京公网安备 11010802034615号
经营许可证编号:京B2-20210330
用excel完全可以代替SPSS软件
市场研究界习惯使用SPSS软件进行统计计算与分析,大家都说效果非常不错。当年刚刚创业时,我们也慕名准备使用该软件。到同行处去看了一下,不仅英文多,而且与Window不兼容(当时是这样),对于我们这些离不开微软程序的人来说,这样的学习成本太高了。后来,深入研究了一下excel程序,发现微软实在是优秀的软件公司,使用excel程序完全可以替代SPSS程序。

一、 excel中的统计函数
除了轻而易举的四则运算之外,在excel中有专门的统计函数栏目(点击插入-函数-统计),包括∶中位数(MEDIAN)、众数(MODE)、方差(DEVSQ)、标准差(STDEV)、频率(FREQUENCY)、置信区间(CONFIDENCE)、最大值(MAX)、最小值(MIN)等等,看一看帮助说明操作起来很容易。
如果一下找不到想要的函数,也不难,可以根据公式让excel计算。我不喜欢记公式,就去查一下书,然后把常用的一些统计公式做到excel某个文件中。比如,为计算应调查的样本数量,做出下表∶
1、重复抽样
概率度t
标准差σ
极限误差△
样本总数N
样本数n
B3
C3
=B3^2*C3^2/D3^2
2、不重复抽样
概率度t
标准差σ
极限误差△
样本总数N
样本数n
B5
C5
D5
E5
F5
=E5*B5^2*D5^2/(E5*D5^2+B5^2*D5^2)
等等。上表中B3、C3等符号是为了说明空格的位置才加上去了,在excel中看不到,在相应的位置输入实际的数据结果就会自动算出来。当然,用vb的frame控件来编个程序也可以,但好像太浪费大脑与电脑资源了,这样的函数已经足够解决我们的问题。其它很多统计计算用函数也可同样处理。
二、 统计数据分析
1、分析工具库加载宏
SPSS中的回归分析,在excel“工具”中也用(见本人的博客“利用excel提高工作效率”),用数组公式也可以,步骤如下∶
A. 选定数组公式输入区域
B. 输入公式
C. 按ctrl+shift+enter完成
2、聚类分析等
充分利用excel中的“筛选”、“排序”即可,在“数据”菜单中,具体操作方法请看“帮助”。在excel中做交叉分析时,可以使用“筛选”,数据的个数数字会显示在excel文件的下方。当然,如果要做大量的交叉分析,这样的办法还是很不方便的,不够自动化,很多数字要靠手工记录,这个时候,就要辛苦一些,用vb语言做一下程序了(不要怕,vb语言就是为非专业人士准备的程序语言,操作思路见本人的博客“利用excel提高工作效率”。
3、各种统计检验
在excel中,还有成对双样本均值分析、t检验:双样本等方差假设、F检验:双样本方差分析等,能够大大提高统计结论的科学性。
三、 用宏语言安排统计工作
在SPSS中,使用者没有什么自由度,完全受到人家事先编好程序的控制,遇到一些临时出现需要特别处理的问题十分被动,不妨尝试一下在Window中用vb语言编一些程序吧。我做交叉分析就用了vb语言,就是用循环句(for)而已,让统计结果自动汇总显示在数据库的某一处。当然,为了提高程序的运行速度,建议尽量利用Window本身已有的功能。比如,我会让程序先对数据库进行排序,然后利用Window已有的“筛选”功能提高计算的速度,这样,运行效率提高了很多。即使不懂这些所谓的技巧也没有关系,大不了让电脑累一些就是了,你自己可以放松一下,多一些伸懒腰的时间。
数据库的汇总统计用countif函数也可以,但太笨,如果你经常做统计工作,建议将工作“录制宏”,并进行一些改编,这样,一点击鼠标,数据的统计结果就自动出来了。这还不够,我还让excel根据统计结果自动作图,自动将统计数据库及图标拷贝到Word中(因为我们总是在Word中写分析报告)。
我们的问卷一般都录入在Word文件中,我们设置的excel数据统计程序显示的选项都是数字,没有把汉字选择项表示出来。一开始,我们都是从Word中一点一点把文字拷进excel表格中的相应位置,后来,我觉得如果已经在电脑中输入过一次,就不应该为此做第二次的手工工作,就编了一个小程序,Word中的汉字就可以直接自动拷贝到excel中来了,省了很多手工劳动。
四、 其它,象制图之类的工作,excel也相当出色,没有必要劳驾SPSS。
总之,Office实在是太强了,在电脑办公方面有绝对的垄断性,好好用它,就可以不理睬许多其它的电脑软件,大大提高我们的工作效率,降低自己的学习与时间成本。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02