描述性统计量
分类
- 集中趋势分析——中心趋势的数值度量
反映一组数据向某一位置聚集的趋势,主要的统计量有均数(mean)、中位数(median)、众数(mode)、总和(sum)以及分位数。均数适用于正态分布和对称分布的数据,中位数适用于所有类型。
如果各个数据之间差异程度较小,用平均值就有很好的代表性;而如果数据之间的差异程度较大,特别是有个别的极端值的情况下,用中位数或众数有较好的代表性 - 离散趋势分析——变异的数值度量围绕中心波动的度量
反映一组数据背离分布中心值的特征。主要的统计量有标准差(Std.Deviation)、方差(Variance)、极差(range)、最大值(maximum)、最小值(minimum),标准差和方差适用于正态分布。 - 分布特征分析——主要统计量有偏度系数和峰度系数。
- 偏度系数(Skewness)
描述数据某变量取值分布的对称性。0为正态分布;大于0为正偏或右偏,长尾在右边;小于0为负偏或左偏,长尾在左边; - 峰度系数(Kurtosis)
描述其变量所有取值分布形态的陡峭程度。0为正态分布,大于0为陡峭,小于0为平坦。
一般情况下,如果样本的偏度接近于0,而峰度接近于3,就可以判断总体的分布接近于正态分布
变量类型
创建图表时,变量的测量级别很重要。以下是对于测量级别的描述。可以在图表构建器中临时更改测量级别,方法是右键单击“变量”列表中的变量,然后选择选项。还可以在数据编辑器的“变量视图”中永久更改变量的测量级别。
- 分类
包含有限数量的不同值或类别(例如,性别或宗教)的数据。分类变量可以是字符串(字母数值)变量或使用数值代码表示类别的数值变量(例如,0 = male,1 = female)。这种数据也称为定性数据。分类变量既可以是名义变量,也可以是顺序变量
- 名义 (Nominal)
当变量值表示不具有内在等级的类别时,该变量可以作为名义变量;例如,雇员任职的公司部门。名义变量的示例包括地区、邮政编码和宗教信仰。 - 有序 (Ordinal)
当变量值表示带有某种内在等级的类别时,该变量可以作为有序变量;例如,从十分不满意到十分满意的服务满意度水平。有序变量的示例包括表示满意度或可信度的态度分数和优先选择评分。 - 定性数据的图形法
- 饼图
- 形图
- 帕雷托图
- 刻度
以区间或比率刻度度量的数据,其中数据值既表示值的顺序,也表示值之间的距离。例如,72,195 美元的薪金比 52,398 美元的薪金高,这两个值之间的距离是 19,797 美元。也称为定量或连续数据。
- 定量数据的图形法
- 点图
- 茎叶图
- 直方图
频数分析
菜单
Analyze -> Descriptive Statistics -> Frequencies
数据源
contacts.sav
注意:9 = “Don’t know 是缺失值
频率对话框
统计量
频数表
图表