当前位置：文档库 › SPSS操作方法：判别分析例题95239

SPSS操作方法：判别分析例题95239

实验指导之二

判别分析的SPSS软件的基本操作

[实验例题]为研究1991年中国城镇居民月平均收入状况，按标准化欧氏平方距离、离差平方和聚类方法将30个省、市、自治区．分为三种类型。试建立判别函数，判定广东、西藏分别属于哪个收入类型。判别指标及原始数据见表9-4。

1991年30个省、市、自治区城镇居民月平均收人数据表

单位：元／人 x1：人均生活费收入 x6：人均各种奖金、超额工资(国有+集体) x2：人均国有经济单位职工工资 x7：人均各种津贴(国有+集体)

x3：人均来源于国有经济单位标准工资 x8：人均从工作单位得到的其他收入

x4：人均集体所有制工资收入 x9：个体劳动者收入

x5：人均集体所有制职工标准工资

6 湖南124.00 84.66 44.05 13.5 7.4

7 19.11 20.49 10.3 1.76

待判1 广东211.30 114.0 41.44 33.2 11.2 48.72 30.77 14.9 11.1

2 西藏175.9

3 163.8 57.89 4.22 3.37 17.81 82.32 15.7 0.00

贝叶斯判别的SPSS操作方法：

1. 建立数据文件

2．单击Analyze→Classify→Discriminant，打开Discriminant Analysis判别分析对话框如图1所示：

图1 Discriminant Analysis判别分析对话框

3．从对话框左侧的变量列表中选中进行判别分析的有关变量x1~x9进入Independents 框，作为判别分析的基础数据变量。

从对话框左侧的变量列表中选分组变量Group进入Grouping Variable 框，并点击Define Range...钮，在打开的Discriminant Analysis: Define Range 对话框中，定义判别原始数据的类别数，由于原始数据分为3类，则在Minimum（最小值）处输入1，在Maximum（最大值）处输入3（见图2）。。

选择后点击Continue按钮返回Discriminant Analysis主对话框。

图2 Define Range对话框

4、选择分析方法

?Enter independent together 所有变量全部参与判别分析（系统默认）。

本例选择此项。

?Use stepwise method 采用逐步判别法自动筛选变量。

单击该项时Method 按钮激活，打开Stepwise Method对话框如图3所示，从中可进一步选择判别分析方法。

图3 Stepwise Method对话框

?Method栏，选择变量的统计量方法

Wilks’lambda （默认）按统计量Wilks λ最小值选择变量；

Unexplained variance ：按照所有组方差之和最小值选择变量；

Mahalanobis’distance：按照相邻两组的最大马氏距离选择变量；

Smallest F ratio：按组间最小F值比的最大值选择变量；

Rao’s V按照统计量Rao V最大值选择变量。

?Criteria 选择逐步回归的标准（略）选择系统默认项。

5.单击Statistics 按钮，打开Statistics对话框如图4所示，从中指定输出

的统计量。

?Descriptives描述统计量栏

Means -各类中各自变量的均值，标准差std Dev 和各自变量总样本的

均值和标准差（本例选择）。

Univariate ANOV----对各类中同一自变量均值都相等的假设进行检

验，输出单变量的方差分析结果（本例选择）。

Box’s M --对各类的协方差矩阵相等的假设进行检验（本例选择）。

图4 Statistics对话框

?Function coefficients 选择输出判别函数系数

Fisherh’s 给出贝叶斯判别函数系数（本例选择）

Unstandardized 给出未标准化的典型判别（也称典则判别）系数（费舍尔判别函数）。

?Matrices 栏选择给出的自变量系数矩阵

Within-groups correlation 合并类内相关系数矩阵（本例选择）

Within-groups covariance 合并类内协方差矩阵（本例选择）

Separate-groups covariance 各类内协方差矩阵（本例选择）

Total covariance 总协方差矩阵（本例选择）

6.单击Classify按钮，打开Classify对话框如图5所示：

图5 Classify对话框

?Prior Probabilities栏，选择先验概率。

All groups equal 各类先验概率相等（系统默认）；

Compute from groups sizes 各类的先验概率与其样本量成正比. （本例选择）

?Use Covariance Matrix 栏，选择使用的协方差矩阵

Within-groups --使用合并类内协方差矩阵进行分类（系统默认）（本例选择）

Separate-groups --使用各类协方差矩阵进行分类

?Display栏，选择生成到输出窗口中的分类结果

Casewise results 输出每个观测量包括判别分数实际类预测类(根据判别函数求得的分类结果)和后验概率等。

Summary table 输出分类的小结给出正确分类观测量数(原始类和根据判别函数计算的预测类相同)和错分观测量数和错分率（本例选择）。

Leave-one-out classification 输出交互验证结果。

?Plots栏，要求输出的统计图

Combined-groups 生成一张包括各类的散点图（本例选择）；

Separate-groups 每类生成一个散点图；

Territorial map 根据生成的函数值把各观测值分到各组的区域图。（本例选择）

6.单击Save 按钮，打开Save对话框，见图6.

图6 Save对话框

?Predicted group membership 建立一个新变量，系统根据判别分数，把

观测量按后验概率最大指派所属的类；（本例选择）

?Discriminant score 建立表明判别得分的新变量，该得分是由未标准化

的典则判别函数计算。（本例选择）

Probabilities of group membership 建立新变量表明观测量属于某一类的概率。有m 类，对一个观测量就会给出m 个概率值，因此建立m 个新变量。（本例选择）

全部选择完成后，点击OK，得到输出结果如下：

Group Statistics 各类统计分析

a The covariance matrix has 25 degrees of freedom.

