1
SPSS ---統計圖
表
关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf
與統計摘要值
•• 資料的類型資料的類型
•• ((spss11.0 variable view spss11.0 variable view ––measure)measure)
• 類別資料(categorical data)
(1) Normal Scale
(2) Ordinal Scale
• 數量資料(numerical data)
(1) Interval Scale
(2) Ratio Scale
2
統計圖種類統計圖種類
• Bar Chart (Simple, Clustered, Stacked)
• Pie Chart
• Histogram (直方圖)
• Box-Plot (Simple, Clustered)
• Scatter Plot
• Q-Q plot
• Stem-and-Leaf plot (莖葉圖)
3
Bar Chart (SPSS) --- 1/3
• 類別資料的長條圖 graph Î bar …
Example 1 :
•Dataset: Bank.sav
(1)“職別”Æ simple bar chart
(2)“職別”& “性別”
Æ clustered bar chart
(3)“職別”& “性別”
Æ stacked bar chart
4
Bar Chart (SPSS) --- 2/3
example
•Dataset: Bank.sav
•“職別”Æ simple bar chart
•“職別”& “性別”
Æ clustered bar chart
職 別
技 術 ㆟ 員
MBA 實 習
全 職 ㆟ 員
學 校 實 習
保 全 ㆟ 員
見 習 生
職 員
C
o
u
n
t
140
120
100
80
60
40
20
0
性 別
男
女
職 別
技 術 ㆟ 員
MBA 實 習
全 職 ㆟ 員
學 校 實 習
保 全 ㆟ 員
見 習 生
職 員
C
o
u
n
t
300
200
100
0
5
Bar Chart (SPSS) --- 3/3
•Dataset: Bank.sav
•“職別” & “性別”Æ stacked bar chart
性 別
女男
C
o
u
n
t
300
200
100
0
職 別
技 術 ㆟ 員
MBA 實 習
全 職 ㆟ 員
學 校 實 習
保 全 ㆟ 員
見 習 生
職 員
職 別
技 術 ㆟ 員
MBA 實 習
全 職 ㆟ 員
學 校 實 習
保 全 ㆟ 員
見 習 生
職 員
C
o
u
n
t
300
200
100
0
性 別
女
男
6
Pie Chart
• 類別資料的圓餅圖 graph Î pie …
Example 2 :
•Dataset: Bank.sav
畫 “職別”的 pie chart
技 術 ㆟ 員
MBA 實 習
全 職 ㆟ 員
學 校 實 習
保 全 ㆟ 員
見 習 生
職 員
7
Histogram -- 1/4
• 數量資料的圓餅圖 graph Î histogram …
Example 3:
•Dataset: university.sav
畫 “Salary”的histogram ,並加㆖normal curve
8
Histogram Example – 2/4
調整後的histogram• Dataset: university.sav
• “Salary”Æ執行histogram chart-Îoption Î調整橫軸
Starting Salary
62500.0
57500.0
52500.0
47500.0
42500.0
37500.0
32500.0
27500.0
22500.0
17500.0
12500.0
7500.0
Starting Salary
F
r
e
q
u
e
n
c
y
200
100
0
Std. Dev = 6967.9
Mean = 26064.2
N = 1100.00
薪資
64250.0
56250.0
48250.0
40250.0
32250.0
24250.0
16250.0
8250.0
薪資分布圖
㆟
數
300
200
100
0
Std. Dev = 6967.98
Mean = 26064.2
N = 1100.00
統計量
9
Interactive Histogram – 3/4
• Dataset: Bank.sav
“最初薪資”& “性別”Æ interactive histogram
10
Interactive Histogram example –4/4
• Dataset: Bank.sav
“性別” & “最初薪資”Æ interactive histogram
11
Box-Plot (SPSS) -- 1/6
• 數量資料的箱型圖
• graph Î boxplot …
12
Simple Box-Plot (separate case) -- 2/6
Example 4: Dataset: Bank.sav
(1)“目前薪資”Æ separate simple box-plot
474N =
目前薪資
160000
140000
120000
100000
80000
60000
40000
20000
0
女男女男男男
男男男男男男男男
男男男男男男男男男男男
男男男男男男
男男男男男
男男男男男
男男
男
男男男
男男
男男
男
男
13
Simple Box-Plot (group case) – 3/6
(2) “目前薪資” & ”college”Æ group simple box-plot
65324127136227N =
職 別
技 術 ㆟ 員
MBA 實 習
全 職 ㆟ 員
學 校 實 習
保 全 ㆟ 員
見 習 生
職 員
目
前
薪
資
160000
140000
120000
100000
80000
60000
40000
20000
0
男男
男男
男
男
男男男男
男
男
男男
男男女男
女
男
14
Clustered Box-Plot – 4/6
15
Clustered Box-Plot – 5/6
Example 5: Dataset: Bank.sav
12789117 6430342747110N =
職 別
技 術 ㆟ 員
