元妙网提示：本资料内含如下文件:spss方差分析6.doc,spss非参数检验13.doc,第九章 对数线性模型.doc,第六章 方差分析.doc,第十三章 非参数检验.doc,第十四章 生存分析.doc,第十五章 统计图的绘制.doc,第十章 分类分析.doc,第一至三章spss的安装与使用.doc
第六章 方差分析 第一节 Simple Factorial过程 6.1.1 主要功能 6.1.2 实例操作 第二节 General Factorial过程 6.2.1 主要功能 6.2.2 实例操作 第三节 Multivarite过程 6.3.1 主要功能 6.3.2 实例操作 方差分析是R.A.Fister发明的，用于两个及两个以上样本均数差别的显著性检验。由于各种因素的影响，研究所得的数据呈现波动状，造成波动的原因可分成两类，一是不可控的随机因素，另一是研究中施加的对结果形成影响的可控因素。方差分析的基本思想是：通过分析研究中不同来源的变异对总变异的贡献大小，从而确定可控因素对研究结果影响力的大小。 方差分析主要用于：1、均数差别的显著性检验，2、分离各有关因素并估计其对总变异的作用，3、分析因素间的交互作用，4、方差齐性检验。 第一节 Simple Factorial过程 6.1.1 主要功能 调用此过程可对资料进行方差分析或协方差分析。在方差分析中可按用户需要作单因素方差分析（其结果将与第五章第四节相同）或多因素方差分析（包括医学中常用的配伍组方差分析）；当观察因素中存在有很难或无法人为控制的因素时，则可对之加以指定以便进行协方差分析。 6.1.2 实例操作 [例6-1]下表为运动员与大学生的身高（cm）与肺活量（cm3）的数据，考虑到身高与肺活量有关，而一般运动员的身高高于大学生，为进一步分析肺活量的差异是否由于体育锻炼所致，试作控制身高变量的协方差分析。 运 动 员 大 学 生 身高 肺活量 身高 肺活量 184.9 167.9 171.0 171.0 188.0 179.0 177.0 179.5 187.0 187.0 169.0 188.0 176.7 179.0 183.0 180.5 179.0 178.0 164.0 174.0 4300 3850 4100 4300 4800 4000 5400 4000 4800 4800 4500 4780 3700 5250 4250 4800 5000 3700 3600 4050 168.7 170.8 165.0 169.7 171.5 166.5 165.0 165.0 173.0 169.0 173.8 174.0 170.5 176.0 169.5 176.3 163.0 172.5 177.0 173.0 3450 4100 3800 3300 3450 3250 3600 3200 3950 4000 4150 3450 3250 4100 3650 3950 3500 3900 3450 3850 6.1.2.1 数据准备 激活数据管理窗口，定义变量名：组变量为group（运动员=1，大学生=2），身高为x，肺活量为y，按顺序输入相应数值，建立数据库，结果见图6.1。 ? ?…………
第十三章 非参数检验 第一节 Chi-Square过程 13.1.1 主要功能 13.1.2 实例操作 第二节 Binomial过程 13.2.1 主要功能 13.2.2 实例操作 第三节 Runs过程 13.3.1 主要功能 13.3.2 实例操作 第四节 1-Sample K-S过程 13.4.1 主要功能 13.4.2 实例操作 第五节 2 Independent Samples过程 13.5.1 主要功能 13.5.2 实例操作 第六节 k Independent Samples过程 13.6.1 主要功能 13.6.2 实例操作 第七节 2 Related Samples过程 13.7.1 主要功能 13.7.2 实例操作 第八节 K Related Samples过程 13.8.1 主要功能 13.8.2 实例操作 ? 许多统计分析方法的应用对总体有特殊的要求，如t检验要求总体符合正态分布，F检验要求误差呈正态分布且各组方差整齐，等等。这些方法常用来估计或检验总体参数，统称为参数统计。 