-
应用统计分析学习报告
本科的时候有概率统计和数理分析的基础，但是从来没
有接触过应用统计分析的东西，
spss
也只是听说过，从来没
有学过。一直以为这一块儿会比较难，这学期最初学的时候，因
为没有认真看老师给的英
文教材，课下也没有认真搜集相关资料，所以学起来有些吃力，总
感觉听起来一头雾水。
老师说最后的考核是通过提交学习报告，然后我从图书馆里借了些教
材查了些资料，发现
很多问题都弄清楚了。结合软件和书上的例子，实战一下，发现
spss
的功能相当强大。最后总结出这篇报告，以巩固所学。
spss
，全称是
statistical product
and service solutions
，即“统计产品与服务解
决方案”软件，是
ibm
公司推出的一系列用于统计学
分析运算、数据挖掘、预测分析和决策
支持任务的软件产品及相关服务的总称，
也是世界上公认的三大数据分析软件之一。
spss
具
有统计分析功能强大、
操作界面友好、
< br>与其他软件交互性好等特点，
被广泛应用于经济管理、
医
疗卫生、自然科学等各个领域。具体到管理方面，
spss
也是
一个进行数据分析和预测的强
大工具。这门课中也会用到
amo
s
软件。
关于
spss
的书，很多都是首先介绍软件的。这个软件易于安装，我装的是
19.0
的，虽
然
20.0
有
一些改变和优化，
但是主体都是一样的，
而且都是可视化界面，
用起来很方面且容
易上手。所以，我学习的重点是卡方检验和<
/p>
t
检验、方差分析、相关分析、回归分析、因子
< br>分析、结构方程模型等方法的适用范围、应用价值、计算方式、结果的解释和表述。
首先是
t
检验这一部分。由于参数检验的基础不牢固，这部分也
是最初开始接触应用统
计的东西，学起来很多东西拿不准，比如说原假设默认的是什么。
结果出来后依然分不清楚
是接受原假设还是拒绝原假设。不过现在弄懂了。这部分很有用
的是
t
检验。
t
检验应用于
当样本数较小时，且样本取自正态总体同时做两样本均数比较时，还要求两
样本的总体方差
相等时，已知一个总体均数
u
< br>，可得到一个样本均数及该样本标准差，样本来自正态或近似
正态总体。
t
检验分为单样本
t
检
验、
独立样本
t
检验、
配对样本
t
检验。
其中，
单样本
t
检
验是
样本均数与总体均数的比较的
t
检验，用于推断样本所代表的未
知总体
均数
μ
与已知的总体均数
uo
有无差别；
独
立样本
t
检验主要用于检验两个样本是否来自
< br>具有相同均值的总体，即比较两个样本的均值是否相同，要求两个样本是相互独立的；配对
样本
t
检验中，要正确理解“配对”的含义，主要用于
检验两个有联系的正态总体的均值是
否有显著差异，跟独立检验的区别就是样本是否是配
对样本。这几个方法用软件操作起来都
是相对简单的，关键是分清楚什么时候用这个什么
时候用那个。
然后是方差分析。方差分析就是将索要处理的观测值作
为一个整体，按照变异的不同来
源把观测值总变异的平方和以及自由度分解为两个或多个
部分，获得不同变异来源的均值与
误差均方，通过比较不同变异来源的均方与误差均方，
判断各样本所属总体方差是否相等。
方差分析主要包括单因素方差分析、多因素方差分析
和协方差分析等。这一部分在学习的过
程中出现一些问题，
就是
用
spss
来操作的时候分不清观测变量和控制变量，
如果反了的话会
导致结果的不准确。其次，对
b
onferroni
、
tukey
、<
/p>
scheffe
等方法的使用目的不清楚，现在
< br>基本掌握了多重比较方法选择：一般如果存在明确的对照组，要进行的是验证性研究，即计
划好的某两个或几个组间（和对照组）的比较。宜用
bonferroni(l
sd)
法；若需要进行多个
均数间的两两比较，
且各组个案数相等，
适宜用
tukey
法；
其他情况宜用
scheffe
法。
最后，
对方差齐性检验、
多重
比较检验、
趋势检验理解不够透彻，
在方差检验中，
post
hoc
键有
l
sd
的选项：
当方差分析
f
检验否定了原假设，
即认为至少有两个总体的均值存在显著性差异时，
须进一步确定是哪两个或哪几个均值显著地不同，则需要进行多重比较来检验。
lsd
即是一
种多因变量的三个或三个以上水平下均
值之间进行的两两比较检验。
