GET DATA
/TYPE=XLS
/FILE='C:\Users\Administrator\Desktop\统计培训\SPSS数据\data.xls' /SHEET=name '2011年陕西省科技厅'
/CELLRANGE=full
/READNAMES=on
/ASSUMEDSTRWIDTH=32767.
警告. 命令名: GET DATA
(2101) 该列包含不可识别的类型；缺省为 "Numeric[8,2]"
* 列 46
警告. 命令名: GET DATA
(2101) 该列包含不可识别的类型；缺省为 "Numeric[8,2]"
* 列 47
警告. 命令名: GET DATA
(2101) 该列包含不可识别的类型；缺省为 "Numeric[8,2]"
* 列 50
警告. 命令名: GET DATA
(2101) 该列包含不可识别的类型；缺省为 "Numeric[8,2]"
* 列 55
警告. 命令名: GET DATA
(2101) 该列包含不可识别的类型；缺省为 "Numeric[8,2]"
* 列 56
警告. 命令名: GET DATA
(2101) 该列包含不可识别的类型；缺省为 "Numeric[8,2]"
* 列 57
警告. 命令名: GET DATA
(2101) 该列包含不可识别的类型；缺省为 "Numeric[8,2]"
* 列 60
警告. 命令名: GET DATA
(2101) 该列包含不可识别的类型；缺省为 "Numeric[8,2]"
* 列 61
警告. 命令名: GET DATA
(2101) 该列包含不可识别的类型；缺省为 "Numeric[8,2]"
* 列 63
警告. 命令名: GET DATA
(2101) 该列包含不可识别的类型；缺省为 "Numeric[8,2]"
* 列 64
警告. 命令名: GET DATA
(2101) 该列包含不可识别的类型；缺省为 "Numeric[8,2]"
* 列 65
警告. 命令名: GET DATA
(2101) 该列包含不可识别的类型；缺省为 "Numeric[8,2]"
* 列 66
警告. 命令名: GET DATA
(2101) 该列包含不可识别的类型；缺省为 "Numeric[8,2]"
* 列 67
警告. 命令名: GET DATA
(2101) 该列包含不可识别的类型；缺省为 "Numeric[8,2]"
* 列 68
警告. 命令名: GET DATA
(2101) 该列包含不可识别的类型；缺省为 "Numeric[8,2]"
* 列 69
警告. 命令名: GET DATA
(2101) 该列包含不可识别的类型；缺省为 "Numeric[8,2]"
* 列 71
警告. 命令名: GET DATA
(2101) 该列包含不可识别的类型；缺省为 "Numeric[8,2]"
* 列 72
警告. 命令名: GET DATA
(2101) 该列包含不可识别的类型；缺省为 "Numeric[8,2]"
* 列 73
警告. 命令名: GET DATA
(2101) 该列包含不可识别的类型；缺省为 "Numeric[8,2]"
* 列 74
警告. 命令名: GET DATA
(2101) 该列包含不可识别的类型；缺省为 "Numeric[8,2]"
* 列 75
警告. 命令名: GET DATA
(2101) 该列包含不可识别的类型；缺省为 "Numeric[8,2]"
* 列 77
DATASET NAME 数据集1 WINDOW=FRONT.
GET
FILE='C:\Users\Administrator\Desktop\统计培训\SPSS数据\CH03-05.sav'. DATASET NAME 数据集2 WINDOW=FRONT.
DATASET ACTIVATE 数据集1.
DATASET CLOSE 数据集2.
FREQUENCIES VARIABLES=性别年龄体检日期身高体重体重指数血压丙氨酸氨基转移酶ALTGPT 天门冬氨酸氨基转移酶ASTGOT 总胆红素T.BILI 直接胆红素D.BILI 血清总蛋白TP 血清白蛋白ALB 血清球蛋白GP 血清白球蛋白比值AG 尿素氮BUN 肌酐Cr 尿酸UA 血糖GLU 总胆固醇CHOL 甘油三酯TG 高密度脂蛋白胆固醇HDLC 低密度脂蛋白胆固醇LDLC 红细胞计数RBC 血红蛋白浓度HGB 白细胞计数WBC 血小板计数尿PH 尿蛋白质UPRO
尿白细胞检查LEU 尿隐血粪便隐血试验OB 同型半胱氨酸乙肝表面抗体HbsAb 甲胎蛋白定性AFP 癌胚抗原定性CEA 前列腺特异抗原（常规）糖链抗原50CA50 血沉幽门螺旋杆菌呼气检测一般项目内科外科女性外科神经科经颅多谱勒眼科
耳鼻喉科电测听口腔科妇科红外线乳腺放射科 CT检查 MRI检查 ECT 超声检查超声心动图骨密度阴道B超心电图动态心电图 @24小时动态血压内窥镜检查胃镜检查肠镜检查妇科阴道镜检查肺功能室化验检查病理科镜检病理
手术病理亚健康检查消化科总检处理其它
/ORDER=ANALYSIS.
频率
附注
创建的输出03-九月-2014 16时12分17秒
注释
输入活动的数据集数据集1
过滤器
权重
拆分文件
工作数据文件中的 N 行153
缺失值处理对缺失的定义用户定义的丢失值作为丢失对待。
使用的案例统计量的计算将基于所有包含有效数据
的案例。
语法FREQUENCIES VARIABLES=性别年龄体
检日期身高体重体重指数血压丙
氨酸氨基转移酶ALTGPT 天门冬氨酸氨基
转移酶ASTGOT 总胆红素T.BILI 直接胆
红素D.BILI 血清总蛋白TP 血清白蛋白
ALB 血清球蛋白GP
血清白球蛋白比值AG 尿素氮BUN 肌
酐Cr 尿酸UA 血糖GLU 总胆固醇CHOL 甘
油三酯TG 高密度脂蛋白胆固醇HDLC 低
密度脂蛋白胆固醇LDLC 红细胞计数RBC
血红蛋白浓度HGB 白细胞计数WBC 血小
板计数尿PH 尿蛋白质UPRO
尿白细胞检查LEU 尿隐血粪便隐血
试验OB 同型半胱氨酸乙肝表面抗体
HbsAb 甲胎蛋白定性AFP 癌胚抗原定性
CEA 前列腺特异抗原（常规）糖链抗原
50CA50 血沉幽门螺旋杆菌呼气检测一
般项目内科外科女性外科神经科
经颅多谱勒眼科
耳鼻喉科电测听口腔科妇科红
外线乳腺放射科 CT检查 MRI检查 ECT
超声检查超声心动图骨密度阴道B超
心电图动态心电图 @24小时动态血压
内窥镜检查胃镜检查肠镜检查妇科
阴道镜检查肺功能室化验检查病理
科镜检病理
手术病理亚健康检查消化科总
检处理其它
/ORDER=ANALYSIS.