但许多调查或实验所得的科研数据，其总体分布未知或无法确定，这时做统计分析常常不是针对总体参数，而是针对总体的某些一般性假设（如总体分布），这类方法称非参数统计（Nonparametric tests）。 非参数统计方法简便，适用性强，但检验效率较低，应用时应加以考虑。 ? 第一节 Chi-Square过程 ? 13.1.1 主要功能 调用此过程可对样本数据的分布进行卡方检验。卡方检验适用于配合度检验，主要用于分析实际频数与某理论频数是否相符。 ? 返回目录 返回全书目录 ? 13.1.2 实例操作 [例13-1]某地一周内各日死亡数的分布如下表，请检验一周内各日的死亡危险性是否相同？ ? 周 日 死亡数 一 二 三 四 五 六 日 11 19 17 15 15 16 19 ? 13.1.2.1 数据准备 激活数据管理窗口，定义变量名：各周日为day，死亡数为death。按顺序输入数据， 结果见图13.1。激活Data菜单选Weight Cases...命令项，弹出Weight Cases对话框（如图13.2），选death点击钮使之进入Frequency Variable框，定义死亡数为权数，再点击OK钮即可。 ? ? 图13.1 数据录入窗口 ? ? 图13.2 数据加权对话框 ? 13.1.2.2 统计分析 激活Statistics菜单选Nonparametric Tests中的Chi-Square...命令项，弹出Chi-Square Test对话框（图13.3）。现欲对一周内各日的死亡数进行分布分析，故在对话框左侧的变量列表中选day，点击钮使之进入Test Variable List框，点击OK钮即可。 ? ? 图13.3 卡方检验对话框 ? 13.1.…………
第一章 SPSS的安装与概貌 第一节 SPSS的安装 1.1.1 SPSS简介 1.1.2 SPSS的安装 第二节 SPSS的界面初识 1.2.1 SPSS的启动 1.2.2 SPSS的主窗口 1.2.3 SPSS的菜单 1.2.4 SPSS的其他窗口 1.2.5 SPSS的退出 1.2.6 SPSS的求助系统 第一节 SPSS的安装 1.1.1 SPSS简介 SPSS的全称是：Statistical Program for Social Sciences，即社会科学统计程序。该软件是公认的最优秀的统计分析软件包之一。SPSS原是为大型计算机开发的，其版本为SPSSx，80年代初，微机开始普及以后，它率先推出了微机版本（版本为SPSS/PC+ x.x），占领了微机市场，大大地扩大了自己的用户量，我国目前正在使用的用户中，绝大部分是使用3.0—4.0版本。 80年代末，Microsoft发表Windows后，SPSS迅速向Windows移植。至1993年6月，正式推出SPSS for Windows 6.0版本。该版本不仅修正了以前版本的错误，改写一些模块使运行速度大大提高。而且根据统计理论与技术的发展，增加了许多新的统计分析方法，使之功能日臻完善。与以往的SPSS for DOS版本相比，SPSS for Windows显得更加直观易用。首先，它采用现今广为流行的电子表格形式作数据管理器，使用户变量命名、定义数据格式、数据输入与修改等过程一气呵成，免除了原DOS版本在文本方式下数据录入的诸多不便；其次，采用菜单方式选择统计分析命令，采用对话框方式选择子命令，简明快捷，无需死记大量繁冗的语法语句，这无疑是计算机操作的一次解放；第三，采用对象连接和嵌入技术，使计算结果可方便地被其他软件调用，数据共享，提高工作效率。 作为统计分析工具，理论严谨、内容丰富，数据管理、统计分析、趋势研究、制表绘图、文字处理等功能，几乎无所不包。本使用指导以SPSS for Windows 6.0为蓝本，以医学领域的相关资料为例子，简单明了地介绍它的具体使用方法。 ?1.1.2 SPSS的安装 SPSS for Windows 6.0共有7个部分，包括：Base、Pro.Stats、Adv.Stats、Tables、Trends、Categeries和LISREL。具体内容介绍如下，用户可根据自身需求选择性安装，这样既节省硬盘空间，又方便使用。 Base system（基本统计系统） ACF（时间序列研究中的自动相关分析） 97K Aggregate（数据文件的汇总） 106K Anova（方差分析） 137K Autorecode（变量自动赋值处理） 49K Correlations（相关分析） 73K Crosstabs（列联表处理） 302K Curvefit（11种曲线模型的拟…………
