如何用spss对数据进行统计分析?
为了确定两种或两种以上变量间相互依赖的定量关系，参数及非参数检验都不好使。这里就要用到回归分析。这里介绍简单的线性回归和Logistic回归在SPSS中怎么去做。除了资料相互之间进行比较的统计学方法外，临床研究中还存在另外一种情况：研究2组资料之间是否相互联系。先看一个具体例子：
打开APP查看高清大图
12名大一女生体重与肺活量
这里，如果我们想要研究肺活量是否随体重变化而变化，就要用到统计学上一种重要的统计方法：回归分析。先看一个简单的方程式：ŷ=a+bx。怎么样？象不象初中学的最简单的一次函数？其实，这就是最简单的一次函数。只是统计学家们给它起了个高大上的名字：回归方程。如果将两个事物的取值分别定义为变量x和y，x为自变量，y为因变量，即y因为x的变化而变化。在上面这个例子中，体重就是x，而肺活量就是y。
一般而言，回归分析的数据需要满足以下四个条件：
1. 线性趋势：x和y的关系是线性的。如果不是，则不能进行线性回归分析;
2. 独立性：因变量y的取值相互独立，它们之间没有联系;
3. 正态性：因变量y的取值呈正态分布;
4. 方差齐性：因变量y的方差相同。
后两个条件其实没有这么重要。一般的临床研究只是建立回归方程，探讨x和y的关系，后两个条件不用管它们。那么如何判断x和y的关系是否是线性的呢？这就要用到另外一个重要的工具：散点图。散点图就是数据（x，y）在直角坐标系上的分布图。这其实也是初中代数的内容。
图1，图2和图3都有明显的线性关系。只不过图1，图2是直线，图3是曲线。而图4却杂乱无章，不成线性关系。所以，判断x和y的关系是否是线性关系就是做散点图。
现在市面上的统计学软件，比如SPSS，都可以做散点图和计算回归方程。我们只要输入一系列x值和y值。结果会输出a值和b值。就形成了一个回归方程。
上面那个例子：ŷ=0.000419+0.058826x。这里，如果b﹥0，则y随着x的增大而增大，反映在散点图上，就是一条斜向上的直线；如果b﹤0，则y随着x的增大而减小，反映在散点图上，就是一条斜向下的直线。∣b∣越大，y随x的变化越大，反映在散点图上，直线越陡峭。
另外，回归方程还可以揭示变量x对变量y 的影响大小，可以由回归方程进行预测和控制。即根据一个特定的x值，就可以计算出一个特定的y值。
绛旓細1銆佹墦寮SPSS杞欢锛屽湪琛ㄦ牸涓綍鍏ヤ互涓鏁版嵁銆2銆侀夋嫨鏁版嵁--涓鍔犳潈閫夐」鎵撳紑锛屽湪鎵撳紑鐨勭獥鍙ｄ腑閫夋嫨涓鍔犳潈绯绘暟锛屼箣鍚庡皢妫娴嬩汉鏁板瓧娈垫斁鍏ラ鐜囧彉閲忎笅鏂圭殑妗嗕腑纭畾銆3銆佷箣鍚庨夋嫨鍒嗘瀽鑿滃崟鈥旀弿杩板垎鏋愨旀瘮鐜囬夐」鎵撳紑銆4銆佹妸闃虫ф儏鍐靛瓧娈垫斁鍏ュ垎瀛愭爮涓紝鎬讳綋鏍锋湰鏀惧叆鍒嗘瘝鏍忎腑锛屼箣鍚庣偣鍑诲彸涓嬫柟鐨勭粺璁鎸夐挳銆5銆佹妸骞冲潎鍊煎嬀...
绛旓細宸ュ叿/鏉愭枡 SPSS 棣栧厛鐐瑰嚮椤堕儴鐨勬枃浠惰彍鍗曪紝閫夋嫨涓嬫媺鑿滃崟涓鐨勬暟鎹閫夐」锛屽涓嬪浘鎵绀 鍦ㄥ脊鍑虹殑鎵撳紑鏁版嵁鐣岄潰锛屾垜浠夋嫨瑕佹搷浣滅殑鏁版嵁鏂囦欢锛屽涓嬪浘鎵绀 鏁版嵁鍔犺浇杩涙潵浠ュ悗鎴戜滑鍙互閫夋嫨瑕杩涜鍒嗘瀽鐨勫瓧娈碉紝杩欓噷鎴戦夋嫨韬珮杩涜鎻忚堪鎬缁熻鍒嗘瀽锛屽涓嬪浘鎵 鐒跺悗鎴戜滑鐐瑰嚮椤堕儴鐨勫垎鏋愯彍鍗曪紝鍦ㄤ笅鎷夎彍鍗曚腑閫夋嫨鎻忚堪閫夐」锛屽涓嬪浘...
