如果反了的话会导致结果的不准确。其次，对LSD、Bonferroni、Tukey、Scheffe等方法的使用不清楚，现在基本掌握了多重比较方法选择：一般如果存在明确的对照组，要进行的是验证性研究，即计划好的某两个或几个组间（和对照组）的比较。宜用Bonferroni(LSD)法；若需要进行多个均数间的两两比较，且各组个案数相等，适宜用Tukey法；其他情况宜用Scheffe法。最后，对方差齐性检验、多重比较检验、趋势检验理解不够透彻，在方差检验中，Post Hoc键有LSD的选项：当方差分析F检验否定了原假设，即认为至少有两个总体的均值存在显著性差异时，须进一步确定是哪两个或哪几个均值显著地不同，则需要进行多重比较来检验。LSD即是一种多因变量的三个或三个以上水平下均值之间进行的两两比较检验。

在学习相关分析的过程中，在绘制散点图时，不知道哪个该做横坐标，哪个该做纵坐标，明白了横坐标是解释变量，纵坐标是被解释变量，还有对相关系数的种类分析不熟练等。在学习回归分析的过程中，对DW可检验的含义不理解，不记得对应的DW表示的残差序列的相关性。对解释变量向前筛选、向后筛选、逐步帅选策略不能熟练掌握，特别是对向前向后筛选时到处的结果不会进行分析。

学习聚类分析中，变量的选择分不清，无关变量有时会引起严重的错分，应当只引入在不同类间有显著差别的变量，尽量只使用相同类型的变量进行分析。分类数不明确，从实用角度讲，2~8 类比较合适。掌握了K-means Cluster 分析，样本量大于100时有必要考虑，只能使用连续性变量。

学习因子分析的过程中，对提取出来的因子的实际含义不清晰，不能使因子具有命名解释性。

学习了SPSS后，我不禁想到了SPSS与Excel的区别，这一点是针对像我这样开始只懂得用EXCEL的人来说。从个人的体会来说，二种软件有一定相似，操作都简便，同时又有一些可以互补的地方。但是SPSS又比Excel更加强大：

一、图型的表现力是SPSS的主要优点之一

应该说，Excel的图型表现主要是简便，对许多的人来说基本够用，但对于科学的表现，SPSS就更为详细和准确，这一点据说在所有统计软件中都突出。

二、通过SPSS检验方差齐性和数据分布

假设检验中，采用的t检验和方差检验都需要满足二个要求，即

1．样本方差齐性

2．样本总体呈正态分布

在Excel中，提供了F检验来检验方差齐性问题，也就是可以先通过F检验确定方差齐性与否来选择下一步用哪个T检验或方差检验分析工具。但只要数据多于二组则无从下手；通过描述统计大约能从峰度和偏度来了解样本的分布实际工作中，只要分布单峰且近似对称分布，也可应用，但要具体确定样本的分布也有难度。这二个问题在SPSS就可以解决

最后，在感叹它的方便与快捷的同时，对软件开发人员的智慧到了肃然起敬的地步。一直觉得计算机语言是最难的一门外语。虽然本科时曾经对这种逻辑性很强的东西很感兴趣，并在编程课上取得不错的成绩，但一直觉得这似乎不是我能掌控的东西。SPSS的神奇之处在于，它省去了使用者巨大的计算量，并提高准确性。它开发了开发者的智慧，却弱化了使用者的大脑。

推荐第6篇：SPSS课程学习感悟

学习SPSS有感

摘要：SPSS统计分析方法及应用课程的开设给我们打开了一扇全新知识的门窗，它通向的是一个崭新的领域。这门课程的学习经历可谓波澜起伏，中间有苦有甜，但是不管过程多么艰难，幸运的是，我们学到了很多，收获了很多。通过老师的讲解，我们对它的使用方法、结果分析和应用范围都有了非常细致的了解。关键词：学习经历收获方法应用范围

距SPSS统计分析方法及应用课程结束已经过去好几天了，偶尔还是会想起那段兵荒马乱，洪荒滔天的日子。开学伊始，很多课程还必须靠课程表才知道星期几在哪里上课，但是SPSS则不同，一天四节课连着上的重大任务让我们不得不去正视它、重视它。

初识SPSS统计分析方法及应用是在一个傍晚。彼时，地上余热尚未完全散尽，暮色即将席卷最后一抹晚霞。坐在机器嗡嗡运转的机房里，抚摸手中那一厚重书本的扉页，心里是一丝说不清道不明的复杂情绪，对未知的好奇掺杂着对已知的不确定。周围同学都在讨论，统计学都没有学好，这门课程学起来会不会过于吃力，如此一想，几分恐惧感又蹭蹭地上升。就这样，怀着五味杂陈的心情开始了SPSS的第一堂课。

一天课下来，却发现它学起来并没有想象中那么艰难，可能是刚接触的基础知识比较易懂，也可能是老师讲解的很生动透彻。总之，我的兴趣被调动起来了，甚至在心里雀跃，期待第二天的SPSS课早点到来。但是渐渐的，学习开始有点力不从心了，课堂上会有片刻的走神，反应过来后便在书上匆忙翻找老师讲解的内容自己慢慢的边看边理解，然而结果还是一知半解，于是悔不当初统计学的基础打得不够牢固。不过，不幸中的万幸是老师非常的好，对我们这些上课不太认真的同学还是耐心的给予指导并且不厌其烦。课堂上师生之间互动的很好，充分调动了大家的积极性，要求我们自己动手去找答案、自己去操作而不是一味地跟着老师盲目地进行着机械运动，老师也非常反对以往那种“填鸭式”教育，积极鼓励、督促我们去思考答案的由来，去解释所以然与之所以然，同时老师生动的讲解把枯燥的内容形象化，更方便我们的理解。当习惯了老师这种教学模式后，我们学习起来虽不能说得心应手，举一反三，但也渐入佳境，步入正轨，没有了当初的手足无措，没有了那时的茫然若失，像初长成的少年一般，拥有的是岁月洗礼后的纯粹明媚与获得真知的满足感。

现在回想一下，学习其实还是一个循环往复的过程，讲究的是一个方法和技巧，即使每个人都在抱怨SPSS难学，听不到看不明白，但是班上还是有人学的很轻松，学的很扎实。好像那些在我们看来既枯燥又难以理解的术语和定义解释在她们眼里就是一副活动的画面，她们沉浸于其中，遨游在其中，享受在其中。仿佛那些知识早已扎根在她们充满智慧的脑袋里，而不同于我们，需要从书本的文字上去吸收，从老师那里获取知识的核心和真正内涵。这样的对比让我折服却又向往，认真观察了她们学习动态后，我发现像我们这种每天上课才翻书下课书本直接扔一边的人即使在某一时期了解了这门课程，等到若干时间以后，当遗忘功能发挥作用时我们还是一无所知，怎样把它们植根于脑袋，关键在于自己的努力和钻研。课前好好预习，尝试自己去理解那些不算深奥的文字，遇到不懂的标记一下，上课认真听或者课后积极向老师请教，课堂的效果也是不容忽视的，老师讲的都是书本浓缩的精华，一个不留神，可能就导致后面的全盘崩溃，然后兴趣丧失，课后更是需要好好复习加强记忆力，SPSS需要的是多操作多熟悉，空闲时间多加自我练习才会做到熟能生巧。其实很多课程都是互通的，这些方法对其他课程而言也是非常实用的。还有最重要的一个资源库，就是学校的图书馆，多看看有关书本触类旁通更容易理解。

现在一本书已经学完了，不敢说对它的领会有多深，只能说从中的确学到了不少的东西，更准确的是学到一种技能和方法，即怎样处理数据的方法。SPSS是“社会科学统计软件包”（Statistical Package for the Social Science）的简称，是一种集成化的计算机数据处理应用软件。它是世界上公认的三大数据分析软件之一，由于操作简便，好学易懂，简单实用，因而很受非专业人士的青睐。最重要的是，对我们经济管理专业的学生来说，以后从事的行业大部分都是要和统计分析以及决策打交道，因此掌握好数据分析方法和数据分析软件工具则是非常有必要的。

其次纵观中国经济发展历程，改革开放已逾三十多年，我国的经济体制由计划经济步入了社会主义市场经济的运行空间，这一客观现实要求企业必须提高独立面对市场经济中大风大浪的能力，也就是自身的硬件素质。在加入WTO后，中国企业搭上全球化的班车，跨入与国际接轨的高速轨道，在获得更广泛的市场资源的同时，也面对着更强大对手的竞争，在这种趋势下，增强软实力，打造自身独一无二的个性特质更是迫在眉睫。面对着强化自身的双重挑战，要求企业承担起信息化和定量分析的重任，只有信息化才能够迅速全面的感知市场和消费群体的要求，只有定量分析才能对感知信息做出科学分析和正确决策。而当今社会发展日益迅猛，数据量快速膨胀，数据关系复杂性大大提高，企业怎样快速得出分析结果，怎样从效率和质量方面占有优势对数据分析软件的性能有着严格的的要求。而SPSS因操作简单，结果明了，很受企业欢迎，已广泛应用于各大领域。我们从课程学习上所采用的例子就可得出，SPSS不仅在经济学、生物学、心理学、医疗卫生、体育等方面作用广大，在农业、林业、商业、金融等行业也有着不可小觑的影响力。应着这些因素，掌握好这一技能就显得势在必行了。