? 第九章 对数线性模型 第一节 General过程 9.1.1 主要功能 9.1.2 实例操作 第二节 Hierarchical过程 9.2.1 主要功能 9.2.2 实例操作 第三节 Logit过程 9.3.1 主要功能 9.3.2 实例操作 ? 对数线性模型是用于离散型数据或整理成列联表格式的计数资料的统计分析工具。在对数线性模型中，所有用作的分类的因素均为独立变量，列联表各单元中的例数为应变量。对于列联表资料，通常作χ2 检验，但χ2 检验无法系统地评价变量间的联系，也无法估计变量间相互作用的大小，而对数线性模型是处理这些问题的最佳方法。 ? 第一节 General过程 ? 9.1.1 主要功能 调用该过程可对一个或多个二维列联表资料进行非层次对数线性分析。它只能拟合全饱和模型，即分类变量各自效应及其相互间效应均包含在对数线性模型中。 返回目录 返回全书目录 ? 9.1.2 实例操作 [例9-1]在住院病人中，研究其受教育程度与对保健服务满意程度的关系，资料整理成列联表后如下所示。 ? 对保健服务满意程度 (%) 受教育程度 高 中 低 满意 不满意 65 (91.5) 6 (8.5) 272 (93.8) 18 (6.2) 41 (97.6) 1 (2.4) ? 按一般情形作χ2检验，结果显示不同受教育程度的住院病人其对保健服务满意程度无差别。但从百分比分析中可见，随受教育程度的提高，满意程度有下降的趋势；且我们还想了解受教育程度与满意程度有无交互作用和交互作用的大小。对此，必须采用对数线性模型加以分析。 ? 9.1.2.1 数据准备 激活数据管理窗口，定义变量名：实际观察频数的变量名为freq，受教育程度和满意程度作为行、列分类变量（即独立变量），变量名分别为educ、care。输入原始数据，结果如图9.1所示。如同第四章Crosstab过程中所述，为使列联表的频数有效，应选Data菜单的Weight Cases...项，弹出Weight Cases对话框（图9.2），激活Weight cases by项，从变量列表中选freq点击(钮使之进入Frequency Variable框，点击OK钮即可。 ? ? 图9.1 原始数据的输入 ? ? 图9.2 频数的加权定义 ? 9.1.2.2 统计分析 激活Statistics菜单选Loglinear中的General...项，弹出General Loglinear Analysis对话框（图9.3）。从对话框左侧的变量列表中选care，点击(钮使之进入Factor(s)框，点击Define Range...钮，弹出General Loglinear Analysis: Define Range对话框，定义分类变量care的范围，本例为1、2，故可在Minimum处键入1，在Maximum处键入2，点击…………
第六章 方差分析 第一节 Simple Factorial过程 6.1.1 主要功能 6.1.2 实例操作 第二节 General Factorial过程 6.2.1 主要功能 6.2.2 实例操作 第三节 Multivarite过程 6.3.1 主要功能 6.3.2 实例操作 ? 方差分析是R.A.Fister发明的，用于两个及两个以上样本均数差别的显著性检验。由于各种因素的影响，研究所得的数据呈现波动状，造成波动的原因可分成两类，一是不可控的随机因素，另一是研究中施加的对结果形成影响的可控因素。方差分析的基本思想是：通过分析研究中不同来源的变异对总变异的贡献大小，从而确定可控因素对研究结果影响力的大小。 方差分析主要用于：1、均数差别的显著性检验，2、分离各有关因素并估计其对总变异的作用，3、分析因素间的交互作用，4、方差齐性检验。 ? 第一节 Simple Factorial过程 ? 6.1.1 主要功能 调用此过程可对资料进行方差分析或协方差分析。在方差分析中可按用户需要作单因素方差分析（其结果将与第五章第四节相同）或多因素方差分析（包括医学中常用的配伍组方差分析）；当观察因素中存在有很难或无法人为控制的因素时，则可对之加以指定以便进行协方差分析。 ? 返回目录 返回全书目录 6.1.2 实例操作 [例6-1]下表为运动员与大学生的身高（cm）与肺活量（cm3）的数据，考虑到身高与肺活量有关，而一般运动员的身高高于大学生，为进一步分析肺活量的差异是否由于体育锻炼所致，试作控制身高变量的协方差分析。 ? 运 动 员 大 学 生 身高 肺活量 身高 肺活量 184.9 167.9 171.0 171.0 188.0 179.0 177.0 179.5 187.0 187.0 169.0 188.0 176.7 179.0 183.0 180.5 179.0 178.0 164.0 174.0 4300 3850 4100 4300 4800 4000 5400 4000 4800 4800 4500 4780 3700 5250 4250 4800 5000 3700 3600 4050 168.7 170.8 165.0 169.7 171.5 166.5 165.0 165.0 173.0 169.0 173.8 174.0 170.5 176.0 169.5 176.3 163.0 172.5 177.0 173.0 3450 4100 3800 3300 3450 3250 3600 3200 3950 4000 4150 3450 3250 4100 3650 3950 3500 3900 3450 3850 ? 6.1.2.1 数据准备 激活数据管理窗口，定义变量名：组变量为group（运动员=1，大学生=2），身高为x，肺活量为y，按顺序输…………
第十三章 非参数检验 第一节 Chi-Square过程 13.1.1 主要功能 13.1.2 实例操作 第二节 Binomial过程 13.2.1 主要功能 13.2.2 实例操作 第三节 Runs过程 13.3.1 主要功能 13.3.2 实例操作 第四节 1-Sample K-S过程 13.4.1 主要功能 13.4.2 实例操作 第五节 2 Independent Samples过程 13.5.1 主要功能 13.5.2 实例操作 第六节 k Independent Samples过程 13.6.1 主要功能 13.6.2 实例操作 第七节 2 Related Samples过程 13.7.1 主要功能 13.7.2 实例操作 第八节 K Related Samples过程 13.8.1 主要功能 13.8.2 实例操作 ? 许多统计分析方法的应用对总体有特殊的要求，如t检验要求总体符合正态分布，F检验要求误差呈正态分布且各组方差整齐，等等。这些方法常用来估计或检验总体参数，统称为参数统计。 但许多调查或实验所得的科研数据，其总体分布未知或无法确定，这时做统计分析常常不是针对总体参数，而是针对总体的某些一般性假设（如总体分布），这类方法称非参数统计（Nonparametric tests）。 非参数统计方法简便，适用性强，但检验效率较低，应用时应加以考虑。 ? 第一节 Chi-Square过程 ? 13.1.1 主要功能 调用此过程可对样本数据的分布进行卡方检验。卡方检验适用于配合度检验，主要用于分析实际频数与某理论频数是否相符。 ? 返回目录 返回全书目录 ? 13.1.2 实例操作 [例13-1]某地一周内各日死亡数的分布如下表，请检验一周内各日的死亡危险性是否相同？ ? 周 日 死亡数 一 二 三 四 五 六 日 11 19 17 15 15 16 19 ? 13.1.2.1 数据准备 激活数据管理窗口，定义变量名：各周日为day，死亡数为death。按顺序输入数据， 结果见图13.1。激活Data菜单选Weight Cases...命令项，弹出Weight Cases对话框（如图13.2），选death点击钮使之进入Frequency Variable框，定义死亡数为权数，再点击OK钮即可。 ? ? 图13.1 数据录入窗口 ? ? 图13.2 数据加权对话框 ? 13.1.2.2 统计分析 激活Statistics菜单选Nonparametric Tests中的Chi-Square...命令项，弹出Chi-Square Test对话框（图13.3）。现欲对一周内各日的死亡数进行分布分析，故在对话框左侧的变量列表中选day，点击钮使之进入Test Variable List框，点击OK钮即可。 ? ? 图13.3 卡方检验对话框 ? 13.1.…………