MBA 實 習
全 職 ㆟ 員
學 校 實 習
保 全 ㆟ 員
見 習 生
職 員
目
前
薪
資
160000
140000
120000
100000
80000
60000
40000
20000
0
性 別
男
女
151212
1612
1616
1916
1616
8
15
1281212
15
15
1516
18
(1) 畫群集相型圖
縱軸:目前薪資
橫軸:職別
群集(cluster):性別
16
Clustered Box-Plot – 6/6
Dataset: bank.sav
6 14 230 73427 8947 117110N =
性 別
女男
目
前
薪
資
160000
140000
120000
100000
80000
60000
40000
20000
0
職 別
職 員
見 習 生
保 全 ㆟ 員
學 校 實 習
全 職 ㆟ 員
MBA 實 習
技 術 ㆟ 員
19
16
1616
8
15
1281212
15
15
151212
1612
16161516
18
(2) 畫群集相型圖
縱軸:目前薪資
橫軸:性別
群集(cluster):職別
17
Scatter plot – 1/3
• 數量資料的散佈圖
• graph Î Scatter …
18
Simple scatter plot -- 2/3
Example 5: Dataset: Bank.sav
(1)“目前薪資”&”年齡”Æ simple scatter plot
Simple Scatter Plot
年 齡
706050403020
目
前
薪
資
140000
120000
100000
80000
60000
40000
20000
0
性 別
女
男
19
Matrix scatter plot -- 3/3
(2)“目前薪資”&”年齡”&“工作經驗”Æ matrix scatter plot
目前薪資
年 齡
工作經驗
matrix scatter plot
性 別
女
男
20
Q-Q plot -- 檢驗data分布是否為常態分配?
• 數量資料的QQ圖 graph Î Q-Q …
Example 6: Dataset: Bank.sav
(1) 畫 “最初薪資”的QQ Plot
21
Q-Q plot
Normal Q-Q Plot of 目前薪資
Observed Value
140000
120000
100000
80000
60000
40000
20000
0
-20000
E
x
p
e
c
t
e
d
N
o
r
m
a
l
V
a
l
u
e
100000
80000
60000
40000
20000
0
-20000
結論:結論:
非常態分布非常態分布
22
Stem-and-Leaf Display
莖葉圖
Stem-and-Leaf
Box plot
23
莖葉圖 --- (SPSS 指令)
Statistics Î Summarize Î Explore Î選項: Plots
Î勾選 Stem-and-Leaf
Example 7: Dataset: Bank.sav
(1) 畫 “年齡”的Stem-and-Leaf plot
24
年年 齡齡 StemStem--andand--Leaf PlotLeaf Plot
Frequency Stem & LeafFrequency Stem & Leaf
40.00 2 . 333344444444440.00 2 . 3333444444444
132.00 2 . 555555555666677777777888888888899999999999132.00 2 . 5555555556666777777778888888888999999999999999
116.00 3 . 00000000000001111111122222222333344444116.00 3 . 00000000000001111111122222222333344444
30.00 3 . 555678899930.00 3 . 5556788999
32.00 4 . 0011223344432.00 4 . 00112233444
30.00 4 . 556667788930.00 4 . 5566677889
33.00 5 . 0011122334433.00 5 . 00111223344
31.00 5 . 555677899931.00 5 . 5556778999
30.00 6 . 0001122333430.00 6 . 00011223334
Stem width: 10.00Stem width: 10.00
Each leaf: 3 case(s)Each leaf: 3 case(s)
Result of Example 7
25
統計表的種類統計表的種類及及統計摘要值統計摘要值
• 次數分配表
• 描述統計量 ---
mean, median, mode,
variance, st. deviation,
skewness(偏態)
• Explore (探測)
• Crosstabs --交叉分析
31,QQ
26
Negatively skewed
(左偏斜)
Skewness > 0Positively skewed
(右偏斜) Skewness < 0
27
描述性統計 (Frequencies)
• Statistics Î Summary Î Frequencies
• (Example 8 : dataset: bank.sav
• 目前薪資的敘述統計)
28
Result of Example 8Result of Example 8
Statistics
目前薪資
474
0
34419.57
784.3111
28875.00
30750.00
17075.66
2.9E+08
2.125
.112
5.378
.224
119250.00
15750.00
135000.00
1.6E+07
24000.00
28875.00
37162.50
Valid
Missing
N
Mean
Std. Error of Mean
Median
Mode
Std. Deviation
Variance
Skewness
Std. Error of Skewness
Kurtosis
