SPSS

我估计你的意思是想用compute命令，把三个变量进行计算得到一个综合变量吧？点击：transform点击：computer variables然后就出现了对话框，左边输入新变量的名字（随便取，不好和已存在变量相同），右边输入三个变量的综合方法（加减乘除....)

当然是可以的。不知道你用的是那个版本的SPSS，在SPSS15中，操作步骤如下：两个数据库（.sav文件）按照关键变量排序（关键变量必须没有重复，每个变量值能够明确的指出一个特定的Case；也可以使用一组变量作为关键变量）两个数据库文件的变量类型和变量长度要一致！变量类型和长度可以在VARIABLESVIEW中查看和修改然后就是菜单中选择：DataMergeFilesAddVariables...之后按照你原来的操作做就可以了，这样就不会出现“变量的类型或者长度不对”的错误了

1、打开spss以后，先要打开第一个要合并的数据，再合并变量如图所示，在菜单栏上执行：data--mergefile--addvariable。2、打开合并变量对话框，点击浏览选项，找到要合并的第二个文件。3、找到要合并的第二个文件，再点击open即可。4、回到合并变量对话框，点击continue按钮，进行下一步设置。5、在这里，我们先看到右边的列表指的是合并变量以后的数据，左侧的列表显示的是被排除的变量，这些变量之所以被排除是因为两个数据表出现了相同的变量。6、要想合并变量必须制定关键变量，也就是keyvariables，因为我们的关键变量是id，这个id在newactivedataset中，先选中id，点击如图所示的按钮，让id变为排除变量。7、接着在排除变量中，选中id，点击如图所示的按钮，将其添加到关键变量中。8、点击ok按钮，即可开始合并变量。

可能是有一些变量没有转入对话框两个数据库（.sav文件）按照关键变量排序（关键变量必须没有重复，每个变量值能够明确的指出一个特定的Case；也可以使用一组变量作为关键变量）。SPSS它将几乎所有的功能都以统一、规范的界面展现出来，使用Windows的窗口方式展示各种管理和分析数据方法。spss是一个非常好用的统计分析软件,spss用于统计学分析。

会影响结果和分析过程。观测量是对某一“关键变量”的排序，比如按照总分排序，按照单科成绩、年龄、性别、年级等变量进行排序。可以升序或降序排列，也可以依据多个“关键变量”对观测量进行排序，根据实际需要选择排序方式，方便解决很多问题。

你要看你的spss版本是什么，如果是spss13，那肯定不行

打开spss以后，先要打开第一个要合并的数据，然后合并变量如图所示，在菜单栏上执行：data--merge file--addvariable打开合并变量对话框，点击浏览选项，找到要合并的第二个文件找到要合并的第二个文件，然后点击open回到合并变量对话框，点击continue按钮，进行下一步设置在这里，我们先看到右边的列表指的是合并变量以后的数据，左侧的列表显示的是被排除的变量，这些变量之所以被排除是因为两个数据表出现了相同的变量。要想合并变量必须制定关键变量，也就是key variables，因为我们的关键变量是id，这个id在new active dataset中，先选中id，然后点击如图所示的按钮，让id变为排除变量接着在排除变量中，选中id，点击如图所示的按钮，将其添加到关键变量中8点击ok按钮，开始合并变量，一般会弹出警告框，点击ok即可。

合并数据库吧？关键变量是两个库都要有的，而且要具有唯一性。

Both files provide cases是合并后的数据由原来两个数据文件共同提供。Non-active dataset is keyed table合并后数据文件中的个案仅是当前数据编辑窗口中的个案，将第二个数据文件中的其他变量合并进来。Active dataset is keyed table合并后数据文件中的个案仅是第二个数据文件中的个案，将当前数据编辑窗口中的其他变量合并进来。

SPSS的"ComputeVariable"功能可以合并多个指标为一个变量。两个数据文件都必须事先按照关键变量值的升序排列，对于排序可参考我以前写的文章，或者搜索“spss教程：数据的排序百度经验”即可。调出相关窗口。因是横向合并，所以选择“添加变量”。已排除的变量”是两个文件中共同拥有的变量名，选择它作为“关键变量”。“新的活动数据集”是最后展示在结果中的变量名。变量名后的“*”表示当前数据编辑窗口中的变量，“+”表示指定文件中的变量。“按照排序文件中的关键变量匹配个案”中通常选择第一个，即“两个文件都提供个案”。

有时候我们需要使用EXCEL上的VLOOKUP功能来匹配完成任务，但是因为EXCEL能处理的数据量和处理数据的速度问题，无法通过EXCEL解决，那么这个时候我们就需要通过其他工具来解决此类问题，下面说一个使用SPSS解决此类问题的方法。 1、先把EXCEL的文档导入到SPSS上，一般xls和xlsx都是可以导入的，如果遇到不能导入的问题，可以先试着把EXCEL文档转换格式，变成csv，再试一下。 2、导入之后，通过SPSS的“数据-排序个案”对于数据表的参照列进行排序，对两个数据表都要进行排序。 3、在其中一个SPSS数据表，选择“数据-合并文件-添加变量”，通过在这个数据表中添加另一个数据表的变量来完成匹配。 4、在对话框中选择需要合并的数据集，这时候如果在SPSS打开了另一个数据集的话，就会如下图一样在“打开的数据集”中出现，这个时候，选择，然后点“继续”就可以了，如果没有打开的话，那就点击“外部SPSS Statistics数据文件”然后“浏览”打开需要合并的数据集。 5、在按照下图的1、2、3步骤，先选择“按照排序文件中的关键变量匹配个案”，然后在“已排除的变量”中选择需要匹配的参照列的变量，在本例中，就是“编码”这个变量。然后将其选择到“关键变量”上，点击“确定”继续下一个步骤。 6、弹出警告的对话框，因为前面已经对参照列进行了排序，所以不用管它，点击“确定”继续即可。 7、完成，如果需要其他格式的，再通过SPSS的另存为功能存储为EXCEL或者其他格式就可以了。 注意事项：如果在EXCEL的匹配文件中，有时间这种需求格式的变量，那么先在EXCEL中将格式变为“日期”，然后再导入SPSS中，如果不先改变格式，会出现SPSS将日期认为是字符串的情况，这样想要在SPSS中做数据分析，就无法使用这个变量了。

当然是可以的。在SPSS15中，操作步骤如下：两个数据库（.sav文件）按照关键变量排序（关键变量必须没有重复，每个变量值能够明确的指出一个特定的Case；也可以使用一组变量作为关键变量）两个数据库文件的变量类型和变量长度要一致！变量类型和长度可以在VARIABLESVIEW中查看和修改即可。

Both files provide cases是合并后的数据由原来两个数据文件共同提供。Non-active dataset is keyed table合并后数据文件中的个案仅是当前数据编辑窗口中的个案，将第二个数据文件中的其他变量合并进来。Active dataset is keyed table合并后数据文件中的个案仅是第二个数据文件中的个案，将当前数据编辑窗口中的其他变量合并进来。