资源处理器时间00:00:00.312 已用时间00:00:00.312
[数据集1]
统计量
统计量
丙氨酸氨基转移酶(ALT/GPT) 天门冬氨酸氨基
转移酶
(AST/GOT)
总胆红素
(T.BILI)
直接胆红素
(D.BILI) 血清总蛋白(TP)
N 有效152 152 152 152 152 缺失 1 1 1 1 1
统计量
血清白蛋白
(ALB) 血清球蛋白(GP) 血清白球蛋白比
值(A/G) 尿素氮(BUN) 肌酐(Cr) 尿酸(UA)
N 有效152 152 152 152 152 152 缺失 1 1 1 1 1
1
统计量
红细胞计数
(RBC) 血红蛋白浓度
(HGB)
白细胞计数
(WBC) 血小板计数尿PH
N 有效152 152 152 152 146 缺失 1 1 1 1 7
统计量
尿蛋白质(UPRO) 尿白细胞检查
(LEU) 尿隐血
粪便隐血试验
(OB) 同型半胱氨酸
N 有效153 153 153 153 1 缺失0 0 0 0 152
统计量
乙肝表面抗体(HbsAb) 甲胎蛋白定性
(AFP)
癌胚抗原定性
(CEA)
前列腺特异抗原
（常规）
糖链抗原
50(CA50)
统计量
血沉幽门螺旋杆菌呼
气检测一般项目内科外科女性外科神经科
N 有效152 153 153 153 153 153 0 缺失 1 0 0 0 0 0 153
统计量
消化科总检处理其它
N 有效0 153 0
缺失153 0 153
频率表
年龄
频率百分比有效百分比累积百分比有效25 1 .7 .7 .7
26 1 .7 .7 1.3
27 3 2.0 2.0 3.3
29 7 4.6 4.6 7.9
30 5 3.3 3.3 11.2
31 4 2.6 2.6 13.8
32 3 2.0 2.0 15.8
33 5 3.3 3.3 19.1
34 3 2.0 2.0 21.1
35 3 2.0 2.0 23.0
36 3 2.0 2.0 25.0
37 4 2.6 2.6 27.6
38 6 3.9 3.9 31.6
39 3 2.0 2.0 33.6
40 4 2.6 2.6 36.2
41 2 1.3 1.3 37.5
42 9 5.9 5.9 43.4
43 4 2.6 2.6 46.1
44 2 1.3 1.3 47.4
45 2 1.3 1.3 48.7
46 4 2.6 2.6 51.3
47 5 3.3 3.3 54.6
48 3 2.0 2.0 56.6
49 6 3.9 3.9 60.5
52 1 .7 .7 61.2
53 4 2.6 2.6 63.8
54 4 2.6 2.6 66.4
55 4 2.6 2.6 69.1
56 11 7.2 7.2 76.3
57 4 2.6 2.6 78.9
58 3 2.0 2.0 80.9
59 1 .7 .7 81.6
62 2 1.3 1.3 82.9
64 6 3.9 3.9 86.8
65 2 1.3 1.3 88.2
66 3 2.0 2.0 90.1
67 4 2.6 2.6 92.8
68 1 .7 .7 93.4
69 2 1.3 1.3 94.7
71 2 1.3 1.3 96.1
72 1 .7 .7 96.7
74 1 .7 .7 97.4
75 1 .7 .7 98.0
76 1 .7 .7 98.7
78 1 .7 .7 99.3
81 1 .7 .7 100.0
合计152 99.3 100.0
缺失系统 1 .7
合计153 100.0
26/03/2012 1 .7 .7 70.6
26/12/2011 18 11.8 11.8 82.4
27/12/2011 13 8.5 8.5 90.8
28/12/2011 6 3.9 3.9 94.8
29/12/2011 4 2.6 2.6 97.4
30/12/2011 3 2.0 2.0 99.3
31/12/2011 1 .7 .7 100.0
合计153 100.0 100.0
身高
频率百分比有效百分比累积百分比
有效144 1 .7 .7 .7 148 1 .7 .7 1.3
149 1 .7 .7 2.0
152 2 1.3 1.3 3.3
155 2 1.3 1.3 4.7
156 5 3.3 3.3 8.0
157 3 2.0 2.0 10.0
158 5 3.3 3.3 13.3
159 3 2.0 2.0 15.3
160 8 5.2 5.3 20.7
161 1 .7 .7 21.3
162 6 3.9 4.0 25.3
163 2 1.3 1.3 26.7
163 5 3.3 3.3 30.0
164 3 2.0 2.0 32.0
165 6 3.9 4.0 36.0
166 9 5.9 6.0 42.0
167 4 2.6 2.7 44.7
168 6 3.9 4.0 48.7
169 4 2.6 2.7 51.3
170 7 4.6 4.7 56.0
171 6 3.9 4.0 60.0
172 7 4.6 4.7 64.7
173 8 5.2 5.3 70.0
174 4 2.6 2.7 72.7
175 6 3.9 4.0 76.7
176 6 3.9 4.0 80.7
177 7 4.6 4.7 85.3
178 6 3.9 4.0 89.3
179 2 1.3 1.3 90.7
180 3 2.0 2.0 92.7
181 3 2.0 2.0 94.7
182 3 2.0 2.0 96.7
183 2 1.3 1.3 98.0
185 3 2.0 2.0 100.0
合计150 98.0 100.0
缺失系统 3 2.0
合计153 100.0
体重
频率百分比有效百分比累积百分比有效40 2 1.3 1.3 1.3
47 1 .7 .7 2.0
48 2 1.3 1.3 3.3
49 1 .7 .7 4.0
50 3 2.0 2.0 6.0
51 3 2.0 2.0 8.0
52 4 2.6 2.7 10.7
53 5 3.3 3.3 14.0
54 1 .7 .7 14.7
55 3 2.0 2.0 16.7
56 2 1.3 1.3 18.0
57 3 2.0 2.0 20.0
58 1 .7 .7 20.7
59 2 1.3 1.3 22.0
60 2 1.3 1.3 23.3
61 1 .7 .7 24.0
62 3 2.0 2.0 26.0
63 5 3.3 3.3 29.3
64 6 3.9 4.0 33.3
65 2 1.3 1.3 34.7
66 2 1.3 1.3 36.0
67 8 5.2 5.3 41.3
68 2 1.3 1.3 42.7
69 2 1.3 1.3 44.0
70 9 5.9 6.0 50.0
71 8 5.2 5.3 55.3
72 6 3.9 4.0 59.3
73 9 5.9 6.0 65.3
74 6 3.9 4.0 69.3
75 7 4.6 4.7 74.0
76 6 3.9 4.0 78.0
77 3 2.0 2.0 80.0
78 1 .7 .7 80.7
79 2 1.3 1.3 82.0
80 3 2.0 2.0 84.0
81 5 3.3 3.3 87.3
82 1 .7 .7 88.0
83 3 2.0 2.0 90.0
84 1 .7 .7 90.7
85 2 1.3 1.3 92.0
86 1 .7 .7 92.7
87 1 .7 .7 93.3
88 1 .7 .7 94.0
89 1 .7 .7 94.7
91 1 .7 .7 95.3
92 1 .7 .7 96.0
95 1 .7 .7 96.7
97 1 .7 .7 97.3
100 2 1.3 1.3 98.7
101 1 .7 .7 99.3