3 人均生活费收入

(元/人）

292.972 38.451 14.013 37.178 13.567 78.758 -8.776 29.547 16.466 人均国有经济单

位职工工资

38.451 36.758 2.665 -13.730 -14.286 16.990 19.297 3.658 4.120

人均来源于国有

经济单位标准工

资

14.013 2.665 .843 1.649 .400 4.905 -.783 1.806 .732

人均集体所有制

工资收入

37.178 -13.730 1.649 16.731 11.802 8.488 -15.180 5.753 .532

人均集体所有制

职工标准工资

13.567 -14.286 .400 11.802 9.278 1.340 -11.632 3.026 -.549

人均各种奖金、超

额工资(国有+集

体)

78.758 16.990 4.905 8.488 1.340 29.089 -3.967 10.556 4.171

人均各种津贴(国

有+集体)

-8.776 19.297 -.783 -15.180 -11.632 -3.967 18.898 -2.998 1.312 均从工作单位得

到的其他收入

29.547 3.658 1.806 5.753 3.026 10.556 -2.998 7.891 .680

个体劳动者收入16.466 4.120 .732 .532 -.549 4.171 1.312 .680 1.246

To tal

人均生活费收入

(元/人）

493.973 182.382 51.722 40.606 15.154 123.390 24.245 39.841 1.513 人均国有经济单

位职工工资

182.382 146.169 52.685 -20.328 -19.362 40.532 42.118 11.447 2.648 人均来源于国有

经济单位标准工

资

51.722 52.685 37.092 -12.222 -7.958 7.157 5.158 -.595 -.133 人均集体所有制

工资收入

40.606 -20.328 -12.222 28.788 18.414 15.043 -11.572 5.872 -.720 人均集体所有制

职工标准工资

15.154 -19.362 -7.958 18.414 12.542 6.755 -10.523 2.711 -1.031 人均各种奖金、超

额工资(国有+集

体)

123.390 40.532 7.157 15.043 6.755 37.318 1.737 13.194 .106 人均各种津贴(国

有+集体)

24.245 42.118 5.158 -11.572 -10.523 1.737 30.703 .708 2.548 均从工作单位得

到的其他收入

39.841 11.447 -.595 5.872 2.711 13.194 .708 8.911 .335 个体劳动者收入 1.513 2.648 -.133 -.720 -1.031 .106 2.548 .335 1.603

a The total covariance matrix has 27 degrees of freedom.

Box's Test of Equality of Covariance Matrices 协方差矩阵相等的检验

The ranks and natural logarithms of determinants printed are those of the group covariance matrices.

a Rank < 6

b Too few cases to be non-singular

Test Results(a)检验结果

a Some covariance matrices are singular and the usual procedure will not work. The non-singular groups will be tested against their own pooled within-groups covariance matrix. The log of its determinant is 17.611.

注意，检验没有通过，即各类的协方差相等的假设在显著性水平下是不成立的。Summary of Canonical Discriminant Functions典型判别函数综述

只有两个判别函数，所以特征值只有两个。判别函数的特征值越大，说明函数越具有区别判断力。最后一列表示是典则相关系数，是组间平方和与总平方和之比的平方根，表示判别函数分数与组别间的关联程度。

上表中“1through 2”表示两个判别函数的平均数在三个类间的差异情况，P值为0.000表示差异达到显著水平。

判别函数的Wilks′ Lambda值可以通过特征值计算：

判别函数1和判别函数2的Wilks′ Lambda值为

038.0)

296.31)(082.51(1

)1)(1(121=++=++λλ

判别函数2的Wilks ′ Lambda 值为

233.0)

296.31(1

)1(12=+=+λ

“2”表示在排除了第一个判别函数后，第二个判别函数在三个组别间的差异情况，P 值=0.000表示差别函数2也达到显著水平.

Standardized Canonical Discriminant Function Coefficients 标准化典型判别函数（系统默认结果）

Pooled within-groups correlations between discriminating variables and standardized canonical discriminant functions Variables ordered by absolute size of correlation within function. * Largest absolute correlation between each variable and any discriminant function

结构矩阵是变量和标准化典型判别函数的组内相关矩阵。

Unstandardized canonical discriminant functions evaluated at group means Classification Statistics分类分析（输出贝叶斯判别结果）Classification Processing Summary综述表

Fisher's linear discriminant functions

上表为贝叶斯判别函数的系数矩阵，可以用数学表达式表示为：

5 4

2800

0598

2601

5204

3641

22 4615

3032

3545

0978

267

320

x x

+ -

5 4

950

232

307

357

601

19 118

726

816

157

550

228

x x

+ -

5 4

876

545

180

731

169

16 227

051

743

026

678

295

x x

+ +

Territorial Map分类区域图（用典型判别函数得分绘制）

Function 2

-6.0 -4.0 -2.0 .0 2.0 4.0 6.0

?????????????????????????????????????????????????????????????

6.0 ?211 ?

? 221 ?

? 211 ?

? 221 ?

? 211 ?

? 221 ?

4.0 ? 211 ?????

? 221 ?

? 211 ?

? 221 ?

? 211 ?

? 2211 ?

2.0 ?? 221 ? * ?? 111?

? 211 111333?

? 221 111333 ?

? 211 111333 ?

? 221 111333 ?

? 211 111333 ?

.0 ??? 221? 111333 ??

? 211 111333 ?

? 221 111333 ?

? * 21333 ?

? 23 ?

-2.0 ????23 ? * ??

? 23 ?

-4.0 ??? 23 ???

? 23 ?

-6.0 ? 23 ?

????????????????????????????????????????????????????????

-6.0 -4.0 -2.0 .0 2.0 4.0 6.0 Canonical Discriminant Function 1

Symbols used in territorial map Symbol Group Label

------ ----- -------------------- 1 1 2 2 3 3

* Indicates a group centroid

F u n c t i o n 2

对角线上显示的是准确预测的的个数，其余为错误预测的个数。

a 100.0% of original grouped cases correctly classified.