通过老师细心的讲解，我们知道了SPSS分析的正确步骤，即懂得了如何正确组织数据、如何利用SPSS对数据进行基本加工和整理，明白了应从何处入手分析、应采用SPSS中的哪些分析方法和功能实现对各类数据由浅入深的分析，清楚了怎样理解和解释分析结果。在此之前，我们所了解的关于数据的计算机应用软件仅局限于Excel，而如今，我们不但掌握了SPSS，还能够在两者之间进行数据的转换。这一课程的学习可谓是受益匪浅，对于一组数据我们不再被表面现象和其中的干扰因素所蒙蔽，而是能够剖开现象看本质，这使我们对真实的理解更加贴近更加透彻。

推荐第7篇：SPSS学习报告总结心得

应用统计分析学习报告

本科的时候有概率统计和数理分析的基础，但是从来没有接触过应用统计分析的东西，SPSS也只是听说过，从来没有学过。一直以为这一块儿会比较难，这学期最初学的时候，因为没有认真看老师给的英文教材，课下也没有认真搜集相关资料，所以学起来有些吃力，总感觉听起来一头雾水。老师说最后的考核是通过提交学习报告，然后我从图书馆里借了些教材查了些资料，发现很多问题都弄清楚了。结合软件和书上的例子，实战一下，发现SPSS的功能相当强大。最后总结出这篇报告，以巩固所学。

SPSS，全称是Statistical Product and Service Solutions，即“统计产品与服务解决方案”软件，是IBM公司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称，也是世界上公认的三大数据分析软件之一。SPSS具有统计分析功能强大、操作界面友好、与其他软件交互性好等特点，被广泛应用于经济管理、医疗卫生、自然科学等各个领域。具体到管理方面，SPSS也是一个进行数据分析和预测的强大工具。这门课中也会用到AMOS软件。

关于SPSS的书，很多都是首先介绍软件的。这个软件易于安装，我装的是19.0的，虽然20.0有一些改变和优化，但是主体都是一样的，而且都是可视化界面，用起来很方面且容易上手。所以，我学习的重点是卡方检验和T检验、方差分析、相关分析、回归分析、因子分析、结构方程模型等方法的适用范围、应用价值、计算方式、结果的解释和表述。

首先是T检验这一部分。由于参数检验的基础不牢固，这部分也是最初开始接触应用统计的东西，学起来很多东西拿不准，比如说原假设默认的是什么。结果出来后依然分不清楚是接受原假设还是拒绝原假设。不过现在弄懂了。这部分很有用的是T检验。T检验应用于当样本数较小时，且样本取自正态总体同时做两样本均数比较时，还要求两样本的总体方差相等时，已知一个总体均数u，可得到一个样本均数及该样本标准差，样本来自正态或近似正态总体。T检验分为单样本T检验、独立样本T检验、配对样本T检验。其中，单样本T 检验是样本均数与总体均数的比较的T检验，用于推断样本所代表的未知总体均数μ与已知的总体均数uo有无差别；独立样本T检验主要用于检验两个样本是否来自具有相同均值的总体，即比较两个样本的均值是否相同，要求两个样本是相互独立的；配对样本T检验中，要正确理解“配对”的含义，主要用于检验两个有联系的正态总体的均值是否有显著差异，跟独立检验的区别就是样本是否是配对样本。这几个方法用软件操作起来都是相对简单的，关键是分清楚什么时候用这个什么时候用那个。

相关分析是研究现象之间是否存在某种依存关系，并对具体有依存关系的现象探讨其相关方向以及相关程度，是研究随机变量之间的相关关系的一种统计方法。相关分析研究现象之间是否相关、相关的方向和密切程度，一般不区别自变量或因变量。主要有双变量相关分析、偏相关、距离相关几个方法。双变量相关分析是相关分析中最常使用的分析过程，主要用于分析两个变量之间的线性相关分析，可以根据不同的数据类型和条件，选用Pearson积差相关、Spearman等级相关和Kendall的tau-b等级相关。当数据文件包括多个变量时，直接对两个变量进行相关分析往往不能真实反映二者之间的关系，此时就需要用到偏相关分析，从中剔除其他变量的线性影响。距离相关分析是对观测变量之间差异度或相似程度进行的测量，其中距离需要弄清楚，距离分析是对观测量之间相似或不相似程度的一种测度，是计算一对观测量之间的广义距离。这些相似性或距离测度可以用于其他分析过程，例如因子分析、聚类分析或多维定标分析，有助于分析复杂的数据集。

接下来是因子分析。因子分析是指研究从变量群中提取共性因子的统计技术。最早由英国心理学家C.E.斯皮尔曼提出。他发现学生的各科成绩之间存在着一定的相关性，一科成绩好的学生，往往其他各科成绩也比较好，从而推想是否存在某些潜在的共性因子，或称某些一般智力条件影响着学生的学习成绩。因子分析可在许多变量中找出隐藏的具有代表性的因子。将相同本质的变量归入一个因子，可减少变量的数目，还可检验变量间关系的假设。因子分析的主要目的是用来描述隐藏在一组测量到的变量中的一些更基本的，但又无法直接测量到的隐性变量。从显性的变量中得到因子的方法有两类。一类是探索性因子分析，另一类是验证性因子分析。探索性因子分析不事先假定因子与测度项之间的关系，而让数据“自己说话”。而验证性因子分析假定因子与测度项的关系是部分知道的，即哪个测度项对应于哪个因子，虽然我们尚且不知道具体的系数。这一部分不能用SPSS来操作，要用AMOS，用起来也很方便。

这门课要学习完了，整个学习的过程是充满曲折和挑战的，我见证了自己从一无所知到困惑迷茫再到略懂再到会用的过程。甚至学完之后有些问题还没有彻底搞清楚，自己接下来还会不断的探索的。SPSS是个很神奇的工具，结合AMOS和EXCEL更是如虎添翼，相信学习了SPSS在以后的论文和数据分析中很有用。这门课给我的感觉是看起来很难，但是实际学起来就好很多，因为当我结合具体实例和软件的时候，很多抽象的问题就豁然开朗了。但是想给老师一个建议，这门课需要很强的统计和概率论的基础，要不然就会很难听懂或者听得半懂。然后这门课的很多方法的相关资料都是用在医疗卫生、自然科学领域的，在管理中的应用的资料不怎么多。老师希望我们上课的时候结合在管理中的应用来学习，但是资料有限，希望老师在这个方面多给学生一些引导。

推荐第8篇：SPSS课程学习感悟(交)

SPSS学习总结与反思

财管132 1330443233 王天茜

第一节课老师简单讲述了下这门课的概况，当时只觉得毫无头绪，对于没接触过的事物人总有莫名的恐惧，这门课看似还很难，就比较担忧。

1、SPSS的认识及数据文件的处理心得体会

一块是了解SPSS软件的历史及基本功能，还有一块就是SPSS软件当中一个模块叫做数据文件的处理，在认识SPSS软件当中了解到它是一组社会科学统计软件包，诞生于1968年，当时美国的3位大学生开发出了它，经过这么多年的后续开发，SPSS已经有了很多的版本，具有了更的兼容性、和更友好的操作界面，也在很多的学科领域得到了应用，而在教育中的应用只是它的一个分支。此外它对硬件的要求也很低，当前一般的电脑都能安装它，安装的过程中也没有什么特殊的方法，傻瓜式的安装方式完全就可以满足。在数据文件的处理方面，主要是要学会定义变量、处理变量两方面；定义变量是要注意根据自己实际采集的数据来定义变量，例如是数值型的变量还是文本型的变量及变量的长度，小数点保留尾数等，总之就是一句话，根据实际调查的数据要求来定义相应变量。变量定义只有只要细心的将实际调查的数据录入到SPSS当中即可，当然也可以在SPSS软件之外进行数据编制，可以通过EXECEL等编辑后可以直接导入到SPSS中。在处理变量模块当中，可以对变量进行添加、删除、拆分与合并等操作，只要根据实际调查数据，细心调整变量，使操作更加简便和明了。

