spss数据分析(数据分析需要学哪些)

spss数据分析

SPSS全称为「社会科学统计软件包」，是IBM公司推出的一系列用于统计学剖析运算、数据挖掘、预测剖析和决议计划支持任务的软件产品及相关服务的总称。
图中我们看到SPSS有23个方法模块，虽然我们不能每个模块都能用到，但作为一个科研工作者，其间的某些功能是有必要要掌握的。
图一：SPSS的23个模块
下面列出几个典型的例子供大家在做数据中作为参考：
图二：医学中SPSS用到的模块
一、描绘性研讨
图三：SPSS描绘性研讨
描绘性剖析首要是对数据进行基础性描绘，首要用于描绘变量的基本特征。描绘性剖析对于数据剖析来说是一项基础性的工作，意图要于了解数据源，把握数据的整体性散布状况。
SPSS中的描绘性剖析过程能够生成相关的描绘性统计量，如均值、方差、规范差、全距、峰度和偏度等，一起描绘性剖析过程还能将原始数据转换为规范Z分值并作为变量储存。
基本输出的统计量首要有以下几个方面：
（一）表明集中趋势的统计量：均值，中位数，众数，百分位数；
（二）表明离中趋势的统计量：方差与规范差，均值规范误差，极差或规模，最大值，最小值，变异系数；
（三）表明散布形状的统计量：偏度，峰度；
（四）其他相关统计量：Z规范化得分（注：Z规范化得分是某一数据与平均数的间隔以规范差为单位的测量值，在统计剖析中起着十分重要的效果）。
具体实际操作如下：
1.翻开数据源，如下图所示：
2.在菜单栏中依次挑选「剖析-描绘统计-描绘」指令，得到成果如下图：
3.点击对话框中的「选项」：
4.由于现在是归于了解SPSS的阶段，可测验全部勾选：
5.回来到描绘性对话框，勾选左下方的「将规范化得分另存为变量」，最终按「确认」，得到成果如下图：
6.回来数据源表，可看到已生成Z规范化得分：
其间，规范化得分大于零，说明原数据比平均分高；若规范化得分小于零，说明原数据比平均分小。如第一个数值为-3.08124，则说明，该学生该科得分比整个平均分要低大约3个规范差。
二、T查验
图四：SPSS中T查验
（1）单样本T查验
单样本T查验的意图是利用来自总体的样本数据，揣度该总体的均值是否与拟定的查验值之间存在显著性差异。它是对总体均值的假设查验。
SPSS软件操作流程：
1.Analyze>CompareMeans>One-SampleTTest
2.在翻开的one-sampleTTestp窗口中，查验变量（TestVariable）挑选血红蛋白x,查验值（TestValue）中输入14.02,点击OK。输出成果。
（2）独立样本T查验
独立样本T查验是用于两个独立样本均值的比较。两个样本有必要独立且遵守正态散布。
按照Analyze>CompareMeans>Independent-SampleTTest操作翻开Independent-SamplesTTest窗口。
2.查验变量中挑选PreWeight,查验值为group(01)。点击OK，输出成果。
留意：Levene’stest用于确认方差齐性，留意根据该成果判别哪一行数据为最终定论。假如分组在3组或3组以上的均值比较能够应用单要素ANOVA。
三、方差剖析
图五：SPSS的方差剖析
1.首先翻开SPSS，其次点击「变量视图」：
2.给变量命名：
3.点击数据视图，再点击「肝」一列变量，导入数据，点击「组别」这组变量，输入对应的浓度（不同浓度代表不同组别）：
4.点击「变量视图」，点击组别这一组的「值」，给各组命名，然后点击方形图标：
5.在弹出的对话框中，点击「值」，输入方才组别变量中写的那些浓度值一个，其次点击「标签」给其命名：
6.比及一切增加后，依照样板数据，输入不同组的姓名和浓度：
7.点击「剖析」，再点击「比较均值」，在下拉菜单中点击「单要素ANOVA」
8.在新的对话框中，根据样板数据，增加「因变量列表」，增加「因子」，然后挑选剖析方法：
9.勾选上需求的比较方法，点击继续：
10.最终，剖析成果就出来了：
四、线性回归
图六：SPSS线性回归
在回归剖析中，只有一个自变量的回归剖析，称为一元回归；多于一个自变量的回归剖析，称为多元回归。在做线性回归剖析之前需求先做散点图，假如散点图不出现线性联系，则不能做线性回归。
（1）问题与数据
某地方病研讨所查询了8名正常儿童的尿肌酐含量（mmol/24h），请估量尿肌酐含量（Y）对其年纪（X）的直线回归方程。
（2）SPSS操作
1.数据录入SPSS：
2.做散点图，判别是否为线性联系：
3.将自变量年纪（X）放入X轴；将因变量尿肌酐含量（Y）放入Y轴；其它默许选项后，点击确认：
4.从图上判别变量之间大致呈线性联系，能够继续做回归：
5.将年纪放入自变量，尿肌酐含量放入因变量，点击确认：
6.成果剖析：
（3）成果解读
①R方（0.778）是回归方程的决定系数，表明Y变异的77.8%能够由X的变异来解释。
②对回归方程进行方差剖析：F=20.968，P=0.004。能够认为年纪和尿肌酐含量有直线联系。
③对回归系数进行T查验：Constant（回归方程的截距）与0之间的不同有统计学意义（t=5.595,P=0.001），斜率与0之间的不同有统计学意义（t=4.579,P=0.004）。

数据分析需要学哪些

近几年，数据剖析以飞快的速度蔓延至各个职业。科研、电信、金融、教育、医疗、军事、电子商务甚至国家政府机构都离不开数据剖析。现在许多工作都离不开数据剖析，二是专职数据剖析的岗位薪资也非常可观。有人说，数据剖析便是写SQL。
首先，数据剖析用的是Python语言，毫无编程基础的小白也可以学会。其次，数据剖析并不是单纯的写SQL，数据剖析师的才能不是首要体现在SQL上，假如你想成为一个SQLBoy，那你的个人价值或许得不到体现，而且可以随时被替代。
数据剖析师是数据师的一种，指的是不同职业中，专门从事职业数据收集、整理、剖析，并根据数据做出职业研究、评估和猜测的专业人员。那么，数据剖析师要学什么呢？
1、数学常识：数学常识是数据剖析师的基础常识。关于初级数据剖析师，了解一些描述统计相关的基础内容，有必定的公式核算才能即可，了解常用统计模型算法则是加分。关于高级数据剖析师，统计模型相关常识是必备才能，线性代数(首要是矩阵核算相关常识)最好也有必定的了解。
2、剖析东西：关于初级数据剖析师，玩转Exce|是有必要的，数据透视表和公式运用有必要娴熟，VBA是加分。别的，还要学会一个统计剖析东西，SPSS作为入]是比较好的。关于高级数据剖析师，运用剖析东西是核心才能，VBA根本必备，SPSS/SAS/R至少要娴熟运用其中之一，其他剖析东西(如Matlab)视情况而定。
3、剖析思想：比方结构化思想、思想导图、或百度脑图、麦肯锡式剖析，了解-些smart、5W2H、SWOT等等那就更好了。不必定要掌握多深多全，但必定要了解一些。数据库常识大数据大数据，便是数据量许多，Excel就解决不了这么大数据量的时候，就得运用数据库。
4、开发东西及环境：比方:LinuxOS、Hadoop(存储HDFS,核算Yarn)、Spark、或别的-些中间件。现在用得多的开发东西Java、python等等语言东西。