SPSS 统计分析基础教程

第一部分：初识 SPSS

什么是 SPSS？

SPSS (Statistical Package for the Social Sciences)，即“社会科学统计软件包”，是当今世界上最流行、最易上手的统计分析软件之一，尽管名字里有“社会科学”，但它被广泛应用于市场研究、医学、金融、教育学、政府等各个领域。

• 优点：
  • 图形用户界面：无需编写代码，通过点击菜单和对话框即可完成复杂分析，对非程序员极其友好。
  • 功能强大：涵盖了从描述统计到多元回归、因子分析、聚类分析等几乎所有常用统计方法。
  • 数据管理便捷：提供了强大的数据编辑和转换功能。
  • 结果输出清晰：分析结果以表格和图表形式清晰呈现，易于理解和导出。

SPSS 的主要窗口

启动 SPSS 后，你会看到几个核心窗口，理解它们是掌握 SPSS 的第一步。

• 数据编辑器：

  • 这是 SPSS 的核心窗口，也是你直接操作数据的地方。
  • 它包含两个视图标签：
    • 数据视图：看起来像 Excel 表格，行代表个案（如一个被访者、一个病人），列代表变量（如性别、年龄、分数）。
    • 变量视图：用于定义和编辑变量的属性，你需要设置每个变量的名称、类型、标签、值标签、度量标准等。（这是初学者最容易忽略但又至关重要的一步！）

• 输出查看器：

  • 当你运行任何分析后,结果会自动显示在这个窗口中。
  • 它包含两个部分：
    • 大纲视图：左侧是所有输出结果的导航树，方便你查找和管理。
    • 内容视图：右侧是具体的分析表格和图表。
  • 你可以在这里编辑、保存、导出你的分析结果。

• 语法编辑器：

  • 这是一个可选但非常强大的窗口,它允许你通过编写 SPSS 语法（类似于代码）来执行分析。
  • 优点：可以重复执行复杂的分析流程、实现批处理、记录你的每一步操作，对于研究和学习非常有帮助，初学者可以先不深究，但了解其存在很重要。

第二部分：数据准备与管理

在进行分析之前,数据准备工作是至关重要的一步，俗话说“Garbage in, garbage out”（垃圾进，垃圾出）。

定义变量 (在“变量视图”中)

假设我们有这样一个数据集,需要录入 10 名学生的“姓名”、“性别”、“年龄”和“数学成绩”。

在 变量视图 中，你需要这样定义：

• 变量名：必须以字母开头，不能有空格，建议用英文。
• 类型：常用“数值”和“字符串”。
• 变量的详细说明,在结果中会显示，让报告更清晰。
• 值：（关键！） 对于分类变量（如性别），用数字代表类别，并在此处定义标签。1=男, 2=女，这样在分析时，SPSS 会自动使用“男/女”，而不是“1/2”。
• 度量标准：告诉 SPSS 变量的类型，影响后续图表和分析的选择。
  • 度量：连续性变量，如年龄、身高、成绩。
  • 有序：有顺序的分类变量，如学历（高中<本科<硕士）。
  • 名义：无顺序的分类变量，如性别、血型、颜色。

数据录入

切换到 数据视图，像在 Excel 中一样，一行一个学生，一列一个变量，录入数据，对于“性别”列，直接输入 1 或 2 即可。

数据清洗与转换

• 排序：数据 -> 排序个案，可以按某个变量升序或降序排列。
• 拆分文件：如果你想按“性别”分别计算男女的平均成绩，可以先拆分文件。数据 -> 拆分文件，选择“按组组织输出”，并将“性别”选入。
• 选择个案：如果你想只分析“年龄大于20岁”的学生。数据 -> 选择个案，选择“如果条件满足”，然后输入 Age > 20。
• 计算变量：根据已有变量创建新变量，想创建一个“是否及格”的变量（及格线60分）。转换 -> 计算变量：
  • 目标变量：输入 Pass。
  • 数字表达式：输入 Score >= 60。
  • 点击“..”，设置条件 Score >= 60 的值为 1，否则为 0。
• 重新编码：将变量的值进行转换，想把年龄分组。转换 -> 重新编码为不同变量，将“年龄”选入，输出新变量名如 AgeGroup，然后设置分组规则（如 20-25, 26-30 等）。

第三部分：核心统计分析

数据准备好后,就可以开始进行分析了，大部分分析功能都在 分析 菜单中。

描述性统计

目的是了解数据的基本情况。

• 频率分析：适用于分类变量，查看各类别的频数和百分比。

  • 路径：分析 -> 描述统计 -> 频率
  • 应用：分析“性别”的分布情况，计算男女各有多少人，占比多少。
  • 勾选：显示频率表，在 统计量 中可以勾选 均值、中位数、标准差 等。

• 描述：适用于连续性变量，计算均值、标准差、最大值、最小值等。

  • 路径：分析 -> 描述统计 -> 描述
  • 应用：计算“年龄”和“数学成绩”的平均值、标准差等。

• 探索：提供更详细的描述统计，包括茎叶图和箱图，用于检查数据分布和异常值。

  • 路径：分析 -> 描述统计 -> 探索
  • 应用：详细检查“数学成绩”的分布情况，看是否正态，有无极端值。

推断性统计

目的是通过样本数据推断总体特征,检验假设。

A. t 检验

用于比较两组样本均值是否存在显著差异。

• 独立样本 t 检验：比较两个独立组的均值。

  • 路径：分析 -> 比较均值 -> 独立样本 t 检验
  • 应用：比较男生和女生的数学成绩是否存在显著差异。
  • 关键步骤：
    1. 将“数学成绩”放入 检验变量。
    2. 将“性别”放入 分组变量。
    3. 点击 定义组，输入 1 和 2（代表男女）。
    4. 看结果：首先看“Levene's 方差等同性检验”的 Sig. 值。> 0.05，说明方差齐性，看第一行（假设方差相等）的结果；< 0.05，说明方差不齐，看第二行（假设方差不相等）的结果，再看 t 检验的 Sig. (双侧) 值，< 0.05，则认为两组均值差异显著。

