統計分析分類以及SPSS分析方法范文

本站小編為你精心準備了統計分析分類以及SPSS分析方法參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

一、統計分析內容的分類

人類對客觀事物的認識是多種多樣的，這些認識可以是企業生產的規模，可以是企業生產機器的穩定性，可以是一個地區的教學質量，可以是市場經濟的規律，也可以是一個時期的經濟形勢或環境等等。撇開這些形形色色的形式內容，人們對客觀事物的認識從目的來看可分為表面認識和本質認識兩種。本文將這種從形式內容中抽象出來的對客觀事物的認識稱之為統計分析內容。表面認識就是對客觀事物表面特征的認識；本質認識是從客觀事物表面特征出發，最終得到超越客觀事物表面特征的本質特征的認識。同樣，與統計分析內容相對應的統計分析（方法）就可分為表面分析和本質分析兩種。在統計分析方法的使用上，形式內容的認識與統計分析方法的關聯不大，反而是在統計分析內容認識（對客觀事物表面認識和本質認識）上，分析方法的使用差別較大，因此本文主要從統計分析方法的角度對統計分析內容加以細分。在SPSS中，橫向叫個案，所有個案組成樣本；縱向叫變量，一個變量代表客觀事物的某方面特征。表面認識在SPSS中主要對應于樣本認識，目的是認識樣本所代表的具體事物的特征（當然樣本的特征離不開變量，但目的不在變量）。本質認識則以樣本數據為基礎，總結出同類事物的普遍特征，這些特征就是變量自身的特征（它從樣本出發，但又超越樣本），因此本質認識可以認為就是對變量的認識。統計分析內容的劃分與人們對客觀事物的認識規律也密不可分。人類對客觀事物的認識都是由淺入深、由外及里的。這種由淺入深、由外及里的認識過程正好體現了表面認識和本質認識兩個過程。統計分析的兩種內容既是人們對客觀事物認識的兩個方面，也是人們對客觀事物認識的兩個過程，但它們可以是相互獨立的。因為人類出于認識目的的需要可以只認識客觀事物的表面，也可以只認識客觀事物的規律。

（一）表面認識

表面認識是一種以認識具體客觀事物表面特征為目的的認識。對具體客觀事物表面特征的認識，從定量和定性兩個角度出發，還可以分為事物描述認識和事物評價認識兩種。

1.事物描述認識。事物描述認識是指只對具體客觀事物作純粹的描述，而不加任何主觀意見的認識，如集中趨勢描述。從認識內容的復雜性來看，事物描述認識又可分為簡單描述認識和綜合描述認識。簡單描述認識是對具體客觀事物的一種現象（變量）特征的認識，如認識一群企業的規模。綜合描述認識則是結合具體客觀事物的很多現象（變量）對具體客觀事物的特征加以認識，如認識事物在兩個定類變量中交互分布等。綜合描述不是簡單描述的組合，而是簡單描述的提升。

2.事物評價認識。事物評價認識是指對具體客觀事物的某種特征給出人為意見或判斷的認識。評價分析通常給出定性結果，如判斷兩種產品某種性能的差異是否存在。按評價內容來分，評價分析主要包括事物成績評價分析和事物間差異評價分析兩種。事物成績評價按評價所依賴的現象多寡還可分為簡單評價和綜合評價。簡單評價是對事物的一方面特征給出評價意見，如根據銷售數據對企業的銷售成績作出評價。綜合評價是對事物的多方面特征給出綜合的評價意見，如根據利潤率、流動資金周轉率、凈資產收益率等特征對企業的經濟效益作出評價。

（二）本質認識本質認識是一種以認識普遍客觀事物本質為目的的認識。本質認識仍以特定樣本事物的數據為依據，但認識的結果已經遠遠超出樣本事物的范圍。撇開具體事物后，人類對事物本質的認識，則主要體現為對普遍事物的現象（變量）自身規律的認識和對普遍事物的現象（變量）間關系規律的認識。這兩種認識還可以給他們一個更簡單的名字，就是單現象本質認識和多現象關系認識，這也可以看作是本質認識按現象復雜性的劃分。

