spss怎么使用方法

㈠ 谁能教我怎样用spss做调查问卷分析啊，包括怎样输入数据，急啊

1、首先打开SPSS，选择“打开现有的数据源”，如下图所示。

㈡ 如何用SPSS分析问卷

1、定义变量

打开SPSS后，进入变量设置可以看到变量名、变量类型、变量值的宽度等等，这些都是对变量进行细化定义的。我们可以把问卷中的一个问题理解为一个变量，那么一个答案也就与一个变量取值相对应。

2、录入数据

录入数据大体分为四种：即读取SPSS格式的数据;读取ESCEL表格数据;读取文本数据;读取相对应的数据库。录入数据的方法很简单，打开SPSS数据录入的窗口直接进行录入即可。

3、分析统计

录入数据后，就是进行数据分析了，但要选择分析方法，也就是说用什么分析统计过程，来获得正确的分析结果。此时，就要具体结合我们调查问卷的具体情况而定。SPSS分析方法主要有两种，一是作图分析法，特点是分析简单直观易懂;二是数值分析法，特点选择性强，分析结果细致。

4、保存结果

SPSS分析软件可以把多个分析结果保存在同一个窗口中——结果输出窗口。但一般情况下，我们需要把分析结果复制到分析报告中，而不在窗口内进行保存，而是只保存数据，因为这样我们随时可以根据数据，采取不同的分析法进行重新分析，也就会随时有不同的结果。

㈢ 如何快速掌握 SPSS

这个过程必须亲自动手练习，打开软件界面，对照教材上的步骤，一步一步的点菜单，熟悉相应的统计对话框，能定位到具体的输出结果，能区分哪些是关键结果哪些是次要结果。

有许多学习者之所以学SPSS，并不是要系统的吃透，而仅仅是为了使用其中某一个统计方法，例如大学生要使用因子分析法来处理毕业论文数据，那么此时他只需要快速的了解基本操作，集中精力攻破因子分析一个统计操作过程就可以了。

这个时间有的人需要几个小时，有的人则需要一个星期，在按时完成毕业论文的压力之下，一段时间的集中学习是完全可以让你熟练操作并得到相关的结果。

学软件一定要有勇于尝试、不怕出错的理念，不懂的按钮和菜单就直接打开去看，手忙脚乱时点一点鼠标的右键看看软件有没有解决方案。

数据界面主要分为以下几个方面：

标题栏：标题栏显示文件的标题。

菜单栏：通过点击形成下拉菜单，提供软件的主要功能（如描述统计、均值比较、一般线性模型等）。

常用工具栏：提供软件内置常用的工具（如剪切、粘贴、清除等）。

数据单元格信息显示栏：点击数据单元会显示该单元格中的具体信息，主要是在单元格中的信息超出单元格范围时会使用。

编辑显示区：点击之后可以直接在编辑显示区进行数据编辑。

视图转换栏：点击数据视图或变量视图按钮可以在数据界面和变量界面进行转换。

系统状态栏：可以在此处查看系统处理数据的状态，在数据量较大时可以观察是否在处理或者是已经处理完毕。

㈣ 怎么用spss 具体步骤,做出回归系数和OR 和P 值

（1）OR值的定义

计算OR值（比值比），可以确定两组结果发生的比较风险。当使用logistic回归对二元因变量建模时，有时会通过OR值对结果进行解释。

（2）操作步骤

Logistic回归中，自动会输出OR值及95%置信区间。如果想单独计算两组数据的OR值、及其置信区间和p值，可使用【医学研究】--【OR值】。

结果显示，吸烟者患癌症的风险是非吸烟者患癌症风险的4.75倍。

与非吸烟者相比，吸烟者的发病率是非吸烟者发病率的4倍。

㈤ SPSS数据录入的几种方法

第一种方法：使用SPSS窗口录入数据

如果样本量不大，涉及变量不多，可以直接在SPSS窗口录入数据。

录入方法：打开SPSS后，选择窗口下方的【Data View】选项卡，即可直接在表格中录入数据，完成录入后存成 *.sav文件即可。

我用的是破解版，如下图：

第二种方法：用SPSS命令程序录入数据

使用SPSS命令程序录入数据，最基本的命令有四条：Data List、Variable Labels、Value Labels和Missing Values。利用这四条命令，可以编写一个SPSS数据录入的小程序并录入数据，最后得到SPSS软件可以直接使用的*.sav数据。