103 1 .7 .7 100.0
合计150 98.0 100.0
缺失系统 3 2.0
合计153 100.0
21.85 1 .7 .7 22.7
22.05 1 .7 .7 23.3 22.07 1 .7 .7 24.0 22.15 1 .7 .7 24.7 22.31 1 .7 .7 25.3 22.34 1 .7 .7 26.0 22.41 1 .7 .7 26.7 22.52 1 .7 .7 27.3 22.65 1 .7 .7 28.0 22.68 1 .7 .7 28.7 22.86 1 .7 .7 29.3
22.89 1 .7 .7 30.0
23.05 1 .7 .7 30.7 23.15 1 .7 .7 31.3 23.23 1 .7 .7 32.0 23.24 1 .7 .7 32.7 23.26 1 .7 .7 33.3 23.30 1 .7 .7 34.0 23.38 1 .7 .7 34.7 23.42 2 1.3 1.3 36.0 23.45 1 .7 .7 36.7 23.46 1 .7 .7 37.3 23.53 2 1.3 1.3 38.7 23.62 1 .7 .7 39.3 23.67 1 .7 .7 40.0 23.74 1 .7 .7 40.7 23.88 1 .7 .7 41.3 23.92 1 .7 .7 42.0 23.94 2 1.3 1.3 43.3
23.99 2 1.3 1.3 44.7
24.01 1 .7 .7 45.3 24.06 2 1.3 1.3 46.7 24.11 1 .7 .7 47.3 24.21 1 .7 .7 48.0 24.22 1 .7 .7 48.7 24.28 1 .7 .7 49.3
24.31 1 .7 .7 50.0 24.39 2 1.3 1.3 51.3 24.51 1 .7 .7 52.0 24.57 1 .7 .7 52.7 24.58 1 .7 .7 53.3 24.61 3 2.0 2.0 55.3 24.68 1 .7 .7 56.0 24.73 1 .7 .7 56.7 24.77 2 1.3 1.3 58.0 24.82 1 .7 .7 58.7 24.86 1 .7 .7 59.3 24.90 1 .7 .7 60.0
24.96 2 1.3 1.3 61.3
25.00 2 1.3 1.3 62.7 25.06 1 .7 .7 63.3 25.08 1 .7 .7 64.0 25.28 1 .7 .7 64.7 25.38 1 .7 .7 65.3 25.39 1 .7 .7 66.0 25.46 1 .7 .7 66.7 25.50 1 .7 .7 67.3 25.61 1 .7 .7 68.0 25.66 1 .7 .7 68.7 25.69 1 .7 .7 69.3 25.73 1 .7 .7 70.0 25.77 1 .7 .7 70.7 25.83 1 .7 .7 71.3 25.86 1 .7 .7 72.0 25.96 1 .7 .7 72.7
25.97 1 .7 .7 73.3
26.03 1 .7 .7 74.0 26.25 1 .7 .7 74.7 26.35 1 .7 .7 75.3 26.40 1 .7 .7 76.0 26.45 2 1.3 1.3 77.3 26.49 2 1.3 1.3 78.7
26.61 1 .7 .7 79.3
26.67 1 .7 .7 80.0
26.75 1 .7 .7 80.7
27.04 1 .7 .7 81.3
27.05 1 .7 .7 82.0
27.12 1 .7 .7 82.7
27.16 1 .7 .7 83.3
27.47 1 .7 .7 84.0
27.48 1 .7 .7 84.7
27.51 1 .7 .7 85.3
27.53 1 .7 .7 86.0
27.68 1 .7 .7 86.7
27.69 1 .7 .7 87.3
27.76 1 .7 .7 88.0
27.77 1 .7 .7 88.7
28.06 1 .7 .7 89.3
28.44 1 .7 .7 90.0
28.48 1 .7 .7 90.7
28.84 1 .7 .7 91.3
28.91 1 .7 .7 92.0
29.04 1 .7 .7 92.7
29.05 1 .7 .7 93.3
29.06 1 .7 .7 94.0
29.14 1 .7 .7 94.7
29.22 1 .7 .7 95.3
29.28 1 .7 .7 96.0
29.41 1 .7 .7 96.7
29.76 1 .7 .7 97.3
30.09 1 .7 .7 98.0
31.88 1 .7 .7 98.7
32.65 1 .7 .7 99.3
33.69 1 .7 .7 100.0
合计150 98.0 100.0
缺失系统 3 2.0
合计153 100.0
116/67 1 .7 .7 25.5 116/72 1 .7 .7 26.1 116/76 1 .7 .7 26.8 116/77 1 .7 .7 27.5 117/74 1 .7 .7 28.1 117/75 1 .7 .7 28.8 117/80 1 .7 .7 29.4 117/83 1 .7 .7 30.1 118/72 1 .7 .7 30.7 118/81 1 .7 .7 31.4 119/77 1 .7 .7 32.0 119/81 1 .7 .7 32.7 119/83 1 .7 .7 33.3 120/72 1 .7 .7 34.0 120/77 1 .7 .7 34.6 120/78 1 .7 .7 35.3 120/89 1 .7 .7 35.9 121/69 1 .7 .7 36.6 121/74 1 .7 .7 37.3 121/83 1 .7 .7 37.9 121/86 1 .7 .7 38.6 121/88 1 .7 .7 39.2 122/75 1 .7 .7 39.9 122/82 1 .7 .7 40.5 122/92 1 .7 .7 41.2 123/72 1 .7 .7 41.8 123/74 1 .7 .7 42.5 123/78 1 .7 .7 43.1 123/86 1 .7 .7 43.8 123/87 1 .7 .7 44.4 124/89 1 .7 .7 45.1 124/98 1 .7 .7 45.8 125/83 1 .7 .7 46.4 126/77 1 .7 .7 47.1 126/81 1 .7 .7 47.7
126/82 1 .7 .7 48.4 126/85 1 .7 .7 49.0 126/86 1 .7 .7 49.7 127/69 1 .7 .7 50.3 127/74 1 .7 .7 51.0 127/79 1 .7 .7 51.6 127/86%c%n 1 .7 .7 52.3 128/85 1 .7 .7 52.9 128/92 1 .7 .7 53.6 129/76 1 .7 .7 54.2 129/82 1 .7 .7 54.9 130/79 1 .7 .7 55.6 130/90 1 .7 .7 56.2 131/77 1 .7 .7 56.9 131/87 1 .7 .7 57.5 132/74 1 .7 .7 58.2 132/93 1 .7 .7 58.8 133/62 1 .7 .7 59.5 133/82 1 .7 .7 60.1 133/88 1 .7 .7 60.8 134/84 1 .7 .7 61.4 134/86 1 .7 .7 62.1 135/75 1 .7 .7 62.7 135/87 1 .7 .7 63.4 135/89 1 .7 .7 64.1 135/90 1 .7 .7 64.7 136/90 1 .7 .7 65.4 136/92 1 .7 .7 66.0 136/93 1 .7 .7 66.7 137/77 1 .7 .7 67.3 138/89 1 .7 .7 68.0 138/98 1 .7 .7 68.6 139/75 1 .7 .7 69.3 139/81 1 .7 .7 69.9 140/103 1 .7 .7 70.6
