<p>一、准备数据</p> 讯享网
本次分析采用的是居民健康状况数据，数据有编号、身高、体重、代谢综合症、性别、胆固醇。
变量视图：
数据视图：
计算BMI变量：
根据BMI值评判个人健康状况，新增评判结果变量，如果值为1，正常；为2，过轻；为3，肥胖。
二、数据分析：
（1）简单的统计分析
选中性别列，鼠标右击，点击描述统计，可以得到描述统计分析
交叉表：分析-描述统计-交叉表
（2）交叉频数分布
分析-描述统计-交叉表
（3）复杂的交叉频数分布表
分析-描述统计-交叉表
（4）条形图
图形-旧对话框-条形图-简单（选择个案组摘要）
双击-元素-显示数据标签
（5）簇状条形图
图形-旧对话框-条形图-簇状（选择个案组摘要）
（6）堆积条形图
图形-旧对话框-条形图-堆积（选择个案组摘要）
（7）饼图
图形-旧对话框-饼图（选择个案组摘要）。选择分类变量到分区定义依据。
（8）直方图
图形-旧对话框-直方图-变量处选择身高或者体重。
双击-元素-显示分布曲线
（9）茎叶图
分析-描述统计-探索
（10）箱线图
图形-旧对话框-箱线图-简单-确定。生成图之后点击中间横线-右击-显示数据标签。
（11）散点图
图形-旧对话框-散点图-简单散点图-（X轴身高，Y轴体重）-确定。双击图像-元素-总计拟合线。
（12）描述统计量
分析-描述统计-探索-因变量为身高-统计中选描述-选项中选成列排除个案-确定
（13）参数估计
分析-比较平均值-单样本T检验-选择身高–检验值为0-确定
（14）假设检验
分析-比较平均值-单样本T检验-选择身高-检验值设置数值-确定
（15）拟合优度检验（卡方检验）
分析-非参数检验-旧对话框-卡方-选择“评判结果”-确定
原假设：无显著差异。渐近显著性水平(P值)。由于P=0.000<a=0.05，因此拒绝原假设，表明居民身体健康状况的评判结果的偏好表现出显著差异。
（16）独立性检验
分析-描述统计-交叉表-统计（按照下面设定）-单元格计数中选择实测和期望-确定
由于P<a，因此拒绝原假设，认为居民身体健康状况评判结果与性别不独立，或者说居民身体健康状况评判结果与性别有关。从几个数值的值来看，BMI指数，也即肥胖跟男女性别有关系。
上图为相关性测量。相关性度量中的Phi值、克莱姆 V以及列连系数显著性检验结果均显著，这表明肥胖性与性别两个变量不独立，即它们之间存在显著的相关性。
以上就是使用SPSS进行数据分析的全过程。包括数据导入、数据设定、数据统计和数据分析。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/197347.html