第三种方法：在Excel中录入数据

用户既可以在SPSS中打开需要分析的Excel文件，也可以在Excel中录入、保存，然后在SPSS中打开保存的Excel文件。在Excel中录入数据时，一般第一行录入变量，第二行开始录入数据，在录入完毕后，将文件保存为Excel默认格式（*.xlsx）即可。

使用Excel录入数据有以下几个特点：(1)不用补0，可以录入汉字，但速度较慢，适合于变量个数有限（几十个变量）的小样本数据录入；（2）可以进行各种计算，如数学与三角函数；（3）可以进行位置计算；（4）可以用Excel做辅助分析，进行数据变换；（5）可以非常方便地制作图表。

第四种方法：利用EpiData程序录入数据

EpiData是丹麦的一个非营利组织编写的用于数据录入的免费软件，要获得该软件，可以访问该软件主页（http://www.epidata.dk）。在小规模数据录入方面，目前使用较多的是EpiData3.1，其简洁、实用，并已基本实现汉化，极大方便了研究人员进行数据录入。

使用EpiData录入数据主要有6个步骤：（1）制作数据描述文件；（2）建立数据文件；（3）检查数据；（4）数据录入；（5）浏览数据文件资料；（6）导出数据。

㈥ spss如何用

简单的举个例子，spss在对于个人数据分析和结果处理方面来看

个人数据分析与结果处理（针对大学生的论文）

分析主要包括描述性分析、信度效度分析、相关分析、假设检验（回归分析）。在分析之前我们首先要懂得SPSS的分析原理。

用SPSS分析的问卷必须是李克特五、七级量表，新研究者建议设计五级单因素的量表。问卷数据收集完成，第一步要剔除无效问卷，保证数据的准确性。

分析步骤如下：

01、录入信息

打开SPSS软件，在变量界面输入问题及值，一般值为1代表非常不同意，2代表不同意，3代表不一定，4代表同意，5代表非常同意。

02、描述性分析

描述性分析是对被调查者的最基本的信息进行描述，如性别、学历、年龄、工等等。描述性分析主要对问卷的均值、标准差进行分析。

最后汇总了列成表格或图表，图表的项有频数、频率、均值、标准值等，加以文字说明，使结果清晰明了。

03、信度分析

信度分析主要是通过SPSS分析验证设计的问卷是否可靠，是否具有良好的相关性进行分析，收集数据是否存在矛盾、可靠等等。

问卷分析的步骤如下：点击“分析”----“标度”----“可靠性分析”-----“选择项”----“确定”

结果分析：问卷是否可靠关键在于：Alpha（a系数）

a<0.7则表示设计的问卷信度不可靠；

0.7<a<0.8则说明问卷具有一定的可靠性；

0.8<a<0.9则说明问卷信度很好；

04、效度分析和因子分析

通俗来说，效度分析是检验问卷题目与研究目的是否相一致。一般分为内容效度和结构效度；

内容效度是指题项与所测变量的适合性和逻辑相符性；

结构效度是指题项衡量所测变量的能力，实证分析着重分析结构效度，通过进行探索性因素分析（Exploratory factor analysis，EFA）检验来证明量表的结构有效性。

分析步骤如下：分析--降维--因子--将左边所有变量选到右边变量框中--描述--选择初始解和KMO--点击继续--提取--在提取里选择主成份和碎石图--继续--旋转--选择最大方差法。