相关分析是研究现象之间是否存在某种依存关系，并对
具体有依存关系的现象探讨其相
关方向以及相关程度，是研究随机变量之间的相关关系的
一种统计方法。相关分析研究现象
之间是否相关、相关的方向和密切程度，一般不区别自
变量或因变量。主要有双变量相关分
析、偏相关、距离相关几个方法。双变量相关分析是
相关分析中最常使用的分析过程，主要
用于分析两个变量之间的线性相关分析，可以根据
不同的数据类型和条件，选用
pearson
积
差相关、
spearman
等级相关和
kendall
的
tau-b
等级相关。当数据文件包括多个变量时，
直接对两个变量进行相关分析往往不能真实反映二者之
间的关系，此时就需要用到偏相
关分析，从中剔除其他变量的线性影响。距离相关分析是
对观测变量之间差异度或相似程度
进行的测量，
其中距离需要弄
清楚，
距离分析是对观测量之间相似或不相似程度的一种测度，
是计算一对观测量之间的广义距离。这些相似性或距离测度可以用于其他分析过程，例如因
子分析、聚类分析或多维定标分析，有助于分析复杂的数据集。
接着是回归分析。相关分析研究的是现象之间是否相关
、相关的方向和密切程度，一般
不区别自变量或因变量。而回归分析则要分析现象之间相
关的具体形式，确定其因果关系，
并用数学模型来表现其具体关系。比如说，从相关分析
中我们可以得知“质量”和“用户满
意度”变量密切相关，但是这两个变量之间到底是哪
个变量受哪个变量的影响，影响程度如
何，
则需要通过回归分析
方法来确定。
回归分析的目的在于了解两个或多个变量间是否相关、
相关方向与强度，并建立数学模型以便观察特定变量来预测研究者感兴趣的变量。运用十分
< br>广泛，回归分析按照涉及的自变量的多少，可分为一元回归分析和多元回归分析；按照自变
量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。如果在回归分析中，
只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为
一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间
是线性关系，则称为多元线性回归分析。应用回归分析时应首先确定变量之间是否存在相关
关系，如果变量之间不存在相关关系，对这些变量应用回归预测法就会得出错误的结果。正
确应用回归分析预测时应注意：①用定性分析判断现象之间的依存关系；②避免回归预测的<
/p>
任意外推；③应用合适的数据资料；
接下来是因子分析。因子分析是指研究从变量群中提取
共性因子的统计技术。最早由英
国心理学家
c.e.
斯皮尔曼提出。
他发现学生的各科成绩之间存在着一定的相关性，
一科成绩
好的学生，往往其他各科成绩也比较好，从而推想是否存在某些
潜在的共性因子，或称某些
一般智力条件影响着学生的学习成绩。因子分析可在许多变量
中找出隐藏的具有代表性的因
子。将相同本质的变量归入一个因子，可减少变量的数目，
还可检验变量间关系的假设。因
子分析的主要目的是用来描述隐藏在一组测量到的变量中
的一些更基本的，但又无法直接
测量到的隐性变量。从显性的变量中得到因子的方法有
两类。一类是探索性因子分析，
另一类是验证性因子分析。探索性因子分析不事先假定因
子与测度项之间的关系，而让数据
“自己说话”
。
而验证性因子分析假定因子与测度项的关系是部分知道的，
即哪个测度项对应
于哪个因子，虽然我们尚且不知道具体的系数。这一部分不能用
spss
来操作，要用
amos
，
用起来也很方便。
最后一部分学习的是结构方程模型。结构方程模型是一
种融合了因素分析和路径分析的
多元统计技术。它的强势在于对多变量间交互关系的定量
研究。在近三十年内，其大量应用
于社会科学及行为科学的领域里，并在近几年开始逐渐
应用于市场研究中。结构方程模型是
对顾客满意度的研究采用的模型方法之一。其目的在
于探索事物间的因果关系，并将这种关
系用因果模型、路径图等形式加以表述。结构方程
模型与传统的回归分析不同，结构方程分
析能同时处理多个因变量，
并可比较及评价不同的理论模型。
与传统的探索性因子分析不同，
< br>在结构方程模型中，我们可以提出一个特定的因子结构，并检验它是否吻合数据。通过结构