? 第十五章 统计图的绘制 第一节 直条图 15.1.1 主要功能 15.1.2 实例操作 第二节 线图 15.2.1 主要功能 15.2.2 实例操作 第三节 区域图 15.3.1 主要功能 15.3.2 实例操作 第四节 构成图 15.4.1 主要功能 15.4.2 实例操作 第五节 高低区域图 15.5.1 主要功能 15.5.2 实例操作 第六节 直条构成线图 15.6.1 主要功能 15.6.2 实例操作 第七节 质量控制图 15.7.1 主要功能 15.7.2 实例操作 第八节 箱图 15.8.1 主要功能 15.8.2 实例操作 第九节 均值相关区间图 15.9.1 主要功能 15.9.2 实例操作 第十节 散点图 15.10.1 主要功能 15.10.2 实例操作 第十一节 直方图 15.11.1 主要功能 15.11.2 实例操作 第十二节 正态概率分布图 15.12.1 主要功能 15.12.2 实例操作 第十三节 正态概率单位分布图 15.13.1 主要功能 15.13.2 实例操作 第十四节 普通序列图 15.14.1 主要功能 15.14.2 实例操作 第十五节 时间序列图 15.15.1 主要功能 15.15.2 实例操作 ? 统计图是用点的位置、线段的升降、直条的长短或面积的大小等来表达资料的内容。它可以把资料所反映的变化趋势、数量多少、分布状态和相互关系等形象直观地表现出来，以便于读者的阅读、比较和分析。 本章将介绍SPSS在绘制常用统计图方面的功能。由于计算机绘图具有快速、清晰、规范、可修正以保证准确无误等特点，故在论文、报告等写作中有着十分重要的应用价值。 ? 第一节 直条图 ? 15.1.1 主要功能 调用Graphs菜单的Bar过程，可绘制直条图。直条图用直条的长短来表示非连续性资料（该资料可以是绝对数，也可以是相对数）的数量大小。 ? 返回目录 返回全书目录 ? 15.1.2 实例操作 [例15-1]研究血压状态与冠心病各临床型发生情况的关系，分析资料如下所示，试绘制统计图。 ? 血压状态 年龄标化发生率（1/10万） 冠状动脉机能不全 猝死 心绞痛 心肌梗塞 正常 临界 异常 8.90 10.63 19.84 12.00 18.05 30.55 34.71 46.18 73.06 44.00 67.24 116.82 ? 15.1.2.1 数据准备 激活数据管理窗口，定义变量名：年龄标化发生率为RATE，冠心病临床型为DISEASE，血压状态为BP。RATE按原数据输入，DISEASE按冠状动脉机能不全=1、猝死=2、心绞痛=3、心肌梗塞=4输入，BP按正常=1、临界=2、异常=3输入。 ? 15.1.2.2 操作步骤 选Graphs菜单的Bar...过程，弹出Bar Chart定义选项框（图15.1）。在定义选项…………
? 第十四章 生存分析 第一节 Life Tables过程 14.1.1 主要功能 14.1.2 实例操作 第二节 Kaplan-Meier过程 14.2.1 主要功能 14.2.2 实例操作 第三节 Cox Regression过程 14.3.1 主要功能 14.3.2 实例操作 ? 在临床诊疗工作的评价中，慢性疾病的预后一般不适合用治愈率、病死率等指标来考核，因为其无法在短时间内明确判断预后情况，为此，只能对患者进行长期随访，统计一定时期后的生存或死亡情况以判断诊疗效果。这就是生存分析。 ? 第一节 Life Tables过程 ? 14.1.1 主要功能 调用此过程时，系统将采用即寿命表分析法，完成对病例随访资料在任意指定时点的生存状况评价。 ? 返回目录 返回全书目录 ? 14.1.2 实例操作 ［例14-1］ 用中药+化疗（中药组，16例）和单纯化疗（对照组，10例）两种疗法治疗白血病患者后，随访记录存活情况如下所示，试比较两组的生存率。 ? 中药组 对照组 随访月数 是否死亡 随访月数 是否死亡 10 2 12 13 18 6 19 26 9 8 6 43 9 4 31 24 否 是 是 否 否 是 是 否 是 是 是 是 否 否 否 否 2 13 7 11 6 1 11 3 17 7 是 否 是 是 否 否 否 否 否 否 ? 