
Spss的基本方法使用步驟
由于一次的調(diào)研工作,我們的數(shù)據(jù)分析采用spss的統(tǒng)計(jì)分析工具,然后我是一個(gè)新人,全都是一步一步從零開始操作的。在學(xué)習(xí)的過程中簡單記錄了一點(diǎn)筆記,既然寫了,就覺得應(yīng)該把它保存下來,所以來到了這里,為我的第一次spss操作做個(gè)馬克。
因子分析方法:指標(biāo)非常多,反映相同事情的進(jìn)行聚合
設(shè)置的地方:
描述—— kmo
抽取 —— 主成分,碎石圖
旋轉(zhuǎn)——最大方差法
得分——保存為變量
選項(xiàng)——大小為變量、刪除最小系數(shù),特征值為0.6
kmo > 0.6 ——看是否有效,對原始數(shù)據(jù)的檢驗(yàn)。
在SPSS軟件統(tǒng)計(jì)結(jié)果中,不管是回歸分析還是其它分析,都會看到“SIG”,SIG=significance,意為“顯著性”,后面的值就是統(tǒng)計(jì)出的P值,如果P值0.01<P<0.05,則為差異顯著,如果P<0.01,則差異極顯著。
公因子方差——提取程度(損失的數(shù)據(jù),如果損失低于40%即滿意)
解釋總方差:可以分成幾類,然后提取主成分因子,累積方差貢獻(xiàn)率,累積特征值大于等于85%(放寬70%).(損失率低于15%)
碎石圖:類似于解釋總方差,特征值大于1的就是主成分,對解釋方差的解釋和完善
成分矩陣——一般不考慮,不夠充分,只是中間步驟
旋轉(zhuǎn)后成分矩陣——成分1,成分2中大于0.6的歸為一類,載荷大于設(shè)置的值才會把得分顯示在視圖。
步驟:
分析→度量→可靠性分析→統(tǒng)計(jì)量→描述性(如果項(xiàng)已刪除則進(jìn)行度量)→繼續(xù)(模型α)→確定
分析:可靠性統(tǒng)計(jì)量:0.7以上有效
可刪除的分析:如果刪除后信度變大,則可以考慮把這個(gè)因素刪除
平均數(shù):反應(yīng)數(shù)量的中點(diǎn)
中位數(shù):全體樣本的中點(diǎn)
步驟:
均值:描述性統(tǒng)計(jì)分析→描述→導(dǎo)入變量→確定
中位數(shù):比較均值→均值→導(dǎo)入變量→選項(xiàng)→導(dǎo)入中位數(shù)即可→確定
步驟:
分析→回歸→線性→因變量→自變量→
統(tǒng)計(jì)量:估計(jì)→模型擬合度→共線性診斷→DW
繪制:Y:ZRESID, X:ZPRED; 直方圖,正態(tài)概率圖
保存:不操作
選項(xiàng): 默認(rèn)
→確定
模型匯總表
DW統(tǒng)計(jì)量代表自相關(guān)
DW = 2不存在為偽回歸
DW < 2 正自相關(guān)
DW > 2 負(fù)相關(guān)
多重響應(yīng),多重響應(yīng)數(shù)據(jù)本質(zhì)上屬于分類數(shù)據(jù),但由于各選項(xiàng)均是對同一個(gè)問題的回答,之間存在一定的相關(guān),將各選項(xiàng)單獨(dú)進(jìn)行分析并不恰當(dāng)。因此對多選題最常見的分析方法是使用SPSS中的“多重響應(yīng)”命令,通過定義變量集的方式,對選項(xiàng)進(jìn)行簡單的頻數(shù)分析和交叉分析
作用1:進(jìn)行簡單的頻數(shù)分析:可以直觀明了的比較一道多選題的各個(gè)選項(xiàng)被選比例。
作用2:進(jìn)行交叉分析:可以通過設(shè)置分層變量來進(jìn)行某個(gè)選項(xiàng)控制下的分析。
步驟:
分析→多重響應(yīng)→定義變量集(把多選題變成一個(gè)變量)→設(shè)置定義把多選題的選項(xiàng)放進(jìn)集合中的變量→將變量編碼設(shè)置為二分法,計(jì)數(shù)值為1→名稱標(biāo)簽→添加 、
行、列→定義范圍→確定
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10