2、数据清理与基本统计及测量质量分析的心得体会

这里我也是把它分为两块进行学习，一块是数据的清理，另一块是相关统计理论的学习。在数据清理方面主要学习了奇异数据的检查与清理，在这里我觉得非常有必要进行数据清理，在实际的调查数据时难免会出现错误或者碰到极为特殊的典型案例，所以这些数据很难符合大众规律，在统计、分析过程中可能会造成分析结果异常，从而直接影响最终的结论。所以觉得非常有必要进行数据检查与清理。而我认为本节的难点不是怎样熟练运用SPSS软件，而是在第二块中的，相关统计理论的学习，学习这些理论需要一定的数学基础，只有明确这些理（论如均值、标准误差、中数、众数、全距、四分位等）原理，知其然，知其所以然，这才是关键，在SPSS中想要实现对数据进行以上分析只需要轻轻点击一下按钮就可以是轻松实现，但是如果不清楚到底用它们来做什么就无从谈起做数据分析了，所以本节内容知道分析原理的重要性要远远大用SPSS对数据做出相关分析的重要性。总结为一句话“知道它们是做什么的后才会让它们去做该做的工作”。

3、T检验的心得体会

在学习T检验时，首先要明确什么样的数据适合T检验，T检验的结果要说明什么问题？经过学习可以知道，T检验是对两组数据间的平均水平或均数的比较，通过比较可以得出两组数据间的显著性水平，而这两组数据都要符合正态分布，方差具有齐同性，T检验由两种情况，一种配对提检验，要求两组数据不可以独立颠倒顺序，如果颠倒顺序就会改变问题的性质，这种T检验称为配对T检验；另一种情况下的T检验是两组数据可以任意颠倒顺的检验称为独立样本的T检验。但是这两种情况都必须符合最先的要求，即都是符合正态分布，方差都具有齐同性。通过SPSS的相关操作可以轻松完成检验，但是在检验的过程中必须设置置信区间，一般设置为95%，在设置置信区间时必须要考虑到所做分析的数据，如果像要得到显著性差异的结果则可尽量将置信区间设置小些，如果想要得到不显著差异就要将置信区间甚至大些，我的理解为若置信区间小，则可以理解为在小范围内是可以相信的，但如果将分析结果的置信区间值调大则说明在很大的范围内这个结果可信，反之则不可信，也就是说范围越大，不可信的因素就会越多，做出可信的结果的可能性就会越小，所以在用SPSS的进行T检验时，一定要提前考虑想要得到的检验结果，尽可能将预想结果与实际结果吻合。本节课最主要的是学会进行T检验，根据数据选择适合的T检验，值得思考的是，两组数据是否符合正态分布、方差的齐同性都需要在T检验前明确，不然无法进行T检验，但是在T检验的过程中SPSS也提供了一项进行是否符合正态分布的选项，是否也可以理解为在未知两组数据的分布情况时也可以进行T检验？只要先证明两组数据方差具有齐同性后，就进行T检验，检验后SPSS会输出两组数据是否符合正态分布，如果符合则结果可取，否则结果不可取。

4、方差分析的心得与体会

T检验和方差分析是有很大关联的，T检验是分析两组间数据的关系，而方差分析则是分析两组以上的组间的关系，两组方法都是要求数据符合正态分布，方差具有齐同性。其各组间要同质，组内异质，这样数据才具有说服力。本节课方差分析包括四部分，分别为单因素方差分析、无重复实验的双因素方差分析、重复试验的双因素方差分析及协方差分析。分为以上四种主要是基于分析的问题所包含的变量个数和各变量间有无相互影响，还有就是排除无法控制的协变量的影响的分析来区分分析方法。例如，只有一个变量的分析就用单因素分析；基于问题中的两个变量间没有相互影响的分析就用无重复实验的双因素方差分析，两个变量有影响就用重复试验的双因素方差分析，要排除无法控制的因素进行分析就用协方差分析。以上各种方差分析情况都基于不同的统计公式，要是学习这些理论则需要很好的数学基础。对最终分析结果的解读则需要T检验的解读结果知识。归结为一点：最终想得到差异性显著的结果还是差异不明显的结果则要再分析前就有预设。以此来证明自己的结果分析。

5、相关分析的心得与体会

事物间的相互联系与影响大致分为两种，一种是函数关系即一一对应关系，而另一种是统计关系。函数关系比较容易分析和测量，而实际数据并不都像函数关系那样简单，这时则需要另一种测量方法----相关分析，衡量事物之间或变量间的线性相关程度的强弱，并用适当的统计指标表示出来，这个过程就是相关分析。相关分析分多种情况，分为联系变量的相关分析、等级变量的相关分析、偏相关分析和距离相关分析，之所以分为几种也是根据要分析的对象的变化而定，如连续变量的相关分析主要是只变量不是函数关系，而是统计关系且变量数据间可以比较大小，可以加减来计算差异的数据，此外其依据的是Pearson相关系数，还有就是因为数据小于30次分析无意义，所以就要求分析数据要大于30个。如果数据小于30则用等级相关分析，且两种方法分析的数据都要符合正态分布。当数据小于30且符合正态分布且又是表达为有序或顺序（等级、方位、大小等）时则用等级变量的相关分析。与协方差分析类似，二元变量无法有效真实反映事物间的相关关系时，且数据都符合以上要求是则用偏相关分析，也就是说提出其他相关因素影响的情况下再来分析。以上三种相关分析都是分析事物间的相关关系，而距离相关分析则是分析对观测量之间或变量之间相似或不相似的程度的一种测量，它可以用于同一变量内也可以用于变量之间的测量。对以上四种相关分析简单总结为分的对象分为两种，一种是对象间，另一种是变量间。被分析的对象都符合正态分布，针对数量（30个）采用不同分析方法，针对对象的性质不同采用不同的方法。以上为对前三种相关分析方法提出，最后一种距离相关分析是分析观测值的相似性。

6、卡方检验的心得体会

卡方检验与以上的分析有很大不同，跨度较大，卡方检验主要是分析品质相关问题，所谓品质相关问题其特征是每个个体都有至少两个特征或变量，每个特征的取值可以是顺序型的（可比大小，不能加减）或者是名义型的（连大小都不能比）例如：不同文化程度的人对莫伊政策的态度或工作业绩是否相关？。可以简单将其理解为是用来专门分析品质相关的检验，它是一种非参数检验，而在此之前的检验都是参数检验即：分布形态已知（正态分布或近似正态分布）方差具有齐同性等。卡方检验由多种，即一般卡方检验、配对卡方的一致性检验、分层卡方检验。在一般卡方检验中应注意由原始数据得出的评述数据应给各类数据加权。而配对卡方的一致性检验则要注意如何区分什么情况用配对卡方的一致性检验，如两位专家对一批大学独自做出等级判断，问他们的判读是否一致，判断水平有无差异？这则是一个典型的配对资料，及看是否一致，有看差异在哪里。而分层卡方检验可以理解为对多种情况下的多个样本进行逐次比较，最终分析各样本在不同情况下的关系。总之，本节应注意什么样的数据是品质相关的。卡方检验是用来分析什么样情况的数据。

7、聚类分析的相关心得体会

聚类分析简而言之就是在没有先验的情况下将收集的数据进行分类。所谓的“物以类聚”，本节分两块，一种是在数据在200个以内的层次聚类分析，就是按照逐次聚合的方式进行比较最终分为所要求的几类。还有一种就是数据超过200个时为了省时而采用的快速聚类，但快速聚类只能进行连续变量的聚类。分层聚类可以针对样本进行分类，也可以针对变量进行分类。在分层聚类和快速聚类的分析结果解释中不同于以上其他分析，之前主要分析相关性，而聚类分析则主要看数据最终分成几类及聚类的过程。其实最终是要根据分类的情况提出对策才是关键。至于快速聚类分析基本与分层聚类分析相似，唯一不同就是快速聚类分析的分析范围受限，不如分层聚类分数广泛，还有就是快速聚类的输出结果中，有一项输出是分析各项与最终分成的类之间的相关性检验，如果显著则说明原始数据与各类间差异大，说明分类成功，否则说明不成功。

一、图型的表现力是SPSS的主要优点之一

应该说，Excel的图型表现主要是简便，对许多的人来说基本够用，但对于科学的表现，SPSS就更为详细和准确，这一点据说在所有统计软件中都突出。

二、通过SPSS检验方差齐性和数据分布

假设检验中，采用的t检验和方差检验都需要满足二个要求，即

1．样本方差齐性

2．样本总体呈正态分布

推荐第9篇：SPSS实训心得体会（整理）

统计软件实训报告（论文）

院（系）：专业班级：学号：学生姓名：指导教师：教师职称：副教授

起止时间： 2013.12.30-2014.1.10 目录

第1部分拟定研究问题 ............................................1 1.1研究问题与研究目的 ....................................................1 1.2样本设计与指标 ........................................................1 1.3数据 ..................................................................2 第2部分研究问题的统计软件处理 ..................................3 2.1描述统计分析 ..........................................................3 2.2推断统计分析 ..........................................................4 2.3多元统计分析 ..........................................................6 第3部分研究结论及建议 .........................................20 3.1研究结论 .............................................................20 3.2建议 .................................................................20 第4部分参考文献 ...............................................24 第5部分