由上面输出结果，可以得到贝叶斯判别的函数，并在数据编辑窗口得到一个系统根据判别分数，把观测量按后验概率最大指派所属的类变量dis_1；两个由

未标准化的典则（典型）判别函数计算的判别得分新变量dis1_1和dis2_1，这个得分可以在区域图及散布图中确定每个样品的位置；三个表明观测量属于某一类的后验概率建立新变量dis1_2，dis2_2，dis3_2，概率最大的类即为样品所属的类别。

SPSS主成分分析操作步骤,详细的很啊^_^==

SPSS主成分分析操作步骤，详细的很啊^_^ 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指的变量都是指经过标准化处理后的变量，但SPSS不会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。图表 3 相关系数矩阵

图表 4 方差分解主成分提取分析表主成分分析在SPSS中的操作应用(3) 图表 5 初始因子载荷矩阵

从图表3可知GDP与工业增加值，第三产业增加值、固定资产投资、基本建设投资、社会消费品零售总额、地方财政收入这几个指标存在着极其显著的关系，与海关出口总额存在着显著关系。可见许多变量之间直接的相关性比较强，证明他们存在信息上的重叠。主成分个数提取原则为主成分对应的特征值大于1的前m个主成分。注：特征值在某种程度上可以被看成是表示主成分影响力度大小的指标，如果特征值小于1，说明该主成分的解释力度还不如直接引入一个原变量的平均解释力度大，因此一般可以用特征值大于1作为纳入标准。通过图表4（方差分解主成分提取分析）可知，提取2个主成分，即m=2，从图表5（初始因子载荷矩阵）可知GDP、工业增加值、第三产业增加值、固定资产投资、基本建设投资、社会消费品零售总额、海关出口总额、地方财政收入在第一主成分上有较高载荷，说明第一主成分基本反映了这些指标的信息；人均GDP和农业增加值指标在第二主成分上有较高载荷，说明第二主成分基本反映了人均GDP和农业增加值两个指标的信息。所以提取两个主成分是可以基本反映全部指标的信息，所以决定用两个新变量来代替原来的十个变量。但这两个新变量的表达还不能从输出窗口中直接得到，因为“Component Matrix”是指初始因子载荷矩阵，每一个载荷量表示主成分与对应变量的相关系数。用图表5（主成分载荷矩阵）中的数据除以主成分相对应的特征值开平方根便得到两个主成分中每个指标所对应的系数[2]。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（为变量B1、B2），然后利用“TransformàCompute Variable”，在Compute Variable对话框中输入“A1=B1/SQR(7.22)” [注：第二主成分SQR后的括号中填1.235]，即可得到特征向量A1(见图表6)。同理，可得到特征向量A2。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表达式[注：因本例只是为了说明如何在SPSS进行主成分分析，故在此不对提取的主成分进行命名，有兴趣的读者可自行命名]： F 1=0.353ZX 1 +0.042ZX 2 -0.041ZX 3 +0.364ZX 4 +0.367ZX 5 +0.366ZX 6 +0.352ZX 7 +0.364ZX 8+0.298ZX 9 +0.355ZX 10

SPSS数据案例分析

SPSS数据案例分析目录一.手机 APP 广告点击意愿的模型构建 (3) 1.1构建研究模型 (3) 1.2研究变量及定义 (4) 1.3研究假设 (4) 1.4变量操作化定义 (4) 1.5问卷设计 (5) 二．实证研究 (8) 2.1基础数据分析 (8) 2.2频数分布及相关统计量 (8) 2.3相关分析 (10) 2.4回归分析 (11) 2.5假设检验 (13)

一.手机APP 广告点击意愿的模型构建 1.1构建研究模型我们知道效用期望、努力期望、社会影响对行为意愿会产生一定的影响，在模型中的性别、年龄、经验与自愿性等四个控制变量，通常都是作为控制变量来观察他们对采用因素与使用意向之间的关系的影响。因此，目前手机 APP 广告的使用人群年龄相对比较年轻，而且年龄特征分布高度集中，年龄在 30 岁以下的人群占到 70%以上，因此本研究考虑性别了这一变量，同时根据手机 APP 广告用户的特性，加入了手机流量作为控制变量，去观察它们对外部变量与点击意愿之间的关系是否有显著影响。在本研究中，主要把调节变量和控制变量作为两个不同的研究变量，对于调节变量感知风险来说，它是直接影响了感知风险与手机 APP 广告点击意愿二者的关系；而控制变量性别、手机流量这些变量是对广告效用期望、APP 效用期望和社会影响与点击意愿直接的关系是否有显著影响。最后，本文根据手机APP 广告的特点对 UTAUT 模型进行扩展，构建了手机 APP 广告点击意愿的影响因素研究模型。

1.2研究变量及定义 1.3研究假设 (1) 广告效用期望、APP 效用期望、社会影响与手机 APP 点击意向的关系 H1：用户的广告效用期望与点击手机 APP 广告意愿正相关。 H2：用户的 APP 效用期望与点击手机 APP 广告意愿正相关 H3：社会影响与手机 APP 广告点击意愿正相关（2）感知风险与点击手机 APP 广告意愿的关系 H4：感知风险与手机 APP 广告点击意愿负相关 H5：性别，手机流量对手机 APP 广告点击意愿没有显著影响 1.4变量操作化定义广告效用期望：广告对我了解某品牌来说很有用 APP 效用期望：使用 APP 能够让我了解到多方面的信息社会影响：身边的人都在使用手机 APP 广告，所以我也要使用感知风险：在点击手机 APP 广告时，我担心我的个人隐私安全得不到保护感知隐私安全重要性：确保点击手机 APP 广告是安全的，对我来说是很重

spss的数据分析案例精选文档

s p s s的数据分析案例精选文档 TTMS system office room 【TTMS16H-TTMS2A-TTMS8Q8-

关于某公司474名职工综合状况的统计分析报告一、数据介绍：本次分析的数据为某公司474名职工状况统计表，其中共包含十一变量，分别是：id（职工编号），gender(性别)，bdate(出生日期)，edcu（受教育水平程度），jobcat（职务等级），salbegin （起始工资），salary（现工资），jobtime(本单位工作经历<月>)，prevexp(以前工作经历<月>)，minority(民族类型)，age(年龄)。通过运用spss统计软件，对变量进行频数分析、描述性统计、方差分析、相关分析、以了解该公司职工上述方面的综合状况，并分析个变量的分布特点及相互间的关系。二、数据分析 1、频数分析。基本的统计分析往往从频数分析开始。通过频数分析能够了解变量的取值状况，对把握数据的分布特征非常有用。此次分析利用了某公司474名职工基本状况的统计数据表，在gender(性别)、edcu（受教育水平程度）、不同的状况下的频数分析，从而了解该公司职工的男女职工数量、受教育状况的基本分布。 Statistics 首先，对该公司的男女性别分布进行频数分析，结果如下：

上表说明，在该公司的474名职工中，有216名女性，258名男性，男女比例分别为%和%，该公司职工男女数量差距不大，男性略多于女性。其次对原有数据中的受教育程度进行频数分析，结果如下表： Educational Level (years)

