
在SPSS中做描述统计并输出三线表
简单来说,这篇文章的主要内容是关于如何从如下图1得到如下图2 的:
(图1 问卷调查结果数据表)
(图2 描述统计结果三线表)
现在来分析一下,从图1到图2,这个过程我们需要做什么:
图1是在进行问卷调查后采集到的数据经过录入整理后得到的表格《问卷与量表数据分析》已经上线网易云课堂,有需要的同学可点击阅读原文查看课程。
图2是经过spss进行分析,在通过Excel,Word进行整理得到的三线表,这种格式的三线表一般是学术论文所需要的。
我们要做的是用spss对三个连续型变量(数值型变量)做描述性统计分析,具体要分析的指标是,这三个变量的平均值,标准差,峰度系数,偏度系数,以及得分率(有一部分人没有回答问题,因此需要统计有多大比率的人回答了该问题,要统计得分率)。
先通过【分析】-【描述统计】-【频率】菜单,查看数据的缺失情况,菜单面板如下,注意我们什么也不勾选。
然后就得到如下的三个变量的缺失情况统计,可以发现总的记录数应该是158个,也就是说参与本次调查的人有158个,这里可以直接计算出得分率(有效/158 * 100%,这种简单的计算,我们可以把spss输出结果复制到Excel中来进行计算)
然后通过【分析】-【描述统计】-【描述】,菜单来获取这三个变量的其它统计量,如下图所示,把我们感兴趣的统计量勾选,然后点击【确定】。
这是上述操作结果后生成的表格,和我们前面看到的那种三线表还不一样。大多数人写论文或者写分析报告都是使用Word,因此我们先把这个表格复制到Excel中,进行进一步格式调整,删减没必要的内容。
我们在Excel里面调整成如下格式:
再把结果复制到Word中,进行最后的调整,得到如下图所示的成果:
最终效果是这样的:
你会发现整个过程,不仅仅使用到spss,也是用到Word,Excel这两个工具,有的初学者以为,只要给spss喂入一些数据,然后点点菜单,就得到了他所需要的表格,如果你只是做普通的分析,没有写报告,写论文的需求,这当然可以,但是如果你需要精美的输出结果,那还是需要花些时间和精力去学一些工具的使用,综合这些工具,才能得到自己想要的结果,毕竟spss只是一个统计分析工具。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10