基本统计分析

《基本统计分析》由会员分享，可在线阅读，更多相关《基本统计分析（7页珍藏版）》请在装配图网上搜索。

1、基本统计分析（SPSS讲义）公共卫生学院袁秀琴 统计分析包括两个方面：统计描述（statistical description）统计推断（statistical inference）。统计描述指选用恰当的统计指标，通常称为统计量（statistic），选用合适的统计表与统计图，对资料的数量特征及其分布规律进行测定和描述。统计描述是统计分析的第一步，为正确进行统计推断提供线索和依据。 在SPSS中，用于统计描述的统计量主要有以下几类：1）描述集中趋势的指标：常用的有算术均数(mean)、几何均数(geometric mean) 和中位数(median)。其中算术均数适用于正态分布和对称分布的资料

2、；几何均数适用于经对数转换后呈对称分布的资料，它不能用本章讲解的模块直接求出；中位数适用于各种分布类型的资料，尤其是偏态分布资料和一端或两端无确切数值的资料。2） 描述离散趋势的指标：常用的有极差(range)、四分位数间距(quartile range)、方差(variance)、标准差(standard deviation)等。极差反映一组变量值最大值和最小值之差；四分位数间距一般和中位数一起描述偏态分布资料的分布特征；方差和标准差只适合于正态分布的资料。3）百分位数指标(percentile)：是一种位置指标，适合于各种分布类型的资料。4）描述数据分布的统计量（Distribution）

3、：偏度系数、峰度系数。用来说明数据偏离正态分布的程度。 SPSS中的Descriptive Statistics菜单可以计算上述各种统计量并可绘出统计图表来实现统计描述，它主要包含以下几大模块：1）Frequencies过程：主要用于产生频数表；2）Descriptives过程：可对变量进行描述性统计分析，计算出一系列相应的统计指标；3）Explore过程：可对变量进行更为深入的描述性统计分析，又称为探索性分析。主要用于对资料性质、分布特点不清楚时。一、频数分布分析频数分布分析(Frequencies)可以产生详细的频数表，并可以按要求给出条图、直方图以及集中趋势和离散趋势的各种统计量，描述数

4、据的分布特征。此处要注意的是，该模块所给出的频数表，是全部数值的精确列表，实际上就是相同变量值个数的组合，并非是按规定的组距划分组段。如果想绘制我们熟悉的频数表，要使用Recode过程产生新变量来代替各组段。例51从某单位1999年的职工体检资料中获得101名正常成年女子的血清总胆固醇（）的测量结果如下，试编制频数分布表。（孙振球主编.医学统计学/第二版.北京：人民卫生出版社，2005：P13.）2.354.213.325.354.174.132.784.263.584.344.844.414.783.953.923.583.664.283.263.502.704.614.752.913.91

5、4.594.192.684.524.913.183.684.833.873.953.914.154.554.803.414.123.955.084.533.923.585.353.843.603.514.063.073.554.233.574.833.523.844.503.964.503.274.523.194.593.753.984.134.263.633.875.713.304.734.175.133.784.573.803.933.783.994.484.284.065.265.253.985.033.513.863.023.704.333.293.254.154.364.953.00

6、3.26SPSS操作分析步骤：1.建立数据文件“胆固醇.sav”：将101个胆固醇值输成1列数值变量。2统计分析：（1）菜单选择Analyze Descriptive Statistics Frequencies弹出频数分布分析“Frequencies”对话框，如图5-1所示。在主对话框中有【Statistics】(见图52)、【Charts】（见图53）、【Format】（见图54）子对话框，各对话框的说明见表51、52、53。Display frequencies table： 显示频数分布表。表51 Statistics子对话框说明选项说明备注Percentile定义需要输出的百分位数本

7、例全选Central tendency用于定义描述集中趋势的一组指标：均数（Mean）、中位数（Median）、众数（Mode）、总和(Sum)。本例全选Dispersion用于定义描述离散趋势的一组指标：标准差(Std. Deviation)、方差(Variance)、全距(Range)、最小值(Minimum)、最大值(maximum)、标准误(S.E. mean)本例全选Distribution用于定义描述分布特征的两个指标：偏度系数(Skewness)、峰度系数(Kurtosis)本例全选Values are group midpoints输出分组频数数据，具体数值为组中值，选中该框，

8、则在计算百分位数时会将数据按频数表处理。本例采用系统默认方法 表52 Charts子对话框说明选项说明备注Chart type定义统计图类型：无、条图(Bar charts)、圆图(Pie charts)、直方图(Histograms)，直方图还可选择是否绘正态曲线(With normal curve)。本例选择直方图，加上正态曲线。Chart values选择条图及圆图时，定义是按频数还是百分比作图。本例因绘制直方图，不作选择。 表53 Format子对话框说明选项说明备注Order by定义频数表的排列顺序。Ascending values根据数值按升序作频数分布。:Descending

9、values: 根据数值按降序作频数分布。Ascending counts: 根据频数按升序作频数分布。Descending counts: 根据频数按降序作频数分布。本例采用系统默认方法Multiple variables如选择两个以上变量作频数表，Compare variables可以将结果在同一表格中输出，便于比较；Organize output variables则将结果在不同表格中输出。本例采用系统默认方法Suppresstables more than当频数表分组数大于设定数值，禁止它在结果中输出，避免产生过大表格。本例选择100。（2）SPSS程序 FREQUENCIES VAR