学生总结与成绩评定 .....................................25 第1部分拟定研究问题 1.1研究问题与研究目的

（1）研究问题：贵阳市生产总值影响因素分析。一个国家经济的发展有许多的影响因素，例如有当地居民的文化素质、工资水平、年末储蓄余额、受教育程度等，这些都会影响到一个国家的发展，但并不是每个因素都都有同等的作用或者得到同等的重视，而且每个因素还会相辅相成，不可或缺，地区的经济也是如此。生产总值既是国家经济发展的综合标志，也是一个地区经济发展的衡量指标。研究它的影响因素，也想当于研究经济发展的影响因素。

贵阳市作为贵州省的省会城市，具有代表意义，对其生产总值的影响因素进行分析，有利于了解贵阳市的经济发展现状及其经济的影响因素、各个影响因素之间的关系、影响因素之中哪些最重要，进而以此为依据可以科学合理的经济宏观调控。因此就1990年到2011年贵阳市生产总值的影响因素作为研究问题，对其进行sp分析。

（2）研究目的

生产总值是经济发展中重要的指标，而一个国家的生产总值是不同省份的生产总值构成的，不同省份的生产总值又是由各个省市的部分地区的生产总值组成的，因此对生产总值影响因素的分析具有重要的意义。对贵阳市生产总值的影响因素进行分析的目的是了解贵阳市的经济发展状况及其各个因素对贵阳市经济发展的影响程度，然后通过从分析中得出结论，然后根据结论提出一定建议。 1.2样本设计与指标

样本设计：用贵阳市1990年到2011年各指标数据作为分析样本，具体指标情况如下 1.3数据

第2部分研究问题的统计软件处理 2.1描述统计分析

2.1.1 集中趋势和分散程度的计算和分析 1.操作方法：

（1）选择analye-descriptics statistics-descriptics （2）在一级对话框中，选择需要计算的数值型变量到variables中（3）点击options,打开二级对话框，依次选择相应的输出项目（4）点击0k运行该程序附：运行程序过程图

图2-1计算描述统计量窗口

图2-2基本描述统计量选择窗口篇二：sp实验报告

《统计分析与sp的应用》

实验报告

班级：090911 学号：09091141 姓名：律江山评分：

南昌航空大学经济管理学院

南昌航空大学经济管理学院学生实验报告

实验课程名称：统计分析与sp的应用篇三：sp实训报告

系部：土木工程系

专业：工程管理

年级： 13级 _ 课程名称：应用统计学

学号：

姓名：

指导教师： 2015年 5 月 3 日

《应用统计学》sp操作实验1 2 3 4 5 篇四：sp统计实验课程总结 sp统计实验课程教学总结

一、开展sp统计实验案例教学，学生学习积极性明显提高

考虑到学生基本没有统计实验技能，本学期的统计实验课采取的是前面各个实验模块采取常规教学模式，即教师讲解与演示，学生单独练习与单独上交试验报告；后面的综合实验采取案例教学模式，即教师编写多个案例，将学生分成多个小组，小组随机抽取案例，协作完成实验报告的撰写与答辩。相对于前期常规教学模式下，学生积极性差，抄袭试验报告现象普遍，后期的案例教学模式下，学生在参与协作完成实验及试验报告的撰写、协作完成答辩的积极性明显提高。

二、制定合理的奖惩规则，促使团队协作更加有利于学生应用能力的培养团队协作，最为重要的是激发团队协作的积极性，同时避免个别学生“搭便车”不劳而获。在激发团队协作积极性方面，我们用更高分数鼓励大家担当小组组长和技术核心来解决最为棘手的问题，也鼓励各个小组竞争获取答辩资格，当然，我们也通过小组成员之间的协作情况，比如是否有着顺畅的相互帮扶，来调整小组成员的得分。在避免个别学生搭便车方面，我们对于抄袭试验报告采取严厉的处罚措施，对于不去竞争获取答辩资格的小组及其成员，不愿意甘当组长或者技术核心，试验报告撰写和答辩质量很差的小组及其成员，给与较低，甚至不及格的分数以示惩罚。

三、团队协作完成实验报告的撰写和协作通过实验报告答辩可以实现学生多方能力提高

通过团队协作完成实验报告的撰写，可以很好训练学生团队内部的协作能力，实现先学带动后学、团队内部互助提高积极作用。然而，协作完成实验报告的撰写却不容易确切知道单个学生的能力水平。于是，通过随后进行的协作实验报告答辩就可以弥补这方面的不足。具体做法是先要求各小组在实验报告中写清各成员完成的任务模块，然后在答辩的过程中，根据报告内容，随机提问或者要求演示做法。总之，团队协作完成实验报告的撰写和协作通过实验报告答辩可以将学生的团队协作能力、应用能力以及创新能力得到很好的提高。

推荐第10篇：SPSS学习心得

SPSS学习心得

本学期是我在大学学习的最后一个学期。在这个学期里，学校根据我系专业特点开设了一些专业应用性课程，其中有一门课程便是SPSS。

SPSS的中文名称是社会科学统计软件包，是世界上最早的统计软件。我们学期学习所使用的软件为英文版，起初接触时由于我英语水平问题，SPSS软件的操作让我很是头疼。但是通过对这门课程的学习，我了解到SPSS具有完整的数据输入、编辑、统计分析、报表、图形制作等功能。在日常的工作与学习中，我所接触到的数据比较多，但是我想从中获得有用的数据却很难，通过SPSS软件应用，使我处理数据的时间大幅度的缩短，另外也能客观直接的对我所需要的数据进行简单分析。

在我平日课下进行统计调查技能培训的时候，我起初分析数据所用的软件是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。

这门课程是我们这学期从始至终一直开设的课程，在课堂上我们的导师马杰老师针对各种案例对我们进行讲解，让我们了解SPSS的各种应用，在课下系内陈主任对我进行指点，让我能够利用多种SPSS的方法进行数据处理与数据分析。

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11篇：SPSS学习心得

社会调查课程学习心得

大四的时候，学过sp相关课程，初步了解到它有非常强大的统计功能，对我们的学习、工作都会有很大的帮助，所以一直想学好这门课程。通过这个学期颜老师的课，让我了解了许多，也学到了SPSS一些强大的功能，相信这对我以后，会有一定的帮助，至少等以后需要用，要再学习的时候，不至于太陌生。

平时，我们用的较多的数据分析软件是Excel。虽然使用Excel可以对数据进行透视、分类、筛选以及计算机相关系数等，但是这些操作都需要自己一步一步进行手动操作，而在使用sp软件对数据进行整理时，只需要对软件某选项内设置变量条件，系统便会自动的进行整理。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，都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。

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、方差分析、多元回归、因子分析等分析方法。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非常好的。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。

但在学习SPSS期间，也遇到了一些问题，主要是后面几章，SPSS的方差分析、线性回归分析、因子分析等。

学习因子分析的过程中，对提取出来的因子的实际含义不清晰，不能使因子具有命名解释性等。此外，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。这些问题，也许会随着对sp应用的深入，经验慢慢的积累，而得到解决。很希望能够把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。

在感慨它的方便与便捷的同时，不得不佩服软件开发者，智商实在是太高了。同时，也感谢颜老师能够对着一脸茫然的我们，耐心讲课，虽然可能没有达到老师授课的预期效果，但我们也绝不是一无所获的！此外，关于同学们说多让学生授课的提议，我觉得也挺好的，这样可以督促大家在课后多下功夫，至少自己授课的那个部分会掌握较好!

第12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

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，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

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 aumed列的t检验相伴概率值；如果方差不相等，观察Equal variances not aumed列的t检验相伴概率值。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，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

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

控

1、

Q 控

2、

Q 控 1 控

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

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、Poiion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。

2 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

（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。

2 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

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）。

第13篇：个人总结SPSS

第一章界面介绍

1、数据编辑窗口

2、结果浏览/输出窗口

3、程序编辑器窗口：语法编写

4、脚本编写窗口

系统参数设置编辑-选项

第二章数据挖掘省略

OLAP on-line analytical proceing 在线分析处理

第三章数据文件、变量与函数

数据的编辑（插入个案、插入变量）

SPSS函数即生成新变量

算数函数（软件中的“算术”）当然还包括类似计算器的简单加减乘除

统计函数（软件中的“统计量”）变异系数滞后变量最大值平均值最小值缺失数量标准差方差和累积和

我们发现主要是横向比较对一个“个案”而言所以函数式中的括号必须包含至少两个变量以上

逻辑函数（软件中的“检索”）

Any 判断

Range（变量名，下限、上限）数值型变量在下限和上限中为1 true 否则为0

时期和时间函数数值型函数

定义时间格式（软件中的“日期创建”）

DMY 日/月/年括号中（日、月、年）

XDATE.？？难点

随机变量函数（软件中的“随机数字”）

RV.分布名（参数）

缺失值函数

第四章预处理

数据编辑、整理几张在D数据和T转换两个菜单

D标题栏中分组、合并、加权等

横向/纵向合并一般是从外部加入两者进行综合

第14篇：SPSS调查报告 (3500字)