Std. Error of Kurtosis
Range
Minimum
Maximum
Sum
25
50
75
Percentiles
目前薪資
135000.0
125000.0
115000.0
105000.0
95000.0
85000.0
75000.0
65000.0
55000.0
45000.0
35000.0
25000.0
15000.0
目前薪資
F
r
e
q
u
e
n
c
y
140
120
100
80
60
40
20
0
Std. Dev = 17075.66
Mean = 34419.6
N = 474.00
29
描述性統計 (Descriptives)
• Statistics Î Summary Î Descriptive
• (Example 9 : dataset: bank.sav
• 目前薪資的敘述統計)
Descriptive Statistics
474 119250.00 15750.00 135000.00 1.6E+07 34419.57 17075.66 2.9E+08 2.125 .112 5.378 .224
474
目前薪資
Valid N (listwise)
Statistic Statistic Statistic Statistic Statistic Statistic Statistic Statistic Statistic Std. Error Statistic Std. Error
N Range Minimum Maximum Sum Mean Std. Variance Skewness Kurtosis
Result of Example 9Result of Example 9
30
描述性統計 (Explore 探測)
• Statistics Î Summary ÎExpore
• (Example 10 : dataset: bank.sav
• 目前薪資&最初薪資vs性別的敘述統計)
31
Result of Example 10
Case Processing Summary
258 100.0% 0 .0% 258 100.0%
216 100.0% 0 .0% 216 100.0%
258 100.0% 0 .0% 258 100.0%
216 100.0% 0 .0% 216 100.0%
性 別
男
女
男
女
目前薪資
最初薪資
N Percent N Percent N Percent
Valid Missing Total
Cases
32
Result of Example 10
Descriptives
41441.78 1213.9680
39051.19
43832.37
39445.87
32850.00
3.8E+08
19499.21
19650.00
135000.0
115350.0
22675.00
1.639 .152
2.780 .302
26031.92 514.2582
25018.29
27045.55
25248.30
24300.00
5.7E+07
7558.0215
15750.00
58125.00
42375.00
7012.5000
1.863 .166
4.641 .330
24361.67 680.7296
23021.16
25702.19
23099.92
18900.00
1.2E+08
10934.14
10800.00
95976.00
85176.00
9225.0000
2.390 .152
8.488 .302
15710.36 239.6907
15237.92
16182.81
15419.48
14850.00
1.2E+07
3522.7191
10800.00
36000.00
25200.00
3742.5000
1.767 .166
5.352 .330
Mean
Lower Bound
Upper Bound
95% Confidence
Interval for Mean
5% Trimmed Mean
Median
Variance
Std. Deviation
Minimum
Maximum
Range
Interquartile Range
Skewness
Kurtosis
Mean
Lower Bound
Upper Bound
95% Confidence
Interval for Mean
5% Trimmed Mean
Median
Variance
Std. Deviation
Minimum
Maximum
Range
Interquartile Range
Skewness
Kurtosis
Mean
Lower Bound
Upper Bound
95% Confidence
Interval for Mean
5% Trimmed Mean
Median
Variance
Std. Deviation
Minimum
Maximum
Range
Interquartile Range
Skewness
Kurtosis
Mean
Lower Bound
Upper Bound
95% Confidence
Interval for Mean
5% Trimmed Mean
Median
Variance
Std. Deviation
Minimum
Maximum
Range
Interquartile Range
Skewness
Kurtosis
性 別
男
女
男
女
目前薪資
最初薪資
Statistic Std. Error
33
Crosstabs --交叉分析
• 目的:探討兩個類別資料的關聯分布
• SPSS指令:
• Statistics ÎSummarize Î Crosstabs
34
Crosstabs --交叉分析
•• 目的:探討兩個類別資料的相關性目的:探討兩個類別資料的相關性
•• SPSSSPSS指令:指令:Statistics Statistics ÎÎSummarize Summarize ÎÎ CrosstabsCrosstabs
Example 11: dataset: BankExample 11: dataset: Bank.sav.sav
HHOO::職別職別和和性別性別無關無關
HH11::職別職別和和性別性別有關有關Q
Q::職別和性別之間有無相關?職別和性別之間有無相關?