方程多组分析，我们可以了解不同组别内各变量的关系是否保持不变，各因子的均值是否有
显著差异。
这门课要学习完了，整个学习的过程是充满曲折和挑战
的，我见证了自己从一无所知到
困惑迷茫再到略懂再到会用的过程。甚至学完之后有些问
题还没有彻底搞清楚，自己接下来
还会不断的探索的。
spss
是个很神奇的工具，结合
amos
和<
/p>
excel
更是如虎添翼，相信学习
了<
/p>
spss
在以后的论文和数据分析中很有用。
这门课给我的感觉是看起来很难，
但是实际学起
来就好很多
，因为当我结合具体实例和软件的时候，很多抽象的问题就豁然开朗了。但是想
给老师一
个建议，这门课需要很强的统计和概率论的基础，要不然就会很难听懂或者听得半
懂。然
后这门课的很多方法的相关资料都是用在医疗卫生、自然科学领域的，在管理中的应
用的
资料不怎么多。老师希望我们上课的时候结合在管理中的应用来学习，但是资料有限，
希
望老师在这个方面多给学生一些引导。篇二：
spss
心得体会
学习
spss
在教育统计中的应用心得体会
一、什么是
spss
？为什么要学习
spss
？
新学期开始时，在信息化教育测量与评价的课程中第一次接触
到
spss
< br>这个软件，
作为本科是计算机专业出身的我，
当时只知道
spss
是一套统计软件，
就是一套根
据统计学原理所编写出来的统计分析软件，至于统计什么？分析什么？我一无所
知，尤其
是看到老师推荐的《
spss
在教育统计中的应用》这本书的时
候，就简单的把它理解
为用
spss
软
件来统计、
分析与教育相关的数据，
最终得出想要的结论而已，
而现在看来，
我
当初的想法未免有点简
单与无知。下面就来让我们了解一下
spss
。
spss
软件是一组专业的、
通用的统计软件包，同时
它也是一个组合式软件包，兼有数据管理、统计分析、统计绘图和
统计报表功能。它广泛
用于教育、心理、医学、市场、人口、保险等研究领域，也用于产品
质量控制、人事档案
管理和日常统计报表等。
spss
软件对计算机硬件系统的要求
较低；对运
行的软件环境要求宽松，有各种版本可运行在
win
dows
xp
、
win7
系统环境下，
spss
统计软
< br>件采用电子表格的方式输入与管理数据，
能方便地从其他数据库中读入数据
（如
dbase
，
e
xcel
，
lotus
等）
。
我为什么要学习
spss
呢？其实很简单，一方面，做为一名
研究生，要具备一定的科研能力，如今量化研究的方法
大行其道，一切要以事实说话、
要以数据说话，有了数据支持的研究才能更容易被认可、
被推论。另一方面，根据对
aect94
定义的理解，教育技术
学研究的对象是学习过程和学习资源，包含大量的偶然
现象和非精确现象。因此，要深
入研究教育技术现象及其规律，必须运用统计描述、统计
分析方法和模糊数学分析方法，才
可能使这门学科达到真正完善的地步。教育技术学研究
的现象多数是偶然的现象，其变化发
展往往具有几种不同的可能性，究竟出现哪一种结果
，那是带有偶然性的，是随机的。这类
偶然现象是遵循统计规律的，当随机现象是由大量
的成份组成，或者随机现象出现大量的次
数时，就能体现统计平均规律。我们只有对数据
资料作统计处理，才可能可以发现它们的内
在规律，掌握现象的特征，检验研究的假设，
才能得出准确的、可靠的研究结果。
二、对本
spss
各章节学习的心得
新课程老师带领下，采取一种新的学习方式，老师讲解
了基础部分后，全班同学采取小
组分工、协作学习，然后对全班同学进行讲解学习内容，
教师进行当堂指导，这种方法改变
了同学们的学习态度，
同学们
不再是课前不预习，
课下不复习的状态，
每组都有自己的任务，
课前有一定的压力，同学间的讨论也明显的增多，例如：一次课下同学们在一起吃饭，有
几
位同学还在调侃说“两个菜之间用
spss
< br>进行分析后得出的结果不接受
h0
假设，也就是两个
菜之间不相关”
，
虽然这只是一个课下的玩
笑，
但是这也可以体现出对学习的态度的转变。
下
面就本学期的所学
spss
的各章节做一下归纳，<
/p>
这些归纳也是基于本人平时在课前预习，
课上
及课后的一些所思所想，也许会有一些理解上的偏颇在内，但这仅限于心得而已。本学期学
< br>习各个章节
及分工如下表：
章节名称
的认识
及数据文件的
处理
2.
