如何用spss做统计图的讲义

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