SPSS统计描述和图表.ppt

统计描述,2,统计描述中可用的工具,各种初步汇总描述方法分组汇总，最终汇总成相应的分组频数表，可以反应出数据的大致趋势多个百分位数组合起来，也能反应数据的分布特征对信息的利用仍然比较粗糙各种统计描述指标实际上是更复杂的各种描述工具的基础，是针对数据的某种特征进行精确的数字呈现的一系列指标对于样本而言，这些统计描述指标也可被称为统计量均数、标准差、四分位间距，比、率等,3,统计描述中可用的工具,统计表当数据比较复杂，所计算的统计指标较多时，直接观察所计算出的数值比较麻烦，为此人们又会按照一定的排列方式将统计指标组织为一张表格，以方便使用。统计图统计表虽然能做到非常精确，但是不够直观，如果希望结果更为直观一些，则可以按照统计指标的大小将其绘制为一张图形，这就是所谓的统计图。,4,统计描述的模块,SPSS中所有专业的制表过程都能够完成统计描述的任务Reports菜单项：主要输出文本化报表Tables菜单项：输出标准的SPSS结果表格Multiple Response菜单：专门用于多选题数据描述但Descriptive菜单项中提供的是最基本的统计描述过程,5,统计描述的模块,Frequencies过程计算各种常用的描述指标特色是产生频数表对分类资料和定量资料都适用Descriptive 过程一般性的统计描述适用于服从正态分布的定量资料,6,统计描述的模块,Explore 过程用于对数据分布状况不清时的探索性分析功能极为强大Crosstabs过程完成分类资料和等级资料的统计描述完成分类资料各种各样“常规”的统计检验Ratio过程用于两个连续变量计算相对比指标，很少用PP图和QQ图,分类变量的统计描述,8,分类变量的常用描述指标,基本的描述方式原始数据：频数列表百分比累计频数累计百分比集中趋势众数,9,分类变量的常用描述指标,比：任意两个变量之比，这两个变量可以是性质相同的两个指标，如两个地区相同时期内某病新发病例数之比；也可以是性质不相同的两个指标之比 性别比，货物/销售人员比构成比：部分占总体的比例，分观察对象为k个部分（A1、Ak），其中某一个部分观察对象数与观察对象总数之比为构成比率：某个时期内某个事件发生的频率或强度，实际上有速度的概念在里面，可以和物理中速率的定义相对照,10,分类变量的联合描述,列联表常见的是二维，但三维及更高维列联表的使用原理是完全相同的频数行、列、总百分比行、列、总合计,11,多选题的描述,对多选题进行分析时所遇到的最大困难就是各选项间存在着关联，将它们单独进行分析并不恰当。单独分析的结果仅反映选项自身情况，不能完全代表整个题目的情况因此在描述时就需要采用基于频次的百分比等一些特殊指标,12,常用分析指标,应答人数与应答人次Case&Response应答人数百分比（Percent of Cases）选择该项的人占总人数的比例用于反映选项自身被选择的情况应答次数百分比Percent of Responses选择该项的次数占总次数（总反应数）的比例用于选项间受欢迎程度的比较,13,统计描述的SPSS实现,Frequencies过程专门为产生频数表而设计，默认选项即可给出需要的结果Crosstabs过程生成二、三维交叉表默认只输出频数，计算百分比需要更改选项Multiple Response菜单专门为多选题数据的描述而设计输出格式较为简单，但使用方便Tables模块为制表提供了全面的支持仍然只涉及数据描述,连续变量的统计描述,15,频数表 Frequency,是一种非常直观的方法，但比较粗糙，如果希望进行深入的分析，则必须要使用一些严谨的统计指标对各方面特征加以描述操作步骤：确定组数；确定组距；确定各组段的上下限 各步骤的操作都存在着一些主观性，但因为只是进行初步的观察，这并无大碍,16,观察到的信息,集中趋势离散趋势分布形状（是否对称，分布曲线的形状）分布特征（单、双峰，有无极端值等）,17,集中趋势 Central tendency,均数mean描述一组数据在数量上的平均水平，总体均数和样本均数用不同符号表示适用范围：对称分布，特别是正态分布资料几何均数G针对正偏态资料集中趋势的描述而提出适用范围：对数正态分布资料，但往往被进一步扩大到等比资料,18,集中趋势 