绛旓細step1锛氬崟鍑汇愬垎鏋愩-銆愭弿杩缁熻銆-銆愭弿杩般戯紝鎵撳紑銆愭弿杩版с戝璇濇锛屽皢鈥楢GE鈥欏彉閲忕Щ鍒板彸渚с愬彉閲忋戞涓紝鍕鹃変笅鏂鐨銆愬皢鏍囧噯鍖栧緱鍒嗗彟瀛樹负鍙橀噺(Z)銆戯紝濡傚浘3-3锛屽崟鍑汇愮‘瀹氥戙
绛旓細棣栧厛锛屾暟鎹綍鍏ユ槸绗竴姝ャ傚皢闂嵎鏁版嵁鏁寸悊鎴愮數瀛愯〃鏍煎舰寮忥紝濡侲xcel锛岀劧鍚庡鍏ュ埌SPSS杞欢涓銆傚湪鏁版嵁褰曞叆杩囩▼涓紝闇瑕佺‘淇濇暟鎹殑鍑嗙‘鎬у拰瀹屾暣鎬с傚叾娆★紝杩涜鎻忚堪鎬х粺璁″垎鏋愩傝繖涓姝ヤ富瑕佹槸瀵规暟鎹繘琛屽垵姝ョ殑鎻忚堪锛屽寘鎷潎鍊笺佹爣鍑嗗樊銆佹渶澶у笺佹渶灏忓肩瓑缁熻閲忕殑璁＄畻銆傞氳繃杩欎簺缁熻閲忥紝鍙互瀵规暟鎹殑鏁翠綋鍒嗗竷鏈変竴涓...
绛旓細1銆侀鍏堟墦寮spss杞欢鍦ㄢ淰ariable View鈥濓紙鍙橀噺瑙嗗浘锛夌獥鍙ｄ腑鑷畾涔夊ソ涓缁勫彉閲鏁版嵁銆傛瘮濡傛у埆鍜屾垚缁╋紝璁剧疆濂界浉鍏抽夐」銆2銆佽繑鍥炲埌鈥淒ata View鈥濓紙鏁版嵁瑙嗗浘锛夌獥鍙ｏ紝闅忔満褰曞叆涓缁勬暟鎹紝浣垮緱鐢峰コ鐨勬у埆鏄敊寮褰曞叆鐨勩3銆佺偣鍑讳笂鏂瑰伐鍏锋爮鐨勨淒ata鈥濓紙鏁版嵁锛夆斺斺淪plit File鈥濓紙鎷嗗垎鏂囦欢锛夈4銆佸湪寮瑰嚭鐨勭獥鍙ｄ腑锛...
绛旓細鎺ㄨ缁熻鍒欑敤浜庤繘琛屾洿楂樼骇鐨勬暟鎹垎鏋愶紝鍙鍖栧伐鍏峰垯鑳藉甯姪鐢ㄦ埛鏇寸洿瑙傚湴鐞嗚В鏁版嵁銆瀵逛簬瀛︿範鑰呮潵璇达紝寤鸿浠庡熀鏈搷浣滃紑濮嬶紝閫愭瀛︿範鍚勭鍔熻兘锛屽苟閫氳繃瀹炶返妗堜緥鏉ユ彁楂樺垎鏋愭妧鑳姐傚涔犺呭彲浠ラ氳繃瀹樻柟鏁欑▼銆佸湪绾胯棰戞暀绋嬬瓑閫斿緞娣卞叆瀛︿範銆傞氳繃鎺屾彙SPSS锛岀敤鎴峰彲浠ユ洿鍔犻珮鏁堝湴杩涜鏁版嵁鍒嗘瀽宸ヤ綔銆
绛旓細spss閲岄潰鐨勬弿杩缁熻涓昏鍦╝nalyze鈥斺攄escriptive閲岄潰锛屽叾涓湁鎻忚堪缁熻銆侀鏁扮粺璁°佷氦鍙夊垎鏋愩 鎻忚堪鎬х粺璁″垎鏋愭槸缁熻鍒嗘瀽鐨绗竴姝ワ紝鍏堥夋嫨analyze锛屼綘灏辫兘鐪嬪埌descriptive锛岀劧鍚庨紶鏍囧啀閫塂escriptive 鑿滃崟涓紝鏈甯哥敤鐨勬槸鍒楀湪鏈鍓嶉潰鐨勫洓涓繃绋嬶細Frequencies杩囩▼鐨勭壒鑹叉槸浜х敓棰戞暟琛紱Descriptives杩囩▼鍒杩涜涓鑸х殑...
绛旓細浣跨敤SPSS杞欢瀵规暟鎹繘琛岀粺璁鍒嗘瀽銆傞鍏,閫氳繃KMO鍜孊artletts鐞冨舰妫楠屽垎鏋愬彂鐜,KMO鍊间负0.93,Bartletts鐞冨舰妫楠岀粨鏋滄樉钁(杩戜技鍗℃柟=19334.492,df=253,p<0.001),琛ㄦ槑璇ラ棶鍗风殑椤圭洰閫傚悎鍋氭帰绱㈡у洜绱犲垎鏋愩 鐒跺悗,閲囩敤涓绘垚鍒嗗垎鏋愭硶(principle component analysis)鍜岀洿鎺ユ枩浜よ浆杞存硶(direct oblimin)瀵23涓鐩繘琛屽洜绱犲垎鏋愩傜粨鏋滃彂鐜...
绛旓細1銆佸湪鐢佃剳妗岄潰涓婃壘鍒spss鐨鐧诲綍蹇嵎鏂瑰紡锛岀偣鍑荤櫥褰曡蒋浠躲2銆佸湪鎵撳紑鐨勮蒋浠朵腑浠绘剰杈撳叆涓ゅ垪鏁版嵁銆3銆佸湪涓婃柟鐨勫伐鍏锋爮渚濇鐐瑰嚮鈥淎nalyze鈥濓紙鍒嗘瀽锛夆斺斺淒escriptive Statistics鈥濓紙鎻忚堪缁熻锛夆斺斺淔requencices鈥濓紙棰戠巼锛夈4銆佸湪宸﹁竟鐨勬暟鎹鍒楄〃涓紶鏍囧崟鍑婚変腑瑕佸垎鏋愮殑鏁版嵁銆5銆佺偣鍑诲彸涓婅鐨勨淪tatistics鈥濓紙缁熻...