数据清理与
基本统计及测
量质量分析
3.t
检验
4.
方差分析
1
、
2
人
3
人
7.
聚类分析
8.
统计图形
2
人
1
人
2
人
6.
卡方检验
3
人
2
人
5.
相关分
析
3
人
分工人数
章节名称
分工人数
spss
的认识及数据文件的处理心得体会
可能是由于是同学们第一次讲，万事开头难，压力很大
，在大家认为最为简单的内容讲
解上，两位同学并没有完全展现出二人实际水平，大家在
这一节课上都感觉到很压抑，总的
感觉是这节内容很简单，但是内容又很松散，可讲的东
西太多，讲的东西多就没有突出重点
和难点，所以听过之后就有种无数的碎片漂浮在脑海
中一样，很难将知识系统化，课后总结
一下无非就是两块，一块是了解
< br>spss
软件的历史及基本功能，还有一块就是
spss
软件当中
一个模块叫做数据文件的处理，在认识
spss
软件当中了解到它是一组社会科学统计软件包，
诞生于
1968
年，当时美国的
3<
/p>
位大学生开发出了它，经过这么多年的后续开发，
spss
已经
有了很多的版本，具有了更的兼容性、和更友好的操作界面，也在
很多的学科领域得到了应
用，而在教育中的应用
只是它的一个分支。此外它对硬件的要求也很低，当前
一般的电脑都能安装它，安装的
过程中也没有什么特殊的方法，
傻瓜式的安装方式完全就可以满足。
在数据文件的处理方面，
主
要是要学会定义变量、处理变量两方面；定义变量是要注意根据自己实际采集的数据来定
义变量，例如是数值型的变量还是文本型的变量及变量的长度，小数点保留尾数等，总之就
是一句话，根据实际调查的数据要求来定义相应变量。变量定义只有只要细心的将实际调查
的数据录入到
spss
当中即可，
当然也可以在
spss
软件之外进行数据编制，
可以通过
execel
等编辑后可以直接导入到
spss
中。
在处理变量模块当中，
可以对变量进行添加、
删除、
拆分
与合并等操作，只要根据实际调查数据，细心调整变量，使操作更加简便和明了。
2
、
数据清理与基本统计及测量质量分析的心得体会
数据的清理与基本统计及测量质量分析由两名同学进行
讲解，由于吸取了上节课两名同
学的经验，本节讲授的明显好于上节课，这里我也是把它
分为两块进行学习，一块是数据的
清理，另一块是相关统计理论的学习。在数据清理方面
主要学习了奇异数据的检查与清理，
在这里本人觉得非常有必要进行数据清理，在实际的
调查数据时难免会出现错误或者碰到极
为特殊的典型案例，所以这些数据很难符合大众规
律，在统计、分析过程中可能会造成分析
结果异常，从而直接影响最终的结论。所以觉得
非常有必要进行数据检查与清理。而我认为
本节的难点不是怎样熟练运用
spss
软件，
而是在第二块中的，
< br>相关统计理论的学习，
学习这
些理论需要一定的数学基础
，只有明确这些
理
（论如均值、标准误差、<
/p>
中数、
众数、全距、
四分位等）
原理，
知其然，
知其所以然，
< br>这才是关键，
在
spss
中想要
实现对数据进行以上分析只需要轻轻点击一下按钮就可以是轻松
实现，但是如果不清楚到
底用它们来做什么就无从谈起做数据分析了，所以本节内容知道分
析原理的重要性要远远
大用
spss
对数据做出相关分析的重要性。
< br>总结为一句话
“知道它们是
做什么的后才会让它们去做该
做的工作”
。
3
、
t
检验的心得体会
t
检验由两名同学讲解，
在学
习
t
检验时，
首先要明确什么样的数据
适合
t
检验，
t
检验
的结果要说明什么问题？经过学习可以知道，
t
检验是对两组数据间的平均水平或均数的比
较，通过比较可以得出两组数
据间的显著性水平，而这两组数据都要符合正态分布，方差具
有齐同性，
t
检验由两种情况，一种配对提检验，要求两组数据不可以独立颠倒顺序，如果
颠倒顺序就会改变问题的性质，这种
t
检验称为配对
t
检验；另一种情况下的
t
检验是两组
数据可以任意颠倒顺的检验称为独立样本的
t
检验。
但是这两种情况都必须符合最先的要