1.單現象本質認識。單現象本質認識是對單變量自身規律的認識。單現象本質認識按現象與時間的關系，又分為現象自身分布規律認識（靜態）和現象自身變化規律認識（動態）兩種。

（1）現象自身分布規律認識，是指認識現象自身的分布特征，屬靜態認識，如認識成績是否成正態分布，搖號時每個號碼的出現是否呈均勻分布等。

（2）現象自身變化規律認識，是認識現象在時間上的變化規律，屬動態認識，如長期趨勢認識、季節變動規律認識等。

2.多現象關系認識。多現象關系認識是對變量間關系的存在與否、關系的程度大小及方向等內容的認識。多現象關系認識，按變量間關系是否平等又分為對等關系認識和影響關系認識兩種。

（1）對等關系認識，是對兩群對等變量間關系的認識。對等關系認識中，變量相互影響，沒有自變量與因變量之分，如相關認識。兩群變量之間的對等關系可以是，一對一的關系（如簡單相關認識、偏相關認識），也可以是一對多的關系（如復相關認識），還可以是多對多的關系（如變量聚類認識）。兩群變量的關系可以是線性的、曲線的，或者沒有關系。

（2）影響關系認識，是對一群變量如何影響另一群變量的認識。影響關系認識中，兩群變量間的關系是不平等的，存在自變量和因變量之分，如回歸關系認識。影響關系認識中的因變量通常是一個，但自變量卻可以是一個或多個。因此影響認識又可以分為一對一影響和多對一影響。

二、SPSS分析方法按統計分析內容的歸納

與統計分析內容相對應的SPSS分析方法首先分為表面分析和本質分析兩種。

（一）表面分析表面分析是以認識客觀事物表面特征為目的的一種分析方法，與表面認識相對應。表面分析，從認識的性質出法，具體又分為事物描述分析和事物評價分析兩種。

1.事物描述分析，是對客觀事物的表面特征進行認識的一種分析。按認識時涉及的變量數多少，可分為單現象描述分析和多現象描述分析兩種。

（1）單現象描述分析（簡單描述分析），是對客觀事物單方面特征進行描述的分析。對客觀事物的描述方法（分析方法），以其手段的不同歸納起來可以有指標描述法、表格描述法、圖形描述法、推斷描述法等。指標描述法，是以統計指標方式來認識事物，認識的具體內容包括集中趨勢、離中趨勢、分布特征等。相關的SPSS方法主要是描述統計中的描述，除此之外還有描述統計中的頻率、探索兩方法。這些分析的特點是輸出統計指標。表格描述法，是以分組表的方式來描述事物的特征，其內容僅包括簡單分布表（交互分布表屬多現象描述分析）。相關SPSS方法是描述統計中的頻率，其特點是輸出頻率表。圖形描述法，是以統計圖方式來認識事物的特征，其內容包括箱索圖、莖葉圖、餅圖、條形圖、直方圖、散點圖等。相關的SPSS方法是描述統計中的探索、頻率方法和圖形菜單中的各種圖形功能。探索功能可輸出箱索圖和莖葉圖。頻率功能可輸出餅圖、條形圖和直方圖。圖形功能則可輸出除莖葉圖外的各種圖。推斷描述法，是以數據庫中的樣本數據為依據，推斷總體特征。盡管此處的總體事物超出SPSS中的樣本范圍，但人們也只不過將其看作是更大的樣本罷了。從認識目的來看，推斷描述中對總體均值、比率或方差的認識仍屬表面認識。統計抽樣推斷的具體內容包括統計估計和假設檢驗兩種。統計估計的主要內容就是完成總體均值、成數的區間估計，相關的SPSS分析方法是描述統計中的探索功能。假設檢驗的主要內容是均值、成數假設檢驗，相關的SPSS分析方法是均值比較中的單樣本T檢驗。