140/97 1 .7 .7 71.2 141/90 1 .7 .7 71.9 142/62 1 .7 .7 72.5 143/104 1 .7 .7 73.2 144/105 1 .7 .7 73.9 144/95 2 1.3 1.3 75.2 144/98 1 .7 .7 75.8 146/110 1 .7 .7 76.5 147/75 1 .7 .7 77.1 147/76 1 .7 .7 77.8 147/95 1 .7 .7 78.4 148/83 1 .7 .7 79.1 150/86 1 .7 .7 79.7 152/102 1 .7 .7 80.4 152/104 1 .7 .7 81.0 152/109 1 .7 .7 81.7 152/117 1 .7 .7 82.4 153/89 1 .7 .7 83.0 154/103 1 .7 .7 83.7 155/97 1 .7 .7 84.3 158/107 1 .7 .7 85.0 159/69 1 .7 .7 85.6 160/97 1 .7 .7 86.3 162/101 1 .7 .7 86.9 162/116 1 .7 .7 87.6 163/90 1 .7 .7 88.2 164/102 1 .7 .7 88.9 164/94 1 .7 .7 89.5 164/95 1 .7 .7 90.2 165/114 1 .7 .7 90.8 166/82 1 .7 .7 91.5 166/90 1 .7 .7 92.2 167/93 1 .7 .7 92.8 168/107 1 .7 .7 93.5 173/110 1 .7 .7 94.1
181/73 1 .7 .7 94.8
187/99 1 .7 .7 95.4
197/86 1 .7 .7 96.1
200/101 1 .7 .7 96.7
90/54 1 .7 .7 97.4
93/63 1 .7 .7 98.0
96/58 1 .7 .7 98.7
97/62 1 .7 .7 99.3
98/60 1 .7 .7 100.0
合计153 100.0 100.0
丙氨酸氨基转移酶(ALT/GPT)
频率百分比有效百分比累积百分比
有效7 2 1.3 1.3 1.3
8 2 1.3 1.3 2.6
9 1 .7 .7 3.3
10 2 1.3 1.3 4.6
11 2 1.3 1.3 5.9
12 4 2.6 2.6 8.6
13 4 2.6 2.6 11.2
14 6 3.9 3.9 15.1
15 6 3.9 3.9 19.1
16 5 3.3 3.3 22.4
17 6 3.9 3.9 26.3
18 9 5.9 5.9 32.2
19 3 2.0 2.0 34.2
20 7 4.6 4.6 38.8
21 4 2.6 2.6 41.4
22 4 2.6 2.6 44.1
23 6 3.9 3.9 48.0
24 4 2.6 2.6 50.7
25 4 2.6 2.6 53.3
26 12 7.8 7.9 61.2
27 9 5.9 5.9 67.1
The Research and Analysis of Xiao Mila School: International Business Major: International economy and trade class 1 Member: 李雪竹41002021 夏鸿曲41002022 黄丹妮41002062 丁桑妮41002064 鲜铤41002036 李凯41002002 梅琳41002003
Abstract Since the catering enterprises actively developed in china, our team chooses one of the catering restaurants, Xiao Mila, located in the Liu Lang bay, closed to the east gate of SWUFE. It looks crowded and not very comfortable for eating hot pot. However, it is still very popular and competitive outside the East Gate and has a lot of regular customers. We decided to find out reasons for this odd phenomenon. As it is a typical catering restaurant in that area, the research gives us in-depth knowledge of catering restaurant in college student living area. Our article uses systematic research towards the operating condition of Xiao Mila. Our aims are to understand the in dividual catering businesses? operating condition, and at the same time supplement economic research, respond to our national twelfth five-year development plan, provide guidance for other catering enterprises. The investigative manner of this article is through the issuance of the form of questionnaire survey to the crowd who ate in the Xiao Mila. After the investigation, we use the statistics we got to analyze the research questions. The methods of analysis are quantitative analysis and qualitative analysis, the Comparative Method Our conclusions of the reasons for Xiao Mila?s success are its unique flavor, locality, and low price and its awesome reputation among students; the shortages of this restaurant are its inefficient service and poor sanitation. Our team also gets the conclusion that different in gender groups have different attitude towards to Xiao Mila. This