Central tendency,中位数median 适用范围：万金油和均数相比较为迟钝，只有样本量较为充足时结果才稳定下来 众数mode所有数值中出现次数最多的一个适用范围：国外,19,离散趋势Dispersion tendency,全距Range适用范围最广，但是也最不稳定方差Variance离均差描述个体变异离均差和直接相加必然为0离均差绝对值之和数学推导困难离均差平方和,20,离散趋势Dispersion tendency,标准差 std.deviation解决了阅读时量纲的问题变异系数(coefficient of variation)解决了不同资料间变异程度对比的问题测量尺度相差太大：比较蚂蚁和大象的体重变异量纲不同：比较身高和体重的变异程度,21,百分位数,一般的教科书上传统将其列为集中趋势的描述指标，但实际上不仅限于此，单独列为一类可能更为妥当适用于各种分布P2.5 P5 P10 P25 P50 P75 P90 P95 P97.5使用条件：只有样本量较大时结果才比较稳定，对位于两端的百分位数而言更是如此100例时，P95右侧只有5例！,22,百分位数,四分位数实际上是P25、P50和P75分位数的总称，他们正好能够将全部总体单位按标志值的大小等分为四部分的三个数值上(P75)、下(P25)四分位数的差值被称为四分位间距,23,其他描述指标,分布形状描述指标Distribution针对某种分布进行进一步的特征描述，主要是用于正态分布偏度系数Skewness 正态峰 正偏态 负偏态峰度系数Kurtosis 正态峰 平阔峰 尖峭峰离群值与极端值列表,24,Frequencies过程,Statistics 子对话框Percentile Values组：输出的百分位数四分位数(Quartiles)、每隔指定百分位输出当前百分位数(Cut points for equal groups)、或直接指定某个百分位数(Percentiles)Central tendency组：描述集中趋势均数(Mean)中位数(Median)众数(Mode)总和(Sum)。,25,Frequencies过程,Statistics 子对话框Dispersion复选框组：描述离散趋势标准差(Std.deviation)方差(Variance)全距(Range)、最小值(Minimum)最大值(Maximum)标准误(S.E.mean)。Distribution复选框组：描述分布特征偏度系数（Skewness）和峰度系数(Kurtosis)。分析实例信心指数的统计描述,26,Descriptive 过程,概述用于正态分布的连续型变量可直接计算标准化Z值分析实例同上,27,Explore 过程,概述可对变量进行更为深入详尽的描述性分析主要用于对资料的性质、分布特点等完全不清楚时常用描述性统计指标/图形更加详细、全面可分组进行描述,28,Explore 过程,Statistics 子对话框Descriptives复选框输出均数、中位数、众数、5%修正均数、标准误、方差、标准差、最小值、最大值、全距、四分位全距、峰度系数及其标准误、偏度系数及其标准误，以及指定的均数可信区间。M-estimators复选框作中心趋势的最大似然估计，输出四个不同权重的最大似然估计值。Outliers复选框输出五个最大值与五个最小值。Percentiles复选框输出第5%、10%、25%、50%、75%、90%、95%位数。,29,Explore 过程,plot子对话框Boxplots单选框组：确定箱图的绘制方式按组别分组绘制(Factor levels together)，不分组绘制(Dependents together)不绘制(None)Descriptive复选框组：茎叶图(Stem-and-leaf)和直方图(Histogram)。案例：分月份time对总指数index1进行统计描述，以详细了解其分布情况。