1.将带权重的问卷录入数据.sav中的权重变量添加到问卷录入数据(整理后).sav文件中，并尽量保留数据。


操作流程：数据——合并文件——添加变量

1.给定两个数据文件9月3日商品订购明细.sav和9月4日商品订购明细.sav，现在需要将两日的商品订购明细合并到一个数据集中。
2.将用户信息.sav中的变量添加到9月3日商品订购明细.sav中，并保留9月3日商品订购明细.sav中的全部数据。

主要内容：有时需要将一个数据文件分解，比如按照地区分析产品的销售情况，或者按照性别分析男女生的得分情况。

步骤：数据---拆分文件

案例文件：分类汇总练习某企业职工信息.sav

注意事项：数据的拆分并没有将总的文件拆分成几个分文件，而是在总文件中层次分明地显示出分文件。

SPSS预分析是进行其他统计分析的基础和前提。

通过基本统计方法的学习，可以对要分析数据的总体特征有比较准确的把握，从而有助于选择其他更为深入的统计分析方法。

第一章   频率分析

第二章   探索分析

第三章   相关分析

连续变量的频率分析：研究数值型数据

分类变量的频率分析：研究分类数据/顺序型数据   

分析被调查者“所在的城市”和“性别”的频数分布调研数据.sav


分析被调查者“职业”和“婚姻状况”的频数分布调研数据.sav

连续变量的统计描述从以下的几个方面：

集中趋势：大部分数值集中到某区间的趋势

离散趋势：数值向两边分散的趋势

分布形状（是否对称，分布曲线的形状）

分布特征（单、双峰，有无极端值等）

集中趋势：中位数、众数、平均值
离散趋势：全距、方差和标准差、四分位与百分位
分布趋势：正态分布

全距

定义：全距也称为极差，是数据的最大值与最小值之间的绝对差。

在相同样本容量情况下的两组数据，全距大的一组数据要比全距小的一组数据更为分散。

计算公式：最大值－最小值。

分析被调查者“周岁年龄”的最大值／最小值／平均值／众数／中位数／标准差／百分位数

数据：调研数据.sav

在正态分布中σ代表标准差,μ代表均值。x=μ即为图像的对称轴

3σ原则为

数值分布在(μ-σ,μ+σ)中的概率为0.6827

数值分布在(μ-2σ,μ+2σ)中的概率为0.9545

数值分布在(μ-3σ,μ+3σ)中的概率为0.9973

可以认为，Y 的取值几乎全部集中在(μ-3σ,μ+3σ)区间内，超出这个范围的可能性仅占不到0.3%.

定义：调用此过程可对变量进行更为深入详尽的描述性统计分析，故称之为探索分析。

它在一般描述性统计指标的基础上，增加有关数据其他特征的文字与图形描述，显得更加细致与全面，有助于用户思考对数据进行进一步分析的方案。

案例：

CCSS_Sample.sav, 用探索过程考察不同城市受访者年龄的分布情况。

比如第二行的数字：

1 | 0 5 6 9，

它们代表数据集中有10、15、16和19四个数字。

可以这样理解茎+叶=实际的数值，如 1|0 5 6 9 中茎值为1，叶值为 0、5、6和9共四个叶值。

定义：前面的分析都是对单个变量的数据分布情况进行分析。

但在实际分析中，还需要掌握多个变量在不同取值情况下的数据分布情况，从而进一步深入分析变量之间的相互影响和关系，这种分析就称为交叉列联表分析。

用于两个或两个以上分组变量之间的关联关系。

研究问题：

不同性别的婚姻状况，数据调研数据.sav

操作流程：分析——描述统计——交叉表

练习： 

CCSS_Sample.sav，希望了解受访者的性别和学历交叉频数分布及百分比情况。

 0.152>0.05 接受0假设；得出性别和学历没有关系

1．多选项二分法（Multiple Dichotomies Method）
2．多选项分类法（Multiple Category Method）

假设检验

1、假设  2、检验

Step1、列出原假设，并默认原假设（无效假设）成立。

Step2、在原假设的条件下抽取样本，利用样本验证原假设的正确性。

相关分析的方法原理：

分析步骤一般为：
绘制两个变量的散点图；
计算变量之间的相关系数；
相关系数的显著性检验。

SPSS相关系数检验的原假设为：
H0:|