HHOO::職別職別和和性別性別無關無關
HH11::職別職別和和性別性別有關有關QQ::職別和性別之間有無相關?職別和性別之間有無相關?
性 別 * 職 別 Crosstabulation
110 47 27 34 30 4 6 258
123.6 74.0 14.7 22.3 17.4 2.7 3.3 258.0
23.2% 9.9% 5.7% 7.2% 6.3% .8% 1.3% 54.4%
117 89 0 7 2 1 0 216
103.4 62.0 12.3 18.7 14.6 2.3 2.7 216.0
24.7% 18.8% .0% 1.5% .4% .2% .0% 45.6%
227 136 27 41 32 5 6 474
227.0 136.0 27.0 41.0 32.0 5.0 6.0 474.0
47.9% 28.7% 5.7% 8.6% 6.8% 1.1% 1.3% 100.0%
Count
Expected Count
% of Total
Count
Expected Count
% of Total
Count
Expected Count
% of Total
男
女
性 別
Total
職 員 見 習 生 保 全 ㆟ 員 學 校 實 習 全 職 ㆟ 員 MBA 實 習 技 術 ㆟ 員
職 別
Total
Example 11: dataset: BankExample 11: dataset: Bank.sav.sav
Chi-Square Tests
87.230a 6 .000
106.109 6 .000
48.161 1 .000
474
Pearson Chi-Square
Likelihood Ratio
Linear-by-Linear
Association
N of Valid Cases
Value df
Asymp.
Sig.
(2-sided)
4 cells (28.6%) have expected count less than 5. The
minimum expected count is 2.28.
a.
結論:結論:
卡方值卡方值 = 87.23= 87.23
PP--值值 = 0.00 < = 0.00 <
拒絕拒絕HOHO,,
表示表示職別職別和和性別性別
有相關性有相關性
(2-1)*(7-1)
37
Q:死因類別和性別之間有無相關?
HO:死因別和性別無關
H1:死因別和性別有關
Extra example (Extra example (來源來源::學生作業學生作業))
38
數量資料的相關係數數量資料的相關係數
Pearson correlation coefficientPearson correlation coefficient
((常用常用))
KendallKendall’’s s Tau Tau ((參考參考))
•• 目的:探討兩個數量資料間的相關程度目的:探討兩個數量資料間的相關程度
39
Pearson Pearson 相關係數相關係數 ---- 1/31/3
40
Pearson Pearson 相關係數相關係數 –– 2/32/3
41
Pearson Pearson 相關係數相關係數 –– 3/33/3
42
相關係數相關係數 ------ SPSS process
•• Statistics => Correlate =Statistics => Correlate =>Bivariate>Bivariate
Example 12 : Dataset: exdata1Example 12 : Dataset: exdata1.sav.sav
Variables : Variables :
dbasedbase、、statstat、、mismis
•• 相關係數:相關係數:PearsonPearson
•• Q:Q:學生的㆔種課程學生的㆔種課程
成績間是否成績間是否有相關
性?