16 59 17 11 18 9 19 27 20 2 .4 .4 21 1 .2 .2 Tot al 474 上表及其直方图说明，被调查的474名职工中，受过12年教育的职工是该组频数最高的，为190人，占总人数的%，其次为15年，共有116人，占中人数的%。且接受过高于20年的教育的人数只有1人，比例很低。 2、描述统计分析。再通过简单的频数统计分析了解了职工在性别和受教育水平上的总体分布状况后，我们还需要对数据中的其他变量特征有更为精确的认识，这就需要通过计算基本描述统计的方法来实现。下面就对各个变量进行描述统计分析，得到它们的

spss的数据分析案例

关于某公司474名职工综合状况的统计分析报告一、数据介绍：本次分析的数据为某公司474名职工状况统计表，其中共包含十一变量，分别是：id（职工编号），gender(性别)，bdate(出生日期)，edcu（受教育水平程度），jobcat（职务等级），salbegin（起始工资），salary（现工资），jobtime(本单位工作经历<月>)，prevexp(以前工作经历<月>)，minority(民族类型)，age(年龄)。通过运用spss统计软件，对变量进行频数分析、描述性统计、方差分析、相关分析、以了解该公司职工上述方面的综合状况，并分析个变量的分布特点及相互间的关系。二、数据分析 1、频数分析。基本的统计分析往往从频数分析开始。通过频数分析能够了解变量的取值状况，对把握数据的分布特征非常有用。此次分析利用了某公司474名职工基本状况的统计数据表，在gender(性别)、edcu（受教育水平程度）、不同的状况下的频数分析，从而了解该公司职工的男女职工数量、受教育状况的基本分布。 Statistics 首先，对该公司的男女性别分布进行频数分析，结果如下：

上表说明，在该公司的474名职工中，有216名女性，258名男性，男女比例分别为45.6%和54.4%，该公司职工男女数量差距不大，男性略多于女性。其次对原有数据中的受教育程度进行频数分析，结果如下表： Educational Level (years)

14 6 1.3 1.3 52.5 15 116 24.5 24.5 77.0 16 59 12.4 12.4 89.5 17 11 2.3 2.3 91.8 18 9 1.9 1.9 93.7 19 27 5.7 5.7 99.4 20 2 .4 .4 99.8 21 1 .2 .2 100.0 Tot 474 100.0 100.0 al 上表及其直方图说明，被调查的474名职工中，受过12年教育的职工是该组频数最高的，为190人，占总人数的40.1%，其次为15年，共有116人，占中人数的24.5%。且接受过高于20年的教育的人数只有1人，比例很低。 2、描述统计分析。再通过简单的频数统计分析了解了职工在性别和受教

spss的数据分析报告范例

关于某地区361个人旅游情况统计分析报告一、数据介绍：本次分析的数据为某地区361个人旅游情况状况统计表，其中共包含七变量，分别是：年龄，为三类变量；性别，为二类变量（0代表女，1代表男）；收入，为一类变量；旅游花费，为一类变量；通道，为二类变量（0代表没走通道，1代表走通道）；旅游的积极性，为三类变量（0代表积极性差，1代表积极性一般，2代表积极性比较好，3代表积极性好 4代表积极性非常好）；额外收入,一类变量。通过运用spss统计软件，对变量进行频数分析、描述性统计、方差分析、相关分析，以了解该地区上述方面的综合状况，并分析个变量的分布特点及相互间的关系。二、数据分析 1、频数分析。基本的统计分析往往从频数分析开始。通过频数分地区359个人旅游基本状况的统计数据表，在性别、旅游的积极性不同的状况下的频数分析，从而了解该地区的男女职工数量、不同积极性情况的基本分布。统计量积极性性别 N 有效359 359 缺失0 0 首先，对该地区的男女性别分布进行频数分析，结果如下

性别频率百分比有效百分比累积百分比有效女198 55.2 55.2 55.2 男161 44.8 44.8 100.0 合计359 100.0 100.0 表说明，在该地区被调查的359个人中，有198名女性，161名男性，男女比例分别为44.8%和55.2%，该公司职工男女数量差距不大，女性略多于男性。其次对原有数据中的旅游的积极性进行频数分析，结果如下表：积极性频率百分比有效百分比累积百分比有效差171 47.6 47.6 47.6 一般79 22.0 22.0 69.6 比较好 79 22.0 22.0 91.6 好24 6.7 6.7 98.3 非常好 6 1. 7 1.7 100.0 合计359 100.0 100.0 其次对原有数据中的积极性进行频数分析，结果如下表：其次对原有数据中的是否进通道进行频数分析，结果如下表：

SPSS操作方法：判别分析例题

为研究1991年中国城镇居民月平均收入状况，按标准化欧氏平方距离、离差平方和聚类方法将30个省、市、自治区．分为三种类型。试建立判别函数，判定广东、西藏分别属于哪个收入类型。判别指标及原始数据见表9-4。 1991年30个省、市、自治区城镇居民月平均收人数据表单位：元／人 x1：人均生活费收入 x6：人均各种奖金、超额工资(国有+集体) x2：人均国有经济单位职工工资 x7：人均各种津贴(国有+集体) x3：人均来源于国有经济单位标准工资 x8：人均从工作单位得到的其他收入 x4：人均集体所有制工资收入 x9：个体劳动者收入 5

贝叶斯判别的SPSS操作方法： 1. 建立数据文件 2．单击Analyze→ Classify→ Discriminant，打开Discriminant Analysis 判别分析对话框如图1所示：图1 Discriminant Analysis判别分析对话框 3．从对话框左侧的变量列表中选中进行判别分析的有关变量x1~x9进入Independents 框，作为判别分析的基础数据变量。从对话框左侧的变量列表中选分组变量Group进入Grouping Variable 框，并点击Define Range...钮，在打开的Discriminant Analysis: Define Range对话框中，定义判别原始数据的类别数，由于原始数据分为3类，则在Minimum（最小值）处输入1，在Maximum（最大值）处输入3（见图2）。。选择后点击Continue按钮返回Discriminant Analysis主对话框。图2 Define Range对话框 4、选择分析方法 Enter independent together 所有变量全部参与判别分析（系统默认）。本例选择此项。 Use stepwise method 采用逐步判别法自动筛选变量。