可以使用网页SPSSAU这个在线的SPSS分析平台；里面有智能化文字分析。不会的问题可以参考SPSSAU里面的数据分析思路框架文档。

likert量表的数据分析找我们。百度输入我的名字，找到我们的联系方式。专业，诚信

兄弟做完了吗 有答案共享下呗

再学，一边应用一边学会记得牢。当我们的调查问卷在把调查数据拿回来后,我们该做的工作就是用相关的统计软件进行处理,在此,我们以spss为处理软件,来简要说明一下问卷的处理过程,它的过程大致可分为四个过程:定义变量、数据录入、统计分析和结果保存.下面将从这四个方面来对问卷的处理做详细的介绍.Spss处理:第一步:定义变量大多数情况下我们需要从头定义变量，在打开SPSS后，我们可以看到和excel相似的界面，在界面的左下方可以看到Data View, Variable View两个标签,只需单击左下方的Variable View标签就可以切换到变量定义界面开始定义新变量。在表格上方可以看到一个变量要设置如下几项:name(变量名)、type(变量类型)、width(变量值的宽度)、decimals(小数位) 、label(变量标签) 、Values(定义具体变量值的标签)、Missing(定义变量缺失值)、Colomns(定义显示列宽)、Align(定义显示对齐方式)、Measure(定义变量类型是连续、有序分类还是无序分类).我们知道在spss中,我们可以把一份问卷上面的每一个问题设为一个变量,这样一份问卷有多少个问题就要有多少个变量与之对应,每一个问题的答案即为变量的取值.现在我们以问卷第一个问题为例来说明变量的设置.为了便于说明,可假设此题为:1.请问你的年龄属于下面哪一个年龄段( )?A:20—29 B:30—39 C:40—49 D:50--59那么我们的变量设置可如下: name即变量名为1，type即类型可根据答案的类型设置,答案我们可以用1、2、3、4来代替A、B、C、D,所以我们选择数字型的，即选择Numeric, width宽度为4，decimals即小数位数位为0（因为答案没有小数点），label即变量标签为“年龄段查询”。Values用于定义具体变量值的标签,单击Value框右半部的省略号，会弹出变量值标签对话框,在第一个文本框里输入1,第二个输入20—29,然后单击添加即可.同样道理我们可做如下设置,即1=20—29、2=30—39、3=40—49、4=50--59；Missing，用于定义变量缺失值, 单击missing框右侧的省略号，会弹出缺失值对话框, 界面上有一列三个单选钮，默认值为最上方的“无缺失值”；第二项为“不连续缺失值”，最多可以定义3个值；最后一项为“缺失值范围加可选的一个缺失值”，在此我们不设置缺省值,所以选中第一项如图；Colomns，定义显示列宽,可自己根据实际情况设置；Align，定义显示对齐方式,有居左、居右、居中三种方式；Measure，定义变量类型是连续、有序分类还是无序分类。以上为问卷中常见的单项选择题型的变量设置,下面将对一些特殊情况的变量设置也作一下说明.1.开放式题型的设置:诸如你所在的省份是_____这样的填空题即为开放题,设置这些变量的时候只需要将Value 、Missing两项不设置即可.2.多选题的变量设置:这类题型的设置有两种方法即多重二分法和多重分类法,在这里我们只对多重二分法进行介绍.这种方法的基本思想是把该题每一个选项设置成一个变量,然后将每一个选项拆分为两个选项项,即选中该项和不选中该项.现在举例来说明在spss中的具体操作.比如如下一例:请问您通常获取新闻的方式有哪些( )1 报纸 2 杂志 3 电视 4 收音机 5 网络在spss中设置变量时可为此题设置五个变量,假如此题为问卷第三题,那么变量名分别为3_1、3_2、3_3、3_4、3_5,然后每一个选项有两个选项选中和不选中,只需在Value一项中为每一个变量设置成1=选中此项、0=不选中此项即可.使用该窗口，我们可以把一个问卷中的所有问题作为变量在这个窗口中一次定义。到此,我们的定义变量的工作就基本上可以结束了.下面我们要作就是数据的录入了.首先,我们要回到数据录入窗口,这很简单,只要我们点击软件左下方的Data View标签就可以了.第二步:数据录入Spss数据录入有很多方式,大致有一下几种:1.读取SPSS格式的数据2.读取Excel等格式的数据3.读取文本数据（Fixed和Delimiter)4.读取数据库格式数据(分如下两步)（1）配置ODBC （2）在SPSS中通过ODBC和数据库进行但是对于问卷的数据录入其实很简单,只要在spss的数据录入窗口中直接输入就可以了,只是在这里有几点注意的事项需要说明一下.1. 在数据录入窗口,我们可以看到有一个表格,这个表格中的每一行代表一份问卷,我们也称为一个个案.2. 在数据录入窗口中,我们可以看到表格上方出现了1、2、3、4、5…….的标签名,这其实是我们在第一步定义变量中,我们为问卷的每一个问题取的变量名,即1代表第一题,2代表第二题.以次类推.我们只需要在变量名下面输入对应问题的答案即可完成问卷的数据录入.比如上述年龄段查询的例题,如果问卷上勾选了A答案,我们在1下面输入1就行了(不要忘记我们通常是用1、2、3、4来代替A、B、C、D的).3.我们知道一行代表一份问卷,所以有几分问卷,就要有几行的数据.在数据录入完成后,我们要做的就是我们的关键部分,即问卷的统计分析了,因为这时我们已经把问卷中的数据录入我们的软件中了.第三步:统计分析有了数据，可以利用SPSS的各种分析方法进行分析，但选择何种统计分析方法，即调用哪个统计分析过程，是得到正确分析结果的关键。这要根据我们的问卷调查的目的和我们想要什么样的结果来选择.SPSS有数值分析和作图分析两类方法.1.作图分析:在SPSS中，除了生存分析所用的生存曲线图被整合到Analyze菜单中外，其他的统计绘图功能均放置在graph菜单中。该菜单具体分为以下几部分：:(1)Gallery：相当于一个自学向导，将统计绘图功能做了简单的介绍，初学者可以通过它对SPSS的绘图能力有一个大致的了解。(2)Interactive：交互式统计图。(3)Map：统计地图。(4)下方的其他菜单项是我们最为常用的普通统计图，具体来说有：条图散点图线图直方图饼图面积图箱式图正态Q-Q图正态P-P图质量控制图Pareto图自回归曲线图高低图交互相关图序列图频谱图误差线图作图分析简单易懂,一目了然,我们可根据需要来选择我们需要作的图形,一般来讲,我们较常用的有条图,直方图,正态图,散点图,饼图等等,具体操作很简单,大家可参阅相关书籍,作图分析更多情况下是和数值分析相结合来对试卷进行分析的,这样的效果更好.2.数值分析:SPSS 数值统计分析过程均在Analyze菜单中，包括：(1)、Reports和Descriptive Statistics：又称为基本统计分析.基本统计分析是进行其他更深入的统计分析的前提，通过基本统计分析，用户可以对分析数据的总体特征有比较准确的把握，从而选择更为深入的分析方法对分析对象进行研究。Reports和Descriptive Statistics命令项中包括的功能是对单变量的描述统计分析。Descriptive Statistics包括的统计功能有：Frequencies(频数分析)：作用:了解变量的取值分布情况Descriptives(描述统计量分析)：功能：了解数据的基本统计特征和对指定的变量值进行标准化处理Explore(探索分析)：功能:考察数据的奇异性和分布特征Crosstabs(交叉分析)：功能:分析事物（变量）之间的相互影响和关系Reports包括的统计功能有：OLAP Cubes(OLAP报告摘要表)：功能: 以分组变量为基础，计算各组的总计、均值和其他统计量。而输出的报告摘要则是指每个组中所包含的各种变量的统计信息。Case Summaries(观测量列表)：察看或打印所需要的变量值Report Summaries in Row：行形式输出报告Report Summaries in Columns：列形式输出报告(2)、Compare Means(均值比较与检验)：能否用样本均值估计总体均值？两个变量均值接近的样本是否来自均值相同的总体？换句话说，两组样本某变量均值不同，其差异是否具有统计意义？能否说明总体差异？这是各种研究工作中经常提出的问题。这就要进行均值比较。以下是进行均值比较及检验的过程:MEANS过程：不同水平下（不同组）的描述统计量，如男女的平均工资,各工种的平均工资。目的在于比较。术语：水平数（指分类变量的值数，如sex变量有2个值，称为有两个水平）、单元Cell（指因变量按分类变量值所分的组）、水平组合T test 过程：对样本进行T检验的过程单一样本的T检验：检验单个变量的均值是否与给定的常数之间存在差异。独立样本的T检验：检验两组不相关的样本是否来自具有相同均值的总体（均值是否相同，如男女的平均收入是否相同，是否有显著性差异）配对T检验：检验两组相关的样本是否来自具有相同均值的总体(前后比较，如训练效果，治疗效果)One-Way ANOVA：一元(单因素)方差分析，用于检验几个（三个或三个以上）独立的组，是否来自均值相同的总体。(3)、ANOVA Models(方差分析)：方差分析是检验多组样本均值间的差异是否具有统计意义的一种方法。例如:医学界研究几种药物对某种疾病的疗效；农业研究土壤、肥料、日照时间等因素对某种农作物产量的影响;不同饲料对牲畜体重增长的效果等,都可以使用方差分析方法去解决(4)、Correlate(相关分析)：它是研究变量间密切程度的一种常用统计方法,常用的相关分析有以下几种:1、线性相关分析：研究两个变量间线性关系的程度。用相关系数r来描述。2、偏相关分析：它描述的是当控制了一个或几个另外的变量的影响条件下两个变量间的相关性，如控制年龄和工作经验的影响，估计工资收入与受教育水平之间的相关关系3、相似性测度：两个或若干个变量、两个或两组观测量之间的关系有时也可以用相似性或不相似性来描述。相似性测度用大值表示很相似，而不相似性用距离或不相似性来描述，大值表示相差甚远(5)、Regression(回归分析)：功能:寻求有关联（相关）的变量之间的关系在回归过程中包括：Liner：线性回归;Curve Estimation：曲线估计;Binary Logistic： 二分变量逻辑回归;Multinomial Logistic：多分变量逻辑回归;Ordinal 序回归;Probit：概率单位回归;Nonlinear：非线性回归;Weight Estimation：加权估计;2-Stage Least squares：二段最小平方法;Optimal Scaling 最优编码回归;其中最常用的为前面三个.(6)、Nonparametric Tests(非参数检验)：是指在总体不服从正态分布且分布情况不明时，用来检验数据资料是否来自同一个总体假设的一类检验方法。由于这些方法一般不涉及总体参数故得名。非参数检验的过程有以下几个:1.Chi-Square test 卡方检验2.Binomial test 二项分布检验3.Runs test 游程检验4.1-Sample Kolmogorov-Smirnov test 一个样本柯尔莫哥洛夫-斯米诺夫检验5.2 independent Samples Test 两个独立样本检验6.K independent Samples Test K个独立样本检验7.2 related Samples Test 两个相关样本检验8.K related Samples Test 两个相关样本检验(7)、Data Reduction(因子分析)(8)、Classify(聚类与判别)等等以上就是数值统计分析Analyze菜单下几项用于分析的数值统计分析方法的简介,在我们的变量定义以及数据录入完成后,我们就可以根据我们的需要在以上几种分析方法中选择若干种对我们的问卷数据进行统计分析,来得到我们想要的结果.第四步:结果保存我们的spss软件会把我们统计分析的多有结果保存在一个窗口中即结果输出窗口(output),由于spss软件支持复制和粘贴功能,这样我们就可以把我们想要的结果复制、粘贴到我们的报告中,当然我们也可以在菜单中执行file->save来保存我们的结果,一般情况下,我们建议保存我们的数据,结果可不保存.因为只要有了数据,如果我们想要结果的,我们可以随时利用数据得到结果.总结:以上便是spss处理问卷的四个步骤,四个步骤结束后,我们需要spss软件做的工作基本上也就结束了,接下来的任务就是写我们的统计报告了.值得一提的是.spss是一款在社会统计学应用非常广泛的统计类软件,学好它将对我们以后的工作学习产生很大的意义和作用.

