
SPSS科普 | 统计描述
统计描述的目的就是了解数据的基本特征和分布规律,为进一步合理地选择统计方法提供依据。常用的有Frequencies、Descriptives
和Explore过程。
一、Frequencies过程
该过程用于产生数据的频数表,输出描述集中位置、离散趋势及分布形状等的指标,并能给出百分位数、绘制频数图等。
操作步骤:依次点击分析---描述统计---频率(图1),激活Frequencies对话框(图2)。将需要进行统计描述的变量从左侧变量框选至右侧变量框(以身高为例),点击“统计量”按钮,弹出图3对话框,根据需要勾选,通常选择“均值、标准差、最小值、最大值、偏度、峰度”,点击“继续”回到Frequencies对话框,点击“图表”,弹出图4对话框,选择“直方图”,并勾选“在直方图上显示正态曲线”,点击“继续”回到Frequencies对话框,点击“确定”按钮,即输出统计结果图5、6、7。
图1 激活Frequencies对话框
图2 Frequencies对话框
图3 统计量对话框
图4 图表对话框
结果解释:图5给出了样本量、均数、标准差、最大值、最小值和峰度等;图6为频数表,图7为相应的直方图,由于结果简单,易于理解,不再赘述。
图5 统计量
图6 频数表
图7 直方图
二、Descriptives过程
该过程对数值变量进行一般性的描述。其对话框与Frequencies类似。
操作步骤:依次点击分析---描述统计---描述(图8),激活Descriptives对话框(图9)。将需要进行统计描述的变量从左侧变量框选至右侧变量框(以年龄为例)。点击“选项”按钮,弹出图10对话框,根据需要勾选,通常选择“均值、标准差、最小值、最大值”,点击“继续”回到Descriptives对话框,点击“确定”按钮,即输出统计结果图11。因结果简单,不再解释。
图8 激活Descriptives对话框
图9 Descriptives对话框
图10选项对话框
图11 Descriptives结果
三、Explore过程
该过程使用描述性统计量和图形对变量进行探索性分析,还可以按照某个变量分组后描述其他变量的属性,可以快速获取资料的基本信息,为下一步选择统计分析方法提供依据。
操作步骤:依次点击“分析---描述统计---探索”激活Explore对话框(图12)。将需要描述的变量选至右侧因变量列表(以SAS得分为例),将分组变量选至因子列表(以性别分组),将编号选至标注个案。点击“统计量”按钮,弹出图13对话框,勾选“描述性、界外值、百分位数”,点击“继续”回到Explore对话框,点击“绘制”,弹出图14对话框,选择“按因子水平分组”、“直方图”、“带检验的正态图”,点击“继续”回到Explore对话框,点击“确定”按钮,即输出统计结果图11。
结果解释:SPSS首先给出按照性别分组情况(男、女各自样本量及所占比例)、描述性统计量、百分位数以及5个最大和最小值,因结果简单易懂,故不再截图展示;还显示正态检验的结果图15,红圈所示P>0.05说明服从正态分布,如果P<0.05,说明不服从正态分布;另外还有直方图、正态Q-Q图均显示正态分布情况,篇幅限制,不再截图。
图12 Explore对话框
图13统计量对话框
图14绘图对话框
图15 正态性检验结果
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在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26