实例操作复习.pptxVIP

实例操作复习数据的分布特征数据的集中趋势1、定性数据的集中趋势 众数（Mode） ： 是一组数据中出现次数最多的数值。 中位数（又称中值，Median）：当变量值的项数N为奇数时，处于中间位置的变量值即为中位数；当N为偶数时，中位数则为处于中间位置的2个变量值的平均数。数据的分布特征2、定量数据的集中趋势 算术平均数：是指在一组数据中所有数据之和再除以这组数据的个数。 加权平均数：即将各数值乘以相应的权数，然后加总求和得到总体值，再除以总的单位数。例：学生总成绩的计算，平时20%，期中30%，期末50%。加权平均值 =( 80*20% + 90*30% + 95*50% )/(20%+30%+50%）=90.5算术平均值(80 + 90 + 95)/3 = 88.3数据的分布特征2、定量数据的集中趋势 截尾平均数：截尾均值是指在一个数列中，去掉两端的极端值后所计算的算术平均数，也称为切尾均值。 几何平均数（geometric mean）：是指n个观察值连乘积的n次方根。主要用于平均发展速度的计算。且只适用于比率数据。数据的离中趋势全矩，也称极差。是一组数据中最大值与最小值之差。四分位差：四分位差反映了中间50%数据的离散程度，其数值越小，说明中间的数据越集中；其数值越大，说明中间的数据越分散。平均差：数组中每一个数与均值之差的绝对值的均值。方差：统计中的方差（样本方差）是各个数据分别与其平均数之差的平方的和的平均数。标准差：标准差是方差的算术平方根。标准误：标准误用来衡量抽样误差。标准误越小，表明样本统计量与总体参数的值越接近，样本对总体越有代表性，用样本统计量推断总体参数的可靠度越大。因此，标准误是统计推断可靠性的指标。例1，请构建表1-2的SPSS数据库表1-2某授课小组人员信息姓名name性别sex身高height体重weight年龄age血型bloodtype李国梅女1684820A程丽女1675419B杨玲女1605819AB王磊男1786021O要求：1、让1=男，2=女 2、让1=A，2=A 3=AB，4=O数据合并实例解析例2.5 将“2-4 未标题4 数据保存”与“2-5 未标题”数据进行合并。例2.6 将“2-4 未标题4 数据保存”与“2-6 Untitled 2” 数据进行合并。数据拆分实例解析例2.7：将职员的按性别、年龄进行拆分， 见 “2-7 拆分数据.sav”数据。数据排序实例解析例2.8 将职员的工资按职工号和职称，见“2-8 排序数据.sav”。 要求:职工号按升序、职称要降序。分类汇总实例讲解例2.9：以性别作为分组变量，对职员的工资和年龄的均值进行汇总。见数据“2-9汇总数据.sav”15-4.sav。数据加权实例解析例2.10将人数进行加权，例见“2-10加权数据.sav”重复数据查找实例讲解例2.11：查找2-11重复数据.sav中的重复数据。个案选择实例讲解例2.12：选择工资大于1800元人员进行分析；见例2-12.sav。计算变量实例讲解例2.13：计算某班男生，每位同学的平均成绩，见2-13计算新变量.sav。变量值重新编码实例讲解例2.14：为了解某班男生的平均成绩情况，将他们的平均成绩分为4个档次 ，80分以上的为“优秀=1”、70-80分的为“良好=2”、 60-70分的为“中等=3”，60分以下的为“差=4”。数据见“2-14重新编码数据.sav”。要求同时使用该数据“重新编码相同变量”和“重新编码不同变量”频率统计分析实例讲解例3.1：从某单位职工体检资料中获得101名正常成年女子的血清总胆固醇 （mmol/L）的测量结果；见“胆固醇.sav” 。描述统计分析实例讲解例3.2：分析不同性别演员获得奥斯卡的年龄差异性；见“演员.sav” .探索统计分析实例讲解例3.3:分析中国南北城市的温度差异；见“南北差异温度.sav” .SPSS报告模块含5种功能（1）代码本：用于反映数据库中变量属性特征信息（2）OLAP立方：按照一个或者多个分组变量所分的组，计算目标变量（需为定量变量）的总值、均值以及其他基本统计量；（3）个案汇总：主要用于按照指定的分组变量统计分析不同水平的交叉汇编，对变量进行记录列表，并计算相应的统计量；（4）按行汇总；（5）按列汇总：用于生成复杂报表，它们均可对输出的表格进行精确的定义，以满足用户的不同需求。实例操作例4.1：现测量某人群性别、民族、身高和体重数据，数据格式如图4-5所示。请运用“代码本”进行文件及变量属性特征进行描述。依然以例4.1为例，现对4-1.sav数据进行OLAP立方分析。性别、年龄、身高、体重依旧以例4.1为例，对不同性别个案的“身高”和“体重”进行汇总。T检验5.1 均值（Means）过程例5.1：比较不同性别