当我们的调查问卷在把调查数据拿回来后,我们该做的工作就是用相关的统计软件进行处理,在此,我们以spss为处理软件,来简要说明一下问卷的处理过程,它的过程大致可分为四个过程:定义变量﹑数据录入﹑统计分析和结果保存.下面将从这四个方面来对问卷的处理做详细的介绍.Spss处理:第一步:定义变量大多数情况下我们需要从头定义变量，在打开SPSS后，我们可以看到和excel相似的界面，在界面的左下方可以看到Data View, Variable View两个标签,只需单击左下方的Variable View标签就可以切换到变量定义界面开始定义新变量。在表格上方可以看到一个变量要设置如下几项:name(变量名)、type(变量类型)、width(变量值的宽度)、decimals(小数位) 、label(变量标签) 、Values(定义具体变量值的标签)、Missing(定义变量缺失值)、Colomns(定义显示列宽)、Align(定义显示对齐方式)、Measure(定义变量类型是连续、有序分类还是无序分类).我们知道在spss中,我们可以把一份问卷上面的每一个问题设为一个变量,这样一份问卷有多少个问题就要有多少个变量与之对应,每一个问题的答案即为变量的取值.现在我们以问卷第一个问题为例来说明变量的设置.为了便于说明,可假设此题为:1.请问你的年龄属于下面哪一个年龄段( )? A:20—29 B:30—39 C:40—49 D:50--59那么我们的变量设置可如下: name即变量名为1，type即类型可根据答案的类型设置,答案我们可以用1、2、3、4来代替A、B、C、D,所以我们选择数字型的，即选择Numeric, width宽度为4，decimals即小数位数位为0（因为答案没有小数点），label即变量标签为“年龄段查询”。Values用于定义具体变量值的标签,单击Value框右半部的省略号，会弹出变量值标签对话框,在第一个文本框里输入1,第二个输入20—29,然后单击添加即可.同样道理我们可做如下设置,即1=20—29、2=30—39、3=40—49、4=50--59；Missing，用于定义变量缺失值, 单击missing框右侧的省略号，会弹出缺失值对话框, 界面上有一列三个单选钮，默认值为最上方的“无缺失值”；第二项为“不连续缺失值”，最多可以定义3个值；最后一项为“缺失值范围加可选的一个缺失值”，在此我们不设置缺省值,所以选中第一项如图；Colomns，定义显示列宽,可自己根据实际情况设置；Align，定义显示对齐方式,有居左、居右、居中三种方式；Measure，定义变量类型是连续、有序分类还是无序分类。以上为问卷中常见的单项1.开放式题型的设置:诸如你所在的省份是_____这样的填空题即为开放题,设置这些变量的时候只需要将Value 、Missing两项不设置即可.2.多选题的变量设置:这类题型的设置有两种方法即多重二分法和多重分类法,在这里我们只对多重二分法进行介绍.这种方法的基本思想是把该题每一个选项设置成一个变量,然后将每一个选项拆分为两个选项项,即选中该项和不选中该项.现在举例来说明在spss中的具体操作.比如如下一例:请问您通常获取新闻的方式有哪些( )1 报纸 2 杂志 3 电视 4 收音机 5 网络在spss中设置变量时可为此题设置五个变量,假如此题为问卷第三题,那么变量名分别为3_1、3_2、3_3、3_4、3_5,然后每一个选项有两个选项选中和不选中,只需在Value一项中为每一个变量设置成1=选中此项、0=不选中此项即可.使用该窗口，我们可以把一个问卷中的所有问题作为变量在这个窗口中一次定义。到此,我们的定义变量的工作就基本上可以结束了.下面我们要作就是数据的录入了.首先,我们要回到数据录入窗口,这很简单,只要我们点击软件左下方的Data View标签就可以了.第二步:数据录入 Spss数据录入有很多方式,大致有一下几种:1.读取SPSS格式的数据2.读取Excel等格式的数据3.读取文本数据（Fixed和Delimiter)4.读取数据库格式数据(分如下两步)（1）配置ODBC （2）在SPSS中通过ODBC和数据库进行但是对于问卷的数据录入其实很简单,只要在spss的数据录入窗口中直接输入就可以了,只是在这里有几点注意的事项需要说明一下.1. 在数据录入窗口,我们可以看到有一个表格,这个表格中的每一行代表一份问卷,我们也称为一个个案.2. 在数据录入窗口中,我们可以看到表格上方出现了1、2、3、4、5…….的标签名,这其实是我们在第一步定义变量中,我们为问卷的每一个问题取的变量名,即1代表第一题,2代表第二题.以次类推.我们只需要在变量名下面输入对应问题的答案即可完成问卷的数据录入.比如上述年龄段查询的例题,如果问卷上勾选了A答案,我们在1下面输入1就行了(不要忘记我们通常是用1、2、3、4来代替A、B、C、D的).3.我们知道一行代表一份问卷,所以有几分问卷,就要有几行的数据.在数据录入完成后,我们要做的就是我们的关键部分,即问卷的统计分析了,因为这时我们已经把问卷中的数据录入我们的软件中了.第三步:统计分析有了数据，可以利用SPSS的各种分析方法进行分析，但选择何种统计分析方法，即调用哪个统计分析过程，是得到正确分析结果的关键。这要根据我们的问卷调查的目的和我们想要什么样的结果来选择.SPSS有数值分析和作图分析两类方法.1.作图分析:在SPSS中，除了生存分析所用的生存曲线图被整合到Analyze菜单中外，其他的统计绘图功能均放置在graph菜单中。该菜单具体分为以下几部分：:(1)Gallery：相当于一个自学向导，将统计绘图功能做了简单的介绍，初学者可以通过它对SPSS的绘图能力有一个大致的了解。(2)Interactive：交互式统计图。(3)Map：统计地图。(4)下方的其他菜单项是我们最为常用的普通统计图，具体来说有： 条图 散点图 线图 直方图 饼图 面积图 箱式图 正态Q-Q图 正态P-P图 质量控制图 Pareto图 自回归曲线图 高低图 交互相关图 序列图 频谱图 误差线图 作图分析简单易懂,一目了然,我们可根据需要来选择我们需要作的图形,一般来讲,我们较常用的有条图,直方图,正态图,散点图,饼图等等,具体操作很简单,大家可参阅相关书籍,作图分析更多情况下是和数值分析相结合来对试卷进行分析的,这样的效果更好.2.数值分析:SPSS 数值统计分析过程均在Analyze菜单中，包括：(1)、Reports和Descriptive Statistics：又称为基本统计分析.基本统计分析是进行其他更深入的统计分析的前提，通过基本统计分析，用户可以对分析数据的总体特征有比较准确的把握，从而选择更为深入的分析方法对分析对象进行研究。Reports和Descriptive Statistics命令项中包括的功能是对单变量的描述统计分析。Descriptive Statistics包括的统计功能有：Frequencies(频数分析)：作用:了解变量的取值分布情况Descriptives(描述统计量分析)：功能：了解数据的基本统计特征和对指定的变量值进行标准化处理Explore(探索分析)：功能:考察数据的奇异性和分布特征Crosstabs(交叉分析)：功能:分析事物（变量）之间的相互影响和关系Reports包括的统计功能有：OLAP Cubes(OLAP报告摘要表)：功能: 以分组变量为基础，计算各组的总计、均值和其他统计量。而输出的报告摘要则是指每个组中所包含的各种变量的统计信息。Case Summaries(观测量列表)：察看或打印所需要的变量值Report Summaries in Row：行形式输出报告Report Summaries in Columns：列形式输出报告(2)、Compare Means(均值比较与检验)：能否用样本均值估计总体均值？两个变量均值接近的样本是否来自均值相同的总体？换句话说，两组样本某变量均值不同，其差异是否具有统计意义？能否说明总体差异？这是各种研究工作中经常提出的问题。这就要进行均值比较。以下是进行均值比较及检验的过程:MEANS过程：不同水平下（不同组）的描述统计量，如男女的平均工资,各工种的平均工资。目的在于比较。术语：水平数（指分类变量的值数，如sex变量有2个值，称为有两个水平）、单元Cell（指因变量按分类变量值所分的组）、水平组合T test 过程：对样本进行T检验的过程单一样本的T检验：检验单个变量的均值是否与给定的常数之间存在差异。独立样本的T检验：检验两组不相关的样本是否来自具有相同均值的总体（均值是否相同，如男女的平均收入是否相同，是否有显著性差异）配对T检验：检验两组相关的样本是否来自具有相同均值的总体(前后比较，如训练效果，治疗效果)One-Way ANOVA：一元(单因素)方差分析，用于检验几个（三个或三个以上）独立的组，是否来自均值相同的总体。(3)、ANOVA Models(方差分析)：方差分析是检验多组样本均值间的差异是否具有统计意义的一种方法。例如:医学界研究几种药物对某种疾病的疗效；农业研究土壤、肥料、日照时间等因素对某种农作物产量的影响;不同饲料对牲畜体重增长的效果等,都可以使用方差分析方法去解决(4)、Correlate(相关分析)：它是研究变量间密切程度的一种常用统计方法,常用的相关分析有以下几种:1、线性相关分析：研究两个变量间线性关系的程度。用相关系数r来描述。2、偏相关分析：它描述的是当控制了一个或几个另外的变量的影响条件下两个变量间的相关性，如控制年龄和工作经验的影响，估计工资收入与受教育水平之间的相关关系3、相似性测度：两个或若干个变量、两个或两组观测量之间的关系有时也可以用相似性或不相似性来描述。相似性测度用大值表示很相似，而不相似性用距离或不相似性来描述，大值表示相差甚远(5)、Regression(回归分析)：功能:寻求有关联（相关）的变量之间的关系在回归过程中包括：Liner：线性回归;Curve Estimation：曲线估计;Binary Logistic： 二分变量逻辑回归;Multinomial Logistic：多分变量逻辑回归;Ordinal 序回归;Probit：概率单位回归;Nonlinear：非线性回归;Weight Estimation：加权估计;2-Stage Least squares：二段最小平方法;Optimal Scaling 最优编码回归;其中最常用的为前面三个.(6)、Nonparametric Tests(非参数检验)：是指在总体不服从正态分布且分布情况不明时，用来检验数据资料是否来自同一个总体假设的一类检验方法。由于这些方法一般不涉及总体参数故得名。 非参数检验的过程有以下几个:1.Chi-Square test 卡方检验2.Binomial test 二项分布检验3.Runs test 游程检验4.1-Sample Kolmogorov-Smirnov test 一个样本柯尔莫哥洛夫-斯米诺夫检验5.2 independent Samples Test 两个独立样本检验6.K independent Samples Test K个独立样本检验7.2 related Samples Test 两个相关样本检验8.K related Samples Test 两个相关样本检验(7)、Data Reduction(因子分析)(8)、Classify(聚类与判别)等等以上就是数值统计分析Analyze菜单下几项用于分析的数值统计分析方法的简介,在我们的变量定义以及数据录入完成后,我们就可以根据我们的需要在以上几种分析方法中选择若干种对我们的问卷数据进行统计分析,来得到我们想要的结果.第四步:结果保存 我们的spss软件会把我们统计分析的多有结果保存在一个窗口中即结果输出窗口(output),由于spss软件支持复制和粘贴功能,这样我们就可以把我们想要的结果复制﹑粘贴到我们的报告中,当然我们也可以在菜单中执行file->save来保存我们的结果,一般情况下,我们建议保存我们的数据,结果可不保存.因为只要有了数据,如果我们想要结果的,我们可以随时利用数据得到结果.总结: 以上便是spss处理问卷的四个步骤,四个步骤结束后,我们需要spss软件做的工作基本上也就结束了,接下来的任务就是写我们的统计报告了.值得一提的是.spss是一款在社会统计学应用非常广泛的统计类软件,学好它将对我们以后的工作学习产生很大的意义和作用.【转】