,统计制表,31,表格的基本框架,行（Row）指的是形成表格横行的元素列（Column）指的是形成表格列的元素行、列元素相交就会形成一个最简单的二维表，行、列元素不同取值的组合就确定了一个单元格层（Layer）指的是表格中的第三个维度不妨把此时的表格想象成一个立方体，行、列、层就对应了该立方体的长、宽和高,32,表格的基本框架,需要注意的是，表格中的元素和我们所说的变量并不相同，它既可能是一个分类变量的不同取值，也有可能是一个变量组，还可能是一个统计量组。也就是说，表格中的一个维度可以是多个变量联合构成。,33,表格的基本框架,对于SPSS的表格，我们可以使用表格托盘进行行、列、层元素的互相转换。,34,几种基本表格类型,叠加表（Stacking）指在同一张表格中对两个变量进行描述，或者说表格中有一个维度的元素是由两个以上的变量构成。叠加表其实可以被简单的理解为为每个变量分别绘制两个简单的报表，然后将它们拼接到一起也存在横向拼接的叠加表,35,几种基本表格类型,交叉表（Crosstabulation）是观察两个分类变量间联系时最常用的表格技术，它的两个维度都是由分类变量的各类别（及汇总）构成,36,几种基本表格类型,嵌套表（Nesting）也可以用于显示两个分类变量间的联系，但是在嵌套表中，这两个变量被放置在同一个表格维度中，即该维度是由两个变量的各种类别组合构成。嵌套表并不如交叉表直观。但是当每个单元格内需要呈现的统计指标非常多时，嵌套表更为美观和紧凑。,37,几种基本表格类型,多层表（Layers）如果指定了层元素，则表格就由二维扩展到了三维，即多层表。事实上，多层表和嵌套表也非常的类似，只是现在我们只能每次观察到其中一层的数据而已在数据仓库技术中，多层表也被称为数据立方体,38,几种基本表格类型,复合表格在实际的工作中，上述表格类型还有可能互相组合，以更好的达到相应的分析目的。比如叠加交叉表（一个维度是分类变量，另一个维度则是两个分类变量的叠加）、嵌套交叉表（一个维度是分类变量，另一个维度则是两个分类变量的嵌套）等。,39,报表的基本绘制步骤,确定所需绘制表格的基本结构，如行、列都由什么构成，是否在表格中会出现多个元素的嵌套，有多少种汇总，是否出现了嵌套汇总等。使用对话框绘制表格的基本结构。这里要将注意力集中在是否已经得到了所需表格结构上。如果结构还不相同，则继续直至完成。,40,报表的基本绘制步骤,对细节进行完善，使得至少其中一部分单元格的输出格式已符合要求。添加其余变量、统计量到表格中来，使表格中的内容满足相应问题的需求。对表格中的文本进行修饰。最后一次审核所绘制的表格，考虑有无需要改进之处。生成相应的表格，并将其格式存为模板，供后续任务使用。,41,案例：题目A3的标准统计报表制作,CCSS项目每月都会生成固定格式的统计表格，下图为对题目A3的固定表格格式，行标题首先为A3选项的占比，随后为题目感受值的均数，列标题则为受访月份。请用SPSS的制表模块实现该表格。,42,操作流程,绘制表格基本框架设置摘要统计量及格式对分类变量的摘要统计量设定对连续变量的摘要统计量设定调整各种显示细节隐藏变量名标签使百分比和均数同列显示隐藏统计量标签“行N%”,43,最终结果,44,复杂案例：题目A3a的标准统计报表制作,45,分析难点,A3a是一道多选题，首先需要将变量A3a_1、A3a_2设定为多选题变量集才能进行制表。并非所有的选项都需要在表格中出现，中性原因、拒答/不知道这两个选项是需要被隐藏掉的。乐观选项、悲观选项分别需要进行小计，而不是全部选项进行合计，且小计位置在上方而不是常见的下方。小计项采用的是应答人数百分比（列N%），而选项采用应答人次百分比（列响应%），指标不同，需要分别设定。,46,操作,设定多选题变量集绘制表格基本框架设定摘要统计量设定分类变量小结和汇总项,统计绘图,48,SPSS提供的统计绘图功能,SPSS统计图的三种版本12.0版以前的统计图系统8.0版之后新增的交互图系统（现已取消）目前采用的统计图系统统计图的三种对话框操作方式可视化的图形生成器图形的可视化模版：是一个类似于绘图向导的可视化界面，很多操作细节非常类似与交互图。