湖南大学

sp工程实训报告

题目：关于湖南大学本科生暑假规划的调查

学院名称：金融与统计学院专业班级：统计二班学生姓名：宿骐、王美超、吕芳婷、学号：2011190320

3、2011190

3213、2011190

3218、指导老师：

第一部分——sp分析原理及引言第二部分——调查方案的设计第三部分——调查结果及分析

第四部分——对本次调查的结论及相关建议第一部分——sp分析原理及引言

此次调查是针对湖南大学本科生的暑期规划问题，调查问卷共设计15个题目，分别从被调查者给各种活动安排的时间、目的及其满意程度等方面进行数据资料的收集。

我班同学组成了调查小组，对在校生的暑期规划情况进行了调查。由于调查对象范围比较大，本小组主要采用的是抽样调查的方法，共收回有效问卷100份。从性别、年级方面对被调查者个人信息进行汇总。

第二部分——调查方案的设计

一、调查方案

1、调查目的

了解学校本科生暑假的时间安排情况，如旅游、兼职、学习、休息等，并通过调查不同性别、年级的同学们的满意程度，帮助学校和家长熟悉湖大学生暑期生活，以及为同学们的暑期生活规划做出参考。

2、调查对象

全校在校本科生。

3、调查方法

我们采取了抽样和随机抽样相结合的方法，分别选择了在统计二班进行整群调查，以及在各学院和年级进行随机抽样。 4.调查方式

全体调查人员亲自到南北校区教学楼发放问卷并收集，网上制作问卷并征集答卷。 5.调查表

具体调查项目及调查表详见附录。 6.调查时间

5月25日—6月25日完成数据收集工作 7.调查人员

全体调查小组成员，共5位。 8.调查项目预算

共200份调查表，打印每张0.2元，共40元。

二、调查问卷

关于湖南大学本科生暑假规划的调查问卷

大家好，为了解同学们的暑期安排情况，我们小组研究的课题是湖大本科生的暑期规划。请帮忙填写以下问卷，谢谢！

年级_____ 性别_____ 院系_________________

1、您对自己的暑期生活是否有具体的计划安排？ a、有，且很具体 b、有，但只是方向 c、没有，顺其自然

2、您暑期打算做什么？

a、旅游 b、兼职 c、学习d、休息

3、如果旅游，您的目的是？ a、丰富阅历，增长社会经验 b、培养和提高与人交流能力

c、调剂心情以更好地投入生活学习中 d、不打算旅游

4、如果旅游，您将去往？

a、湖南省 b、外省 c、国外d、不打算旅游

5、如果旅游，您向往的主题类型是？ a、自然风光b、海滨度假 c、繁华都市

d、民俗古镇e、其他_________________

6、如果旅游，您打算花费大约多长时间？ a、1周 b、半个月 c、1个月

d、1个半月 e、2个月 f、不打算旅游

7、如果兼职，您的目的是？ a、体验生活，增加社会经验 b、锻炼自己为人处事的能力

c、增加收入，为自己和父母减轻负担 d、不打算兼职

8、如果兼职，您希望做哪些工作？ a、家教 b、餐厅服务员

c、促销员 d、与专业相关的工作 e、其他________________ f、不打算兼职

9、如果兼职，您打算花费大约多长时间？ a、半个月 b、1个月 c、1个半月 d、2个月e、不打算兼职

10、如果学习，您主要打算学习或复习什么？ a、英语培训或复习b、电脑培训或复习

c、驾校培训 d、自己感兴趣的___________________ e、不打算学习

11、如果学习，您打算花费大约多长时间？ a、半个月 b、1个月 c、1个半月 d、2个月e、不打算兼职

12、如果休息，您的目的是？ a、放松心情，调养身体 b、陪伴家人和朋友 c、在家休闲，省钱省力 d、不打算长时期休息

13、如果休息，您愿意怎样安排时间给学习？ a、每天1-2小时b、每星期1-2天

c、每月1-2星期d、不打算花时间学习e、其他_____________________

14、如果休息，您打算怎样安排时间给睡眠？ a、每天6-8小时 b、每天8-10小时

c、每天10-12小时 d、每天12小时以上

15、您对自己的暑期生活安排满意吗？ a、非常满意 b、基本满意 c、不太满意 d、不满意

谢谢配合！祝大家暑期愉快！

由此表数据可知：打算旅游的与打算做兼职的同学人数相差不多，分别占百分比24%、27%；而将假期时间主要花费在学习上的学生最多，达到了35%；与此相反，打算长时期在家休息的人数最少，只有14%。考虑到大学生暑假旅游与兼职的动机，主要即丰富阅历、增加社会经验，以及锻炼自己为人处世的能力等，学生们的选择情有可原。然而，由学习与休息的人数反差可见，作为新时代大学生，同学们依然坚持学习是自己的第一要务，此点值得欣慰。由以下关于学习内容的数据又得知，大学生的学习不再局限于课本知识，来源也趋于丰富多样化，说明大学的确是汲取知识的黄金阶段，因此，也希望同学们都能珍惜青春，抓住机遇，在大学打造出一个多功能的优秀的自己。从上面的暑期打算调查中，我们可以看到，选择旅游的同学所占的比例占总比例的很大部分。可见，同学们对旅游是比较重视的。那么，同学们又会选择去哪儿旅游呢？如表3，我们可以清晰的看到，选择外省旅游的比例高达67%，次之的是选择在湖南省游玩，有极少部分选择出国游玩，部分同学则不会出去游玩。从下面饼状图可以一目了然，选择外省的比例独占鳌头。总的来说，暑假中绝大多数同学都会选择外出旅游，而旅游的同学中又有绝大多数同学选择外省旅游。这也不难理解。一方面，同学们在长沙呆了这么久，作为地区优势，早就把湖南省可以玩的地方统统玩遍了；另一方面，就算湖南省还没有玩遍，呆在长沙的时间还很长，可以留着以后玩，趁着这个长假好好感受异区文化，体味别样风情。在外省旅游也会增长更多在课本上学不到的东西，拓展自己的见闻，丰富自己的知识面，体会不一样的文化风情，也不失为一种明智的选择。饼状图如下：

4——

既然上面分析的大部分同学都会出去旅游，那么，他们一般会选择游玩写什么地方呢？是繁华都市还是民俗古镇？是自然风光还是浪漫海滨？

不妨来看看表4。从表中所显示的比例我们可以看出，同学们的选择都倾向于自然风光和民俗古镇。从图4中更可以直观的看到。从中可以得出，同学们都倾向于比较优雅的环境去游玩而不是那些喧嚣繁华的都市。在城市生活中压抑太久，同学们为自己找了一个清新脱俗又生机盎然的旅游环境是势在必行的。一方面，同学们可以在大自然的怀抱中无拘无束的敞开自己的胸怀，放松自己的心情，感受大自然的魅力；另一方面，美丽的自然风光加上清新优雅的民俗古镇，伴着景美、人美、情美，畅玩我们这美丽的暑假，不失为一种别样的暑假选择。当然，也有少部分同学选择了阳光灿烂的海滨。

总的来说，清净、优雅、宁静、自然还是同学们旅游的主体倾向。

10——

从这次调查我们可以得出看出：

一、大部分学生都有令自己基本满意的暑期计划安排，但都只是方向而不够具体、明确；二：部分学生没有能按预期中的安排去度过暑假，主要原因是缺少自制力；

三、多数学生有着充分利用暑假的意识，懂得在学习之余，做一些兴趣之内的事，或是体验生活从而丰富阅历，但缺少一个正确的引导。因此，我们小组有以下建议： 1：在放暑假之前，老师可以根据自己的经验给学生提出建议，正确的引导学生； 2：老师可以适当布置少量暑期综合实践作业，如暑期实践论文、暑期生活总结等； 3：很多学生在暑期愿意从事一些兼职，但大学生应该在确保安全的前提下根据自己的实际情况去选择，适合大学生短期兼职的是家教和销售；

4：尽量让自己的暑期过的的充实，若无兼职、旅游、学习等计划，还可以帮家里做些家务活，就近选择一些公益组织参与志愿者活动。

第15篇：SPSS软件学习心得

误差理论数据处理分析

常见的统计软件有SAS,SPSS,MINITAB,EXCEL等。这些统计软件的功能大同小异，各有所侧重。其中的SAS和SPSS是目前在大型企业，各类院校及科研机构中较为流行的两种统计软件。特别是SPSS，其界面友好，功能强大，易学，易用，包含了几乎全部尖端的统计方法，具备完善的数据定义，操作管理和开放的数据接口以及灵活美观的统计图表制作。作为专业的统计软件，SPSS感觉比EXCEL更丰富，也更准确。

从表1中分析，抗拉强度的极小值为67.89，极大值为80.36，均值标准误差为0.86948，标准差为3,47793，方差为12.096。屈服强度的极小值为47.14，极大值为8.227。