使用二分类的logistic回归分析因变量移入相应对话框自变量中的分类变量移入相应的类别对话框，连续性自变量移入协变量对话框 其他默认 就可以了其实操作是很简单的，

SPSS数据菜单：定义多重响应集1、概念：定制表和图表生成器支持一种称为多重响应集的特殊“变量”。多重响应集不是通常意义上真正的“变量”。多重响应集不显示在数据编辑器中，也不能由其他过程识别。多重响应集使用多个变量记录对问题的答复，其中响应者可以给出多个答案。多重响应集以与分类变量相同的方式对待，可以对分类变量执行的大多数操作也可以对多重响应集执行。（比如多选题，每个选项都是一个变量，可以通过多重响应集来统计其选择情况） 2、操作：数据-定义多重响应集 3、说明：变量编码如下两种： ◎二分：多二分集通常由多个二分变量组成：仅有两个可能值（是/否、存在/不存在、选中/未选中性质）的变量。尽管变量可能不是严格二分的，但集中的所有变量都以相同方式进行编码，且“已计算的值”表示肯定/存在/选中条件。例如，调查提出以下问题：“对于新闻，您依赖于以下哪些来源？”并提供了五个可能的回答。回答者可以通过选中每个选择旁的框来进行多项选择。五个回答成为数据文件中的五个变量，代码0 表示否（未选中），代码1 表示是（选中）。在多二分集中，“已计算的值”为1。 ◎类别：多类别集由多个变量组成，所有这些变量都以相同方式进行编码，通常具有许多可能的响应类别。例如，某个调查项目为“请列举最能描述您的种族血统的民族，最多三个”。可能有上百种回答，但为了进行编码，列表限制为40 个最常见的民族，任何其他回答都归为“其他”类别。在数据文件中，三种选择成为三个变量，每个变量有41个类别（40 个已编码的民族和一个“其他”类别）

spss最小二乘法回归分析1、统计量：对于每个模型：标准和非标准回归系数、复R、R2、调整R2、估计的标准误、方差分析表、预测值和残差。此外，还有用于每个回归系数的95%的置信区间，以及参数估计的相关性和协方差矩阵。2、数据：因变量和自变量必须是定量的。分类变量（例如宗教、专业或居住地）需要重新编码为二分类（哑元）变量或其他类型的对比变量。内生解释变量应是定量变量（非分类变量）。数据分析如果确信没有任何预测变量与因变量中的误差相关，则可使用“线性回归”过程。如果您的数据违反了假设之一（例如，正态性假设或恒定方差假设），则尝试转换数据。如果您的数据不线性相关，且转换也没有帮助，则使用“曲线估计”过程中的备用模型。如果因变量是二分变量，例如指示特定的销售是否已完成，则请使用“Logistic回归”过程。如果您的数据不独立（例如，如果您在多个条件下观察同一个人），请使用Advanced Models选项中的“重复度量”过程。

SPSS里没有专门用于计算点二列相关的模块，但事实上点二列相关就等同于用Pearson相关计算一个连续变量和一个二分变量的相关，这与使用点二列相关的专有公式是等价的不过用的时候注意一下，二分变量就采用0,1计分操作程序就是：分析——相关——双变量，OK即可

这个问法不好做相关分析

SPSS 203个变量：Groups、hsCRP、X(值)图形Graphs->旧对话框Legacy Dialogs->条形图Bar复式条形图Clustered:，个案组摘要Summaries for groups of cases，定义Difine其他统计量(例如均值)Other Statistics，将X放入变量框Variable，Groups放类别轴Category Axis，hsCRP放定义聚类Difine clusteres by右上角，选项Options显示误差条形图Display error bars，置信区间Confidence Interval，继续，确定。

录入1和2

较容易。比如，你想这样二分：4和5一组，1-3一组。点转换--计算新变量，就可以实现。下面有一个if按钮，可以点它，你尝试一下，很快会明白。

你对照组和实验组是用T检验还是卡方检验？你的二分变量是通过logistic回归分析还是一般回归分析？

在SPSS里面的重新编码即可。f变量=1，生成新变量为=1，其余为0。fi变量=2，生成新变量为=1，其余为0。解决spss数据的变量类型如何转换的步骤如下：1、将数据导入spss中后选择菜单栏中的【转换】下的【计算变量】选项。2、在【目标变量】中直接输入变量的名称。3、然后在【数字表达式】中输入值即可对新变量赋值了。4、可以对新变量添加逻辑条件与其他变量相互关联，选择【如果】选项。5、添加逻辑条件即可。6、最后点击确认即可。这样就解决了spss数据的变量类型如何转换的问题了。SPSSspss是统计产品与服务解决软件，SPSS为IBM公司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称，有Windows和Mac OS X等版本。集数据录入、资料编辑、数据管理、统计分析、报表制作、图形绘制为一体。从理论上说，只要计算机硬盘和内存足够大，SPSS可以处理任意大小的数据文件。

1、首先，大家平时理解的变量是单纬的，而不是你说的多维的。因此，对spss而言，X1、X2、X3、Y1、Y2、Y3分别是6个变量。2、spss的相关性分析中可以分别统计这6个变量间的相关性。通过他们之间相关性的计算，你或许可以得到你所说的X与Y之间的相关性，但这种相关性只是你推测的定性描述而已，是不能定量描述的。3、主成分分析，目的是将分析对象的多个维度简化为少数几个维度，方便分析，这样做的前提是维度很多且其中的多个维度之间有较强的相关性。而不是你想象的可以把X1、X2、X3降维成一个变量，因为只有三个维度，已经很少了，这三个维度可以做降维分析的可能性几乎没有。4、回归分析，只有一个因变量，可以有多个自变量，最终算得因变量与自变量间的回归关系。估计你只是自己想象了一个例子，实际中一般是不会有这样的分析案例的。

可以在卡方检验这里做

你说的是wald吗?那是wald卡方值，等于b除以它的标准误（s.e.）的平方值，所以这个值是用于对回归系数显著性进行检验的。显著性去看sig就好了

什么意思，没看懂你这句话我替别人做这类的数据分析蛮多的

这要根据你的研究目的 比如自变量是组别 ，因变量是效果（痊愈、好转、无效），如果想看不同组别效果有无差异的话 可以考虑用秩和检验如果做回归分析的话 可以考虑有序logistic回归

有序是指等级分类变量,名义就是不分等级的分类变量,度量就是连续变量

有序是指等级分类变量，名义就是不分等级的分类变量，度量就是连续变量

这个有序多分类变量是自变量还是因变量啊？自变量的话看似然比检验，显著的话就不能当作数值型变量，而需要当作分类变量来做，转换成哑变量；因变量的话用multinomial logistic来做。