得出结果如下：

结果分析：效度分析结果主要看KMO值和sig.（显着性）；

若KMO>0.7，则说明问卷中设计的自变量之间具有一定的联系，问卷是有效的；

sig.<0.001说明该问卷符合做因子分析，下一步则可以进行因子分析（EFA）。

05、相关分析

相关分析前首先取各个因子的平均值。

步骤如下：分析--相关--双变量--将左边的变量选到右边--在皮尔逊和双变量前打勾--确定。

得出的结果如下：

假设前面两个为因子1、因子2（自变量），第三个为因变量。

相关性是检验自变量与因变量的关系。

可以看出因子1与因变量的相关系数为0.779，且sig.<0.001，说明自变量（因子1）与因变量呈正相关。

相关系数的取值范围介于-1~1之间，绝对值越大，表明变量之间的相关越为紧密。

06、回归分析

回归分析需要看的图有模型摘要图、ANOVA、系数图等等

步骤如下：分析--回归--线性--选择自变量和因变量--点击统计--选择德、共线性等--继续--选择XY变量--继续--保存--继续--确定。

模型摘要图主要看R方和德宾值（D-W），调整后的R方为0.684说明自变量对因变量的可解释程度为68.4%（R方代表的是自变量对因变量的解释能力，R方与调整后的R方越接近说明数据越稳定）。D-W值是检验自变量之间是否存在自相关，上图中D-W>2表示问卷中的几个自变量无自相关性，

即方差分析表，ANOVA表的一个作用就是验证假设（A对B不产生影响）是否成立，一般只看sig.值即可，上图sig.<0.01,说明拒绝原假设，至少有一个对因变量产生显着性影响。

下一步看系数表，系数表则说明有几个自变量对因变量产生显着性影响。

可以看出，相关性分析是检验自变量与因变量之间是否具有相关性（正向或反向相关），回归分析则说明了自变量对因变量是否具有显着性影响。

07、一些常见p的问题

1.在信度分析时，那个值该怎么写，问卷信度总是0.5多 ，怎么写？

信度分析主要看Alpha（a系数），a<0.7则表示设计的问卷信度不可靠，0.7<a<0.8则说明问卷具有一定的可靠性，0.8<a<0.9则说明问卷信度很好。0.5小于0.7说明问卷信度不可靠，接下来的分析也用不到了，建议调改问卷或数据。

2.如果两个变量的sig值为0.531，说明了什么？

SPSS的原理是假设A对B不产生影响，分析得出的结果P（sig.）<0.001/0.01/0.05，则假设不成立，即A对B具有显着性影响。如果sig.=0.531大于>0.05，说明假设成立，A对B（或B对A）不产生影响，任何一方变动都不会影响另一方。

上面是我对现在大学生而言，就怎么处理自己的论文，对自己论文进行数据处理和分析，希望对你有所帮助，谢谢阅读。

㈦ spss怎么用

用spss进行数据分析：

数据获取

外部数据主要有三种获取方式，一种是获取国内一些网站上公开的数据资料，例如国家统计局；一种是通过爬虫等工具获取网站上的数据。还有一种是通过企业内部的数据库，SPSS有丰富的数据库接口，可以便捷地从数据库中读取数据。

数据存储

对于数据量不大的项目，可以使用excel来处理数据，但对于数据量过万的项目，使用数据库来存储与管理会更高效便捷。SPSS也有自己的用作数据储存的数据格式，sav文件。用户可以将经过SPSS处理的数据保存为sav格式，同时也可以非常方便地将sav文件转换为其他数据格式文件。

数据预处理

数据预处理也称数据清洗。大多数情况下，我们拿到手的数据是格式不一致，存在异常值、缺失值等问题的，而不同项目数据预处理步骤的方法也不一样。数据分析有80%的工作都在处理数据，可见数据预处理在数据分析的重要性。