• 配对样本 t 检验：比较同一组对象在两个不同时间点或两种不同条件下的均值。

  • 路径：分析 -> 比较均值 -> 配对样本 t 检验
  • 应用：比较同一批学生“期中考试”和“期末考试”的成绩是否有显著进步。

B. 方差分析

用于比较三组或以上样本均值是否存在显著差异。

• 单因素方差分析：比较一个分类变量（自变量）对连续性变量（因变量）的影响。
  • 路径：分析 -> 比较均值 -> 单因素 ANOVA
  • 应用：比较不同专业（如文科、理科、工科）学生的数学成绩是否存在显著差异。
  • 关键步骤：
    1. 将“数学成绩”放入 因变量列表。
    2. 将“专业”放入 因子。
    3. 点击 事后多重比较，选择 LSD 或 Tukey（当 ANOVA 结果显著时，用它来具体看是哪几组之间有差异）。
    4. 看结果：首先看“ANOVA”表格中的 显著性。< 0.05，说明至少有一组与其他组有显著差异，然后看“多重比较”表格，找出具体是哪些组之间存在差异。

C. 相关分析

用于分析两个连续性变量之间的线性关系强度和方向。

• 皮尔逊相关系数：最常用的相关分析。
  • 路径：分析 -> 相关 -> 双变量
  • 应用：分析“学习时间”和“数学成绩”之间是否存在相关关系。
  • 结果解读：相关系数 r 的值在 -1 到 1 之间，绝对值越大，相关性越强。Sig. (双侧) < 0.05 表示相关性显著。r 为正，表示正相关（一个增加，另一个也增加）；r 为负，表示负相关。

D. 卡方检验

用于分析两个分类变量之间是否存在关联。

• 路径：分析 -> 描述统计 -> 交叉表
• 应用：分析“性别”和“是否及格”之间是否存在关联，女生是否比男生更容易及格？
• 关键步骤：
  1. 将一个分类变量（如“性别”）放入 行，另一个（如“是否及格”）放入 列。
  2. 点击 统计，勾选 卡方。
  3. 点击 单元格，在“百分比”中勾选 行、列、总计，以便更好地理解数据。
  4. 看结果：看“卡方检验”表格中的 皮尔逊卡方 的 渐进显著性(双侧)。< 0.05，说明两个变量之间存在显著关联。

第四部分：结果解读与报告撰写

如何解读 SPSS 输出结果？

• 表格：重点关注以下几个指标：
  • N (样本量)：确保你的分析是基于足够的数据。
  • 均值/标准差：描述数据的集中趋势和离散程度。
  • t/F/χ² 值：检验统计量，值越大，通常说明效应越明显或组间差异越大。
  • Sig. 值 (p值)：这是判断结果是否显著的核心！
    • p < 0.05：结果具有统计学意义，即观察到的差异或关联不太可能是偶然发生的，可以拒绝原假设。
    • p ≥ 0.05：结果不具有统计学意义，即没有足够证据证明存在差异或关联。
• 图表：如条形图、箱图、散点图，它们能直观地展示数据分布和关系。

如何撰写分析报告？

一份好的分析报告通常包括：

1. 研究问题：明确你要分析什么。
2. 数据与方法：简要说明数据来源、样本量、使用了什么分析方法（如：本研究采用独立样本 t 检验来比较男女生的数学成绩差异）。
3. 结果呈现：
   • 用文字描述主要发现。
   • 将 SPSS 输出的关键表格和图表整理后放入报告中。
   • “独立样本 t 检验结果显示（见表1），男生的数学成绩均值为 M=82.5, SD=5.1，女生的数学成绩均值为 M=88.3, SD=4.8，t(8) = -2.34, p = 0.047 < 0.05，表明女生的数学成绩显著高于男生。”
4. 结论与讨论：根据结果得出结论，并解释其背后的实际意义。

第五部分：学习资源与进阶

学习资源推荐

• 官方文档：IBM SPSS Statistics 的官方帮助文档最权威。
• 在线课程：
  • Coursera / edX：搜索 "SPSS" 或 "Statistics with SPSS"，有很多世界名校的入门课程。
  • Bilibili / YouTube：有大量免费的中文和英文视频教程，搜索“SPSS教程”即可。
• 经典书籍：
  • 《SPSS统计分析基础教程》（张文彤等）：国内非常经典的入门教材。
  • 《IBM SPSS Statistics 20 Step by Step》：国外广受好评的入门书，图文并茂。
• 练习数据集：SPSS 自带了一些示例数据集（在 安装目录\Samples\ 目录下），非常适合练习。

进阶学习

当你掌握了基础后,可以进一步学习：

• 回归分析：线性回归、逻辑回归，用于探究多个变量对某个结果变量的影响。
• 因子分析：用于降维，从多个相关变量中提取出少数几个潜在因子。
• 聚类分析：用于将样本自动分为几类。
• 学习语法：掌握 语法编辑器，让你的分析更高效、更专业。

学习 SPSS 的最佳路径是：理论 -> 实践 -> 总结。

1. 先理解你要用的统计方法的基本原理（什么是 t 检验，它的假设是什么）。
2. 再动手，在 SPSS 中一步步操作，录入数据，选择正确的菜单，运行分析。
3. 最后解读结果，并与理论知识结合，形成自己的结论。

希望这份教程能为你打开 SPSS 的大门，祝你学习愉快！