这是统计学第一课的基础知识，翻翻书吧

SPSS提供了多种适用于不同类型数据的相关系数表达，这些相关性检验的零假设都是：行和列变量之间相互独立，不存在显著的相关关系。根据SPSS检验后得出的相伴概率（Concomitant Significance）判断是否存在相关关系。如果相伴概率小于显著性水平0.05，那么拒绝零假设，行列变量之间彼此相关；如果相伴概率大于显著性水平0.05，那么接受原假设，行列变量之间彼此独立。在交叉列联表分析中，SPSS所提供的相关关系的检验方法主要有以下3种：（1）卡方（χ2）统计检验：常用于检验行列变量之间是否相关。计算公式为：其中，f0表示实际观察频数，fe表示期望频数。卡方统计量服从（行数 1） （列数 1）个自由度的卡方统计。SPSS在计算卡方统计量时，同时给出相应的相伴概率，由此判断行列变量之间是否相关。（2）列联系数（Contingency coefficient）：常用于名义变量之间的相关系数计算。计算公式由卡方统计量修改而得，公式如下：（3） 系数（Phi and Cramer"s V）：常用于名义变量之间的相关系数计算。计算公式由卡方统计量修改而得，公式如下：系数介于0和1之间，其中，K为行数和列数较小的实际数。交叉列联表分析的具体操作步骤如下：打开数据文件，选择【分析】（Analyze）菜单，单击【描述统计】（Descriptive Statistics）命令下的【交叉表】（Crosstabs）命令。"交叉表"（Crosstabs）主对话框如图3-13所示。在该主对话框中，左边的变量列表为原变量列表，通过单击 按钮可选择一个或者几个变量进入右边的"行"（Row(s)）变量列表框、"列"（Column(s)）变量列表框和"层"（Layer）变量列表框中。如果是二维列联表分析，只需选择行列变量即可，但如进行三维以上的列联表分析，可以将其他变量作为控制变量选到"层"（Layer）变量列表框中。有多个层控制变量时，可以根据实际的分析要求确定它们的层次，既可以是同层次的也可以是逐层叠加的。在"交叉表"对话框底端有两个可选择项：显示复式条形图（Display clustered bar chart）：指定绘制各个变量不同交叉取值下关于频数分布的柱形图；取消表格（Suppress table）：不输出列联表的具体表格，而直接显示交叉列联表分析过程中的统计量，如果没有选中统计量，则不产生任何结果。所以，一般情况下，只有在分析行列变量间关系时选择此项。该对话框的右端有4个按钮，从上到下依次为【精确】（Exact）按钮、【统计量】（Statistics）按钮、【单元格】（Cells）按钮和【格式】（Format）按钮。单击可进入对应的对话框。单击【精确】（Exact）按钮，打开"精确检验"（Exact Tests）对话框，如图3-14所示。该对话框提供了3种用于不同条件的检验方式来检验行列变量的相关性。用户可选择以下3种检验方式之一：仅渐近法（Asymptotic only）：适用于具有渐近分布的大样本数据，SPSS默认选择该项。Monte Carlo（蒙特卡罗法）：此项为精确显著性水平值的无偏估计，无需数据具有渐近分布的假设，是一种非常有效的计算确切显著性水平的方法。在"置信水平"（Confidence Level）参数框内输入数据，可以确定置信区间的大小，一般为90、95、99。在"样本数"（Number of samples）参数框中可以输入数据的样本容量。精确（Exact）：观察结果概率，同时在下面的"每个检验的时间限制为"（Time limit per test）的参数框内，选择进行精确检验的最大时间限度。用户在本对话框内进行选择后，单击【继续】（Continue）按钮即可返回"交叉表"主对话框。一般情况下，"精确检验"（Exact Tests）对话框的选项都默认为系统默认值，不作调整。单击【统计量】（Statistics）按钮，打开"交叉表：统计量"（Crosstabs：Statistics）对话框，如图3-15所示。在该对话框中，用户可以选择输出合适的统计检验统计量。对话框中各选项的意义如下：（1）卡方（Chi-square）检验复选框：检验列联表行列变量的独立性检验，也被称为Pearson chi-square检验、χ2检验。（2）相关性（Correlations）检验复选框：输出列联表行列变量的Pearson相关系数或Spearman相关系数。（3）名义（Nominal）栏：适用于名称变量统计量。相依系数（Contingency coefficient）：即Pearson相关系数或Spearman相关系数。Phi 和Cramer变量（ 系数）：常用于名义变量之间的相关系数计算。计算公式由卡方统计量修改而得，如公式（3.13）所示。ψ系数介于0和1之间，其中，K为行数和列数较小的实际数。Lambda（λ系数）：在自变量预测中用于反映比例缩减误差，其值为1时表明自变量预测因变量好，为0时表明自变量预测因变量差。不定性系数（Uncertainty coefficient）：以熵为标准的比例缩减误差，其值接近1时表明后一变量的信息很大程度上来自前一变量，其值接近0时表明后一变量的信息与前一变量无关。（4）有序（Ordinal）栏：适用于有序变量的统计量。Gamma（伽马系数，γ系数）：两有序变量之间的关联性的对称检验。其数值界于0和1之间，所有观察实际数集中于左上角和右下角时，取值为1，表示两个变量之间有很强的相关；取值为0时，表示两个变量之间相互独立。Somers"d值：两有序变量之间的关联性的检验，取值范围为[-1，1]。Kendall s tau-b值：考虑有结的秩或等级变量关联性的非参数检验，相同的观察值选入计算过程中，取值范围为[-1，1]。Kendall s tau-c值：忽略有结的秩或等级变量关联性的非参数检验，相同的观察值不选入计算过程，取值范围界为[-1，1]。（5）按区间标定（Nominal by interval）栏：适用于一个名义变量与一个等距变量的相关性检验。Kappa系数：检验数据内部的一致性，仅适用于具有相同分类值和相同分类数量的变量交叉表。Eta值：其平方值可认为是因变量受不同因素影响所致方差的比例。风险（相对危险度）：检验事件发生和某因素之间的关联性。McNemar检验：主要用于检验配对的资料率（相当于配对卡方检验）。（6）Cochran"s and Mantel-Haenszel统计量复选框：适用于在一个二值因素变量和一个二值响应变量之间的独立性检验。用户在"交叉表：统计量"对话框中进行选择后，单击【继续】（Continue），即可返回"交叉表"（Crosstabs）主对话框。一般情况下，对"交叉表：统计量"对话框内的选项不作选择或选择较为常用的卡方检验。单击【单元格】（Cells）按钮，打开"交叉表：单元显示"（Crosstabs：Cell Display）对话框，如图3-16所示。在该对话框中，用户可以指定列联表单元格中的输出内容。SPSS17.0默认在交叉列联表中输出实际的观察值，但观察值有时候不能确切地反映事物的实质，因此还需要输出其他的数据项。对话框中各选项的具体意义如下：（1）计数（Counts）栏：观察值（Observed）：系统默认选项，表示输出为实际观察值。期望值（Expected）：表示输出为理论值。（2）百分比（Percentages）栏：行（Row）百分比：以行为单元，统计行变量的百分比。列（Column）百分比：以列为单元，统计列变量的百分比。总计（Total）百分比：行列变量的百分比都进行输出。（3）残差（Residuals）栏：未标准化（Unstandardized）：输出非标准化残差，为实际数与理论数的差值。标准化（Standardized）：输出标准化残差，为实际数与理论数的差值除以理论数。调节的标准化（Adjusted standardized）：输出修正标准化残差，为标准误确定的单元格残差。（4）非整数权重（Noninteger Weights）栏：四舍五入单元格计数（Round cell counts，系统默认）：将单元格计数的非整数部分的尾数四舍五入为整数。截短单元格计数（Truncate cell counts）：将单元格计数的非整数部分的尾数舍去，直接化为整数。四舍五入个案权重（Round case Weights）：将观测量权数的非整数部分的尾数四舍五入为整数。截短个案权重（Truncate case Weights）：将观测量权数的非整数部分的尾数舍去，化为整数。无调节（No adjustments）：不对计数数据进行调整。用户在"交叉表：单元显示"对话框中进行选择后，单击【继续】（Continue）按钮，即可返回"交叉表"主对话框。一般情况下，对"交叉表：单元显示"对话框的选项都默认为系统默认值，不作调整。单击【格式】（Format）按钮，打开"交叉表：表格格式"（Crosstabs：Table Format）对话框，如图3-17所示。在该对话框中，用户可以指定列联表的输出排列顺序。对话框中各选项的具体意义如下：在行序（Row Order）栏中有如下两个选项：升序（Ascending）：系统默认，以升序显示各变量值；降序（Descending）：以降序显示各变量值。用户在该对话框中进行选择后，单击【继续】（Continue）按钮，即可返回"交叉表"主对话框。在"交叉表"对话框中单击【确定】（OK）按钮，可在输出窗口中得到数据概述、交叉列联表、卡方检验表、交叉分组下频率分布柱形图、相对危险性估计等图表。

不可以的，anova是针对continuous data的

度量一般定义数据名义一般定义地位平等的，如男、女有序定义地位有差别的，如收入1000~2000,2000~3000等1=“一年以下”；2="2-5年”3="5年以上"属于有序；1="男",2="女"属于名义变量。理解是对的

度量一般定义数据名义一般定义地位平等的，如男、女有序定义地位有差别的，如收入1000~2000,2000~3000等1=“一年以下”；2="2-5年”3="5年以上"属于有序；1="男",2="女"属于名义变量。理解是对的

应该用logistic回归。前提是设计好变量类型。使用有序Logistic进行回归分析时，需要考虑4个假设：假设1：因变量唯一，且为有序多分类变量，如血压水平可以分为高、中、低；某病的治疗效果分为痊愈、有效、无效等。假设2：存在一个或多个自变量，可为连续、有序多分类或无序分类变量。假设3：自变量之间无多重共线性。假设4：模型满足比例优势假设。意思是无论因变量的分割点在什么位置，模型中各个自变量对因变量的影响不变，也就是自变量对因变量的回归系数与分割点无关。有序多分类的Logistic回归原理是将因变量的多个分类依次分割为多个二元的Logistic回归。例如本例中因变量患者满意度有4个等级，分析时拆分为三个二元Logistic回归，分别为(0 vs 1+2+3) 、(0+1 vs 2+3)和(0+1+2 vs 3)，均是较低级与较高级对比。在有序多分类Logistic回归中，假设几个二元Logistic回归的自变量系数相等，仅常数项不等。结果也只输出一组自变量的系数。因此，有序多分类的Logistic回归模型，必须对自变量系数相等的假设（即比例优势假设）进行检验（又称平行线检验）。如果不满足该假设，则考虑使用无序多分类Logistic回归。假设1-2都是对研究设计的假设，需要研究者根据研究设计进行判断。经过分析，本研究符合假设1和假设2，那么应该如何检验假设3、假设4，并进行有序Logistic回归呢？

是指该变量的列宽，你可以试着做列的数值的改变，回到数据视图中当中就会很明显，看到列宽已经改变了。

度量（连续变量Scale）：如身高、体重等。序号（有序变量Ordinal）：如职称、疗效等，是分类变量，是有序的。 名义（标称变量Nominal）：如民族、血型等，是分类变量，是无序的。 有序变量和标称变量可以是数值型，也可以是字符型。（从老师的PPT那复制粘贴过来的）