（2）多現象描述分析（綜合描述分析），是對客觀事物的多方面（變量）特征進行綜合的描述（并非多個簡單描述的疊加）。綜合描述分析方法按其認識目的不同又可分為交互分布描述、分類描述、降維描述和分類識別等幾種。交互分布描述，其目的是認識事物在多變量下的聯合分布。其描述內容包括交互表和與交互表對應的分布圖，相關的SPSS分析方法是描述統計中的交互表和圖形菜單的條形圖等。分類描述，其目的是認識哪些個案間的關系較為接近。相關的SPSS分析方法是聚類分析中的個案聚類分析，聚類分析方法又包括兩步聚類、K-均值聚類和系統聚類等三種。降維描述，其目的是認識多變量下的主要影響因素（主成分）有哪些。相關的SPSS分析方法是降維分析中因子分析和對應分析。分類識別，其目的是認識某事物在已有實物分類上的類別歸屬。相關的SPSS分析方法是判別分析。

2.事物評價分析。

（1）成績評價分析。簡單評價，是對事物在某個方面（變量）的成績所做的評價。評價客觀事物的成績可有多種標準，按其評價標準的不同，簡單評價可有對照評價、橫向評價和縱向評價等三種。對照評價，是根據給定評價標準來評價客觀事物成績的分析方法。相關的SPSS分析方法是均值比較中的單樣本T檢驗。橫向評價，是以同類事物作為評價標準來評價客觀事物成績的分析方法。相關的SPSS分析方法是均值比較中的獨立樣本T檢驗。縱向評價，是以評價事物的歷史成績作為評價標準來評價現時成績的分析方法。相關的SPSS分析方法是均值比較中的獨立樣本T檢驗或配對樣本T檢驗。上述的幾種評價都較簡單，可以直接靠經驗而無需借助SPSS軟件。綜合評價，是對事物在多個方面（變量）作出的成績所進行的評價。這是一種復雜的評價方法，它不是每個變量簡單評價的疊加，因此通常要求多種SPSS分析方法同時運用。如要得出綜合排名，則要經過標準化處理和綜合分計算兩個步驟。標準化處理，是將非標準化數據，折算成均值為0，標準差為1的標準化數據，目的是消除變量間的不可比性。在此過程中，還要統一變量的正逆性。相應的SPSS方法是均值比較中的描述。在描述功能中，勾選“將標準化得分另存為變量”復選框則可。綜合分計算，是根據事物的多個特征（變量）值來計算其綜合得分。這種綜合得分可以是簡單綜合分或加權綜合分。相應的SPSS方法是轉換菜單中的計算變量。

（2）差異評價分析，是對事物與事物之間的差異是否顯著所做的評價。差異評價的內容包括均值差異、結構差異和方差差異等幾種。均值差異評價。均值差異評價在分析方法上有兩事物差異和多事物差異之分。兩種事物間差異評價，是比較兩種事物在同一時間和同一現象（變量）上均值差異是否顯著的一種評價，如比較兩個地區人民生活水平差異是否顯著。相關的SPSS分析方法包括比較均值中的獨立樣本T檢驗、方差分析等。多種事物間差異評價，是比較多種事物在同一現象（變量）上均值差異是否顯著的一種評價，如比較不同文化程度人群間收入差異是否顯著。相關的SPSS分析方法是比較均值中的單因素方差分析。結構差異評價，是評價兩總體的結構差異是否顯著的一種分析。相關的SPSS分析方法是非參數檢驗中卡方檢驗。方差差異評價，是評價兩個總體中同一變量方差差異是否顯著的一種評價。相關的SPSS分析方法是F檢驗，這是獨立樣本T檢驗中的附帶功能。

（二）本質分析

1.單現象本質分析。

（1）分布特征分析（靜態）。分布特征通常可通過分布圖和分布表來認識，但分布圖和分布表認識的只是具體事物的現象特征，并非普遍事物的現象特征。SPSS是通過顯著性檢驗來判斷普遍事物的現象特征，相關的SPSS分析方法包括非參數檢驗中的卡方檢驗、二項式檢驗、單樣本K-S檢驗等。但在使用SPSS操作前還應通過分布圖和分布表初步判斷現象的特征，然后再用SPSS非參數檢驗方法來判斷現象的本質特征。非參數檢驗的主要作用是檢驗事物的分布是否顯著成某種特征，這些特征包括正態分布、均勻分布、泊松分布和二項式分布等。具體分析方法包括以下幾方面。單總體比率假設檢驗，檢驗總體中某一特征的總體單位的比例是否為某個特定值，如檢驗總體中男性比重是否顯著為50%。相關的SPSS分析方法為非參數檢驗中的二項式。單總體結構分布檢驗，檢驗總體在某一現象（變量）上的分布是否成某種已知分布形態（如均勻分布、泊松分布、二項式分布等）。檢驗方法包括非參數檢驗中的卡方檢驗、單樣本K-S檢驗。正態分布檢驗，檢驗總體在某一現象上的分布特征是否為正態分布。相關的SPSS分析方法是非參數檢驗中的單樣本K-S檢驗。

