内容发布更新时间 : 2024/11/2 17:23:15星期一 下面是文章的全部内容请认真阅读。

l 百分位数（Percentiles）：选择此项，将计算并显示指定的百分位

数，包括5%、10%、25%、50%、75%、90%和95%等。

“探索：统计量”对话框中的4个选项为复选框，用户可进行多项选择，单击【继续】（Continue）按钮，即可返回“探索”主对话框。

03单击【绘制】（Plots）按钮，打开“探索：图”（Explore：Plots）对话框，如图3-11所示。

图3-11 “探索：图”对话框

“探索：图”对话框中有如下4个选择组：

（1）箱图（Boxplots）栏（单选项组）：箱图，又称箱锁图。如果用户在“探索”主对话框的“因变量列表”（Dependent List）框中输入了多个变量名，则在此选择组中进行选择，可确定箱锁图的生成方式。箱锁图中，底部的水平线段是数据的最小值（异常点除外），顶部的水平线段是数据的最大值（异常点除外），中间矩形箱子的底所在的位置是数据的第一个四分位数（即25%分位数），箱子顶部所在位置是数据的第三个四分位数据（即75%分位数）。箱子中间的水平线段刻画的是数据的中位数（即50%分位数）。

l 按因子水平分组（Factor levels together，系统默认）：选择此

项，将为每个因变量创建一个箱锁图，在每个箱锁图内根据分组变量的不同水平的取值创建箱形单元。

l 不分组（Dependents together）：选择此项，将为每个分组变量的

水平创建一个箱锁图，在每个箱锁图内用不同的颜色区分不同因变量所对应的箱形单元，方便用户进行比较。 l 无（None）：选择此项，不创建箱图。

（2）描述性（Descriptive）栏（复选项）：选择该组内的选项，可以生成茎叶图和（或）直方图。在箱图（Boxplots）组内选择的选项不同，则生成的茎叶图和直方图也不相同。选择“按因子水平分组”单选按钮时，在创建茎叶图和（或）直方图时，首先会根据因变量的不同进行分类，为每一个因变量对应的不同分组变量的不同水平创建一个茎叶图和（或）直方图；选择“不分组”单选按钮时，在创建茎叶图和（或）直方图时，则首先根据不同分组变量水平的不同，为每一个因变量创建一个茎叶图和（或）直方图。

l 茎叶图（Stem-and-leaf，系统默认）：茎叶图主要由3个部分组成，

即频率（Frequency）、茎（Stem）和叶（Leaf），在图中按从左到右的顺序依次排列，在图的底端，注明了茎的宽度（Stem Width）和每一叶所代表的观测量数（Each Leaf）。茎叶图中，茎表示数据的整数部分，叶表示数据的小数部分（小数位数只有一位，频数的数值有多大，则对应的小数就有多少个），将茎和叶的数值组合起来再乘以茎宽，便是该数据的值。由于茎叶图不仅仅能表示数据的频数分布，还能近似地表示数据的大小，因此它比直方图表达的信息更全面。 l 直方图（Histogram）：直接绘制直方图的步骤详见第10章。 （3）带检验的正态图（Normality plots with test，复选框）：选择此项，将进行正态性检验，并生成正态Q-Q概率图和无趋势正态Q-Q概率图。 （4）伸展与级别Levene检验（Spread vs level with Levene Test）栏（单选项组）：对所有的展布-水平图进行方差齐性检验和数据转换，同时输出回归直线的斜率及方差齐性的Levene检验，但如果没有指定分组变量，则此选项无效。

l 无（None）：不进行Levene检验，系统默认。选择此项，SPSS将不

产生回归直线的斜率和方差齐性检验。

l 幂估计（Power Estimation）：对每组数据产生一个中位数的自然

对数及四个分位数的自然对数的散点图。

l 已转换（Transformed）：变换原始数据，用户可在后面的参数框中

选择数据变换类型。

l 未转换（Untransformed）：不变换原始数据时选择此项。 用户在“探索：图”对话框中进行选择后，单击【继续】（Continue）按钮，即可返回“探索”主对话框。

04单击【选项】（Options）按钮，打开“探索：选项”（Explore：Options）对话框，如图3-12所示。

图3-12 “探索：选项”对话框

在该对话框中，可选择缺失值的处理方式，SPSS提供了3种处理方式：

l 按列表排除个案（Exclude cases listwise，系统默认）：选择此

项，对所有的分析过程剔除分组变量和因变量中所有带有缺失值的观测量数据；

l 按对排除个案（Exclude cases pairwise）：同时剔除带缺失值的

观测量及与缺失值有成对关系的观测量。在当前分析过程中用到的变量数据中剔除带有缺失值的观测量数据，在其他分析过程中可能包含缺失值；

l 报告值（Report values）：选择此项，将分组变量的缺失值单独分

为一组，在输出频数表的同时输出缺失值。

用户在“探索：选项”对话框中进行选择后，单击【继续】（Continue）按钮，即可返回“探索”主对话框。

05单击【确定】（OK）按钮，即可在结果输出窗口中得到探索分析过程的数据概述、基本统计描述表、极端值列表、正态分布检验、方差齐性检验、茎叶图、直方图、箱锁图、正态分布Q-Q图、离散正态分布Q-Q图等图表。 3.5 交叉列联表分析

在实际分析中，除了需要对单个变量的数据分布情况进行分析外，还需要掌握多个变量在不同取值情况下的数据分布情况，从而进一步深入分析变量之间的相互影响和关系，这种分析就称为交叉列联表分析。

当所观察的现象同时与两个因素有关时，如某种服装的销量受价格和居民收入的影响，某种产品的生产成本受原材料价格和产量的影响等，通过交叉列联表分析，可以较好地反映出这两个因素之间有无关联性及两个因素与所观察现象之间的相关关系。

因此，数据交叉列联表分析主要包括两个基本任务：一是根据收集的样本数据，产生二维或多维交叉列联表；二是在交叉列联表的基础上，对两个变量间是否存在相关性进行检验。要获得变量之间的相关性，仅仅靠描述性统计的数据是不够的，还需要借助一些表示变量间相关程度的统计量和一些非参数检验的方法。

常用的衡量变量间相关程度的统计量是简单相关系数，但在交叉列联表分析中，由于行列变量往往不是连续变量，不符合计算简单相关系数的前提条件。因此，需要根据变量的性质选择其他的相关系数，如Kendall等级相关系数、Eta值等。 SPSS提供了多种适用于不同类型数据的相关系数表达，这些相关性检验的零假设都是：行和列变量之间相互独立，不存在显著的相关关系。根据SPSS检验后得出的相伴概率（Concomitant Significance）判断是否存在相关关系。如果相伴概率小于显著性水平0.05，那么拒绝零假设，行列变量之间彼此相关；如果相伴概率大于显著性水平0.05，那么接受原假设，行列变量之间彼此独立。 在交叉列联表分析中，SPSS所提供的相关关系的检验方法主要有以下3种： （1）卡方（χ2）统计检验：常用于检验行列变量之间是否相关。计算公式为：