SPSS数据案例分析

SPSS数据案例分析目录一.手机 APP 广告点击意愿的模型构建 2 1.1构建研究模型 2 1.2研究变量及定义 2 1.3研究假设 3 1.4变量操作化定义 3 1.5问卷设计 3 二．实证研究 5 2.1基础数据分析 5 2.2频数分布及相关统计量 5 2.3相关分析 7 2.4回归分析 8 2.5假设检验 10

一.手机APP 广告点击意愿的模型构建 1.1构建研究模型我们知道效用期望、努力期望、社会影响对行为意愿会产生一定的影响，在模型中的性别、年龄、经验与自愿性等四个控制变量，通常都是作为控制变量来观察他们对采用因素与使用意向之间的关系的影响。因此，目前手机APP 广告的使用人群年龄相对比较年轻，而且年龄特征分布高度集中，年龄在30 岁以下的人群占到70%以上，因此本研究考虑性别了这一变量，同时根据手机APP 广告用户的特性，加入了手机流量作为控制变量，去观察它们对外部变量与点击意愿之间的关系是否有显著影响。在本研究中，主要把调节变量和控制变量作为两个不同的研究变量，对于调节变量感知风险来说，它是直接影响了感知风险与手机APP 广告点击意愿二者的关系；而控制变量性别、手机流量这些变量是对广告效用期望、APP 效用期望和社会影响与点击意愿直接的关系是否有显著影响。最后，本文根据手机APP 广告的特点对UTAUT 模型进行扩展，构建了手机APP 广告点击意愿的影响因素研究模型。

SPSS概览--数据分析实例详解

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 分析案例数据

《数据分析及其应用软件》习题姓名＿＿学号＿＿＿成绩习题1：出钢时所用盛钢水的钢包，因钢水对耐火材料的侵蚀，容积不断增大我们希望找出使用次数与增大的容积之间的关系，试验数据如下：使用次数x增大容积y 2 6.42 38.20 49.58 59.50 69.70 710.00 89.93 99.99 1010.49 1110.59 1210.60 1310.80 1410.60 1510.90 1610.76 写出分析报告（内容包括以下四点） 1.用双曲线1/y = a+b/x作曲线拟合：（1）画出散点图，（2）写出回归方程，（3）进行检验，（4）分析结果，（α= 0.05） 2.用指数曲线y = ae b/x 作曲线拟合：（1）画出散点图，（2）写出回归方程，（3）进行检验，（4）分析结果，（α= 0.05） 3.比较两种曲线后，写出较优的曲线回归方程. 4.使用较优的曲线回归方程预测当使用次数为17次时钢包的容积增大多少？习题2：1．研究货运总量（万吨）与工业总值(亿元)、农业总产值（亿元）、居民非商品支出（亿元）的关系。数据见下表编号货运总量（万吨）工业总产值（亿元）农业总产值（亿元）居民非商品支出（亿元） 1 2 3160 260 210 70 75 65 35 40 40 1.0 2.4 2.0

4 5 6 7 8 9 10265 240 220 275 160 275 250 74 72 68 78 66 70 65 42 38 45 42 36 44 42 3.0 1.2 1.5 4.0 2.0 3.2 3.0 （1）计算出的相关系数矩阵；（2）求关于的三元线性回归方程；（3）对所求得的回归方程作拟合优度检验；（4）对回归方程做显著性检验；（5）对每一个回归系数做显著性检验；（6）如果有的回归系数没有通过显著性检验，将其剔除。重新建立回归方程，再作回归方程的显著性检验和回归系数显著性检验；（7）求出每一个回归系数的之置信水平为95%的置信区间；（8）求出标准化回归方程；（9）求当=75,=42,=3.1时的值，给定置信水平为99%，用SPSS软件计算精确置信区间，用手工计算近似预测区间；（10）结合回归方程对问题作一些基本分析。习题3：为研究某地区人口死亡状况，已按某种方法将15个已知样品分为3类，指标及原始数据如下表。利用费歇线性判别函数，判定另外4个待判样品属于哪一类？某地区人口死亡状况指标及原始数据表组别序号 = 0岁组死亡概率 =1岁组死亡概率 = 1 0岁组死亡概率 =55岁组死亡概率 =80岁组死亡概率 =平均预期寿命第一组 134.167.44 1.127.8795.1969.30 233.06 6.34 1.08 6.7794.0869.70 336.269.24 1.048.9797.3068.80 440.1713.45 1.4313.88101.2066.20 550.0623.03 2.8323.74112.5263.30

SPSS操作方法：判别分析例题

贝叶斯判别的SPSS操作方法： 1. 建立数据文件 2．单击Analyze→Classify→Discriminant，打开Discriminant Analysis判别分析对话框如图1所示：图1 Discriminant Analysis判别分析对话框 3．从对话框左侧的变量列表中选中进行判别分析的有关变量x1~x9进入Independents 框，作为判别分析的基础数据变量。从对话框左侧的变量列表中选分组变量Group进入Grouping Variable 框，并点击Define Range...钮，在打开的Discriminant Analysis: Define Range 对话框中，定义判别原始数据的类别数，由于原始数据分为3类，则在Minimum（最小值）处输入1，在Maximum（最大值）处输入3（见图2）。。选择后点击Continue按钮返回Discriminant Analysis主对话框。图2 Define Range对话框 4、选择分析方法

多元统计分析--判别分析SPSS实验报告

实验课程名称： __多元统计分析--判别分析___

准则判别归类，则可写成： ?? ? ??=>∈<∈) ,(),( ,),(),(,),(),(,21212211G X D G X D G X D G X D G X G X D G X D G X 当待判当当题目：表11.5的数据包含三种鸢尾的X2=萼片宽度与X4=花瓣的宽度的观测值。对每种鸢尾有n1=n2=n3=50个观测值。部分数据:

第二部分：实验过程记录（可加页）（包括实验原始数据记录，实验现象记录，实验过程发现的问题等）散点图：图形→旧对话框→散点图，打开简单散点图子对话框；将想X2选入X轴变量，X4选入Y轴变量，将总体选入设置标记框中，点击确定。判别分析：步骤: 1、选择分析→分类→判别，打开判别分析子对话框。 2、选择变量“总体”，单击→，将其加入到分组变量栏中。 3、打开定义范围子对话框，最小值输入1，最大值输入3。 4、将变量“X2萼片宽度”、“X4花瓣的宽度”选入自变量栏中。选择“一起输入自变量”的方法。 5、打开统计变量子对话框，选择均值、单变量ANOVA、Box’M、未标准化、组内协方差、分组协方差及总体协方差，单击继续。 6、打开分类子对话框，选择不考虑该个案时的分类，其余为默认值。 7、打开保存，选择所有的变量。

相关系数矩阵a 总体萼片宽度X2 花瓣宽度X4 合计萼片宽度X2 .190 -.122 花瓣宽度X4 -.122 .581 对数行列式总体秩对数行列式 1 2 -6.496 2 2 -6.141 3 2 -5.189 汇聚的组内 2 -5.583 检验结果箱的M 52.832 F 近似。8.632 df1 6 df2 538562.769 Sig. .000 Wilks 的Lambda 函数检验Wilks 的Lambda 卡方df Sig. 1 到 2 .038 477.868 4 .000 2 .809 31.075 1 .000 典型判别式函数系数函数 1 2 萼片宽度X2 -1.987 2.680 花瓣宽度X4 5.477 .817 (常量) -.494 -9.174 非标准化系数

SPSS分析报告实例

SPSS与数据统计分析期末论文影响学生对学校服务满意程度的因素分析

一、数据来源本次数据主要来源自本校同学，调查了同学们年级、性别、助学金申请情况、生源所在地、学院、毕业学校、游历情况、家庭情况、升高、体重、近视程度、学习时间、经济条件、兴趣、对学校各方面的评价、与对学校总评价以及建议等共41条信息，共收集数据样本724条。我们将运用SPSS，对变量进行频数分析、样本T检验、相关分析等手段，旨在了解同学们对学校提供的满意程度与什么因素有关。二、频数分析可靠性统计克隆巴赫Alpha项数 .98562 对全体数值进行可信度分析

本次数据共计724条，首先从可靠性统计来看，alpha值为0.985，即全体数据绝大部分是可靠的，我们可以在原始数据的基础上进行分析与处理。其中，按年级来看，绝大多数为大二学生填写（占了总人数的67.13%），之后分别依次为大二（23.76%）、大四（4.14%）、大一（4.97%）。而从专业来看，占据了数据绝大多数样本所在的学院为机械、材料、经管、计通。三、数据预处理拿到这份诸多同学填写的问卷之后，我们首先应对一些数据进行处理，对于数据的缺失值处理，由于我们对本份调查的分析重点方面是关于学生的经济情况的，因此对于确实的部分数据，升高、体重、近视度数、感兴趣的事等无关项我们均不需要进行缺失值的处理，而我们可能重点关注的每月家里给的钱、每月收入以及每月支出，由于其具有较强主观性，如果强行处理缺失值反而会破坏数据的完整性，因此我们筛去未填写的数据，将剩余数据当作新的样本进行分析。而对于一些关键的数据，我们需要做一些必要的预处理，例如一些调查项，我们希望得到数值型变量，但是填写时是字符型变量，我们就应该新建一个数字型变量并将数据复制，以便后续分析。同时一些与我们分析相关的缺省值，一些明显可以看出的虚假信息，我们都需要先

spss的数据分析报告范例

关于某地区361个人旅游情况统计分析报告一、数据介绍：本次分析的数据为某地区361个人旅游情况状况统计表，其中共包含七变量，分别是：年龄，为三类变量；性别，为二类变量（0代表女，1代表男）；收入，为一类变量；旅游花费，为一类变量；通道，为二类变量（0代表没走通道，1代表走通道）；旅游的积极性，为三类变量（0代表积极性差，1代表积极性一般，2代表积极性比较好，3代表积极性好 4代表积极性非常好）；额外收入,一类变量。通过运用spss统计软件，对变量进行频数分析、描述性统计、方差分析、相关分析，以了解该地区上述方面的综合状况，并分析个变量的分布特点及相互间的关系。二、数据分析 1、频数分析。基本的统计分析往往从频数分析开始。通过频数分地区359个人旅游基本状况的统计数据表，在性别、旅游的积极性不同的状况下的频数分析，从而了解该地区的男女职工数量、不同积极性情况的基本分布。统计量积极性性别 N有效359359 缺失00 首先，对该地区的男女性别分布进行频数分析，结果如下

spss进行判别分析步骤

spss进行判别分析步骤1．Discriminant Analysis判别分析主对话框图1-1 Discriminant Analysis 主对话框

（1）选择分类变量及其范围在主对话框中左面的矩形框中选择表明已知的观测量所属类别的变量(一定是离散变量)，按上面的一个向右的箭头按钮，使该变量名移到右面的Grouping Variable 框中。此时矩形框下面的Define Range 按钮加亮，按该按钮屏幕显示一个小对话框如图1-2 所示，供指定该分类变量的数值范围。图1-2 Define Range 对话框在Minimum 框中输入该分类变量的最小值在Maximum 框中输入该分类变量的最大值。按Continue 按钮返回主对话框。 (2)指定判别分析的自变量图1-3 展开Selection Variable 对话框的主对话框在主对话框的左面的变量表中选择表明观测量特征的变量，按下面箭头按钮。

把选中的变量移到Independents 矩形框中，作为参与判别分析的变量。（3）选择观测量图1-4 Set Value 子对话框如果希望使用一部分观测量进行判别函数的推导而且有一个变量的某个值可以作为这些观测量的标识，则用Select 功能进行选择，操作方法是单击Select 按钮展开Selection Variable。选择框如图1-3 所示。并从变量列表框中选择变量移入该框中再单击Selection Variable 选择框右侧的Value按钮，展开Set Value(子对话框)对话框，如图1-4 所示，键入标识参与分析的观测量所具有的该变量值，一般均使用数据文件中的所有合法观测量此步骤可以省略。（4）选择分析方法