（2）變化規律分析（動態）。長期趨勢分析，是一種分析事物在時間上的變化是否成某種規律以及還原其函數關系式的分析。在變化規律形態的判斷上，需要用到散點圖，相關的spss分析方法是圖形菜單下的散點圖功能。函數關系式回歸的分析則屬時間序列自回歸，相應的SPSS方法是回歸分析，在回歸菜單下的“線性”及“曲線估計”等功能中完成。季節變動分析，是一種尋找季節變動規律的分析。主要內容包括季節變動規律是否存在的判斷和季節指數的計算。在季節變動規律是否存在的判斷中，相關的SPSS方法是圖像菜單下的線圖。在季節指數的計算中，相關的SPSS操作方法需分兩步完成：第一步，添加時間序列，在數據菜單的定義日期功能中完成；第二步，完成季節指數計算，在分析菜單中預測子菜單下的季節性分解功能中完成。

2.多現象關系分析。

（1）對等關系分析。現象對等關系分析的主要任務是判斷變量間關系是否存在，其次是判斷其相關方向及相關程度的大小等。由于相關變量的類型不同，相應的分析方法也不同。若將相關變量的類型分為定類、定序和定距三種，則在兩兩組合搭配下，變量間關系的類型可有6種之多。若將6種關系中分析方法相同的關系加以組合，則可得出以下三種組合關系：定類與定類、定序、定距的關系；定序與定序、定距的關系；定距與定距的關系。第一種，定類與定類、定序、定距的關系，可采用卡方檢驗方法來分析。相關的SPSS分析方法是描述統計的交互表。第二種，定序與定序、定距的關系，可采用散點圖、卡方檢驗和相關分析幾兩種方法來分析。卡方檢驗只能判斷關系是否顯著存在，相關的SPSS分析方法是描述統計的交互表。散點圖可以判斷相關形態及方向；相關分析則可進一步分析相關程度的高低及相關方向。相關的SPSS分析方法包括圖形菜單下的散點圖和分析菜單中的相關分析（簡單相關分析）。第三種，定距與定距的關系，可采用散點圖和相關分析來進行分析。分析現象間相關形態及相關方向，可采用SPSS中的散點圖功能。對現象間相關關系大小的分析，依相關變量數量多少及地位的不同，可有簡單相關分析（距離分析）、偏相關分析、復相關分析幾種。簡單相關分析（包括距離分析），可用來分析兩個定序變量間、兩個數值變量間、定序數值變量間的相關關系。相關的SPSS分析方法是相關菜單下的“雙變量”及“距離”菜單功能。根據變量間關系的大小（距離的遠近），還可以進一步對變量群作分組認識，相關的SPSS分析方法是聚類分析中的變量聚類分析。偏相關分析，是在排除外部變量對分析變量影響后，分析兩個變量間線性關系大小及方向的分析方法。相關的SPSS分析方法是相關菜單下的“偏相關”菜單功能。復相關分析，是分析一個變量同時與多個變量間的線性關系是否存在，以及相關方向及大小的分析方法。相關的SPSS分析方法是多元線性回歸分析。多元線性回歸分析中，輸出的方差分析數據可以判斷線性關系是否存在，輸出的相關系數就是復相關系數。