14.1.2.1 数据准备 激活数据管理窗口，定义变量名：随访月数的变量名为TIME，是否死亡的变量名为DEATH，分组（即中药组与对照组）的变量名为GROUP。输入原始数据：随访月数按原数值；是否死亡的，是为1，否为0；分组的，中药组为1，对照组为2。 ? 14.1.2.2 统计分析 激活Statistics菜单选Survival中的Life Tables...项，弹出Life Tables对话框（图14.1）。从对话框左侧的变量列表中选time，点击(钮使之进入time框；在Display Time Intervals栏中定义需要显示生存率的时点，本例要求从0个月显示至48个月，间隔为2个月，故在0 through框中输入48，在by框中输入2。选death，点击(钮使之进入Status框，点击Define Event...钮弹出Life Tables:Define Event for Status Variable对话框，在Single value栏中输入1，表明death = 1为发生死亡事件者；点击Continue钮返回Life Tables对话框。选group，点击(钮使之进入Factor框，点击Define Range...钮，弹出Life Tables:Define Range for Factor Variable对话框，定义分组的范围，在Mininum框中输入1，在Maxinum框中输入2，点击Cont…………
? 第十章 分类分析 第一节 K-Means Cluster过程 10.1.1 主要功能 10.1.2 实例操作 第二节 Hierarchical Cluster过程 10.2.1 主要功能 10.2.2 实例操作 第三节 Discriminant过程 10.3.1 主要功能 10.3.2 实例操作 ? 人们认识事物时往往先把被认识的对象进行分类，以便寻找其中同与不同的特征，因而分类学是人们认识世界的基础科学。在医学实践中也经常需要做分类的工作，如根据病人的一系列症状、体征和生化检查的结果，判断病人所患疾病的类型；或对一系列检查方法及其结果，将之划分成某几种方法适合用于甲类病的检查，另几种方法适合用于乙类病的检查；等等。统计学中常用的分类统计方法主要是聚类分析与判别分析。 聚类分析是直接比较各事物之间的性质，将性质相近的归为一类，将性质差别较大的归入不同的类。判别分析则先根据已知类别的事物的性质，利用某种技术建立函数式，然后对未知类别的新事物进行判断以将之归入已知的类别中。聚类分析与判别分析有很大的不同，聚类分析事先并不知道对象类别的面貌，甚至连共有几个类别也不确定；判别分析事先已知对象的类别和类别数，它正是从这样的情形下总结出分类方法，用于对新对象的分类。 第一节 K-Means Cluster过程 ? 10.1.1 主要功能 调用此过程可完成由用户指定类别数的大样本资料的逐步聚类分析。所谓逐步聚类分析就是先把被聚对象进行初始分类，然后逐步调整，得到最终分类。 ? 返回目录 返回全书目录 ? 10.1.2 实例操作 ［例10.1］为研究儿童生长发育的分期，调查1253名1月至7岁儿童的身高（cm）、体重（kg）、胸围（cm）和坐高（cm）资料。资料作如下整理：先把1月至7岁划成19个月份段，分月份算出各指标的平均值，将第1月的各指标平均值与出生时的各指标平均值比较，求出月平均增长率（%），然后第2月起的各月份指标平均值均与前一月比较，亦求出月平均增长率（%），结果见下表。欲将儿童生长发育分为四期，故指定聚类的类别数为4，请通过聚类分析确定四个儿童生长发育期的起止区间。 ? 月份 月平均增长率（%） 身高 体重 胸围 坐高 1 2 3 4 6 8 10 12 15 18 24 30 36 42 48 54 60 66 72 11.03 5.47 3.58 2.01 2.13 2.06 1.63 1.17 1.03 0.69 0.77 0.59 0.65 0.51 0.73 0.53 0.36 0.52 0.34 50.30 19.30 9.85 4.17 5.65 1.74 2.04 1.60 2.34 1.33 1.41 1.25 1.19 0.93 1.13 0.82 0.52 1.03 0.49 11.81 5.20 3.14 1.47 1.04 0.

【加入收藏】
【繁体中文】
【 帮  助 】