SPSS相关分析案例讲解

相关分析一、两个变量的相关分析：Bivariate 1．相关系数的含义相关分析是研究变量间密切程度的一种常用统计方法。相关系数是描述相关关系强弱程度和方向的统计量，通常用r 表示。 ①相关系数的取值范围在-1和+1之间，即：–1≤r ≤ 1。 ②计算结果，若r 为正，则表明两变量为正相关；若r 为负，则表明两变量为负相关。 ③相关系数r 的数值越接近于1（–1或+1），表示相关系数越强；越接近于0，表示相关系数越弱。如果r=1或–1，则表示两个现象完全直线性相关。如果=0，则表示两个现象完全不相关（不是直线相关）。 ④3.0

spss的数据分析案例

关于某公司474名职工综合状况的统计分析报告一、数据介绍：本次分析的数据为某公司474名职工状况统计表，其中共包含十一变量，分别是：id（职工编号），gender(性别)，bdate(出生日期)，edcu（受教育水平程度），jobcat（职务等级），salbegin（起始工资），salary（现工资），jobtime(本单位工作经历<月>)，prevexp(以前工作经历<月>)，minority(民族类型)，age(年龄)。通过运用spss统计软件，对变量进行频数分析、描述性统计、方差分析、相关分析、以了解该公司职工上述方面的综合状况，并分析个变量的分布特点及相互间的关系。二、数据分析 1、频数分析。基本的统计分析往往从频数分析开始。通过频数分析能够了解变量的取值状况，对把握数据的分布特征非常有用。此次分析利用了某公司474名职工基本状况的统计数据表，在gender(性别)、edcu（受教育水平程度）、不同的状况下的频数分析，从而了解该公司职工的男女职工数量、受教育状况的基本分布。 Statistics 首先，对该公司的男女性别分布进行频数分析，结果如下：

上表说明，在该公司的474名职工中，有216名女性，258名男性，男女比例分别为45.6%和54.4%，该公司职工男女数量差距不大，男性略多于女性。其次对原有数据中的受教育程度进行频数分析，结果如下表：

Educational Level (years)

上表及其直方图说明，被调查的474名职工中，受过12年教育的职工是该组频数最高的，为190人，占总人数的40.1%，其次为15年，共有116人，占中人数的24.5%。且接受过高于20年的教育的人数只有1人，比例很低。 2、描述统计分析。再通过简单的频数统计分析了解了职工在性别和受教育水平上的总体分布状况后，我们还需要对数据中的其他变量特征有更为精确的认识，这就需要通过计算基本描述统计的方法来实现。下面就对各个变量进行描述统计分析，得到它们的均值、标准差、片度峰度等数据，以进一步把我数据的集中趋势和离散趋势。 Descriptive Ststistics

SPSS数据案例分析

SPSS数据案例分析目录

一.手机APP 广告点击意愿的模型构建构建研究模型我们知道效用期望、努力期望、社会影响对行为意愿会产生一定的影响，在模型中的性别、年龄、经验与自愿性等四个控制变量，通常都是作为控制变量来观察他们对采用因素与使用意向之间的关系的影响。因此，目前手机APP 广告的使用人群年龄相对比较年轻，而且年龄特征分布高度集中，年龄在30 岁以下的人群占到70%以上，因此本研究考虑性别了这一变量，同时根据手机APP 广告用户的特性，加入了手机流量作为控制变量，去观察它们对外部变量与点击意愿之间的关系是否有显着影响。在本研究中，主要把调节变量和控制变量作为两个不同的研究变量，对于调节变量感知风险来说，它是直接影响了感知风险与手机APP 广告点击意愿二者的关系；而控制变量性别、手机流量这些变量是对广告效用期望、APP 效用期望和社会影响与点击意愿直接的关系是否有显着影响。最后，本文根据手机APP 广告的特点对UTAUT 模型进行扩展，构建了手机APP 广告点击意愿的影响因素研究模型。研究变量及定义

研究假设 (1) 广告效用期望、APP 效用期望、社会影响与手机APP 点击意向的关系 H1：用户的广告效用期望与点击手机APP 广告意愿正相关。 H2：用户的APP 效用期望与点击手机APP 广告意愿正相关 H3：社会影响与手机APP 广告点击意愿正相关（2）感知风险与点击手机APP 广告意愿的关系 H4：感知风险与手机APP 广告点击意愿负相关 H5：性别，手机流量对手机APP 广告点击意愿没有显着影响变量操作化定义 ?广告效用期望：广告对我了解某品牌来说很有用 ?APP 效用期望：使用APP 能够让我了解到多方面的信息 ?社会影响：身边的人都在使用手机APP 广告，所以我也要使用 ?感知风险：在点击手机APP 广告时，我担心我的个人隐私安全得不到保护?感知隐私安全重要性：确保点击手机APP 广告是安全的，对我来说是很重要的 ?使用意向：我愿意把手机APP 广告推荐给我周围的人问卷设计 1.使用APP 能够让我了解到多方面的信息[单选题] [必答题] ???很不同意?????○?1???○?2???○?3???○?4???○?5??很同意 2.广告对我了解某品牌来说很有用[单选题] [必答题] ???很不同意?????○?1???○?2???○?3???○?4???○?5??很同意 3.身边的人都在使用手机APP 广告，所以我也要使用[单选题] [必答题] ???很不同意?????○?1???○?2???○?3???○?4???○?5??很同意 4.在点击手机APP 广告时，我担心我的个人隐私安全得不到保护[单选题] [必答题] ???很不同意?????○?1???○?2???○?3???○?4???○?5??很同意 5.确保点击手机APP 广告是安全的，对我来说是很重要的[单选题] [必答题] ???很不同意?????○?1???○?2???○?3???○?4???○?5??很同意 6.我愿意把手机APP 广告推荐给我周围的人[单选题] [必答题]