43
Result of Example 12
Correlations
1.000 .419 .565**
. .066 .008
22 20 21
.419 1.000 .488*
.066 . .025
20 23 21
.565** .488* 1.000
.008 .025 .
21 21 23
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
管理資訊課程
統計分析
資料庫
管理資訊課
程 統計分析 資料庫
Correlation is significant at the 0.01 level (2-tailed).**.
Correlation is significant at the 0.05 level (2-tailed).*.
44
Example 12 Example 12 結論結論 ((significant level =0.05)significant level =0.05)
0.4187(0.066)0.4187(0.066)
無相關性無相關性
mismis
0.4885(0.025)0.4885(0.025)
有相關性有相關性
0.5648(0.008)**0.5648(0.008)**
有相關性有相關性
dbasedbase
statstatmismis變數變數//
相關係數相關係數 ((PP--值值))
是否相關?是否相關?
45
Extra example 1:Extra example 1:㆖網時數㆖網時數與與㆖網投保㆖網投保之相關性檢定之相關性檢定
• Ho:㆖網時數與㆖網投保不相關
• H1:㆖網時數與㆖網投保相關
• α=0.01
• 拒絕域:
• 檢定統計量: =0.780
• p-值=0 <α , Reject Ho.
• 結論:㆖網時數與其未來是否㆖網投保有相關
Correlations
1.000 .780*
. .000
609 609
.780** 1.000
.000 .
609 609
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
㆖網時數
㆖網投保 >= 4 (FILTER)
㆖網時數
㆖網投保
>= 4
(FILTER)
Correlation is significant at the 0.01 level (2-tailed).**.
21
2
r
hrT −
−=
( )2
2
−> nTT α
Extra example Extra example
((來源來源::學生作業學生作業))
㆔㆛-第六組-15號
46
Extra example 2:Extra example 2:給付金額給付金額和和壽險被保㆟死亡㆟數壽險被保㆟死亡㆟數之相關性檢定之相關性檢定
Extra example (Extra example (來源來源::學生作業學生作業))
SPSS --- ²Îp¹Ïªí»P²ÎpºKnÈ
²Îp¹ÏºØÃþ
Bar Chart (SPSS) --- 1/3
Bar Chart (SPSS) --- 2/3
Bar Chart (SPSS) --- 3/3
Pie Chart
Histogram -- 1/4
Histogram Example ¡V 2/4
Interactive Histogram ¡V 3/4
Interactive Histogram example ¡V4/4
Box-Plot (SPSS) -- 1/6
Simple Box-Plot (separate case) -- 2/6
Simple Box-Plot (group case) ¡V 3/6
Clustered Box-Plot ¡V 4/6
Clustered Box-Plot ¡V 5/6
Clustered Box-Plot ¡V 6/6
Scatter plot ¡V 1/3
Simple scatter plot -- 2/3
Matrix scatter plot -- 3/3
Q-Q plot -- ÀËÅçdata¤À¥¬¬O§_¬°±`ºA¤À°t¡H
Q-Q plot
Stem-and-Leaf Display²ô¸¹Ï
²ô¸¹Ï --- (SPSS «ü¥O)
²ÎpªíªººØÃþ ¤Î ²ÎpºKnÈ
´yz©Ê²Îp (Frequencies)
Result of Example 8
´yz©Ê²Îp (Descriptives)
´yz©Ê²Îp (Explore ±´´ú)
Result of Example 10
Result of Example 10
Crosstabs --¥æ¤e¤ÀªR
Crosstabs --¥æ¤e¤ÀªR
¼Æ¶q¸ê®Æªº¬ÛÃö«Y¼Æ
Pearson ¬ÛÃö«Y¼Æ -- 1/3
Pearson ¬ÛÃö«Y¼Æ ¡V 2/3
Pearson ¬ÛÃö«Y¼Æ ¡V 3/3
¬ÛÃö«Y¼Æ --- SPSS process
Example 12 µ²½× (significant level =0.05)
Extra example 1:¤Wºô®É¼Æ»P¤Wºô§ë«O¤§¬ÛÃö©ÊÀË©w