1、“序号”一般是用来定义等级差别的，例如对某个餐厅满意度，就可以用序号来表示，1、2和3分别代表满意，一般和不满意。2、“名义”一般是用来代表某物的一个属性，没有任何比较排序的意义，只是说这个物有这个属性而已，例如人有男女之分，还有你说的“工号”也只代表工人的一个属性而已。3、“度量”则表示可以不仅可以进行排序而且还能对结果进行加减的一种属性，例如“职工收入”，“体重”等等。SPSS中常用专有名词解释：1、变量视图：变量视图用于管理变量的属性，包括变量名称，类型，标签，缺失值，度量标准等属性。2、数据视图：数据视图用于管理录入的数据，一行表示一条记录在不同变量下的值，一列表示相同的变量在不同记录中的值。3、变量类型：SPSS主要包括 3 种类型，分别是：数值型，字符型和日期型，度量标准：在SPSS 中，按照对事物描述的精确程度，可以将变量分为 3 种度量标准，度量（Scale），名义（Nominal），序号（Ordinal），因为不同的变量度量标准适用不同的统计模型，因此正确定义一个变量的度量标准很重要。4、度量（Scale）变量：通常也称为连续变量，表示变量的值通常是连续的，无界限的，如员工收入，企业销售额等。“度量”则表示可以不仅可以进行排序而且还能对结果进行加减的一种属性，例如“职工收入”，“体重”等等。5、名义（Nominal）变量：通常也称为无序分类变量，表示变量的值是离散的，相对有限个数的，通常变量值的个数不超过 10 个，但值之间没有顺序关系的，如性别。“名义”一般是用来代表某物的一个属性，没有任何比较排序的意义，只是说这个物有这个属性而已，例如人有男女之分，还有你说的“工号”也只代表工人的一个属性而已。6、序号（Ordinal）变量：通常也称为有序分类变量，表示变量的值是离散的，相对有限个数的，但值之间是有顺序关系的，如教育水平取值有：1 — 8 年，2 — 10 年，3 — 15 年，这些值之间存在顺序大小关系。“序号”一般是用来定义等级差别的，例如对某个餐厅满意度，就可以用序号来表示，1、2和3分别代表满意，一般和不满意。参考资料CDA数据分析网：http://cda.pinggu.org/view/21301.html

名义变量就是无序变量，比如性别男女统计专业研究生工作室为您服务

解释变量内生性检验首先检验解释变量内生性（解释变量内生性的Hausman 检验：使用工具变量法的前提是存在内生解释变量。Hausman 检验的原假设为：所有解释变量均为外生变量，如果拒绝，则认为存在内生解释变量，要用IV；反之，如果接受，则认为不存在内生解释变量，应该使用OLS。reg ldi lofdiestimates store olsxtivreg ldi (lofdi=l.lofdi ldep lexr)estimates store ivhausman iv ols（在面板数据中使用工具变量，Stata提供了如下命令来执行2SLS:xtivreg depvar [varlist1] (varlist_2=varlist_iv) （选择项可以为fe，re等，表示固定效应、随机效应等。详见help xtivreg）如果存在内生解释变量，则应该选用工具变量，工具变量个数不少于方程中内生解释变量的个数。“恰好识别”时用2SLS。2SLS的实质是把内生解释变量分成两部分，即由工具变量所造成的外生的变动部分，以及与扰动项相关的其他部分；然后，把被解释变量对中的这个外生部分进行回归，从而满足OLS前定变量的要求而得到一致估计量。tptqtp二、异方差与自相关检验在球型扰动项的假定下，2SLS是最有效的。但如果扰动项存在异方差或自相关，面板异方差检验：xtgls enc invs exp imp esc mrl,igls panel(het)estimates store heteroxtgls enc invs exp imp esc mrl,iglsestimates store homolocal df = e(N_g) - 1lrtest hetero homo, df(`df")面板自相关：xtserial enc invs exp imp esc mrl则存在一种更有效的方法，即GMM。从某种意义上，GMM之于2SLS正如GLS之于OLS。好识别的情况下，GMM还原为普通的工具变量法；过度识别时传统的矩估计法行不通，只有这时才有必要使用GMM，过度识别检验（Overidentification Test或J Test）：estat overid三、工具变量效果验证工具变量：工具变量要求与内生解释变量相关，但又不能与被解释变量的扰动项相关。由于这两个要求常常是矛盾的，故在实践上寻找合适的工具变量常常很困难，需要相当的想象力与创作性。常用滞后变量。需要做的检验：检验工具变量的有效性：（1） 检验工具变量与解释变量的相关性如果工具变量z与内生解释变量完全不相关，则无法使用工具变量法；如果与仅仅微弱地相关，。这种工具变量被称为“弱工具变量”（weak instruments）后果就象样本容量过小。检验弱工具变量的一个经验规则是，如果在第一阶段回归中，F统计量大于10，则可不必担心弱工具变量问题。Stata命令：estat first（显示第一个阶段回归中的统计量）（2） 检验工具变量的外生性（接受原假设好）在恰好识别的情况下，无法检验工具变量是否与扰动项相关。在过度识别（工具变量个数>内生变量个数）的情况下，则可进行过度识别检验（Overidentification Test），检验原假设所有工具变量都是外生的。如果拒绝该原假设，则认为至少某个变量不是外生的，即与扰动项相关。0HSargan统计量，Stata命令：estat overid四、GMM过程在Stata输入以下命令，就可以进行对面板数据的GMM估计。. ssc install ivreg2 （安装程序ivreg2 ）. ssc install ranktest （安装另外一个在运行ivreg2 时需要用到的辅助程序ranktest）. use "traffic.dta"（打开面板数据）. xtset panelvar timevar （设置面板变量及时间变量）. ivreg2 y x1 (x2=z1 z2),gmm2s （进行面板GMM估计，其中2s指的是2-step GMM）

做logistic回归也可以考虑虚拟变量回归或方差分析

《spss数据分析教程》第1章　统计学和spss统计分析软件简介　11.1　统计分析的基本概念　11.1.1　统计分析的步骤　21.1.2　数据的类型　21.2　常见统计分析软件简介　31.2.1　spss　31.2.2　sas　41.2.3　splus或者r　41.2.4　其他数据分析软件　41.3　spss统计分析软件的发展　41.4　spss版本和授权　51.5　spss统计分析软件的特点　61.6　主要模块及功能简介　71.7　spss的安装　91.8　spss的几种基本运行方式　121.9　spss的界面　141.10　spss的图形用户界面　171.11　spss帮助系统　191.12　小结　23.思考与练习　23参考文献　25第2章　数据文件的建立和管理　262.1　数据管理的特点　262.2　spss数据编辑器简介　272.2.1　开始spss　272.2.2　spss的数据编辑器界面　272.3　新建数据文件、数据字典　312.4　保存文件　332.5　读入数据　342.5.1　读入excel数据　352.5.2　读入文本数据　362.5.3　读入数据库数据　392.6　数据文件的合并　432.6.1　添加个案　432.6.2　添加变量　462.7　数据文件的拆分　50附录：如何为数据库文件建立odbc数据源　522.8　小结　53思考与练习　54参考文献　56第3章　描述性统计分析　573.1　频率分析　573.2　中心趋势的描述：均值、中位数、众数、5%截尾均值　603.2.1　均值　603.2.2　中位数　603.2.3　众数　613.2.4　5%截尾均值　613.3　离散趋势的描述：极差、方差、标准差、均值的标准误、分位数和变异指标　623.3.1　极差　623.3.2　方差和标准差　633.3.3　均值的标准误　633.3.4　变异系数　633.3.5　分位数　643.4　分布的形状——偏度和峰度　643.5　spss描述性统计分析　653.5.1　频率入口　663.5.2　描述子菜单　673.5.3　探索子菜单　683.5.4　表格　693.6　应用统计图进行描述性统计分析　713.6.1　定性数据的图形描述——条形图、饼图、帕累托图　713.6.2　定量数据的图形描述——直方图、茎叶图和箱图　743.7　数据标准化　783.8　小结　79思考与练习　79参考文献　80第4章　概率论初步　814.1　离散型随机变量的仿真　814.1.1　均匀分布的随机数　814.1.2　正态分布的随机数　844.2　理论分布　874.2.1　二项分布的分布函数和概率　874.2.2　连续分布的随机变量——正态分布　934.3　经验分布　974.4　抽样分布　994.5　置信区间　1024.6　小结　104思考与练习　104第5章　均值的比较　1055.1　假设检验的思想及原理　1055.2　均值　1075.2.1　均值过程分析　1075.2.2　双因素的均值过程分析　1095.3　单样本t检验　1105.3.1　数据准备　1115.3.2　单样本t检验　1135.3.3　置信区间和自抽样选项　1145.4　独立样本t检验　1155.4.1　数据初探　1165.4.2　t检验　1195.4.3　均值差的绘图　1215.5　配对样本t检验　1225.6　小结　125思考与练习　125参考文献　126第6章　非参数检验　1276.1　非参数检验简介　1276.2　单样本非参数检验　1286.2.1　卡方检验　1326.2.2　二项式检验　1366.2.3　k-s检验　1436.2.4　wilcoxon符号秩检验　1466.2.5　游程检验　1466.3　独立样本非参数检验　1476.3.1　独立样本检验简介　1476.3.2　独立样本检验举例　1496.4　相关样本非参数检验　1516.4.1　相关样本检验简介　1516.4.2　相关样本检验举例　1536.5　小结　156思考与练习　156参考文献　157第7章　相关分析　1587.1　相关分析的基本概念　1587.1.1　相关关系的种类　1597.1.2　相关分析的作用　1597.2　散点图　1607.2.1　散点图简介　1607.2.2　散点图——旧对话框　1607.2.3　用图表构建程序绘制散点图　1637.3　相关系数　1657.3.1　线性相关的度量——尺度数据间的相关性的度量　1667.3.2　spearman等级相关系数——定序变量之间的相关性的度量　1707.3.3　kendall的tau-b(k)　1717.4　偏相关分析　1717.5　小结　173思考与练习　173参考文献　174第8章　回归分析　1758.1　线性回归分析的基本概念　1758.2　简单线性回归　1778.2.1　简单回归方程的求解　1788.2.2　回归方程拟合程度检验　1798.2.3　用回归方程预测　1808.2.4　简单线性回归举例　1818.3　多元线性回归　1838.3.1　多元线性回归方程简介　1838.3.2　多元线性回归方程的显著性检验　1838.3.3　应用举例　1848.3.4　线性回归自变量进入的方式　1878.4　线性回归的诊断和线性回归过程中的其他选项　1898.4.1　回归分析的前提条件　1898.4.2　回归分析前提条件的检验　1908.4.3　回归诊断　1928.5　非线性回归　1978.6　曲线估计　2048.7　小结　207思考与练习　207参考文献　207第9章　方差分析　2099.1　方差分析的术语与前提　2099.2　单因素的方差分析　2109.2.1　描述性数据分析　2119.2.2　单因素方差分析　2119.3　多因素方差分析　2159.3.1　多因素方差分析简介　2159.3.2　多因素方差分析举例　2169.4　协方差分析　2209.4.1　协方差分析简介　2209.4.2　协方差分析案例分析　2219.5　小结　227思考与练习　228参考文献　228第10章　聚类分析　22910.1　聚类分析简介　22910.2　个案间的距离　23010.2.1　定距数据(scale mearsurement)距离定义方式　23010.2.2　分类数据的频数数据(count)之间的距离　23110.2.3　二分类数据　23210.3　类之间的距离　23210.4　系统聚类算法过程　23310.5　系统聚类案例　23410.6　k-均值聚类　23810.6.1　k-均值法简介　23810.6.2　k-均值法案例　23910.7　两步法聚类　24210.7.1　两步法简介　24210.7.2　两步法案例分析　24310.8　聚类分析注意事项　24710.9　小结　248思考与练习　248参考文献　248第11章　主成分分析　24911.1　主成分分析简介　24911.1.1　主成分分析的目的与功能　24911.1.2　主成分分析的数学理论　25011.2　主成分分析的应用条件　25111.2.1　bartlett球形检验　25111.2.2　kmo统计量　25211.2.3　基于相关系数矩阵还是协方差矩阵　25311.3　主成分分析案例　25311.3.1　综合评价案例　25311.3.2　主成分分析用于探索变量间结构关系　26311.4　小结　265思考与练习　265参考文献　266第12章　因子分析　26712.1　因子分析简介　26712.2　因子分析的统计理论　26812.2.1　因子分析的模型　26812.2.2　因子分析模型的求解方法　26912.2.3　因子分析的应用前提　27112.2.4　因子个数的确定　27112.2.5　因子的解释　27212.2.6　因子旋转　27312.2.7　因子得分　27512.3　因子分析案例　27512.3.1　探索变量间的结构关系　27512.3.2　因子分析在市场调查中的应用　28112.4　因子分析结果的有效性　28612.5　因子分析和主成分分析的比较　28612.6　小结　287思考与练习　287参考文献　288