difference do not only indicate the difference in female?s and male?s thinking patterns, but also point out the way for Xiao Mila to attract customers of a certain gender. Then through discussion, we come up with a suggestion that it should overcome its shortages while holding on to its best position in flavor and price. Keywords Xiao Mila; College Students; Consumption; Analysis; SWOT 1. Introduction Along with the economy development and people's living standard improving, our tertiary industry especially catering industry is developing vigorously. Especially those young, good-tasted college students with appreciating ability,
目录 一、SPSS界面介绍 (2) 1、如何打开文件 (2) 2、如何在SPSS中打开excel表 (3) 3、数据视图界面 (3) 4、变量视图界面 (4) 二、如何用SPSS进行频数分析 (11) 三、如何用SPSS进行多变量分析 (15) 四、如何对多选题进行数据分析 (18) 1、对多选题进行变量集定义 (18) 2、对多选题进行频数分析 (21) 3、对多选题进行多变量交互分析 (24) 五、如何就SPSS得出的表在excel中作图 (27)
一、SPSS界面介绍 提前说明：第一，我这里用的是SPSS 20.0 中文汉化版。第二，我教的是傻瓜操作，并不涉及理论讲解，具体的为什么和用什么理论公式来解释请认真去听《社会统计学》的课程。第三，因为是根据我自己的操作和理解来写的，所以可能有些地方显的不那么科学，仍然要说请大家认真去听《社会统计学》的课程，那个才是权威的。 1、如何打开文件 这个东西打开之后界面是这样的： 我们打开一个文件：
要提的一点就是，SPSS保存的数据拓展名是.sav： 2、如何在SPSS中打开excel表 在上图的下拉箭头里找到excel这个选项： 然后你就能找到你要打开的excel表了。 3、数据视图界面 我现在打开了一个数据库。 可以看到左下角这个地方有两个框，两个是可以互相切换的，跟excel切换表一样，跟excel切换表一样： 现在的页面是数据视图，也就是说这一页都是原始数据，这里的一行就是一张问卷，一列就是一个问题，白框里的1234代表的是选项。这个表当时录数据的时候为了方便看，是把ABCD都转换成了1234，所以显示的是1234，当然直接录ABCD也可以，根据具体情况看怎么录，只要能看懂。 多选题的录入全部都是细化到每个选项，比如第四题，选项A选了就是“是”，没选就是
SPSS统计与分析 统计要与大量的数据打交道，涉及繁杂的计算和图表绘制。现代的数据分析工作如果离开统计软件几乎是无法正常开展。在准确理解和掌握了各种统计方法原理之后，再来掌握几种统计分析软件的实际操作，是十分必要的。 常见的统计软件有 SAS，SPSS，MINITAB，EXCEL 等。这些统计软件的功能和作用大同小异，各自有所侧重。其中的 SAS 和 SPSS 是目前在大型企业、各类院校以及科研机构中较为流行的两种统计软件。特别是 SPSS，其界面友好、功能强大、易学、易用，包含了几乎全部尖端的统计分析方法，具备完善的数据定义、操作管理和开放的数据接口以及灵活而美观的统计图表制作。SPSS 在各类院校以及科研机构中更为流行。 SPSS（Statistical Product and Service Solutions,意为统计产品与服务解决方案）。自 20 世纪 60 年代 SPSS 诞生以来，为适应各种操作系统平台的要求经历了多次版本更新，各种版本的 SPSS for Windows 大同小异，在本试验课程中我们选择 PASW Statistics 作为统计分析应用试验活动的工具。 1． SPSS 的运行模式 SPSS 主要有三种运行模式： （1）批处理模式 这种模式把已编写好的程序（语句程序）存为一个文件，提交给[开始]菜单上[SPSS for Windows]→[Production Mode Facility]程序运行。 （2）完全窗口菜单运行模式 这种模式通过选择窗口菜单和对话框完成各种操作。用户无须学会编程，简单易用。 （3）程序运行模式
这种模式是在语句（Syntax）窗口中直接运行编写好的程序或者在脚本（script）窗口中运行脚本程序的一种运行方式。这种模式要求掌握 SPSS 的语句或脚本语言。本试验指导手册为初学者提供入门试验教程，采用“完全窗口菜单运行模式”。 2． SPSS 的启动 （1）在 windows[开始]→[程序]→[PASW]，在它的次级菜单中单击“SPSS for Windows”即可启动 SPSS 软件，进入 SPSS for Windows 对话框，如图，图所示。 图 SPSS 启动
SPSS软件操作练习 参考书：《生物统计学》张勤主编（第2版） 一、均数差异显著性检验 （一）单个样本t测验 （二）独立样本测验（两个样本重组比较） （三）两个样本配对比较 二、方差分析 （一）单因素方差分析（样本量相等、样本量不等） 三、相关回归分析 相关分析：Analyze→Correlate→Bivariate（简单相关） 相关回归：Analyze→Regression→Linear 注意：Dependent：因变量y Independent：自变量x 四、卡方测验 （一）独立性：Date Weight→Cases→Frequency Variable（观察值)→ok Analyze→Descriptive Statistics→Crosstabs→Row(行）、Columns(列)→Statistics→Chi-Square （二）适合性测验：Date Weight→Cases→Frequency Variable（观察值)→ok Analyze→Nonparametric Tests→Chi-Squareic（注意比例的填写） 五、两因素方差分析 （一）两因素无重复值方差分析 （二）两因素有重复值方差分析 一、均数差异显著性检验 （一）单个样本t测验 P66 例5.1
One-Samp le Test -1.035 16 .316-1.00000 -3.0486 1.0486 Vit t df Sig. (2-tailed)Mean Dif f erence Lower Upper 95% Conf idence Interv al of the Dif f erence Test Value = 21 由结果可知：t=-1.035 sig=0.316>0.05 该批罐头的平均维生素C 与规定的21mg/g 无显著差异。 注：Sig.(2-tailed) 双侧检验概率 95% confidence.... 差值的95%置信下线和置信上线 （二）独立样本测验（两个样本重组比较） P70 例5.3