表

2从表2中分析，回归平方和为176.469，自由度为1，均值方差,176.469，显著性为

497.056，残差平方和为4.970，自由度为14，均值方差为0.355。

表

3从表3从分析，常数量B为12.514，非标准化系数的标准误差为2.719，T值为4.602。标准系数使用版为0.986，T值为22.自变量的B值为1.196，非标准化系数的标准误差为0.054，295。

表

4图

1从散点图可以看出，抗拉强度Y与屈服强度X大致呈线性关系。人们假设Y与X之间的内在关系是一条直线，这些点与直线的偏离是实验过程中其他一些随机因素的影响而引起的。

心得体会

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，测调度，在录入（导入数据），再分析。分析并不是整个流程。

在大二快结束的学习过程中参加了SPSS的课程学习，尽管我只是大略地学习，泛泛地接触这门课程，但是对这门课的兴趣很浓。参与这次实践的经历深刻改变了我对这门课的认识。我越发感到我需要这门课程，我必须掌握这门统计技术，分析方法。这就是社会的需求，学校的标准，也是个人发展得需要。

虽然只有几周的学习时间，但我已经对该课程有了更多的了解，十分感谢黄璟老师讲解的这门课，提供了这个平台。理论加实践，为不同基础的学生提供了好的学习环境。我认为开设很有必要，应当成为重点。

现实生活中的数据多不胜数，但要得到有用的数据并不容易，这就要应用数据分析的方法确定数据的属性，再用清理工具（清洗、集成、转换、消减）进行筛选转化为有用的信息，再用SPSS深入分析，得出规律。

对数据的分析是以统计学为基础的，统计学提供了一套完整的科学方法论，统计软件则是实现的手段，统计分析软件具有很多有点。它功能全面，系统地集成了多种成熟的统计分析方法；有完善的数据定义、操作和管理功能；方便地生成各种统计图形和统计表格；使用方式简单，有完备的联机帮助功能；软件开放性好，能方便地和其他软件进行数据交换。我们接触最多的统计软件是EXCEL 和SPSS。在统计学中应用EXCEL,在数据分析中则主要是SPSS，它具有很好的人机界面和完善的输出结果。

这门课程中我们学了另外一种数据分析方法就是聚类分析。它与“物以类聚，人以群分”是同样的道理。多元统计分析方法就是对样品或指标进行量化分类的问题，它们讨论的对象是大量的样品，要求能合理地按各自的特性也就是相似性来进行合理的分类，没有任何模式可供参考或依循，即是在没有先验知识的情况下进行的。我们学习了Q型聚类法、R型聚类法以及系统聚类法。Q型聚类分析样品间的聚类，用距离来测度亲疏程度。 R型聚类分析变量间的聚类，用相似系数来测度亲疏程度。

常用的Q聚类法有闵氏距离和马氏距离，只是我们必须掌握的。具体的计算方法有最短距离法、最长距离法、重心法、离差平方和连接法等等。在最后一节课老师讲了贝叶斯理论，根据先验概率和实验事件得出后验概率，从而得出更为可信的概率。最后，这门课程就学完了，学到了很，还有很多不懂。本课程需要很好的统计和概率论的基础，要不，很难听懂或者简直听不懂。同时，老师很少强求我们及时做作业，以至于我们知识掌握不牢固，前学后忘现象严重。有时候觉得老师讲得过深，我们根本无法接受。希望老师以后讲授本课程时把难度降低一点，多给学生练习的机会。我希望在考试之前把学懂的知识巩固，把不懂得尽量弄懂，但愿以后在工作中能轻松运用。

第16篇：SPSS软件学习心得

SPSS软件学习心得

SPSS（Statistical Product and Service Solutions），名称是“统计产品与服务解决方案”软件。 SPSS软件的统计分析步骤：

（1）读入数据文件，或直接建立SPSS数据文件，或调用其它类型的数据文件，

如：Excel、纯文本文件等；

（2）调用统计分析程式或模板；

（3）选择变量，设定参数并运行；

（4）查看统计分析输出结果。

SPSS的主要功能分为两个方面：一个是对数据文件的建立和管理；另一个是提供了各种统计分析方法。对数据文件的建立和管理主要通过Data菜单和Transform菜单实现，可以对数据进行修改编辑、查找、排序、合并、分割、抽样、加权、重新编码、编秩、设定种子数及计算或转换新的变量等多种功能；提供各种统计分析方法则是通过Analyze菜单实现．可以对数据集进行一般统计分析，如描述性统计、探索性分析、t检验、单因素和多因素方差分析、协方差分析、四格表和列联表卡方检验、相关分析、线性回归分析、非参数检验、生存分析等。

特点：不需编程，完全采用菜单和对话框的操作方式，绝大多数操作过程仅靠鼠标点击即可完成，简便易学，易于操作；具备完备的统计图表制作功能，能绘制精美的统计图表，并可以极其方便地对其编辑和修饰。

应用例子：如为了科学合理的评估和开发利用河北省土壤中水分，并在不同地区因地制宜的采取相应措施，选定了干旱指数、土壤质地和植被等指数，用层次分析法，计算出每个指标的权重，利用SPSS统计软件，对河北省土壤水资源进行分类，细分为了8类，实现了有效合理地利用土壤水分。

第17篇：SPSS实验报告1

实验报告

课程名称

数据分析

实验名称

均值比较与方差分析

系别电子信息科学学院专业班级信息管理15级专升本

指导教师

学号

姓名

实验日期 2015年11月18日实验成绩

一、实验目的

1．掌握均值比较和方差分析的原理、过程和应用

2．掌握两独立样本和两配对样本的t检验的过程和结果解释 3．掌握单因素方差分析的分析过程和结果解释 4．掌握多因素方差分析的分析过程和结果解释

二、实验环境

1．硬件环境：微机

2．软件环境： Windows，SPSS Statistics 22

三、实验内容

1．数据文件GSS2004_Mod.sav中记录了男性或女性每周上网浏览网页的时间（变量WWWHR，单位小时）。用两独立样本t检验方法分析男性和女性在上网时间上是否不同。（1）原假设

男性和女性的上网时间没有显著差异。（2）参数设置

检验变量：WWW HOURS PER WEEK 分组变量：GENDER （3）操作步骤及计算结果操作步骤：

① 选择菜单：【分析A】→【比较均值（M）】→【独立样本T检验（T）】；如图1-1

图1-1

② 选择检验变量“WWW HOURS PER WEEK”到【检验变量（T）】框中。 ③ 选择总体标识变量“GENDER”到【分组变量（G）】框中。

④点击按钮定义两总体的标示值，如图1-2。其中，【使用指定值（U）】表示分别输入对应两

个不同总体的标记值。

图1-2

计算结果：

（4）结果及其解释

结果：男性和女性的上网时间存在显著差异。

解释：从独立样本鉴定的表中可以看出F检验值为15.182，对应的概率P值为0.00＜0.05，所以拒绝原假设。由于两总体方差有显著差异所以要看到“不采用相等变异数”这一列，其中T统计量的值为4.866，对应的概率P值为0.00。如果显著性水平α为0.05，由于概率P值小于0.05，所以认为量总体的均值有显著差异。并且95%置信区间不夸零，也说明了有显著差异。

2．数据文件GSS2004_Mod.sav中记录了受访者父亲和母亲的受教育情况。试用两配对样本t检验方法比较父亲的受教育情况（变量PAEDUC）和母亲的受教育情况（变量MAEDUC）是否不同。（1）原假设

父亲的受教育情况和母亲的受教育情况没有显著差异。（2）参数设置

成对变量：PAEDUC， MAEDUC （3）操作步骤及计算结果 ①选择菜单：

【分析（A）】→【比较均值（M）】→【配对样本T检验（P）】，如图2-1

图2-1 ②选择PADUC和MADUC到【成对变量（V）】框中。结果：

图2-2

图2-3

图2-4 （4）结果及其解释

结果：父亲的受教育情况和母亲的受教育与情况没有显著差异。

解释：从图2-2的平均值可以看出没有较大的差异。图2-3中对应的概率P值为.000，如果显著性水平α为0.05，则表明父亲和母亲的受教育情况有明显的线性变化，父亲和母亲的受教育情况相关性程度较强。从图2-4中可以看出，父亲与母亲的受教育情况的平均差异，仅只有0.49；95%置信区间的上下限一正一负，则表示两者接近无显著差异；最后相对应的概率P值0.494，如果显著性水平α为0.05，则接受原假设，所以父亲的受教育情况和母亲的受教育与情况无显著差异。

3．一家关于MBA报考、学习、就业指导的网站希望了解国内MBA毕业生的起薪是否与各自所学的专业相关。为此，他们在已经从国内商学院毕业并且获得学位的MBA学生中按照各专业分别随机抽取了10人，调查了这些学生的起薪情况，数据文件为MbaSalary.sav。根据这些调查他们能否得出专业对MBA起薪有影响的结论。（1）原假设