求，
即都是符合正态分布，
方差都具有齐同性。
通过
spss
的相关操作可以轻松完成检验，
但是在
检验的过程中必须设置置信区间，一般设置为
95%
，在设置置信区间时必须要考虑到所做分
析的数据，
如果像要得到显著性差异的结果则可尽量将置信区间设置小些，如果想要得到不
显著差异
就要将置信区间甚至大些，本人的理解为若置信区间小，则可以理解为在小范围内
是可以
相信的，但如果将分析结果的置信区间值调大则说明在很大的范围内这个结果可信，
反之
则不可信，篇三：
spss
学习总结
学习
spss
感想
以前学统计学的时候就听老师讲过
spss
有非常强大的统计功能，
对我们学习、
工作有很
大的帮助，
所以我一直认为
spss
很神秘。
通过这个学期周老师的课让我对此
清楚了许多，
也
学到了
spss
强大的统计功能，更加让我明白了
spss
与
excel
的区别。
spss
是“社会科学统计软件包”
< br>（
statistical package for the social
science
）的
简称，是一种集成化的计算机数据处理应用
软件。
1968
年，美国斯坦福大学
<
/p>
等三位大
学生开发了最早的
spss
统计软件，并于
1975
年在芝加哥成立了
spss
公司，已有
30
余年的
成长历史，全球约有
25
万家产品用户，广泛分布于通讯、医疗、银行、证券、保险、制造、
商业、市场研究
、科研、教育等多个领域和行业。
spss
是世界上公认的三大
数据分析软件之
一（
sas
、
spss
和
systat
）
。
在学习
spss
期间，我主要遇到的问题是后面几章，
spss
的参
数检验、方差分析、相关
分析、线性回归分析、聚类分析、因子分析等。
在参数检验中我不知道原假设是什么，导致分析的时候
不知道该拒绝原假设还是接受原
假设，不能分析出统计结果。不会区分单样本
t
检验和两配对样本
t
检
验的区别，现在懂得
了它们都要服从正态分布，基本思想是小概率反证法，反证法思想是
先提出假设（检验假设
h0
）
，再用适
当的统计方法确定假设成立的可能性大小，如果可能性小，则认为假设不成立，
否则，还
不能认为假设不成立。
在学习方差分析中，开始常常把观测变量和控制变量弄
混淆，在分析的时候应分别送入
哪个对应框中，
如果反了的话会
导致结果的不准确。
其次，
对
lsd<
/p>
、
bonferroni
、
tukey
、
scheffe
等方法的使用不清楚，现在基本掌握了多重比较方法选择：一般如果存在明确的对照组，要
进
行
的
是
验
证
性
研
究<
/p>
，
即
计
划
好
的
某
两
个
或
几
个
组
间
（
和
对
照
组
）
的
比
较
。
宜<
/p>
用
bonferroni(lsd)
法；
若需要进行多个均数间的两两比较，且各组个案数相等，适宜用
tukey
法；其他情况宜用
scheffe
法。最后，对方差
齐性检验、多重比较检验、趋势检验理解不够
透彻，在方差检验中，
post
hoc
键有
lsd
的选项：当方差分析
f
检验否定了原假设，
即认为
至少有两个总体的均值存在显著性差异时，
须进一步确定
是哪两个或哪几个均值显著地不同，
则需要进行多重比较来检验。
lsd
即是一种多因变量的三个或三个以上水平下均值之间进行
的两两比较检验。
在学习相关分析的过程中，
在
绘制散点图时，
不知道哪个该做横坐标，
哪个该做纵坐标，
明白了横坐标是解释变量，
纵坐标是被解释变量，
< br>还有对相关系数的种类分析不熟练等
。
在
学习回归分析的过程中，对
dw
可检验的含义不理解，不记得对应的
dw
表示的残差序列的
相
关性。对解释变量向前筛选、向后筛选、逐步帅选策略不能熟练掌握，特别是对向前向
后筛
选时到处的结果不会进行分析。
学习聚类分析中，
变量的选择分不清，无关变量有时会引起严重的错分，应当只引入
-
-
-
-
-
-
-
-
-
上一篇：SKYPE面试技巧
下一篇：2020年儿科完整病历(课件)