第一章SPSS概览－－数据分析实例详解 1.1 数据的输入和保存 1.1.1 SPSS的界面 1.1.2 定义变量 1.1.3 输入数据 1.1.4 保存数据 1.2 数据的预分析 1.2.1 数据的简单描述 1.2.2 绘制直方图 1.3 按题目要求进行统计分析 1.4 保存和导出分析结果 1.4.1 保存文件 1.4.2 导出分析结果 希望了解SPSS 10.0版具体情况的朋友请参见本网站的SPSS 10.0版抢鲜报道。 例1.1 某克山病区测得11例克山病患者与13名健康人的血磷值(mmol/L)如下, 问该地急性克山病患者与健康人的血磷值是否不同（卫统第三版例4.8）？ 患者: 0.84 1.05 1.20 1.20 1.39 1.53 1.67 1.80 1.87 2.07 2.11 健康人: 0.54 0.64 0.64 0.75 0.76 0.81 1.16 1.20 1.34 1.35 1.48 1.56 1.87 解题流程如下：
1.将数据输入SPSS，并存盘以防断电。 2.进行必要的预分析（分布图、均数标准差的描述等），以确定应采 用的检验方法。 3.按题目要求进行统计分析。 4.保存和导出分析结果。 下面就按这几步依次讲解。 §1.1 数据的输入和保存 1.1.1 SPSS的界面 当打开SPSS后，展现在我们面前的界面如下： 请将鼠标在上图中的各处停留，很快就会弹出相应部位的名称。 请注意窗口顶部显示为“SPSS for Windows Data Editor”，表明现在所看到的是SPSS的数据管理窗口。这是一个典型的Windows软件界面，有菜单栏、
《SPSS软件应用》教案 ●复习一：数据库结构建立 ●复习二：数据合并 ●复习三：定距数据的分组 有两种方法：一是在transform下的visual bander（可视离散化）栏完成；一是在transform转换中的compute计算变量来完成。 由于Computer需要自己定义变量标签，Visual Bander直接选择显示变量标签，因此在分组的时候，通常采取Visual Bander来实现。 第四讲数据编码和计数 教学原因：由于录入好的数据，有时候并不能够直接用来分析，因此需要对变量进行重组或者称为转换，将数据重新编码、组合等； 教学目的：培养学生根据研究主题的需要，对变量数据进行转换。 教学内容：对数据进行重新编码和计数。 一、Recode的重新编码功能 功能：用于从原变量值按照某种对应关系生成新变量值，可以将新值赋给原变量，也可生成新变量。 如果是13.0，则实现路径：Transform——Recode——into the same variables(编码为相同变量)/into different variables（编码为不同变量）；如果是16.0及以上，则直接是Transform——recode into different variable。我们一般要求重新编码为一个新变量，目的是为了保持原有变量数据。
[例题：对自己的受教育情况（a6.1）的变量值重新编码为高中低] 解释：原变量的取值是如下，因此，我们可以考虑将1-3设置为低教育程度，4-6设置为中等教育程度，7及以上设置为高等教育程度。 具体实现过程： 第一步，单击Transform——recode into different variables( SPSS 13.0使用)或Recode into different variable （重新编码为不同变量时，16.0及以上使用）时，出现下窗口： 第二步，将左边的变量（自己的受教育情况）选中，然后移入右边Input variable →output variable( 输入变量→输出变量) 空白栏中，具体如下图所示：
第二部分SPSS软件的应用指南 第一章数据文件 数据文件是统计分析的基础，它提供系统分析所需的数据。数据文件既可由SPSS系统数据文件编辑窗口产生，也可以以其他数据库文件或电子表格的数据文件转换生成。 第一节数据文件的建立命令 一、定义变量(Define Variable) 定义变量就是建立数据文件的结构，输入数据之前要定义变量。打开SPSS系统，进入SPSS的数据编辑窗口。在数据编辑窗口的左下方有两个工选择的按钮，分别是数据浏览和变量浏览。如图1～2： 图2 数据浏览和变量浏览 选定数据浏览(Data View)，系统进入数据输入、编辑、修改状态；选定变量浏览(Variable View)，系统进入变量定义、修改状态。 当选定变量浏览状态后，可看见在窗口上方有一行英文标记，即变量属性标记。
：变量名。在其下面的方格里输入变量名，英文、中文都可，系统默认值为V AR00001，如变量名都采取系统默认，则依次为V AR00002、V AR00003…。如不采用系统默认值。其变量名的命名有以下原则： ⑴变量名不能多于8个字符（一个汉字为两个字符）； ⑵英文名，首字符必须是字母，其后可为除“？”、“！”、“*”的以外字符，不能以“-”、“．”作为变量名的最后一个字符； ⑶变量名不能与SPSS保留字相同。SPSS保留字有：ALL、AND、BY、EQ、GE、GT、LE、LT、NE、NOT、OR、TO、WTTH； ⑷变量名英文字母不区分大小写。 ：变量类型。系统默认为数值型(Numeric)。如需重新定义，则点击，后面出现“…”，点击“…”，进入数据类型对话框，如图3 图中， ：标准数值类型变量，默认长度为8位，小数位数2位。SPSS中多数变量都是数值型变量。 ：带逗点的数值变量。从小数点向左右三位一小节，用逗点分节。 ：带圆点的数值变量。从小数点向左右三位一小节，用圆点分节，小数点用逗点表示。 ：科学计数法的数值变量。 ：日期时间型变量。比较常用的是“mm/dd/yyyy”型，即月月/日日/年年年年，如08/15/2000表示2000年8月15日。 ：带美元（$）符号的变量。 :用户自定义型变量。可通过Edit Option Data实现。 ：字符型变量。默认长度为8位。 ：变量数据位数长度。默认为8位。 ：变量数据的小数位数长度。默认为2位。 ：变量标签。在此栏中可输入中、英文字符，用以对变量进行说明。例如：性别变量名用英文“sex”表示，则变量标签可用中文“性别”标识。变量标签的字符最多可达255个。 ：变量数值标签。对某些用数值代码输入的数据，此项是对数值的说明。如：1表示
农民人均生活收入及消费支出分析 论文摘要: spss在经济、管理、医学及心理学等方面的研究起着很重要的作用，在我国的国民经济问题中，增加农民收入是我国扩大内需的关键，通过运用SPSS分析方法对我国农民的收入及消费支出进行了各种分析, 以便能够更好地了解我国农村居民的收入结构和消费结构与消费行为等。 关键词：农民生活收入消费支出线性回归分析 一、农民人均生活收入及消费支出分析 今年以来，全国上下认真贯彻落实科学发展观，以农业增产、农民增收为目的，加大各项惠农政策措施落实力度，多措并举做好农村劳动力转移就业工作，克服金融危机和严重干旱等自然灾害带来的不利影响，使全市农村经济保持了稳定发展的良好态势，农民现金收入持续增长，生活消费水平继续提高。 我国是一个农业大国，至今仍有9亿农村人口，占全国人口总数的70%，农民是我国最大的群体，农村消费能力的提升直接关系到国民经济的全局。从农村市场看，中国有近六成人口生活在农村。农村城镇化的进程对经济增长的带动作用是非常明显的，世界上还没有哪个国家有规模如此巨大的城镇化。农村居民的收入虽然低于城市居民，但是基数巨大，且农村人口的收入也在稳定增长。 随着经济的发展，我国农民的收入水平和消费水平的结构也发生了很大变化，农民生活水平的提高和消费的增加对于实现国民经济又好又快发展、正确处理好内需和外需的关系至关重要。但从总体来看，农民消费水平仍然较低，调查显示有的地区都不及城市居民人均消费支出的三分之一。而且消费结构不合理，局限于食品类等生存基本需求品，消费在衣着装饰等方面的极少。而影响农民消费水平的根本原因是农民的收入。 农民生活消费支出主要包括食品、衣着、医疗卫生、教育文化、家庭设备、交通等方面，本文只挑选了四种典型的消费支出作为代表来分析农村居民的消费结构。 二、数据来源说明 1、农村居民家庭基本情况. 数据来源于《2008中国统计年鉴》。 项目1990 1995 2000 2006 2007 平均每人年收入(元) 总收入990.38 2337.87 3146.21 5025.08 5791.12 现金收入676.67 1595.56 2381.60 4301.93 4958.40 工资性收入136.43 352.88 700.41 1373.76 1595.30 家庭经营收入481.19 1116.73 1498.81 2609.41 2978.28 财产性收入59.05 38.19 38.89 83.80 100.95 转移性收入87.76 143.49 234.96 283.88 平均每人年支出(元) 总支出903.47 2138.33 2652.42 4485.44 5137.68 现金支出639.06 1545.81 2140.37 3931.76 4533.13
