描述分析

  • 对于定量数据,比如量表评分(非常不满意,不满意,非常满意等),或者身高体重的值,可以通过描述性分析计算数据的集中性特征(平均值)和波动性特征(标准差值),同时SPSSAU系统还提供最大最小值,以及中位数值.描述性分析通常用于研究量表数据的基本认知情况分析,使用平均值去表述样本对于量表数据的整体态度情况。

    分析项 描述分析说明
    网购满意度 数字1代表非常不满意,2代表比较不满意,3代表一般,4代表比较满意,5代表非常满意;则可通过描述分析计算平均得分,描述整体满意情况如何。

    分析结果表格示例如下(SPSSAU同时会生成拆线图/雷达图等):

    样本量 最小值 最大值 平均值 标准差 中位数
    分析项1 198 1.57 5.00 3.43 0.76 0.76
    分析项2 198 2.00 5.00 3.93 0.86 0.86
    分析项3 198 2.00 5.00 3.84 0.90 0.90
    分析项4 198 1.00 5.00 3.32 1.01 1.01
    • 特别提示
    • 描述性分析通常可用于 查看 数据是否有异常(最小值或最大值查看),比如出现-2,-3等异常等。

    • 如果多个量表题表示一个维度,可使用“生成变量”的平均值功能。将多个量表题合并成一个整体维度。

    同时SPSSAU会输出更多细节指标,如下表:

    名称 方差 25分位数 中位数 75分位数 IQR 峰度 偏度
    A1 0.728 4.000 4.000 5.000 1.000 0.482 -0.841
    A2 0.585 4.000 4.000 5.000 1.000 2.317 -1.214
    A3 0.683 4.000 4.000 5.000 1.000 0.630 -0.774
    A4 0.905 3.000 4.000 4.750 1.750 -0.487 -0.474
    • 上表格中指标使用情况相对较少,25分位数是指有25%的点低于该值;类似还有中位数代表有50%的点低于该值,75分位数代表有75%的点低于该值。

    • IQR等于75分位数 – 25分位数,表示数据集中情况。

    • 峰度和偏度通常用于判断数据正态性情况,峰度的绝对值越大,说明数据越陡峭,峰度的绝对值大于3,意味着数据严重不正态。同时偏度的绝对值越大,说明数据偏斜程度越高,偏度的绝对值大于3,意味着严重不正态(可通过正态图查看数据正态性情况)。

    • 除了使用描述性分析外,SPSSAU也建议用户可使用箱线图直观展示数据分布情况。

    SPSSAU操作截图如下:

疑难解惑

  • 提示“SPSSAU建议使用中位数进行描述分析,而不是使用平均值”
  • 描述分析通常分析数据的整体水平情况,通常是使用平均值概括整体水平情况。试想一组身高数据,大部分都是1.7米,但突然出来一个2.2的异常值,一下子就拉高整体水平。此时再使用平均值表示整体身高水平,显得不合适,而应该使用中位数(即原始数据排序后最中间那个数字)表示整体身高水平更为适合。

  • 如何计算众数?
  • 众数是指出现频率最高的项,建议使用频数分析查看即可。有可能出现频数出现最高的项有多个,此时众数就有多个。众数的实际应用意义较少,建议用户可结合数据类型情况,使用百分比,或者平均值或者中位数等,而不使用众数。