小白學數(shù)據(jù)分析--SPSS探索分析實踐操作[不同生命周期]

 SPSS為我們提供了探索分析，所謂探索分析之所以是探索，是因為有時候我們對于變量的分布特點不是很清楚，探索的目的在于幫助我們完成以下的工作：
    識別數(shù)據(jù)：例如數(shù)據(jù)的分布形式、異常值、缺失值；
    正態(tài)性檢驗：服從正態(tài)分布的檢驗；
    方差齊性檢驗：不同數(shù)據(jù)組的方差是否相等。
    有關(guān)于方差齊性檢驗原理、正態(tài)分布這里不累述，這里主要介紹SPSS的探索分析使用。
    數(shù)據(jù)文件
    這里使用的文件是不同周期的充值用戶的充值數(shù)據(jù)，這里主要是針對流失用戶和活躍用戶的充值數(shù)據(jù)。
    具體操作
    首先將源文件加載到SPSS中，選擇菜單分析|描述統(tǒng)計|探索，如下圖所示：



    之后彈出對話框如下：



    在該對話框中，有幾個輸入的位置：
    因變量：為我們要分析的目標變量，變量多是連續(xù)性變量居多。
    因子：是目標變量的分組，本例中，就是針對充值用戶的充值金額進行分組，比如活躍和流失兩組。
    標注個案：對于異常值進行標注，識別異常值。
    在此處，我們因變量選取充值總額，因子選取用戶狀態(tài)，標注個案我們選取服務(wù)器ID，如下圖所示：



    在該彈窗還有幾個按鈕，首先我們設(shè)置一下統(tǒng)計量按鈕，打開統(tǒng)計量的窗口如下所示：



    該彈窗的作用主要是設(shè)置輸出時的統(tǒng)計量，在該彈窗可以看到以下的信息：
    描述性：主要是完成輸出一些我們之前說過的描述性統(tǒng)計的統(tǒng)計量，這些信息詳見（http://www.cnblogs.com/yuyang-DataAnalysis/archive/2011/10/23/2221838.html）。同時這里還有一個置信區(qū)間的設(shè)置問題，這里默認的是95%，關(guān)于置信區(qū)間以后會說到，這里不再累述。
    M-估計量：輸出四種均值的穩(wěn)健極大似然估計量，這里面有穩(wěn)健估計量、非穩(wěn)健估計量、波估計值、復權(quán)重估計量，有關(guān)于這部分的信息參見附件。
    界外值：輸出變量數(shù)據(jù)的前5個最大值和后5個最小值。
    百分位數(shù)：變量數(shù)據(jù)的百分位數(shù)。
    這里我們只選擇描述性就可以了。接下來就是繪制對話框的設(shè)置了。

    在此對話框中，有箱圖、描述性、伸展與級別Levene檢驗三部分構(gòu)成。首先來看箱圖部分。
    我們默認選擇按因子水平分組，這標志著因變量的箱圖將按照因子進行多個顯示，此時就會有多個箱圖，這取決于你分組的個數(shù)決定，當然不分組，就只會顯示一個箱圖，無，則就是不顯示箱圖。
    描述性，則是選擇輸出的圖形的種類而異。
    伸展與級別Levene檢驗是設(shè)置數(shù)據(jù)轉(zhuǎn)換的散步水平，其實就是對于原始數(shù)據(jù)變化的設(shè)置。有完成兩個任務(wù)，一個是數(shù)據(jù)轉(zhuǎn)換后的回歸曲線斜率，另一個就是方差齊性檢驗。該部分主要有四種選項，無、冪估計、已轉(zhuǎn)換、未轉(zhuǎn)換。
    無，則是不輸出，變量的散步水平；
    未轉(zhuǎn)換，不對原始數(shù)據(jù)進行變換；
    已轉(zhuǎn)換，對因變量進行數(shù)據(jù)轉(zhuǎn)換，方法有自然對數(shù)變換、1/平方根變換、倒數(shù)變換、平方根變換、立方變換。
    冪估計，對每一個變量數(shù)據(jù)產(chǎn)生一個中位數(shù)的自然對數(shù)和四分位數(shù)的自然對數(shù)的散點圖，對各變量的方差轉(zhuǎn)化為同方差所需要的冪的估計。
    在此處，我們選擇無。
    當然在這個對話框中，還有一個部分比較重要，那就是帶檢驗的正態(tài)圖。此選項能夠輸出正態(tài)概率圖和離散概率圖，且可以輸出變量數(shù)據(jù)經(jīng)Lilliefors顯著水平修正的K-S和S-W的統(tǒng)計量。
    下面就是選項對話框的設(shè)置了，該部分主要是針對缺失值的處理，方法有三種：
    按列表排除個案：只要任何一個變量含有缺失值，就要踢出所有因變量或分組變量中有缺失值的觀測記錄。
    按對排除個案：僅僅踢出所用到的變量的缺失值。
    報告值：變量中存在缺失值單獨作為一個類別進行統(tǒng)計，輸出。