第一章 SPSS概览－－数据分析实例详解 1.1 数据的输入和保存 1.1.1 SPSS的界面 1.1.2 定义变量 1.1.3 输入数据 1.1.4 保存数据 1.2 数据的预分析 1.2.1 数据的简单描述 1.2.2 绘制直方图 1.3 按题目要求进行统计分析 1.4 保存和导出分析结果 1.4.1 保存文件 1.4.2 导出分析结果 希望了解SPSS 10.0版具体情况的朋友请参见本网站的SPSS 10.0版抢鲜报道。 例1.1 某克山病区测得11例克山病患者与13名健康人的血磷值(mmol/L)如下, 问该地急性克山病患者与健康人的血磷值是否不同（卫统第三版例4.8）？ 患者: 0.84 1.05 1.20 1.20 1.39 1.53 1.67 1.80 1.87 2.07 2.11 健康人: 0.54 0.64 0.64 0.75 0.76 0.81 1.16 1.20 1.34 1.35 1.48 1.56 1.87 解题流程如下： 1. 将数据输入SPSS，并存盘以防断电。 2. 进行必要的预分析（分布图、均数标准差的描述等），以确定应采用的 检验方法。 3. 按题目要求进行统计分析。 4. 保存和导出分析结果。 下面就按这几步依次讲解。 §1.1 数据的输入和保存 1.1.1 SPSS的界面 当打开SPSS后，展现在我们面前的界面如下：
请将鼠标在上图中的各处停留，很快就会弹出相应部位的名称。 请注意窗口顶部显示为“SPSS for Windows Data Editor”，表明现在所看到的是SPSS的数据管理窗口。这是一个典型的Windows软件界面，有菜单栏、工具栏。特别的，工具栏下方的是数据栏，数据栏下方则是数据管理窗口的主界面。该界面和EXCEL极为相似，由若干行和列组成，每行对应了一条记录，每列则对应了一个变量。由于现在我们没有输入任何数据，所以行、列的标号都是灰色的。请注意第一行第一列的单元格边框为深色，表明该数据单元格为当前单元格。 有的SPSS系统打开时会出现一个导航对话框，请单击右下方的Cancer按钮，即可进入上面的主界面。 1.1.2 定义变量 该资料是定量资料，设计为成组设计，因此我们需要建立两个变量，一个变量代表血磷值，习惯上取名为X，另一个变量代表观察对象是健康人还是克山病人，习惯上取名为GROUP。 对数据的统计分析格式不太熟悉的朋友请先学习统计软件第一课。 选择菜单Data==>Define Variable。系统弹出定义变量对话框如下： 该变量定义对话框在SPSS 10.0版中已被取消，这里的操作只适合9.0～7.0版的用户。
GET DATA /TYPE=XLS /FILE='C:\Users\Administrator\Desktop\统计培训\SPSS数据\data.xls' /SHEET=name '2011年陕西省科技厅' /CELLRANGE=full /READNAMES=on /ASSUMEDSTRWIDTH=32767. 警告. 命令名: GET DATA (2101) 该列包含不可识别的类型；缺省为 "Numeric[8,2]" * 列 46 警告. 命令名: GET DATA (2101) 该列包含不可识别的类型；缺省为 "Numeric[8,2]" * 列 47 警告. 命令名: GET DATA (2101) 该列包含不可识别的类型；缺省为 "Numeric[8,2]" * 列 50 警告. 命令名: GET DATA (2101) 该列包含不可识别的类型；缺省为 "Numeric[8,2]" * 列 55 警告. 命令名: GET DATA (2101) 该列包含不可识别的类型；缺省为 "Numeric[8,2]" * 列 56 警告. 命令名: GET DATA (2101) 该列包含不可识别的类型；缺省为 "Numeric[8,2]" * 列 57 警告. 命令名: GET DATA (2101) 该列包含不可识别的类型；缺省为 "Numeric[8,2]" * 列 60 警告. 命令名: GET DATA (2101) 该列包含不可识别的类型；缺省为 "Numeric[8,2]" * 列 61 警告. 命令名: GET DATA (2101) 该列包含不可识别的类型；缺省为 "Numeric[8,2]" * 列 63 警告. 命令名: GET DATA (2101) 该列包含不可识别的类型；缺省为 "Numeric[8,2]" * 列 64
SPSS统计软件的使用方法 一、单因素方差分析法(One-way ANOVA 操作步骤: [1]点击电脑桌面上的SPSS图标,打开SPSS界面; [2]在界面底部位,点击变量窗(Variable View→在指标名称栏(Name第一栏中填上 “组别”→在第一栏的分数栏(Decimals中选择小数点数为0; [3]在指标名称栏(Name第二栏中填上“指标”或具体指标名称→在第二栏的分数栏 (Decimals中选择小数点数为2或具体的小数点位数; [4]在界面底部位,点击数据窗(Data View→在组别纵栏分别输入1、1、1、1、2、2、 2、2、 3、3、3、3、
4、4、4、4、 5、5、5、5、 6、6、6、6、 7、7、7、7、 8、8、8、 8等数→然后将各组各重复数分别输入到指标纵栏中。 [5]在视窗上部,选择分析(analyze按纽→下拉表中选择“比较平均数Compare mean”→可看到“测定平均值means”、“单样本T检验One sample t test”、“独立样品T 检验Independent-samples T test”、“配对样品T检验Pared-sample T tes t”、“单因 子方差分析One-way ANOVA”→选择ANOA→左窗中的组别放入因子栏(Factor→指标放入应变量栏(Dependent list→右框contrasts→点多项式polynomial→继续continue→点统计模式Post Hoc→上栏选Duncan,下栏点Tamhane`s T→继续continue →点击选项Option→全选→继续continue→点OK。 [6]出现结果窗,按数值描述表(Descritives中的平均值Mean和标准误SE,填入表,如表1所示。
S P S S软件进行主成分分析的应用例子 集团标准化小组：[VVOPPT-JOPP28-JPPTL98-LOPPNN]