10、IABLES=胆固醇 /FORMAT=LIMIT(100) /NTILES= 4 /NTILES= 10 /PERCENTILES= 10 /STATISTICS=STDDEV VARIANCE RANGE MINIMUM MAXIMUM SEMEAN MEAN MEDIANMODE SUM SKEWNESS SESKEW KURTOSIS SEKURT /HISTOGRAM NORMAL /ORDER= ANALYSIS . 3主要输出结果及解释：主要输出结果有：统计量，如图5-5所示；频数表，如图5-6所示；直方图，如图5-7所示。 二、描述性统计分析描述性统计分析（Descriptive

11、s）主要用以描述集中趋势和离散趋势的各种统计量，还有一个特殊功能，就是可对变量进行标准化处理。 例52对例题5-1中的资料，求集中趋势和离散趋势的统计量。 SPSS操作分析步骤： 1. 打开数据文件 “胆固醇.sav”。 2. 统计分析： （1）菜单选择 Analyze Descriptive Statistics Descriptives弹出Descriptives主对话框，如图58所示。Save standardized values as variables： 对分析变量进行标准化处理，可产生一个标准化值（z分），并将z分在数据文件中存为新变量。【Options子对话框】 ：选择单击“O

12、ptions”按钮，弹出“Options”对话框，如图59所示。图中大部分内容在Frequencies过程中的Statistics对话框见过。最下方的Display order是新出现的，可以用它选择变量列表顺序、字母顺序、均数升序或降序。（2）SPSS程序DESCRIPTIVES VARIABLES=胆固醇 /SAVE /STATISTICS=MEAN STDDEV MIN MAX . 3.主要输出结果：见图510。三、探索性分析探索性分析（Explore）的目的：对数据进行初步检查，判断有无奇异值（Outliers）和/或极端值（Extreme values）；判断变量值是否服从正态分布；

13、对数据规律的初步考察。例53对例5- 1中的资料，进行初步的探索性分析。SPSS操作分析步骤：1. 打开数据文件 “胆固醇.sav”。2. 统计分析：（1）菜单选择Analyze Descriptive Statistics Explore弹出“Explore”主对话框，见图511。在主对话框中有【Statistics子对话框】（见图512），【Plots子对话框】（见图513），【Options子对话框】。各对话框说明见表54、55。表54 Statistics子对话框说明选项说明备注Descriptives输出均数、中位数、众数、5修正数、标准误、方差、标准差、最小值、最大值、全距、四分位

14、数间距、峰度系数、峰度系数的标准误、偏度系数、偏度系数标准误及指定均数的可信区间。本例选择描述。M-estimators集中趋势的最大稳健估计。本例没有选择。Outliers输出5个最大值和5个最小值。本例选择输出。Percentiles输出第5、10、25、50、75、90、95百分位数。本例没有选择。表55 Plots子对话框说明选项说明备注Boxplots确定箱式图的绘制方式。本例选择分组绘制箱式图。Descriptive选择绘制茎叶图（Stem-and-leaf）和直方图(Histogram)。本例选择绘制茎叶图。Normality plots with test绘制正态分布图。本例选

15、择绘制正态分布图。Spread vs. level with levene test方差齐性检验。本例没有选择。【Options子对话框】：用于选择对缺失值的处理方式，可以不分析有缺失值的记录，不分析某统计量有缺失值的记录，或报告缺失值。 （2）SPSS程序EXAMINE VARIABLES=胆固醇 /PLOT BOXPLOT STEMLEAF NPPLOT /COMPARE GROUP /STATISTICS DESCRIPTIVES EXTREME /CINTERVAL 95 /MISSING LISTWISE /NOTOTAL. 3.主要输出结果及解释主要输出结果有：描述性统计量，如图5

16、-14所示； 极端值，如图5-15所示；正态性检验结果，如图5-16和图5-17所示；茎叶图，如图5-18所示；箱图，如图5-19所示。 说明： Sig（significant level）即P值，本例P=0.200，说明101名正常成年女子的血清总胆固醇值呈正态分布。一般来说，P值越大，越支持资料服从正态分布。 说明：如资料服从正态分布，则散点的分布接近于一条直线，本例支持正态分布。说明： 图中“3.00 2. 677”表示胆固醇值2.6的1例，胆固醇值2.7的2例，共3例。说明：1. 矩形框是箱图的主体,上中下三条线分别表示变量值的第75、50、25百分位数。 2. 触须线，是中间的纵向直线。上截止横线是变量值本体最大值；下截止线是变量值本体最小值。本体值即除奇异值以外的变量值称为本体值。3. 奇异值，使用“0”标记，分大小两种。箱体上方的用“0”标记的点，其变量值超过了第75百分位数与第25百分位数上的变量差值的1.5倍。箱体下方的用“0”标记的点，其变量值小于第75百分位数与第25百分位数上的变量差值的1.5倍。4. 极值，使用“*”标记。上极值点上的变量值超过了第75百分位数与第25百分位数上的变量差值的3倍；下极值点上的变量值超过了第75百分位数与第25百分位数上的变量差值的3倍。7