Вы находитесь на странице: 1из 385
i IBM SPSS Statistics Base 21

i

IBM SPSS Statistics Base 21

i IBM SPSS Statistics Base 21
i IBM SPSS Statistics Base 21

Примечание : Прежде чем использовать эту информацию и программный продукт, к которому она относится , прочтите общие сведения под заголовком Уведомления на стр . 355.

Это издание применимо к IBM® SPSS® Statistics 21 и ко всем последующим версиям и модификациям до тех пор, пока противное не указано в новых изданиях .

Скриншоты продукции Adobe перепечатаны с разрешения корпорации Adobe Systems.

Скриншоты продукции Microsoft перепечатаны с разрешения корпорации Microsoft.

Лицензионные материалы - собственность корпорации IBM

© Copyright IBM Corporation 1989, 2012.

U.S. Government Users Restricted Rights - использование , копирование и вскрытие ограничены соглашением GSA ADP Schedule Contract с корпорацией IBM.

Предисловие

IBM® SPSS® Statistics это универсальная система для анализа данных . Дополнительный модуль Base позволяет использовать методы анализа , описанные в этом руководстве . Пользоваться дополнительным модулем Base можно только при наличии базовой системы SPSS Statistics, в которую этот дополнительный модуль полностью интегрируется .

О бизнес аналитике IBM

Программное обеспечение IBM для бизнес аналитики предоставляет полную , последовательную и точную информацию , которая повышает эффективность ведения бизнеса. Полный набор программного обеспечения для business intelligence , прогностической аналитики , управления финансовой эффективностью и стратегией и аналитических приложений позволяет ясно видеть текущую ситуацию , а также делать прогнозы , позволяющие предпринимать практические действия. В сочетании с решениями для конкретных отраслей, проверенной практикой и услугами бизнес аналитика IBM позволяет организациям любых размеров достигать наивысшей производительности, уверенно автоматизировать процессы принятия решений и добиться лучших результатов .

Как составная часть этого набора , программное обеспечение IBM SPSS Predictive Analytics помогает организациям предсказывать будущие события и предпринимать практические действия непосредственно на основе этих предсказаний . Коммерческие , правительственные и академические организации всего мира, полагаются на технологию IBM SPSS, обеспечивающую конкурентное преимущество в привлечении, удержании и повышении отдачи от клиентов . Внедряя программное обеспечение IBM SPSS в повседневную работу, организации становятся прогностическими предприятиями, получая возможность направлять и автоматизировать бизнес -решения , достигая существенных (и измеряемых) конкурентных преимуществ. Чтобы получить дальнейшую информацию или связаться с представителем, зайдите на http://www.ibm.com/spss.

Техническая поддержка

Техническая поддержка предоставляется клиентам , оплачивающим обновительные взносы . Пользователи могут обращаться в службу технической поддержки, если у них возникают какие -либо проблемы с использованием или установкой программного обеспечения IBM Corp За технической поддержкой обращайтесь на сайт IBM Corp.:

http://www.ibm.com/support. Пожалуйста , при обращении за поддержкой будьте готовы назвать себя и организацию, в которой Вы работаете.

Техническая поддержка для студентов

Если вы являетесь студентом , пользующимся студенческой, академической версией или версией Grad Pack любого программного продукта IBM SPSS, посмотрите наши онлайновые страницы для студентов Solutions for Education ( http://www.ibm.com/spss/rd/students/ ). Если Вы являетесь студентом , пользующимся копией программного продукта I BM SPSS в университете , свяжитесь с координатором продукта IBM SPSS в университете .

Обслуживание клиентов

Если у Вас есть какие- либо вопросы , касающиеся Вашей поставки или счета , свяжитесь с местным офисом . Пожалуйста, будьте готовы назвать Ваш серийный номер .

Учебные курсы

Компания IBM Corp. регулярно проводит курсы , обучающие пользованию программным обеспечением, а также методам анализа данных. Все курсы проводятся в специально оборудованных компьютерных классах и включают в себя практические занятия . Курсы проводятся в крупных городах на постоянной основе. За дополнительной информацией об этих курсах обратитесь на http://www.ibm.com/software/analytics/spss/training.

iv

Содержание

1 Информация о данных

1

Вкладка Информация о данных: Вывод

3

Вкладка Информация о данных: Статистики

6

2 Частоты

8

Статистики в процедуре Частоты

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

9

Диаграммы в процедуре Частоты

 

.

.

.

.

.

.

.

.

.

.

.

.

.