相关就是相关系数分析，为何用均值比较呢？

个人感觉的话还是不错的，挺好的，好好。

你说的是wald吗?那是wald卡方值，等于b除以它的标准误（s.e.）的平方值，所以这个值是用于对回归系数显著性进行检验的。显著性去看sig就好了

p很大很正常啊，说明你的这个数据不适合做因子分析我替别人做这类的数据分析蛮多的

属于定类变量，并且是二分法定类变量

spss学历是名义变量类型。而不是有序变量因为学历高低是一种等级符号而已，变量是数据读入和分析的基本单位，在数据挖掘的实际应用中交量的类型多种多样，且在计算机中有不同的存储方式并有各自适合的数据模型。spss学历的特点定类数据也称作名义数据是对事物的类别或属性的一种划分，按照事物的某种属性对其进行分类或分组，其特点是其值仅代表了事物的类别和属性，仅能表示类别差异不能比较各类之间的大小，各类之间没有顺序或等级，定类变量只能计算频数和频率不能进行大小的比较。在SPSS中使用度量标准Measure属性对变量的测量尺度进行定义，其中定类尺度变量用名N来表示，能使用的定类尺度的数据可以是数值型变量也可以是字符型变量，相互独立是指每个样本都只能归为一个类别，而不能同时归属多个类别，完全穷尽是指每个样本都必须归为一个类别。

在SPSS中，可以使用重新编码（Recode）功能将定类数据转化为定量数据。具体步骤如下：1. 打开数据文件，并在变量视图中找到需要转换的定类变量。2. 在菜单栏中选择“Transform” -> “Recode into Different Variables”。3. 在弹出的对话框中，将需要转换的定类变量拖动到左侧的“Input Variable(s)”列表中。然后，在右侧的“Output Variable”一栏中输入新变量的名称，并点击“Change”按钮来设置新变量的属性。4. 在“Old and New Values”一栏中，将原始的取值标签与新的数值进行对应。例如，如果原始的取值标签是“男”和“女”，可以将其分别对应为1和2。如果有多个取值标签需要转换，可以逐行添加新的取值标签和对应的数值。5. 点击“OK”按钮，SPSS将会生成一个新的变量，并将该变量添加到数据文件中。需要注意的是，将定类数据转化为定量数据时，需要确保新的数值符合实际含义，且能够被后续的统计分析方法所接受。同时，也需要考虑到不同数值之间的距离是否相等等问题，以免影响到后续的数据分析结果。

在SPSS中，如果X是定类变量，Y是定量变量，我们需要正确地填写数据才能进行数据分析。下面是具体的步骤：1. 打开SPSS，选择“变量视图”模式，点击“新变量”按钮，输入X和Y的变量名。2. 对于定类变量X，我们需要选择“标称”变量类型。在“标签”栏中，输入X的名称和所有可能取值的名称（例如，如果X是性别，则X的名称为“性别”，可能取值为“男”和“女”，则标签栏中应输入“性别”、“男”和“女”）。3. 对于定量变量Y，我们需要选择“比例”变量类型。在“标签”栏中，输入Y的名称和单位。4. 在“数据视图”模式下，输入实际数据。对于X，我们需要将每个取值编码为数字。例如，如果“男”编码为1，“女”编码为2，则会在X对应的列中输入1或2。对于Y，我们输入实际数值。5. 完成数据输入后，可以使用SPSS中的数据分析功能对数据进行统计、绘图等操作。注意事项：1. 对于定类变量，我们需要在数据输入前将所有可能取值列出并确定编码方式。2. 在输入实际数据时，需要确保X和Y的数据类型与变量视图中所选择的类型相同，否则可能会导致错误的结果。3. 在进行数据分析时，需要根据X和Y的数据类型选择正确的统计方法和图表类型，以确保分析结果的准确性和可解释性。

SPSS定类数据和定序数据间的相关用二列相关或者列联相关，二列相关用于二分数据，列联相关不限于二分数据。二列相关可以直接用积差相关的操作来完成，其实一般的各种相关作为积差相关的特列，其实公式和积差相关的是等价的，也就是无论是定序还是二分变量与连续变量的相关，都可以用积差相关的操作做，结果一样的。　　列联相关的公式：　　　　如果是定类数据之间，可以用phi系数、四格相关等。　　席皮尔曼相关系数为0.389**，代表这个相关系数是0.389，**代表该系数在0.01水平显著（*是0.05水平，***是0.001水平），sig是具体的显著性水平。分享本回答由科学教育分类达人 张雪认证其他类似问题2014-04-20spss中定序变量和定距变量之间用什么作分析？12015-03-31spss中如何检验一个定类变量和一个定序...2011-03-21在SPSS中，利用皮尔森相关系数分析，若得到两变量存在相关或...192011-04-19SPSS计算变量怎么算？52010-08-23如何在spss中给定序变量赋值3更多关于SPSS中,在进行定类变量对定类变量的相关分析(Lambda值)时,渐进标准误差等于零是什的问题>>为您推荐：举报| 2009-01-07 16:44＃“谁是脑力达人”之科学教育分类鏖战ing!＃提问者采纳首先，SPSS中只区分三种测量尺度，即定类、定序和定距，定比尺度的分析技术和定距一般不再做严格区分；其次，采用哪种相关系数一般取决于测量尺度较低的那个，譬如定类-定序，只能找适合定类尺度度量的那个相关系数。但是现在的统计学家比较会折腾，能想出很多指标来满足你的各种要求，譬如定类-定距，可以用Eta系数来分析，所以至于怎么区分，最好还是看看SPSS的参考书，一般情况下，实际这点也不难，看下Crosstab过程的Statistics里面指标分类格局，你就能搞懂它就是按照测量尺度分的。至于相互之间的关系：bivarate是两个变量之间的相关关系度量，这两个变量如果测量尺度都是定距以上，那就选Pearson相关系数，……crosstable是交叉表，主要用于检验变量之间的独立性，实际上也是研究变量之间是否是相关的，所以也跟你的主题相关至于discriptive好像和你的主题差别很大，这是做变量的描述用的，譬如计算变量的平均数、标准差、区间估计等上述只代表个人观点，如有不妥，请指正，欢迎交流。

我们可以帮助您

做是可以的没问题的我替别人做这类的数据分析蛮多的

如果因变量是分类变量，哪你采用多元回归分析就是错误的了应该采用logistic回归来进行的因变量的4分类是否属于有序的还是无序的如果有序，则使用有序多分类logistic回归若无序，则使用无序多分logistic回归

定序型数据。统计学依据数据的计量尺度将数据划分为三类：定距型数据、定序型数据、定类型数据。定序型数据具有内在固有大小或高低顺序，但它又不同于定距型数据，一般可以数值或字符表示。

