第五章 數據文件的合並與拆分
添加變量
多個數據文件的合並
變量的合並
練習：
1.將帶權重的問卷錄入數據.sav中的權重變量添加到問卷錄入數據(整理后).sav文件中，並盡量保留數據。
操作流程：數據——合並文件——添加變量
2. a.Sav包括了id號為偶數的5位受訪者的性別、年齡和身高，c.sav則提供了4位受訪者的體重，將
數據c.sav中的變量添加到a.sav中。（a是非活動集，c是活動集）
合並個案
查看數據，右鍵單擊，點擊描述統計數據，然后
練習：
1.給定兩個數據文件9月3日商品訂購明細.sav和9月4日商品訂購明細.sav，現在需要將兩日的商品訂購明細合並到一個數據集中。
2.將用戶信息.sav中的變量添加到9月3日商品訂購明細.sav中，並保留9月3日商品訂購明細.sav中的全部數據。
多個數據文件的拆分
主要內容：有時需要將一個數據文件分解，比如按照地區分析產品的銷售情況，或者按照性別分析男女生的得分情況。
步驟：數據---拆分文件
案例文件：分類匯總練習某企業職工信息.sav
注意事項：數據的拆分並沒有將總的文件拆分成幾個分文件，而是在總文件中層次分明地顯示出分文件。
SPSS預分析
SPSS預分析是進行其他統計分析的基礎和前提。
通過基本統計方法的學習，可以對要分析數據的總體特征有比較准確的把握，從而有助於選擇其他更為深入的統計分析方法。
第一章 頻率分析
第二章 探索分析
第三章 相關分析
第一章 頻率分析
連續變量的頻率分析：研究數值型數據
分類變量的頻率分析：研究分類數據/順序型數據
分類變量的頻數分析
分析被調查者“所在的城市”和“性別”的頻數分布調研數據.sav
分析被調查者“職業”和“婚姻狀況”的頻數分布調研數據.sav
在輸出文件進行 圖形編輯 雙擊
選着標簽，按首字母順序排列
選着統計按 頻數大小排列
選着值 是按值標簽排列的 例如 北京-1；上海--2
連續變量的頻數分析
連續變量的統計描述從以下的幾個方面：
集中趨勢：大部分數值集中到某區間的趨勢
離散趨勢：數值向兩邊分散的趨勢
分布形狀（是否對稱，分布曲線的形狀）
分布特征（單、雙峰，有無極端值等）
集中趨勢：中位數、眾數、平均值 離散趨勢：全距、方差和標准差、四分位與百分位 分布趨勢：正態分布
集中趨勢
中位數、眾數
離散趨勢：
全距
定義：全距也稱為極差，是數據的最大值與最小值之間的絕對差。
在相同樣本容量情況下的兩組數據，全距大的一組數據要比全距小的一組數據更為分散。
計算公式：最大值－最小值。
四分位數與百分位數
練習
分析被調查者“周歲年齡”的最大值／最小值／平均值／眾數／中位數／標准差／百分位數
數據：調研數據.sav
正態分布描述指標
標准化的作用：統一量綱
3σ原則為
在正態分布中σ代表標准差,μ代表均值。x=μ即為圖像的對稱軸 3σ原則為 數值分布在(μ-σ,μ+σ)中的概率為0.6827 數值分布在(μ-2σ,μ+2σ)中的概率為0.9545 數值分布在(μ-3σ,μ+3σ)中的概率為0.9973 可以認為，Y 的取值幾乎全部集中在(μ-3σ,μ+3σ)區間內，超出這個范圍的可能性僅占不到0.3%.