国内MBA毕业生各自所学专业与起薪情况没有显著关系。（2）参数设置观测变量：起薪控制变量：专业

（3）操作步骤及计算结果操作步骤： ①选择菜单：【分析（A）】→【比较均值（M）】→【单因素ANOVA】； ②选择观测变量“起薪”到【因变量列表（E）】框中，如图3-1；

④ 选择控制变量“专业”到【因子（F）】框中，如图3-2；

图3-1 计算结果：

图3-2 （4）结果及其解释

结果：国内MBA毕业生各自所学专业与起薪情况没有显著关系；

解释：从图3-2可以看出，F统计量的观测值为2.459，对应的概率P值为0.079。如果显著性水平α为0.05，由于概率P值大于显著性水平α，所以接受原假设，认为国内MBA毕业生各自所学专业与起薪情况没有显著关系。

4．一家连锁零售店试图对顾客的购买习惯进行调查。grocery_1month.sav记录了顾客性别、购物方式、消费额等信息。使用多因素方差分析方法分析顾客性别和购物方式对消费额有何影响。（1）原假设

不同顾客性别没有对消费额产生显著差异；不同购物方式对消费额没有显著差异；顾客性别和购物方式对消费额没有产生显著的交互影响。（2）参数设置观测变量：消费额

控制变量：顾客性别，购物方式（3）操作步骤及计算结果操作步骤： ①选择菜单：【分析（A）】→【一般线性模型】→【单变量（U）】； ②指定观测变量“消费额”到【因变量（D）】框中；

③指定固定效应的控制变量“顾客性别”和“购物方式”到【固定因子(F)】框中，如图4-1。

计算结果：

图4-2

（4）结果及其解释

结果：不同顾客性别对消费额有显著差异；不同购物方式对消费额没有显著差异；顾客性别和购物方式对消费额有显著的交互影响。解释：从图中可以看出Fgender，Fstyle，Fgender*style的概率P值分别为0.000，0.140和0.017.如果显著性水平α为0.05，由于Fgender，Fgender*style概率P值小于显著性水平α，所以应该拒绝原假设，可以认为不同顾客性别对消费额有显著差异，顾客性别和购物方式对消费额有显著的交互影响，而Fstyle概率P值小于显著性水平α，则接收原假设认为不同购物方式对消费额没有显著差异。

四、实验小结（心得体会、遇到问题及其解决方法）

第18篇：SPSS统计分析案例

一、事件

近日，教育部考试中心主任戴家干透露，今年高考的全国报名人数为946万余人，比2009年1020万的考生数减少74万人。950万人,1010万人,1050万人,1020万人,956万人„„数据显示,近5年来,前3年全国高考人数一直在攀升。2006年首次突破千万大关,2008年则达到顶峰--1050万人。去年高考人数急转直下,比上一年度减少30万人,而今年更是减少74万人,是5年来人数减少最多的年份。

戴家干表示，高考报名人数的减少，主要原因是因为我国按毛入学率计算的适龄入学人口数量在逐年下降。

大约在去年这个时候，教育部也透露了高考报名人数，随即在全国范围内，引爆了一条消息——应届高中毕业生84万弃考。这引发了持续较长时间的讨论与关注，或云大学生就业难吓跑考生，或说中国大学教育质量不高难敌国外大学竞争。今年，我很想再看教育部公布的数据，得到弃考人数消息，以作分析（一年的情况往往并不能说明问题，需多年情况），但遗憾的是，教育部却没有公布。

戴主任把报名人数减少归因于适龄人口减少，可我怎么计算，也只能得到这只是其中一方面原因。根据教育部公布的报名数，今年的考生数比去年减少74万，而再看应届毕业生数，今年（803万）比去年（834万）减少31万，两者相差43万。这43万从何而来？

二、数据统计理论

这些数据采用了统计学中普查的方式，对象为全国参加高考的学生。

为了一定的目的而对考查对象进行的全面调查，称为普查。

普查，统计调查的组织形式之一。对统计总体的全部单位进行调查以搜集统计资料的工作。普查资料常被用来说明现象在一定时点上的全面情况。如高考人数调查就是对全国报考参加高考的学生一一进行调查统计，通常一年一次，规定某个特定时点(某年某月某日某时)作为全国统一的统计时点，以反映高考人数的自然和社会的各类特征。

普查的几个特点:

1.需要规定统一的标准时间(上例为2010年高考报名截止日)

2.通常是一次性或周期性的（上例为一年一次）

3.数据的规范化程度较高

4.普查适用的对象比较狭窄，只能调查一些最基本、最一般的现象。组织普查工作必须遵循的原则：

1.必须统一规定调查资料所属的标准时点。

2.正确确定调查期限、选择登记时间。为了提高资料的准确性，一般应选择在调查对象变动较小和登记、填报较为方便的时间，并尽可能在各普查地区同时进行，力求最短时间完成；

3.规定统一的调查项目和计量单位。同种普查，各次基本项目应力求—致，以便历次普查资料的汇总和对比；

4.普查尽可能按一定周期进行，以便于研究现象的发展趋势及其规律性。

三、事件评析

以上事件只可能有两种解释，一是弃考人数增加，二是复读生人数减少。这两个数据，在教育部的账本里都有的，教育部为何不公布，只会引起舆论更多的揣测。比如，有人就推测今年的弃考数可能远高于去年的84万，理由是，如果是复读生在全国范围内大幅减少，教育部定会公布复读生减少消息，因为，这几年来，教育部一直在治理高复班，2008年当有媒体报道高考报名考生中复读生比例高达三分之一时，教育部有关官员还曾“辟谣”说复读生只占到15%。而去年教育部公布高考报名数，却泄露天机，当年的复读生达到270万，占到1020万高考考生的26%。假使那另外减少的43万，主要来自高复班学生减少，那么，教育部是可以“骄傲”地宣布高复学生减少近两成的。现在教育部没有公布这一数据，极有可能的原因是弃考的应届毕业生进一步增加，或超过百万。而这势必会引起媒体进一步关注。质疑大学生就业难、中国大学教育质量的声音会铺天盖地。教育部由此就把数据藏起来。

当然，这些都是“揣测”。我想说的是，引起这样的揣测，是教育部门的失职，而且，教育部门的做法，也违背《信息公开条例》。全民关注的高考报名数据，既非国家机密，也非商业秘密，应该向社会公开，而且公开之后有助于分

析教育发展中存在的问题，同时以便考生选择教育、选择学校——针对弃考增多，需进一步研究弃考的原因，是就业难，还是学费贵，抑或是选择境外高校，不同的原因反映出我国教育的不同问题；针对复读减少，需分析哪种原因，是平行志愿减少高分落榜可能由此减少复读需求，还是实行新课改新高考增加复读难度不再复读，还是公办高中禁办复读班增加复读开支。这不同的原因可检验不同教育政策的实施效果。

教育的发展，离不开研究。教育部门公开教育信息，不仅是本身职责使然，也是进行科学的教育决策的要求。把高考报名数据打闷包，用“适龄入学人口数量减少”归纳报名人数下降主因，这不是科学、负责的教育发展态度。这只能掩盖教育的问题，更可能酿成教育发展的危机——需要提醒的是，假如高复学生大幅减少，适龄学生数也大幅减少，高考招生人数将大于应届毕业生报考人数的局面，在不久的将来马上出现。以今年应届毕业生803万，弃考规模与去年持平（84万）计算，应届高考毕业生报考数为719万，高复学生则为227万，应届毕业生报考数只比高考招生数657万多62万（如果弃考学生增多达到100万，这一数据则为46万）。我国高校需要立即着手应对即将到来的严重的生源危机。

从上述事件可以看出，正确运用统计学原理就能分析事物的本质，抓住问题的关键，才能做到未雨绸缪,防范于未然。

第19篇：SPSS因子分析经典案例

SPSS因子分析经典案例

因子分析已经被各行业广泛应用，各种案例琳琅满目，以前在百度空间发表过相关文章，是以每到4至6月，这些文章总会被高校毕业生扒拉一遍，也总能收到各种魅惑的留言，因此，有必要再次发布这经典案例以飨读者。

什么是因子分析？

因子分析又称因素分析，传统的因子分析是探索性的因子分析，即因子分析是基于相关关系而进行的数据分析技术，是一种建立在众多的观测数据的基础上的降维处理方法。其主要目的是探索隐藏在大量观测数据背后的某种结构，寻找一组变量变化的共同因子。因子分析能做什么？

人的心理结构具有层次性，即分为外显和内隐。但是作为具有同一性的个体来说，内隐的方面总是和外显的方面相互作用，内隐方面制约着外显特征。所以我们经常说，一个人的内在自我会在相当程度上决定他的外在行为特征，表现为某些行为倾向具有高度的一致性或相关性。反过来说，我们可以通过对个体进行系统的观察和测量，从一组高度相关的行为倾向（可观测）中，探索到某种稳定的内在心理结构（潜存在），这就是因子分析所能做的。具体来说主要应用于：