两个定量变量之间显著性的分析直接采取相关分析，回归分析就好了，方差分析的话需要血压为定性变量

独立样本t检验1.在进行独立样本T检验之前，要先对数据进行正态性检验。满足正态性才能进一步分析，不满足可以采用数据转化或非参数秩和检验；2.在菜单栏上执行：分析-比较均数-独立样本t检验；3.将要比较平均数的变量放到检验变量，将分组变量放到分组变量，点击定义组；4.打开的对话框中，设置组1和组2的值分别是分组类别，然后点击继续。

附上数据吧

打开spss统计软件，依次点击分析、比较均值。平均值。随后出现平均值窗口，将性别放入自变量列表框中，将血糖放入因变量列表框中。点击选项，出现平均值，选项窗口。将需要计算的统计指标选入右侧单元格统计框中，本例选中平均值、个案数、中位数、最大值、最小值、方差、标准差统计量，点击继续。在SPSS中，每一个变量都有一个度量标准，这些度量标准说明变量的含义和属性，会对后续的分析产生影响。名义表示定类变量，定类变量表示事物的类别，只能计算频数和频率，各类别之间没有大小、顺序、等级之分。定类变量的数据可以是数值，也可以是字符。序号表示定序变量，定序变量表示事物的顺序或等级，可以排序或比较优劣，可以计算频数和累计频率，定序变量的数据可以是数值，也可以是字符。度量表示定距变量和定比变量，这两类变量可以明确的表示事物之间的差值，拥有非常多的数据线信息，也是高级的测量水平，在统计分析中主要参与加减乘除的算术运算，其数据内容往往是数值。

你检查一下你的公式运用是不是正确。截图看不清

你要按照spss的规范来命名啊，我替别人做这类的数据分析蛮多的

SPSS变量类型命名规则如下：1、变量名必须以字母、汉字或字符@开头，其他字符可以是任何字母、数字或_、@、#、$等符号。2、变量最后一个字符不能是句号。3、变量名总长度不能超过8个字符(即4个汉字)。4、不能使用空白字符或其他特殊字符(如“!”、“?”等)。5、变量命名必须惟-一，不能有两个相同的变量名。7、在SPSS中变量名不区分大小写。8、SPSS的保留字( Reserved Keywords) 不能作为变量的名称，如ALL、AND、WITH、OR等。扩展资料SPSS中变量中不同的测度方式1、尺度：包括定距尺度和定比尺度，仅适合于数值型变量。传递的信息量最大。2、数值：测量数值代表有序分类，不能直接比较大小，只能比较优先次序，适合于数值型变量和字符型变量;传递的信息量中等。3、名称:测量数值仅代表分类或属性，数值无法比较大小。传递的信息量最少。SPSS中变量类型：标准数值型、逗号数值型、圆点数值型、科学计数法型、美元数值型、用户自定义型、字符型、日期型。

打开SPSS之后，先点击下方的——变量视图的标签。在变量视图的名称标签下面，双击单元格进行文字输入。输完之后按回车键，然后就会自动生成后面的参数。工具／原料：ASUS华硕W508L、Windows8系统、SPSS 20.0版本1、打开SPSS之后，先点击下方的——变量视图的标签。2、在变量视图的名称标签下面，双击单元格进行文字输入。3、输完之后按回车键，然后就会自动生成后面的参数。4、然后将其他的名称也输入完，比如：语文、数学。5、再点击下方的——数据视图，看到上方的标签上就是我们刚刚输入的。6、最后在标签对应的下面输入好成绩的数据，这样就输入好了。

变量名称name的命名必须遵循许多规定，而且也应简洁，方便引述， 然而，有时单凭这一个变量名称，还不足以让人理解其意思， 此时，你可以用变量标签label来说明，好让报告更清楚易於阅读。 举个例子：变量「受访者母亲结婚后至第一个小孩出生前的每月收入」，取这样的名称，在往后分析过程中要引述十分麻须，而且，在早期版本的SPSS中，也是不容许这样的取名方式，太长了，又有中文，系统认不出来的，只能取一个由8个英文字母组成的变量名称，例如：mmcincom，变量名称的意思只能用标签来补充。 不知你用的是哪一版本的SPSS，早期的版本基本上规定，变量名称name只能8个英文字母，中间不能有空白字元( Blanks)，也不接受中文和符号字元；然而，变量标签label却可以容许256个字元的长度。 到了SPSS for Windows 13，变量名称的命名规则放宽了许多，但仍是有一定规定要依巡： 1.变量名称必须要以1个英文字母作开首，其结束也不能是句点( . full stop)、底横纸( _ )等符号，但中间可以自由取任何的字母、数字、句点甚至符号(如@, #, _, or $)，惟空格( Blanks)和好些特别字元仍是不能用； 2.变量名称的字元长度放宽了，但仍不可超越 64 bytes，对於single-byte语而言(如英法德西意俄希阿等语言)，就是64个字元，对於double-byte语而言(如中日韩等语言)，就是32个字元； 3.若干保留关键字(Reserved keywords)仍然不能用作变量名称：

变量名称name的命名必须遵循许多规定，而且也应简洁，方便引述，然而，有时单凭这一个变量名称，还不足以让人理解其意思，此时，你可以用变量标签label来说明，好让报告更清楚易於阅读。举个例子：变量「受访者母亲结婚后至第一个小孩出生前的每月收入」，取这样的名称，在往后分析过程中要引述十分麻须，而且，在早期版本的SPSS中，也是不容许这样的取名方式，太长了，又有中文，系统认不出来的，只能取一个由8个英文字母组成的变量名称，例如：mmcincom，变量名称的意思只能用标签来补充。不知你用的是哪一版本的SPSS，早期的版本基本上规定，变量名称name只能8个英文字母，中间不能有空白字元(Blanks)，也不接受中文和符号字元；然而，变量标签label却可以容许256个字元的长度。到了SPSS forWindows13，变量名称的命名规则放宽了许多，但仍是有一定规定要依巡：1.变量名称必须要以1个英文字母作开首，其结束也不能是句点(.fullstop)、底横纸(_)等符号，但中间可以自由取任何的字母、数字、句点甚至符号(如@,#,_,or$)，惟空格(Blanks)和好些特别字元仍是不能用；2.变量名称的字元长度放宽了，但仍不可超越64bytes，对於single-byte语而言(如英法德西意俄希阿等语言)，就是64个字元，对於double-byte语而言(如中日韩等语言)，就是32个字元；3.若干保留关键字(Reservedkeywords)仍然不能用作变量名称不单单是这样哦，需要在“计算变量”功能中，选择“类型与标签”，类型选择字符串，然后在字符表达式中，输入字符“d”

变量名称name的命名必须遵循许多规定，而且也应简洁，方便引述，然而，有时单凭这一个变量名称，还不足以让人理解其意思，此时，你可以用变量标签label来说明，好让报告更清楚易於阅读。举个例子：变量「受访者母亲结婚后至第一个小孩出生前的每月收入」，取这样的名称，在往后分析过程中要引述十分麻须，而且，在早期版本的SPSS中，也是不容许这样的取名方式，太长了，又有中文，系统认不出来的，只能取一个由8个英文字母组成的变量名称，例如：mmcincom，变量名称的意思只能用标签来补充。不知你用的是哪一版本的SPSS，早期的版本基本上规定，变量名称name只能8个英文字母，中间不能有空白字元( Blanks)，也不接受中文和符号字元；然而，变量标签label却可以容许256个字元的长度。

简单而言，变量名称name的命名必须遵循许多规定，而且也应简洁，方便引述，然而，有时单凭这一个变量名称，还不足以让人理解其意思，此时，你可以用变量标签label来说明，好让报告更清楚易於阅读。举个例子：变量「受访者母亲结婚后至第一个小孩出生前的每月收入」，取这样的名称，在往后分析过程中要引述十分麻须，而且，在早期版本的SPSS中，也是不容许这样的取名方式，太长了，又有中文，系统认不出来的，只能取一个由8个英文字母组成的变量名称，例如：mmcincom，变量名称的意思只能用标签来补充。不知你用的是哪一版本的SPSS，早期的版本基本上规定，变量名称name只能8个英文字母，中间不能有空白字元( Blanks)，也不接受中文和符号字元；然而，变量标签label却可以容许256个字元的长度。到了SPSS for Windows 13，变量名称的命名规则放宽了许多，但仍是有一定规定要依巡：1.变量名称必须要以1个英文字母作开首，其结束也不能是句点( . full stop)、底横纸( _ )等符号，但中间可以自由取任何的字母、数字、句点甚至符号(如@, #, _, or $)，惟空格( Blanks)和好些特别字元仍是不能用；2.变量名称的字元长度放宽了，但仍不可超越 64 bytes，对於single-byte语而言(如英法德西意俄希阿等语言)，就是64个字元，对於double-byte语而言(如中日韩等语言)，就是32个字元；3.若干保留关键字(Reserved keywords)仍然不能用作变量名称：ALL, AND, BY, EQ, GE, GT, LE, LT , NE , NOT, OR, TO, WITH

SPSS的规定：因素变量只能是数值变量，不能是字符变量。你需要使用Transform > Recode > Into Different Variable，把字符变量转换为数值变量。

SPSS的规定：因素变量只能是数值变量，不能是字符变量。你需要使用Transform>Recode>IntoDifferentVariable，把字符变量转换为数值变量。

打开SPSS之后，先点击下方的——变量视图的标签。在变量视图的名称标签下面，双击单元格进行文字输入。输完之后按回车键，然后就会自动生成后面的参数。工具／原料：ASUS华硕W508L、Windows8系统、SPSS 20.0版本1、打开SPSS之后，先点击下方的——变量视图的标签。2、在变量视图的名称标签下面，双击单元格进行文字输入。3、输完之后按回车键，然后就会自动生成后面的参数。4、然后将其他的名称也输入完，比如：语文、数学。5、再点击下方的——数据视图，看到上方的标签上就是我们刚刚输入的。6、最后在标签对应的下面输入好成绩的数据，这样就输入好了。