继承自老版本的传统对话框：注意有些特殊图形只能用该界面生成隐藏的第四种：程序方式,49,50,标题文本区,数据区（内框区）,图例区,外框区,51,自由灵活的图形框架,外框区和内框区选中后出现控制框，利用鼠标可进行框区大小的改变和位置的移动改变外框区大小时将对称的改变除文本外所有图形元素的大小在改变大小时图形长宽比例不再固定，完全做到了随心所欲,52,自由灵活的图形框架,其余各区域区域的相对位置完全自由，可拖动到任意位置，区域内元素的各种设置保持不变从右侧示意图可见标题和图例均被自由拖动到了图形中的其他位置上,53,自由的元素选择方式,单击图形元素，选中所有同类元素二次单击，则选中同组元素三次单击，则只选中该图形元素对图例元素的选择方式不在此列，单击图例则选中所有相应的图形元素新增的套索选择方式,54,自由的元素选择方式,单独设置某一个图形元素的格式包括单独标出具体的数值、ID号等注意：并非所有操作都可以用于单独的图形元素，许多选项只能整个图形一起使用三维效果等,55,统计图的分类,统计图的分类方法有许多种，但和统计学体系最为贴近的分类方法是首先按照其呈现变量的数量，从而可以将统计图大致分为单变量图、双变量图、多变量图等，随后再根据相应变量的测量尺度进行更细的区分。,56,单变量图,连续性变量,57,单变量图,分类变量,58,双变量图,连续因变量,59,双变量图,分类因变量自变量为连续时，常见的处理方式是将自/应变量交换后使用条图来进行呈现。自变量也是分类变量时，基本以条图为主。复式条图：呈现两个分类变量各个类别组合情况下的频数,60,双变量图,其它双变量条图分段条图：主要突出一个分类变量各类别的频数，并在此基础上表现两个类别的组合频数情况马赛克图：呈现在一个变量不同类别下，另一个变量各类别的百分比变化情况,61,更复杂的多变量图形,最常见的方式为采用图例对二维图进行扩充 组合统计图：根据实际需要自行设计统计地图：与地图数据相结合其他特殊用途的统计图质量控制图、ROC曲线等,62,注意：图形并非越复杂越好！,The most common disaster in illustrating is to include too much information in one figure.The more points made in an illustration,the more the risk of confusing and discouraging the reviewer.-Briscoe,1990,63,直方图与茎叶图,案例：绘制消费者信心值的直方图直方图组的绘制累积直方图的绘制分段直方图（Stacked Histogram）面积直方图（频数多边形，Frequency Polygon）人口金字塔（Population Pyramid）茎叶图,64,箱 图,案例：用箱图分月份考察消费者信心的分布每个箱形都由最中间的粗线，一个方框、外延出来的两条细线和最外端可能有的单独散点组成。在箱图中，凡是与四分位数值（图中即为方框上下界）的距离超过1.5倍四分位间距的都会被定义为异常值，其中离方框上/下界的距离超过四分位数间距1.5倍的为离群值，在图中以“O”表示；超过3倍的则为极值，用“*”表示。散点旁边默认标出相应案例号备查。特色功能选择性显示某些标签,65,饼 图,案例：分城市、月份考察样本性别比例由于需要分城市、月份进行考察，因此可以考虑将这两个变量分别设定为行面板和列面板变量，且从使用习惯上讲，月份这一有序分类变量应当被设置为列面板变量更为妥当。特色功能旋转方向饼块的突出显示与合并,66,条图与误差图,案例：比较不同职业人群的消费者信心值案例：分职业进一步比较不同人群的现状和预期指数分段条图与百分条图案例：比较不同月份的A3a选项比例分布特色功能条图与其他统计图形的相互转换复式条图和分段条图的相互转换分段条图和百分条图的相互转换带误差线的条图与误差图,67,线图、面积图、点图与垂线图,案例：分城市比较信心指数随时间的变化趋势基本波动趋势北上广三地的信心指数变化规律三地信心的平均水平三地差异随时间的变化特色功能更改数据点的显示方式更改数据点间的连接方式突出显示某一段连线半对数线图,68,散点图,案例：年龄S3与消费者信心指数间的关系案例：分性别考察年龄对信心指数值的影响特色功能用套索模式选择离群散点改变过密散点图的显示方式添加回归趋势线和可信区间三维散点图的旋转观察,69,其他统计图形,PP图和QQ图控制图与Pareto图高低图ROC曲线,