（1）个体的综合评价：按照综合因子得分对case进行排序；

（2）调查问卷效度分析：问卷所列问题作为输入变量，通过KMO、因子特征值贡献率、因子命名等判断调查问卷架构质量；

（3）降维处理，结果再利用：因子得分作为变量，进行聚类或其他分析。

案例描述：

高中大家都读过吧，那是一个以成绩论英雄的时代，理科王子、文科小生是时代标签。为什么我们会将数学、物理、化学归并为理科，其他的归并为文科，有没有数据支持？今天我们将用科学的方法找到答案。

100个学生数学、物理、化学、语文、历史、英语成绩如下表（部分），请你来评价他们。

这是一个有趣的案例，你可以客观的观测到每一科目的成绩，但你可以直接看到理科、文科的情况吗？6个科目的成绩是我们观测到的外在表现，隐藏在其中的公共因子你找到了吗？如果我们针对6科目做降维处理，会得到什么结果，拭目以待。

SPSS分析过程

6科目成绩作为6个原始变量，利用SPSS进行因子分析，具体步骤请参照各因子分析教程，默认亦可，不在讨论范围之内。公共因子命名：解释的清楚、有无实际意义

经过SPSS降维，由公因子方差表看出，默认提取两个公因子，能够解释差异的81%，似乎暗合文科和理科。

我们试图通过旋转后进行因子的命名与解释，这似乎一点也不难，因子1与语文、历史、英语三科最相关，均在0.8相关度以上，因子2与数学、物理、化学相关，也基本达到0.8以上，这正好与我们经常说的文科和理科不谋而合，没有理由不这样命名。

因子得分排序：综合评价

为公共因子合理命名之后，因子分析并没有结束，一般可以将因子得分作为变量，用于后续分析步骤。

本例：100名学生按照文科和理科因子得分进行排序，可以用（语文+历时+英语）及（数学+物理+化学）平均值验证因子得分排序是否合理，同时，也可以观测因子得分为负值时是否影响排序。

第20篇：SPSS检验步骤总结

检验步骤总结：

1、t检验

2、方差分析

3、卡方检验

4、秩和检验

5、相关分析

6、线性回归

1、t检验（要求数据来自正态总体，可能需要先做正态检验）

（1）单一样本t检验

数据特征：单一样本变量均数与某固定已知均数进行比较方法：ANALYZE-COMPARE MEANS-ONE SAMPLE t TEST

（2）独立样本t检验

数据特征：两个独立、没有配对关系的样本（有专门变量表示组数）方法：ANALYZE-COMPARE MEANS-INDEPENDENT SAMPLES t TEST 注意观察方差分析结果，判断查看的数据是哪一行！

（3）配对样本t检验

数据特征：两个不独立的，有配对关系的样本（没有专门变量表示组数）方法：ANALYZE-COMPARE MEANS-PAIRED SAMPLES t TEST 不需要方差分析结果

检验步骤：

（1）正态性检验1（有同学推荐，老师没有强调，但依据理论应进行）（2）建立假设（H0：。。。。来自同一样本。 H1：。。。。不来自同一样本）（3）确定检验水准

（4）计算统计量（依据上面不同样本类型选择检验方法，注意独立样本t检验要先注明方差分析结果）

（5）确定概率值P （6）得出结论

2、方差分析（要求数据来自正态总体，可能需要先做正态检验）

（1）单因素方差分析

数据特征：相互独立、来自正态总体、随机、方差齐性的多样本（有专门变量表示组数，且组数大于2）

方法：ANALYZE-COMPARE MEANS-ONE WAY ANOVA 注意需要在options 里面选择 homogeneity variance test 做方差分析符合方差齐性才可以得出结论！（>0.1）

（2）双因素方差分析 1 正态性检验方法：analyze-explore-plot里面选择normality test 数据特征：有三列数据，1列是主要研究因素，1列是配伍组因素，1列是研究数据。方法：GENERAL LINEAR MODEL-UNIVARIATE （注意选择model里的custom，type是main effect，注意把两个因素选择为fixed factor）

检验步骤：

（1）正态性检验（有同学推荐，老师没有强调，但依据理论应进行）（2）建立假设（H0：。。。。来自同一样本。 H1：。。。。不全来自同一样本或全不来自同一样本）

（3）确定检验水准

（4）计算统计量（依据上面不同样本类型选择检验方法，注意单因素方差分析要先注明方差分析结果）

（5）确定概率值P （6）得出结论

3、卡方检验

（1） Crotabs 数据特征：单个或多个样本率的比较。加权数据有三列数据，注意将最后一列数字加权（其不参与运算，仅是说明前两列数据的数量）。不加权数据有两列。其中运算列中通常第一列表述组数，可以大于二；第二列表述阳性或阴性，通常为1或2。

检验方法：ANALYZE-DESCRIPTIVE STASTICS-CROSS TABS-注意加选statistics里面的chi-square复选框

得到检验结果后，根据样本量以及每框的数据选择查看的数据行（详见课件）如果要看有无线性趋势，直接查看linear行

（2）非参数检验

数据特征：如果针对的是明确两种检测疾病手段的差异性，那么两种手段的阳性结果都要被剔除，此时选择非参数检验（具体理论不详）

检验方法：NONPARAMETIC TESTS- TWO RELATED SAMPLES- 勾选MC MEAR复选框

检验步骤：

（1）建立假设（H0：。。。。来自同一样本。 H1：。。。。）（2）确定检验水准（3）计算统计量（注意cro tabs检验依据样本量以及单元格数据大小选择适宜的数据读取）

（4）确定概率值P （5）得出结论

4、秩和检验

T检验以及方差分析中，不满足条件的资料，可以进行秩和检验即非参数检验获得结论（参数检验以及非参数检验范围详见课件），依据特征可以分为4类（1）两独立样本数据特征：两列，类似独立样本T检验，一列表明组数，一列是数据检验方法：NONPARAMETIC TESTS-2 INDEPENDENT SAMPLES-复选框勾选KOMOLGOROV （2）两配对样本

数据特征：两列，类似独立样本T检验，分别是不同组数据

检验方法：NONPARAMETIC TESTS-2 related SAMPLES-复选框勾选wilcoxon （3）多组独立随机样本

数据特征：两列，类似单因素方差分析

检验方法：NONPARAMETIC TESTS-k INDEPENDENT SAMPLES-复选框勾选 Krushal—Wallis H （4）多组配对样本

数据特征：多列，1列说明分组，其余多列都为数据

检验方法：NONPARAMETIC TESTS-k related SAMPLES-复选框勾选Friedman

检验步骤：

（1）建立假设（H0：。。。。来自同一样本。 H1：。。。。）（2）确定检验水准（3）计算统计量（4）确定概率值P （5）得出结论

5、相关分析

（1）制作散点图：

数据特点：双变量，两列数据

方法: graphs------scatter，可利用双击左键方式选择绘出相关直线

（2）双变量（正态分布且连续）相关性分析：

数据特点：双变量，两列

计算方法：一定要检验正态性，首先对两者进行正态性检验，两个正态结果 CORRELATE-BIVARIATE-勾选Pearson

（3）等级资料相关性分析：

数据特点：明显等级资料，三列（一列是编号，但不入计算） CORRELATE-BIVARIATE-勾选spearman

（4）双变量（非正态。。。）

数据特点：检验后非正态 CORRELATE-BIVARIATE-勾选kendall 检验步骤：非等级资料：

（1）正态性检验（2）计算相关系数r （3）建立相关系数的假设检验（H0：p=0, 两变量间无直线相关关系H1：p≠0，两变量间有直线相关关系）

（4）确定检验水准（a=0.05）

（5）计算统计量（其实表中会直接给出）（6）确定p值

（7）得出结论等级资料：

（1）计算相关系数r （2）建立相关系数的假设检验（H0：p=0, H1：p≠0，）（3）确定检验水准（a=0.05）

（4）计算统计量（其实表中会直接给出）（5）确定p值（6）得出结论

6、一元线性回归（需建立拟合方程）（是否需要正态检验、相关分析铺垫？）

数据类型：类似相关分析

计算方法：regreion-linear-勾选好后，选enter模式拟合步骤：

1）计算回归系数（系数表内看，通常

2）对回归系数b进行假设检验（系数表内，最后1列）

3）建立回归方程（系数表内）

yabx或y01x4）评价回归方程（模型汇总表内R2）

《spss学习心得体会.doc》

将本文的Word文档下载到电脑，方便收藏和打印

推荐度：

点击下载文档

spss学习心得体会

推荐第1篇：SPSS学习心得体会

推荐第2篇：SPSS学习心得体会

推荐第3篇：SPSS课程学习心得体会

推荐第4篇：SPSS学习感想

推荐第5篇：SPSS学习总结

推荐第6篇：SPSS课程学习感悟

推荐第7篇：SPSS学习报告总结心得

推荐第8篇：SPSS课程学习感悟(交)

推荐第9篇：SPSS实训心得体会（整理）

推荐第10篇：SPSS学习心得

相关推荐