建模与分析

这一阶段首先要清楚数据的结构，结合项目需求来选取模型。

可视化分析

数据分析最后一步是撰写数据分析报告，一般包括数据可视化分析。

其次，掌握了数据分析的一般流程后，便要以SPSS为工具，根据以下流程对一个完整项目进行以下细分并掌握：

㈧ Spss的基本方法使用步骤

Spss的基本方法使用步骤

由于一次的调研工作，我们的数据分析采用spss的统计分析工具，然后我是一个新人，全都是一步一步从零开始操作的。在学习的过程中简单记录了一点笔记，既然写了，就觉得应该把它保存下来，所以来到了这里，为我的第一次spss操作做个马克。

因子分析方法：指标非常多，反映相同事情的进行聚合

设置的地方：

描述—— kmo

抽取 —— 主成分，碎石图

旋转——最大方差法

得分——保存为变量

选项——大小为变量、删除最小系数，特征值为0.6

kmo > 0.6 ——看是否有效，对原始数据的检验。

在SPSS软件统计结果中，不管是回归分析还是其它分析，都会看到“SIG”，SIG=significance，意为“显着性”，后面的值就是统计出的P值，如果P值0.01<P<0.05,则为差异显着，如果P<0.01,则差异极显着。

公因子方差——提取程度（损失的数据，如果损失低于40%即满意）

解释总方差：可以分成几类，然后提取主成分因子，累积方差贡献率，累积特征值大于等于85%（放宽70%）.(损失率低于15%)

碎石图：类似于解释总方差，特征值大于1的就是主成分，对解释方差的解释和完善

成分矩阵——一般不考虑，不够充分，只是中间步骤

旋转后成分矩阵——成分1，成分2中大于0.6的归为一类，载荷大于设置的值才会把得分显示在视图。

步骤：

分析→度量→可靠性分析→统计量→描述性（如果项已删除则进行度量）→继续（模型α）→确定

分析：可靠性统计量：0.7以上有效

可删除的分析：如果删除后信度变大，则可以考虑把这个因素删除

平均数：反应数量的中点

中位数：全体样本的中点

步骤：

均值：描述性统计分析→描述→导入变量→确定

中位数：比较均值→均值→导入变量→选项→导入中位数即可→确定

步骤：

分析→回归→线性→因变量→自变量→

统计量：估计→模型拟合度→共线性诊断→DW

绘制：Y：ZRESID, X:ZPRED; 直方图，正态概率图

保存：不操作

选项： 默认

→确定

模型汇总表

DW统计量代表自相关

DW = 2不存在为伪回归

DW < 2 正自相关

DW > 2 负相关

多重响应，多重响应数据本质上属于分类数据，但由于各选项均是对同一个问题的回答，之间存在一定的相关，将各选项单独进行分析并不恰当。因此对多选题最常见的分析方法是使用SPSS中的“多重响应”命令，通过定义变量集的方式，对选项进行简单的频数分析和交叉分析
作用1：进行简单的频数分析：可以直观明了的比较一道多选题的各个选项被选比例。
作用2：进行交叉分析：可以通过设置分层变量来进行某个选项控制下的分析。

步骤：

分析→多重响应→定义变量集（把多选题变成一个变量）→设置定义把多选题的选项放进集合中的变量→将变量编码设置为二分法，计数值为1→名称标签→添加 、

交叉表

行、列→定义范围→确定

㈨ 如何用spss进行逻辑模型的建立 有什么方法

1、首先安装好SPSS软件，然后搜索到软件、运行，点击确定。

2、将数据导入进SPSS，不会导入可以用复制、粘贴的方式，然后在菜单栏中选择分析-回归-线性。

3、将自变量、因变量数据导入到相应位置。选择右侧的统计量，选中参数，选中选项，选中Bootstrap，然后点击下面的确定。

4、等待片刻，就会出现求解结果，可以看到线性拟合决定因子R方为0.991，表示拟合程度可以。