SPSS操作方法：判别分析例题

实验指导之二判别分析的SPSS软件的基本操作 [实验例题] 为研究1991年中国城镇居民月平均收入状况，按标准化欧氏平方距离、离差平方和聚类方法将30个省、市、自治区．分为三种类型。试建立判别函数，判定广东、西藏分别属于哪个收入类型。判别指标及原始数据见表9-4。 1991年30个省、市、自治区城镇居民月平均收人数据表单位：元／人 x 1 ：人均生活费收入 x 6 ：人均各种奖金、超额工资(国有+集体) x 2 ：人均国有经济单位职工工资 x 7 ：人均各种津贴(国有+集体) x 3 ：人均来源于国有经济单位标准工资 x 8 ：人均从工作单位得到的其他收入 x 4 ：人均集体所有制工资收入 x 9 ：个体劳动者收入 x 5 ：人均集体所有制职工标准工资样品序地区x 1x 2 x 3 x 4 x 5 x 6 x 7 x 8 x 9 类序 G 11 北京170.03110.259.768.38 4.4926.8016.4411.90.41 2 天津141.5582.5850.9813.49.3321.3012.369.21 1.05 3 河北119.4083.3353.3911.07.5217.3011.7912.00.70 4 上海194.53107.860.2415.68.8831.0021.0111.80.16 5 山东130.4686.2152.3015.910.520.6l12.149.610.47 6 湖北119.2985.4153.0213.18.4413.8716.478.380.51 7 广西134.46 98.6148.188.90 4.3421.4926.1213.6 4.56 8 海南143.79 99.97 45.60 6.30 1.56 18.67 29.49 11.8 3.82 9 四川128.05 74.96 50.13 13.9 9.62 16.14 10.18 14.5 1.21 10 云南127.41 93.54 50.57 10.5 5.87 19.41 21.20 12.6 0.90

SPSS数据案例分析

SPSS数据案例分析目录 .手机APP广告点击意愿的模型构建 (2) 1.1构建研究模型 (2) 1.2研究变量及定义 (2) 1.3研究假设 (3) 1.4变量操作化定义 (3) 1.5问卷设计 (3) .实证研究 (5) 2.1基础数据分析 (5) 2.2频数分布及相关统计量 (5) 2.3相关分析 (7) 2.4回归分析 (8) 2.5假设检验 (10)

.手机APP广告点击意愿的模型构建 1.1构建研究模型我们知道效用期望、努力期望、社会影响对行为意愿会产生一定的影响，在模型中的性别、年龄、经验与自愿性等四个控制变量，通常都是作为控制变量来观察他们对采用因素与使用意向之间的关系的影响。因此，目前手机APP广告的使用人群年龄相对比较年轻，而且年龄特征分布高度集中，年龄在30岁以下的人群占到70%以上，因此本研究考虑性别了这一变量，同时根据手机APP广告用户的特性，加入了手机流量作为控制变量，去观察它们对外部变量与点击意愿之间的关系是否有显著影响。在本研究中，主要把调节变量和控制变量作为两个不同的研究变量，对于调节变量感知风险来说，它是直接影响了感知风险与手机APP广告点击意愿二者的关系；而控制变量性别、手机流量这些变量是对广告效用期望、APP效用期望和社会影响与点击意愿直接的关系是否有显著影响。最后，本文根据手机APP 广告的特点对UTAUT模型进行扩展，构建了手机APP广告点击意愿的影响因素研究模型。 1.2研究变量及定义

1.3研究假设 ⑴广告效用期望、APP效用期望、社会影响与手机APP点击意向的关系H1:用户的广告效用期望与点击手机APP广告意愿正相关。 H2:用户的APP效用期望与点击手机APP广告意愿正相关 H3:社会影响与手机APP广告点击意愿正相关（2）感知风险与点击手机APP广告意愿的关系 H4：感知风险与手机APP广告点击意愿负相关 H5:性别，手机流量对手机APP广告点击意愿没有显著影响 1.4变量操作化定义广告效用期望：广告对我了解某品牌来说很有用 APP效用期望：使用APP能够让我了解到多方面的信息社会影响：身边的人都在使用手机APP广告，所以我也要使用感知风险：在点击手机APP广告时，我担心我的个人隐私安全得不到保护感知隐私安全重要性：确保点击手机APP广告是安全的，对我来说是很重要的使用意向：我愿意把手机APP广告推荐给我周围的人 1?5问卷设计［单选题］［必答题］］［必答题］ 2.广告对我了解某品牌来说很有用［单选题］［必答题］很不同意010*******很同意 4. 在点击手机APP广告时，我担心我的个人隐私安全得不到保护［单选题］［必答题］很不同意O1 1C2IL 03 04 C5很同意 5. 确保点击手机APP广告是安全的，对我来说是很重要的［单选题］［必答题］很不同意01 1C2|L 03 04 05很同意 7.您的性别是［单选题］［必答题］ O男 O女 6.我愿意把手机APP广告推荐给我周围的人［单选题］［必答题］

spss进行判别分析步骤

spss进行判别分析步骤 1．Discriminant Analysis判别分析主对话框如图1-1 所示图1-1 Discriminant Analysis 主对话框（1）选择分类变量及其范围在主对话框中左面的矩形框中选择表明已知的观测量所属类别的变量(一定是离散变量)，

按上面的一个向右的箭头按钮，使该变量名移到右面的Grouping Variable 框中。此时矩形框下面的Define Range 按钮加亮，按该按钮屏幕显示一个小对话框如图1-2 所示，供指定该分类变量的数值范围。图1-2 Define Range 对话框在Minimum 框中输入该分类变量的最小值在Maximum 框中输入该分类变量的最大值。按Continue 按钮返回主对话框。 (2)指定判别分析的自变量

图1-3 展开Selection Variable 对话框的主对话框在主对话框的左面的变量表中选择表明观测量特征的变量，按下面一个箭头按钮。把选中的变量移到Independents 矩形框中，作为参与判别分析的变量。（3）选择观测量图1-4 Set Value 子对话框

如果希望使用一部分观测量进行判别函数的推导而且有一个变量的某个值可以作为这些观测量的标识，则用Select 功能进行选择，操作方法是单击Select 按钮展开Selection Variable。选择框如图1-3 所示。并从变量列表框中选择变量移入该框中再单击Selection Variable 选择框右侧的Value按钮，展开Set Value(子对话框)对话框，如图1-4 所示，键入标识参与分析的观测量所具有的该变量值，一般均使用数据文件中的所有合法观测量此步骤可以省略。（4）选择分析方法在主对话框中自变量矩形框下面有两个选择项，被选中的方法前面的圆圈中加有黑点。这两个选择项是用于选择判别分