標准化Z分數：在（-3,3）區間內
看某個數值型字段是否有異常值
例如：求年齡的標准化操作：
年齡異常值：
異常值處理-首先變成缺失值-再替換
再做缺失值的替換
偏度和峰度
右偏，平均值>中位數>眾數
左偏，平均值<中位數<眾數
第二章 探索分析
定義：調用此過程可對變量進行更為深入詳盡的描述性統計分析，故稱之為探索分析。
它在一般描述性統計指標的基礎上，增加有關數據其他特征的文字與圖形描述，顯得更加細致與全面，有助於用戶思考對數據進行進一步分析的方案。
案例：
CCSS_Sample.sav, 用探索過程考察不同城市受訪者年齡的分布情況。
莖葉圖說明
比如第二行的數字： 1 | 0 5 6 9， 它們代表數據集中有10、15、16和19四個數字。 可以這樣理解莖+葉=實際的數值，如 1|0 5 6 9 中莖值為1，葉值為 0、5、6和9共四個葉值。
箱線圖
交叉列聯表分析
定義：前面的分析都是對單個變量的數據分布情況進行分析。
但在實際分析中，還需要掌握多個變量在不同取值情況下的數據分布情況，從而進一步深入分析變量之間的相互影響和關系，這種分析就稱為交叉列聯表分析。
用於兩個或兩個以上分組變量之間的關聯關系。
研究問題：
不同性別的婚姻狀況，數據調研數據.sav
操作流程：分析——描述統計——交叉表
練習：
CCSS_Sample.sav，希望了解受訪者的性別和學歷交叉頻數分布及百分比情況。
0.152>0.05 接受0假設；得出性別和學歷沒有關系
多選項分析
1．多選項二分法（Multiple Dichotomies Method）
2．多選項分類法（Multiple Category Method）
第三章 相關分析
假設檢驗
假設檢驗 1、假設 2、檢驗
Step1、列出原假設，並默認原假設（無效假設）成立。
Step2、在原假設的條件下抽取樣本，利用樣本驗證原假設的正確性。
相關分析的方法原理：
分析步驟一般為： 繪制兩個變量的散點圖； 計算變量之間的相關系數； 相關系數的顯著性檢驗。 SPSS相關系數檢驗的原假設為： H0:|𝜌| =0 ，兩變量間無直線相關關系
高度相關>0.8 中度相關0.5-0.8
在說明變量之間線性相關程度時，根據經驗可將相關程度分為以下幾種情況：
若|r|≥0.8 時，視為高度相關；
若0.5≤|r|＜0.8 時，視為中度相關；
當0.3≤|r|＜0.5時，視為低度相關；
當|r|＜0.3時，說明變量之間的相關程度極弱，可視為不相關
相關系數：
表示變量間關系的密切程度，如果一個變量的取值發生變化，另外一個變量的取值也相應發生變化，則這兩個變量有關。
分類變量-有序變量-度量
分類變量（Nominal/Categorical Variable）
分類變量，有時候也被稱為名義變量，一般指兩個及以上的分類，但是本身沒有等級順序之分。
舉個栗子，性別就是一個只有兩個分類的變量（男同學和女同學）
有序變量（Ordinal Variable）
有序變量是指分類數大於等於3，且類別之間存在序次關系的響應變量。
在對此類資料進行統計分析的過程中，我們發現，有序變量的“類間距”並不相等，也就是各類型之間的稀疏程度並不是均勻的。
高 中 低
小學、中學、大學、研究生
度量-數值類型
散點圖：呈現變量間的關聯程度
如果對變量之間的相關程度不需要掌握得那么精確，可以通過繪制變量的相關散點圖來直接判斷。
雙變量相關分析案例：
案例文件 ：CCSS_Sample.sav，利用相關分析考察總信心指數與家庭月收入S9的相關性。
0.128>0.05 拒絕零假設 接受備選假設 即：信心指數與家庭月收入S9的相關性
偏相關分析案例：
案例文件 ：CCSS_Sample.sav，前面的分析知道，家庭月收入對總信心指數是有影響的，
那么現在控制家庭月收入S9對總信心指數影響的前提下，考察總信心指數和年齡的相關性。
1111