11

Частоты: Формат

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

12

3 Описательные

 

13

Параметры процедуры Описательные статистики

 

14

Команда DESCRIPTIVES: дополнительные возможности

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

16

4 Исследовать

17

Статистики процедуры Исследовать

 

19

Графики процедуры

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

20

Степенные преобразования в процедуре Исследовать

 

21

Параметры процедуры

21

Команда EXAMINE: дополнительные

 

22

5 Таблицы сопряженности

 

23

Слои таблиц сопряженности

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

24

Кластеризованные столбиковые диаграммы в процедуре Таблицы сопряженности 25

Таблицы сопряженности, выводящие переменные слоев в слоях

 

25

Статистики, рассчитываемые для таблиц сопряженности

26

Вывод в ячейках для таблиц сопряженности

29

Формат таблиц

.

.

.

.

.

.

.

.

.

.

.

.

.

31

v

6 Подытожить

32

Параметры процедуры Подытожить

34

Статистики процедуры Подытожить наблюдения

35

7 Средние

38

Параметры процедуры

 

.

.

.

.

.

.

.

.

.

.

.

.

.

40

8 OLAP Кубы

 

43

Статистики в процедуре OLAP Кубы

 

.

.

.

.

.

.

.

.

.

.

.

.

.

45

OLAP Кубы: Разности

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

47

OLAP Кубы: Заголовок

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

48

9 T-критерии

 

49

T-критерий для независимых выборок

 

49

Задание групп, сравниваемых процедурой T-критерий для независимых

 

. Параметры процедуры T-критерий для независимых выборок

выборок

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

51

52

T-критерий для парных выборок

 

.

.

.

.

.

.

.

.

.

.

.

.

.

52

Параметры процедуры Т-критерий для парных выборок

 

53

Одновыборочный T-критерий

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

54

Параметры процедуры Одновыборочный T-критерий

 

55

Команда T-TEST: дополнительные возможности

56

10 Однофакторный дисперсионный анализ

57

Контрасты для однофакторного дисперсионного анализа

58

Апостериорные критерии для однофакторного дисперсионного анализа

60

Параметры процедуры Однофакторный дисперсионный анализ

62

Команда ONEWAY: дополнительные

63

vi

11 Общая линейная модель: одномерный анализ 64

Общая линейная модель (ОЛМ)

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

66

Создать члены

.

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

67

Сумма

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

67

Контрасты ОЛМ

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

68

Типы контрастов

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

69

Графики профилей в ОЛМ .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

70

Апостериорные сравнения в ОЛМ

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

71

Сохранение новых переменных в ОЛМ

 

73

Параметры процедуры ОЛМ

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

75

Команда UNIANOVA: дополнительные возможности

 

76

12 Парные корреляции

 

78

Параметры процедуры Парные корреляции

 

80

Команды CORRELATIONS и NONPAR CORR: дополнительные возможности

 

81

13 Частные корреляции

 

82

Параметры процедуры Частные корреляции

 

84

Команда PARTIAL CORR: дополнительные возможности

 

84

14 Расстояния

 

86

Меры различия

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

88

Меры сходства .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

89

Команда PROXIMITIES: дополнительные

 

89

15 Линейные модели

 

91

Как запустить процедуру построения линейной модели

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

92

Цели

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

93

Основные параметры

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

94

Подбор модели

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

95

vii

Ансамбли

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

97

Дополнительные параметры

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

98

Параметры модели

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

98

Сводка для модели

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

99

Автоматическая подготовка данных

 

100

Важность предикторов

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

101

Предсказанные против наблюденных

 

102

Остатки

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

103

Выбросы

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

104

Эффекты

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

105

Коэффициенты

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

106

Оцененные средние

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

108

Сводка по построению модели

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

109

16 Линейная регрессия

 

110

Методы отбора переменных для линейной регрессии

 

112

Задание правила отбора наблюдений для линейной

113

Графики процедуры Линейная регрессия

 

113

Линейная регрессия: Сохранение новых переменных

 

115

Статистики процедуры Линейная регрессия

 

118

Параметры процедуры Линейная регрессия

119

Команда REGRESSION: дополнительные возможности

 

120

17 Порядковая регрессия

 

121

Порядковая регрессия: Параметры

 

122

Порядковая регрессия: Вывод

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

123

Порядковая регрессия: Модель положения

 

125

Создать члены

.

. Порядковая регрессия: Модель масштаба

.

.

.

.

.

.

.

.

.

.

.

.

.

.

Создать члены

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

127

126

127

Команда PLUM: дополнительные возможности

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

127

viii

18 Подгонка кривых

128

Модели подгонки кривых

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

130

Подгонка кривых: Сохранить

.

.

.

.

.

.

.

.

.

.

.

.

131

19 Регрессия частично наименьших квадратов

 

132

Модель

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

134

Параметры

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

135

20 Анализ методом ближайших соседей

 

137

Соседи

.

.

.

.

.

.

.

.

.

.