SPSS软件进行主成分分析的应用例子 2002年16家上市公司4项指标的数据[5]见表2，定量综合赢利能力分析如下： 1. 第一，将EXCEL中的原始数据导入到SPSS软件中； 【1】“分析”|“描述统计”|“描述”。 【2】弹出“描述统计”对话框，首先将准备标准化的变量移入变量组中，此时，最重要的一步就是勾选“将标准化得分另存为变量”，最后点击确定。 【3】返回SPSS的“数据视图”，此时就可以看到新增了标准化后数据的字段。 进行因子分析（指标之间的相关性判定略）。 【1】“分析”|“降维”|“因子分析”选项卡，将要进行分析的变量选入“变量”列表； 【2】设置“描述”，勾选“原始分析结果”和“KMO与Bartlett球形度检验”复选框； 【3】设置“抽取”，勾选“碎石图”复选框； 【4】设置“旋转”，勾选“最大方差法”复选框；
【5】设置“得分”，勾选“保存为变量”和“因子得分系数”复选框； 【6】查看分析结果。 【1】将初始因子载荷矩阵中的两列数据输入( 可用复制粘贴的方法) 到数据编辑窗口( 为
【2】然后利用“转换”|“计算变量”, 打开“计算变量”对话框，在“目标变量”文本框 中输入“F 1”，然后在数字表达式中输入“V 1 /SQR(λ 1 )”[注:λ 1 =1.897], 即可得到特征向量F 1 ； 【3】然后利用“转换”|“计算变量”, 打开“计算变量”对话框，在“目标变量”文本框 中输入“F 2”，然后在数字表达式中输入“V 2 /SQR(λ 2 )”[注:λ 1 =1.550], 即可得到特征向量F 2 ； 【4】最后得到特征向量矩阵（主成分表达式的系数）。 【1】将得到的特征向量与标准化后的数据相乘, 然后就可以得出主成分函数的表达式； 中输入“Z 1 ”，然后在数字表达式中输入“0.531* Z (销售净利率)+0.594*Z (资产净利 率)+0.261*Z (净资产收益率)+0.546*Z (销售毛利率)” [注:F 1 =0.531,0.594,0.261,0.546], 即可得到特征向量Z 1 ； 【3】同理[注:F 2=-0.412，0.404，0.720，-0.383], 可得到特征向量Z 2 ； 【4】求出16家上市公司的主成分值。
SPSS软件进行主成分分析的应用例子 2002年16家上市公司4项指标的数据[5]见表2，定量综合赢利能力分析如下： 第一，将EXCEL中的原始数据导入到SPSS软件中； 【1】“分析”|“描述统计”|“描述”。 【2】弹出“描述统计”对话框，首先将准备标准化的变量移入变量组中，此时，最重要的一步就是勾选“将标准化得分另存为变量”，最后点击确定。 【3】返回SPSS的“数据视图”，此时就可以看到新增了标准化后数据的字段。
数据标准化主要功能就是消除变量间的量纲关系，从而使数据具有可比性，可以举个简单的例子，一个百分制的变量与一个5分值的变量在一起怎么比较？只有通过数据标准化，都把它们标准到同一个标准时才具有可比性，一般标准化采用的是Z标准化，即均值为0，方差为1，当然也有其他标准化，比如0--1标准化等等，可根据自己的研究目的进行选择，这里介绍怎么进行数据的Z标准化。 所的结论： 标准化后的所有指标数据。 注意： SPSS 在调用Factor Analyze 过程进行分析时, SPSS 会自动对原始数据进行标准化处理, 所以在得到计算结果后的变量都是指经过标准化处理后的变量, 但SPSS 并不直接给出标准化后的数据, 如需要得到标准化数据, 则需调用Descriptives 过程进行计算。 factor过程对数据进行因子分析（指标之间的相关性判定略）。 【1】“分析”|“降维”|“因子分析”选项卡，将要进行分析的变量选入“变量”列表；
【2】设置“描述”，勾选“原始分析结果”和“KMO与Bartlett球形度检验”复选框； 【3】设置“抽取”，勾选“碎石图”复选框； 【4】设置“旋转”，勾选“最大方差法”复选框； 【5】设置“得分”，勾选“保存为变量”和“因子得分系数”复选框； 【6】查看分析结果。 所做工作： a.查看KMO和Bartlett 的检验 KMO值接近1.KMO值越接近于1,意味着变量间的相关性越强，原有变量越适合作因子分析； Bartlett 球度度检验的Sig值越小于显著水平0.05，越说明变量之间存在相关关系。 所的结论： 符合因子分析的条件，可以进行因子分析，并进一步完成主成分分析。 注意： 1.KMO（Kaiser-Meyer-Olkin) KMO统计量是取值在0和1之间。当所有变量间的简单相关系数平方和远远大于偏相关系数平方和时，KMO值接近1.KMO值越接近于1,意味着变量间的相关性越强，原有变量越适合作因子分析；当所有变量间的简单相关系数平方和接近0时，KMO值接近0.KMO值越接近于0,意味着变量间的相关性越弱，原有变量越不适合作因子分析。 Kaiser给出了常用的kmo度量标准: 0.9以上表示非常适合；0.8表示适合；0.7表示一般； 0.6表示不太适合；0.5以下表示极不适合。 2.Bartlett 球度检验： 巴特利特球度检验的统计量是根据相关系数矩阵的行列式得到的，如果该值较大，且其对应的相伴概率值小于用户心中的显著性水平，那么应该拒绝零假设，认为相关系数矩阵不可能是单位阵，即原始变量之间存在相关性，适合于做主成份分析；相反，如果该统计量比较小，且其相对应的相伴概率大于显著性水平，则不能拒绝零假设，认为相关系数矩阵可能是单位阵，不宜于做因子分析。 Bartlett 球度检验的原假设为相关系数矩阵为单位矩阵，Sig值为0.001小于显著水平0.05，因此拒绝原假设，说明变量之间存在相关关系，适合做因子分析。 所做工作： b. 全部解释方差或者解释的总方差(Total Variance Explained)
SPSS软件应用-因子分析 一、数据来源： 各地区年平均收入.sav 二、基本结果 本例中，由于涉及的变量较多，直接进行地区间的比较分析较为烦琐，因此，首先考虑采用因子分析方法，减少变量个数，之后再进行比较和综合评价。 1.考察原有变量是否适合进行因子分析 首先考察收集到的原有变量之间是否存在一定的线性关系，是否适合采用因子分析提取因子。 这里，借助变量的相关系数矩阵、反映像相关矩阵、巴特利特球度检验和KMO检验方法进行分析。 分析结果如表1所示。同时，由于数据存在缺失值，采用均值替代法处理缺失值。
KMO 和 Bartlett 的检验(1b) 取样足够度的 Kaiser-Meyer-Olkin 度量。.882 Bartlett 的球形度检验近似卡方182.913 df 21 Sig. .000 由表1（a）可以看到：大部分的相关系数都较高，各变量呈较强的线性关系，能够从中提取公共因子，适合进行因子分析。 由表1（b）可知：巴特利球度检验统计量关键值为182.913，相应的概率P-值接近0。如果显著性水平α为0.05，由于概率P-值小于显著性水平α，则应拒绝原假设，认为相关系数矩阵与单位阵有显著差异。同时，KMO值为0.882，根据Kaiser给出的KMO度量标准可知，原有变量适合进行因子分析。 2.提取因子 这里首先进行尝试性分析：根据原有变量的相关系数矩阵，采用主成分分析法提取因子并选取大于1的特征值。分析结果如表2所示。 表2（a）显示了所有的变量共同度数据。第一列数据是因子分析初始解下的变量共同度，它表明：如果对原有7个变量采用主成分分析方法，提取所有特征值（7个），那么原有变量的所有方差都可被解释，变量的共同度均为1。事实上，因子个数小于原有变量的个数才是因子分析的目标，所以不可提取全部特征值。第二列数据是在按制定提取条件（这里为特征值大于1）提取特征值时的变量共同度。可以看到：港澳台经济单位、集体经济单位、以及外商投资经济单位等变量的绝大部分信息（大于83%）可被因子解释，这些变量的信息丢失较少。但联营经济单位、其他经济单位两个变量的信息丢失较为严重（近40%）。因此，本次因子提取的总体效果并不理想。 重新指定提取特征值的标准，指定提取两个因子。分析结果如表2（b）（c）（d）所示。