（2）影響關系分析。影響關系分析中依自變量和因變量類型不同，可有多種不同的分析方法。因變量的類型主要有定距、定序和二分變量等三種，自變量的類型則包括定距、定序和定距三種類型的全部。單自變量情況下兩兩排列可有九種情況，加上多自變量（當前尚無多因變量的回歸分析），情況將更加復雜。有些組合無法進行分析，其余可以進行分析的組合中，結合它們的共性，最終綜合成以下八種情況：三種變量對定距變量的定性分析、定距定序變量對定距變量的定量分析、三種變量對定序變量的定性分析、定距定序變量對二分變量的定量分析、多自變量對定距變量的定性分析、多定距定序變量對定距變量的定量分析、多自變量對定序變量的定性分析、多定距定序變量對二分變量的定量分析。三種變量對定距變量的定性分析，可分析自變量對定距變量的影響是否存在。相關的SPSS分析方法包括獨立樣本T檢驗、單因素方差分析。獨立樣本T檢驗的影響因素的取值只能是兩個，單因素方差分析的影響因素取值可以是兩個或多個。定距定序變量對定距變量的定量分析，可還原因變量和自變量間的函數關系式。相關的SPSS分析方法是回歸分析。回歸分析依變量間關系形態不同又分為線性回歸分析和曲線回歸分析兩種。相關的操作包括回歸菜單下的“線性”及“曲線估計”等功能。三種變量對定序變量的定性分析，分析方法同上述A情況。定距定序變量對二分變量的定量分析，可還原因變量和自變量間的函數關系式。相關的SPSS分析方法是回歸菜單下的二分邏輯回歸。多對一影響分析。多自變量對定距變量的定性分析，可分析自變量對定距變量的影響是否存在。相關的SPSS分析方法是多因素方差分析，在一般模型下的單變量功能中完成。多定距定序變量對定距變量的定量分析，可還原因變量和自變量間的線性函數關系式。相關的SPSS分析方法是多元線性回歸分析，在回歸菜單下的線性功能中完成。多自變量對定序變量的定性分析，方法同A情況。多定距定序變量對二分變量的定量分析，分析方法同一對一影響分析的D情況。

三、三點總結

（一）兩種分析方法的關系不管是表面分析還是本質分析，都是對客觀事物特征的認識。前者著眼具體事物，后者著眼普遍事物。正因為表面認識著眼的是具體事物，所以對具體事物的評價分析（雖帶定性特征）仍屬表面分析。由于普遍事物是個抽象概念，在分析過程中人們要依賴具體事物的數據，但分析結果卻超越具體事物。超越具體事物后，人們得到的就是變量自身的規律。表面分析，認識的是具體事物的特征，但認識過程又離不開變量。本質分析，認識的是普遍事物某種現象（變量）自身規律的特征，但認識過程卻離不開具體事物（樣本）。在本質分析中將具體事物看作是樣本，得出的卻是同類事物的規律。而表面分析中，要認識的就是具定事物的特征，但這些特征一般不能看作是同類事物的特征。如某個地區的人口分布呈老年化是事物特征，但并不等于所有地區的人口分布都呈老年化（普遍規律）。

（二）分析內容與SPSS分析方法的關系統計分析內容和SPSS分析方法的關系，表現為目的與手段的關系。相同的分析內容可以使用不同的分析方法，不同的分析內容，可以使用相同的分析手段。用同一種分析方法完成的分析，其分析內容屬表面分析還是本質分析取決于你的認識目的。如獨立樣本T檢驗分析方法，可以用來分析一個班（校）中男女成績差異是否顯著，也可以用來分析性別變量對成績變量的影響是否顯著。前者屬表面分析，后者屬本質分析。因為前者著眼的是一個班（校）的學生的成績特征，后者著眼的是性別和成績兩種現象的關系。正因為本質認識著眼的是普遍現象的特征，因此要求樣本量應足夠大，顯著性水平應足夠高。對于表面認識，因為它認識的是樣本特征，因此樣本量大小與認識目的無關，顯著性水平要求也可低些。

（三）統計分析內容分類及SPSS分析方法歸納的意義統計分析內容的分類在于給SPSS分析方法進行歸納。SPSS分析方法歸納的意義主要體現在以下兩方面。一是提供統計分析時SPSS分析方法的選擇；二是提供知識系統性歸類，方便學習者記憶。（本文來自于《經濟師》雜志。《經濟師》雜志簡介詳見.）

作者：侯海桂單位：肇慶科技職業技術學院