    之后確定，結(jié)果輸出，所有的結(jié)果會在查看器重顯示，如下圖：



    報告分為幾部分，摘要、描述統(tǒng)計、正態(tài)性檢驗、各種圖形。
    摘要部分
    主要是確認是有缺失值情況信息。
    描述統(tǒng)計部分
    主要輸出各項統(tǒng)計信息，參看描述性統(tǒng)計一文介紹。
    正態(tài)性檢驗部分


    Df表示自由度
    Sig表示檢驗的顯著水平，即P值，一般來說P值越大，越支持正態(tài)分布。
    此處我們假設(shè)服從正態(tài)分布，根據(jù)K-S統(tǒng)計量和S-W統(tǒng)計量可以看出，兩種用戶的充值總額顯著水平小于5%，即sig<0.05不服從正態(tài)分布。
    圖形部分



    上圖為莖葉圖
    Frequency表示數(shù)據(jù)的頻數(shù)，stern表示莖，Leaf表示葉，兩者表示數(shù)據(jù)的整數(shù)部分和小數(shù)部分，Stern width表示寬度。
    怎么看這個莖葉圖？
    莖葉圖其實是一種很形象的圖示，下面告訴諸位怎么看莖葉圖。簡單的一句話解釋就是：多少頻數(shù)就代表多少（葉子+莖）。下面舉一個例子來看。比如下圖的數(shù)據(jù)：


    其含義代表充值額2.5元的有三例，充值額2.8有兩例，共計5例。
    此外還有標準和趨勢QQ圖,用于從圖形的角度來分析數(shù)據(jù)是否呈現(xiàn)正態(tài)分布。
    首先來看標準QQ圖，如果服從正態(tài)分布，則散點分布是接近于一條直線的，形式如下：


    然而在本類中，我們看到流失玩家和活躍玩家的充值金額QQ圖如下：


    可以看到是不符合正態(tài)分布的。同樣的我們看到的趨勢QQ圖則也是要分布在直線周圍才是正態(tài)分布，而在下面的趨勢QQ圖中，卻不是這樣的情況。

    最后還有一個圖，就是箱線圖，有關(guān)箱線圖的解釋和分析，已經(jīng)在以前的文章中有所闡述，可翻閱（http://www.cnblogs.com/yuyang-DataAnalysis/archive/2012/03/08/2385874.html）。
    這里簡單的再說一句，矩形框的部分是箱線圖的主體，上中下三線代表75%，50%，25%的百分位數(shù)。
    縱向的直線叫做觸須線，上截止到變量本體的最大值，下截止到變量本體的最小值。所謂本體即除奇異值以外 的變量值叫做本體值。
    奇異值，用0作為標記，分大小兩種，箱體上方用0標記，變量值超過第75分位與25分位數(shù)的變量差的1.5倍。箱體下方則表示小于這個1.5倍。
    極值，用*表示，箱體上方是超過變量差值的3倍（75分位和25分位之差），箱體下方同理。
    按照上述的敘述，可以看看我們所分析的數(shù)據(jù)的具體情況，這里不再累述了。

    以上結(jié)合了一些教材把探索性分析的基本操作講述了一遍，作為探索性分析這只是我們作為更深入分析的一個前奏過程，但是這里卻不能忽略其價值，比如怎么看莖葉圖，箱線圖，正態(tài)分布檢驗等等，在網(wǎng)游行業(yè)的應(yīng)用其實也有很多，比如今天提到的不同生命周期玩家的充值的探索性分析，還有比如付費與非付費玩家的等級成長探索分析，不同服務(wù)器，不同渠道，不同充值平臺之間的玩家的探索分析，這些雖然看似簡單，但是都是值得去做和慢慢研究的。