菜鸟也爱数据分析之SPSS篇——探索性分析

作者：夏雨骄阳 审阅：红豆牛奶 封面：自己想吧

前言

SPSS中，探索分析是对变量进行深入和详尽的描述性统计分析，它在一般描述性统计指标的基础上，增加关于数据其他特征的文字与图形描述，分析结果更加细致与全面，有助于对数据做进一步分析。

探索分析，能够生成关于所有个案、或不同分组个案的综合统计量及图形；可以进行数据筛选工作，例如检测异常值、极端值、数据缺口等；还可以进行假设检验。通过探索性分析，能够帮助我们决定选择何种统计方法进行数据建模，判断是否需要把数据转换成正态分布，以及是否需要做非参数统计。

探索分析适用于对数值型的变量（连续型或比率型）进行分析，因素变量应该是取有限个离散值的分类变量（用于对数据进行分组）。

实操

下面我们就来看具体实例。案例：“班级数学语文成绩.sav”,数据反映不同班级的学生性别、数学、语文成绩情况。

Step1：依次单击菜单“分析-描述统计-探索”执行探索性分析的过程，其主设置界面如图1.1。在“因变量列表”中选择数学，在 “因子变量列表”中选择性别，在“标注个案”中选择班级。

图1.1

因变量列表，用于从变量列表中选入因变量，一般为连续变量。

因子列表，用于从变量列表选入因素变量，一般为分类变量。

如果同时选入了多个因变量和多个因素变量，将对他们之间的两两组合分别进行分析，对于每对因变量和因素变量的搭配，输出结果都是类似的；选入的变量较多时，可能会耗费较长时间并产生很多输出。

标注个案，用于从变量列表选入标签变量，在结果里标识观测量。

Step2：单击“统计量”按钮，弹出统计量设置对话框，根据需要选择统计量，如图1.2。

图1.2

描述性复选框，选中此项会输出包含以下内容的表格：均值、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、峰度系数、峰度系数的标准误、偏度系数、偏度系数的标准误等。

M-估计值复选框，计算并输出比均值和中位数更稳定的数据中心估计值，包括如下四个：“Huber’s”、“Andrews”、“Hampel’s”、“Tukey’s”。M-估计值可以用来判断数据有无明显异常值，如果M-估计值离平均数和中数比较远，那么可能存在异常值。

界外值复选框，输出5个最大值与5个最小值，包括观测量的标签。

百分位数复选框，输出5%、10%、25%、50%、75%、90%、95%的百分位数。

Step3：单击“绘制”按钮，弹出作图设置对话框，根据需要进行作图设置，如图1.3。

图1.3

箱图，设置关于箱图的参数。

按因子水平分组选项，对每个因素变量，每图只显示一个因变量，该项为默认选项。

不分组选项，对每个因素变量，每图显示所有的因变量。

无选项，不绘制箱图。

描述性，设置关于数据描述性质的图形输出，茎叶图与直方图两个选项，其中茎叶图为默认设置。

带检验的正态图，作正态概率图和去趋势后的正态概率图，并输出检验正态性的Kolmogorov-Smirnov统计量及其Lilliefors置信水平。

伸展及级别Levene检验，设置控制数据转换的散步对水平图。同时显示回归曲线的斜率和方差齐性检验的Levene统计里；如果选择了数据转换，将对转换后的数据进行levene检验。

无选项，不输出散步对水平图。

幂估计选项，产生四分位数的自然对数，对单元格中位数的自然对数的散布图，以及达到方差齐性要求的幂估计；根据此散布对水平图，可以估计将各组方差转换成同方差所需的幂次。

已转换选项，在其后的下拉列表选择具体的变换方法，其中自然对数变换为默认设置。

未转换选项，不做任何数据变换，将输出产生原始的数据散布图，相当于幂次为1的转换。

Step4：单击“选项”按钮，弹出选项设置对话框，根据需要对缺失值的处理方式进行设置，如图1.4。

图1.4

按列表排除个案选项，为默认选项，对每个观测记录，只要分析所用到的变量中有1个含缺失值，就将该观测记录从所有分析中剔除。

按对排除个案选项，只有分析中用到的变量含缺失值时，才将相应的观测记录从当前分析中剔除，此方法可以最大限度地利用原始数据。

报告值选项，将因素变量中含有缺失值的观测作为一个单独的类别进行统计，所有输出结果都将包含这个被标识为缺失的类别。

结果分析

回到主界面，点击确定，就可以得到探索分析的分析结果，如图1.5-1.13。

图1.5

图1.6

图1.7

图1.8

图1.9

图1.10

图1.11

图1.12

图1.13

1.  案例处理摘要和描述性表格输出，如图1.5-1.6。

摘要表格给出了不同性别的有效个数和缺失个数，本例没有缺失数据；描述表给出了不同性别的描述性统计量输出，包括均值及其95%的置信区间、中位数、方差等，其他年龄的输出与此类似。

2.  正态性检验结果，如图1.7。

正态性检验的显著性水平sig值都大于0.05，所以认为不同性别的数学成绩分布基本都为正态的。

3.  方差齐性检验结果，如图1.8。

4种Levene检验的sig值都大于0.5，故不能否定方差齐性的假设。

4.  直方图和QQ图输出，选取了性别为女的输出图，如图1.9-1.11。

从频率直方图看，女学生的数学成绩在七十多以及八十多居多；从去除趋势的QQ图看，除了有两个不及格的点偏差较大外，其他都分布在横轴附近。

5.  箱图以及分布和水平图，如图1.12-1.13。

在数学成绩对性别的箱图中，女学生的数学成绩，有一个异常数据（偏小）。而在Math按SEX的分布和水平图中，女学生的数学成绩较多地分布在79左右，男学生的数学成绩则较多地分布在81左右。

关注下方二维码，在公众号中输入“20180207”即可获得操作数据。